Evaluating Urban Flood Resilience within the Social-Economic-Natural Complex Ecosystem: A Case Study of Cities in the Yangtze River Delta
Notice bibliographique
Résumé
With global climate change and rapid urbanization, it is critical to assess urban flood resilience (UFR) within the social-economic-natural complex ecosystem in dealing with urban flood disasters. This research proposes a conceptual framework based on the PSR-SENCE model for evaluating and exploring trends in urban flood resilience over time, using 27 cities in the Yangtze River Delta (YRD) of China as case studies. For the overall evaluation, a hybrid weighting method, VIKOR, and sensitivity analysis were used. During that time, UFR in the YRD region averaged a moderate level with an upward trend. This distinguishes between the resilience levels and fluctuation trends of provinces and cities. Jiangsu, Zhejiang, and Anhui provinces all displayed a trend of progressive development; however, Shanghai displayed a completely opposite pattern, mainly because of resilience in the state dimension. During that time, 81.41% of cities exhibited varying, upward trends in urban flood resistance, with few demonstrating inverse changes. Regional, provincial, and city-level implications are proposed for future UFR enhancement. The research contributes to a better understanding of the urban complex ecosystem under flood conditions and provides significant insights for policymakers, urban planners, and practitioners in the YRD region and other similar flood-prone urban areas.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».