Assessing the multidimensional nature of flood and drought vulnerability index: A systematic review of literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Vulnerability to floods and droughts is a complex and multidimensional phenomenon influenced by various factors. This systematic review paper focuses on communities’ vulnerability to floods and droughts. It presents an overview of the current knowledge on the topic, including definitions and conceptual frameworks related to vulnerability. The study synthesizes existing literature from various disciplines, including hydrology, climatology, geography, and social sciences, to identify key factors contributing to vulnerability and its impacts on communities, infrastructure, and ecosystems. Through a comprehensive analysis of 83 articles published between 2010 and 2023, this paper identifies themes, methodologies, and knowledge gaps in flood and drought vulnerability assessment. The findings reveal that vulnerability to floods and droughts depends on a range of factors, including physical exposure, socioeconomic status, governance, and cultural values. Most of the published articles have focused on regional-scale studies. There has been an increase in the number of vulnerability studies addressing this issue after 2019. Among the various methods analyzed, min-max normalization (52 % of articles) and equal weighting (27 %) were the most frequently used data normalization and aggregation methods. However, the paper identifies a significant research gap in the lack of sensitivity analysis or validation of the indices developed based on the most common parameters, such as population density, gender, income, and precipitation levels. It also emphasizes the need for true transdisciplinary approaches for a comprehensive assessment of flood and drought vulnerabilities. The systematic review concludes with a synthesis of core vulnerability indicators and recommendations for future research and policy directions aimed at reducing the vulnerability of communities to these natural hazards. • Vulnerability to flood and drought is multifaceted and influenced by various factors. • The review combines knowledge from across disciplines to better understand vulnerability. • Findings reveal key factors contributing to vulnerability and research gaps. • Vulnerability indices must include sensitivity analyses as part of their deployment. • Vulnerability must be considered through a transdisciplinary lens.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle