MétaCan
Menu
Retour à la cohorte
Enregistrement W4392589316 · doi:10.5194/egusphere-egu24-965

Resilience and adaptation of First Nations communities in Canada to disappearing winter road infrastructure in a changing climate

2024· preprint· en· W4392589316 sur OpenAlexaboutno aff
Annette Salles, Donal Mullan, Matteo Spagnolo, Gemma Catney

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Adaptation (eye)Climate change adaptationClimate changeGeographyPsychological resilienceClimate resiliencePolitical scienceEnvironmental resource managementEnvironmental planningEconomic geographyRegional scienceEnvironmental sciencePsychologyOceanography

Résumé

récupéré en direct d'OpenAlex

In Canada’s North, winter roads serve as vital lifelines for remote First Nations communities, connecting them to essential resources and services. Constructed over seasonally frozen lakes, rivers, and land, these temporary roads are the only means to transport food, fuel and building materials in large volumes. Winter temperature increases of > 3° C in several provinces have already led to shorter operating seasons and less lake ice thickness, compromising safety, supply, and well-being.Limited meteorological data, a lack of economic or political relevance and the provincial jurisdiction over winter roads have so far discouraged broader research. The few localised studies leave a large knowledge gap with respect to the historical correlation of climate data with winter road seasons and the ability to predict their future. In addition, scientific studies rarely include the existing traditional environmental knowledge without which the adaptive capacity and resilience potential of Indigenous communities cannot be fully understood and realised.Using GIS tools to create a map of all Canadian winter road systems, ERA5 data to analyse location-specific temperature trends, and observations of lake ice thickness to validate a one-dimensional lake model as proxy for freezing trends all aim to explore the natural science base. Surveys and extended interviews in a Manitoba First Nations community complement the study in a decolonising approach, following the concept of Two-Eyed Seeing.Comprehensive mapping shows that most winter road tracks have recently been rerouted to avoid lake surfaces despite the difficult terrestrial underground. Temperature trends are highest in January and vary from +0.4° C in Ontario to +1° C per decade in the Northwest Territories, while modelled ice thickness has decreased between 9% and 14% from 1950 until 2022. Shorter winter road seasons have resulted in food insecurity, educational deprivation, and a housing crisis in many remote First Nations communities, worsened by the intergenerational trauma of residential schools and legislative hurdles to self-determination as defined by the UN Declaration on the Rights of Indigenous Peoples.For Indigenous communities in Canada, cryosphere services are not limited to winter road infrastructure, they include traditional food harvesting, cultural connectivity and identity. Without a profound connection to the land, change observations remain inconsequential, adaptive measures and resilience unobtainable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,706

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0130,005
Communication savante0,0030,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Materials for ConstructionTravaux en français237 207