People’s Perception of Climate Change Impacts on Subtropical Climatic Region: A Case Study of Upper Indus, Pakistan
Notice bibliographique
Résumé
In developing countries like Pakistan, the preservation of the environment, as well as people’s economies, agriculture, and way of life, are believed to be hampered by climate change. Understanding how people perceive climate change and its signs is essential for creating a variety of adaptation solutions. In this study, we aim to bridge the gap in current research within this area, which predominantly relies on satellite data, by integrating qualitative assessments of people’s perceptions of climate change, thereby providing valuable ground-based observations of climate variability and its impacts on local communities. Field-based data were collected at different altitudes (upstream (US), midstream (MS), and downstream (DS)) of the Upper Indus Basin using both quantitative and qualitative assessments in 2017. The result shows that these altitudes are highly variable in many contexts: socioeconomic indicators of education, agriculture, income, women empowerment, health, access to basic resources, and livelihood diversifications are highly variable in the Indus Basin. The inhabitants of the Indus Basin perceive the climate changing around them and report impacts of this change as increase in overall temperatures (US 96.9%, MS 97%, DS 93.6%) and erratic rainfall patterns (US 44.1%, MS 73.3%, DS 51.0%) resulting in increased water availability for crops (US 38.6%, MS 39.7%, DS 54.8%) but also increasing number of dry days (US 56.7%, MS 85.5%, DS 67.1%). Communities at these altitudes said that agriculture was their primary source of income, making them particularly vulnerable to the effects of climate change and the dangers that go along with it. The insights are useful for determining what information and actions are required to support local climate-related hazard management in subtropical climate regions. Moreover, it is vital to launch a campaign to raise awareness of potential hazards, as well as to provide training and an early warning system.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».