MétaCan
Menu
Retour à la cohorte
Enregistrement W4394935004 · doi:10.1016/j.tfp.2024.100557

Linking perceptions of climate change impacts with adaptation: Insights from landowners in Southern Chile

2024· article· en· W4394935004 sur OpenAlexaff
Amanda Martinez, René Reyes, Harry W. Nelson

Notice bibliographique

RevueTrees Forests and People · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesAgencia Nacional de Investigación y Desarrollo
Mots-clésClimate changeClimate change adaptationAdaptation (eye)PerceptionEnvironmental resource managementGeographyEnvironmental planningNatural resource economicsEnvironmental sciencePsychologyEconomicsOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

• Most forest-owners perceived climate change (CC), and only 60 % took adaptive actions. • Higher off-farm incomes and risk tolerance reduce CC perception and adaptation. • Higher forest cover appears to offer an adaptive strategy (increase farms' resilience). • Policies to raise water/fodder availability would allow a better adaptive response. • Preparing landowners to deal with risks and uncertainty would improve adaptive actions. Adaptation is recognized as the outcome of a complex mix of individual and institutional factors that shape how society responds to climate change. Adaptation results from a joint decision-making process, where actors simultaneously evaluate the risks associated with climate change into whether or not they should adapt. We develop a model of this joint decision-making process that incorporates risk tolerance to identify what factors influence landowners’ perception and adaptation to climate change in southern Chile. The results are based on 86 in-person interviews, involving the collection of socioeconomic data, risk aversion tests, and semi-structured interviews. We found that while most landowners perceived climate change impacts as a threat, only 60 % had taken any action. Two underlying factors applied to both perception and adaptation: risk tolerance and off-farm incomes. Higher risk tolerance and greater reliance on off-farm incomes reduced people's perception and adaptation to climate change. The presence of climate change-induced impacts positively influenced the implementation of adaptation, while schooling and gender were relevant only in shaping climate change perceptions. Following these results, we suggest developing programs to communicate the real magnitude of climate risks so that landowners better understand the opportunity costs of climate change adaptation, and in that way, avoid/anticipate the need to see impacts on the land in order to act. Along these lines, further investigation of the role off-farm incomes play in adaptation is warranted, where it is simultaneously both a factor in the adaptation process but can also be an adaptation action as well.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,237
Écart entre enseignants0,210 · 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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrees Forests and PeopleMême sujetClimate change impacts on agricultureTravaux en français237 207