Interdependence of social-ecological-technological systems in Phoenix, Arizona: consequences of an extreme precipitation event
Notice bibliographique
Résumé
Complex adaptive systems - such as critical infrastructures (CI) - are defined by their vast, multi-level interactions and emergent behaviors, but this elaborate web of interactions often conceals relationships. For instance, CI is often reduced to technological components, ignoring that social and ecological components are also embedded, leading to unintentional consequences from disturbance events. Analysis of CI as social-ecological-technological systems (SETS) can support integrated decision-making and increase infrastructure's capacity for resilience to climate change. We assess the impacts of an extreme precipitation event in Phoenix, AZ to identify pathways of disruption and feedback loops across SETS as presented in an illustrative causal loop diagram, developed through semi-structured interviews with researchers and practitioners and cross-validated with a literature review. The causal loop diagram consists of 19 components resulting in hundreds of feedback loops and cascading failures, with surface runoff, infiltration, and water bodies as well as power, water, and transportation infrastructures appearing to have critical roles in maintaining system services. We found that pathways of disruptions highlight potential weak spots within the system that could benefit from climate adaptation, and feedback loops may serve as potential tools to divert failure at the root cause. This method of convergence research shows potential as a useful tool to illustrate a broader perspective of urban systems and address the increasing complexity and uncertainty of the Anthropocene. Supplementary Information: The online version contains supplementary material available at 10.1186/s43065-023-00085-6.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».