Assessing populations exposed to climate change: a focus on Africa in a global context
Notice bibliographique
Résumé
Abstract The recent debate on population dynamics and climate change has highlighted the importance of assessing and quantifying disparities in populations’ vulnerability and adopting a forward-looking manner when considering the potential impacts of climate change on different communities and regions. In this article, we overlay demographic projections based on the Shared Socioeconomic Pathways and climate change projections derived from the Representative Concentration Pathways. We focus on populations that are likely to be the most exposed to climate change in the future, namely, African populations in a comparative global context. First, we estimate the share of populations living in rural areas, who would be more dependent on agriculture, as one of the economic sectors mostly affected by climate change. Second, we explore how climate change would worsen the condition of populations living below the poverty line. Finally, we account for low levels of education, as further factors limiting people’s adaptation ability to increasingly adverse climate circumstances. Our contribution to the literature on population, agriculture, and environmental change is twofold. Firstly, by mapping the potential populations exposed to climate change, in terms of declining agricultural yields, we identify vulnerable areas, allowing for the development of targeted strategies and interventions to mitigate the impacts, ensure resilience, and protect the population living in the most affected areas. Secondly, we assess differentials in the vulnerability of local populations, showing how African regions would become among one of the most exposed to climate change by the end of the century. The findings support the targeting of policy measures to prevent increased vulnerability among already disadvantaged populations.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».