The Effects of Climate Change to Weather-Related Environmental Hazards: Interlinkages of Economic Factors and Climate Risk
Notice bibliographique
Résumé
Climate change has become an increasingly intense global phenomenon in recent years. A great number of researchers support the idea that climate change is strongly connected to some environmental hazards, and specifically, those correlated to extreme weather events. Following the Paris Agreement, and due to the increased concern regarding climate change impacts, several indices have been established. The Climate Change Performance Index (CCPI) includes 59 countries and the EU, which cumulatively emit 92% of global greenhouse gases (GHGs), while the Global Climate Risk Index (CRI) analyzes to what extend countries have been affected by impacts of weather-related loss events. Both indices provide annual scores to each country and rank them based on those scores indicating the existing environmental situation. Our main purpose is to examine whether there is an interconnection between those two indices as well as testify whether economic growth is a great contributor to country’s environmental performance and as a result to climate risk. Using a sample of the reported countries for the year 2019, the latest reported year for both indices, and following a cross-sectional econometric analysis, we provide evidence regarding the connection of CCPI and CRI by using graphs, mapping visualization and econometric estimations in order to draw lines between indices. Moreover, we examine the interlinkages, and we estimate the influence caused by socio-economic factors and emissions levels per country. We provide evidence regarding the high-ranked and low-ranked countries and how they perform not only to an environmental base, but also to an economic base. Regarding the major finding, based on our analysis, no proven causality between CRI and CCPI was observed. Economic growth appears to have a significant impact on CRI but not on the CCPI, for the year 2019, while population density has an impact on both indices. Regarding greenhouse gas emissions, the econometric estimations provide evidence of significance for CRI but not for CCPI. An in-depth understanding of the current situation as well as of the factors affecting the climate conditions will give us the needed elements in order to minimize the adverse impact, if not improve the current situation. It is well known and stated that climate action should be taken so that we bequeath a safer and more sustainable planet to the next generations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».