On mapping urban community resilience: Land use vulnerability, coping and adaptive strategies in Ghana
Notice bibliographique
Résumé
Cities across the globe are prioritizing resilience in the wake of increasing climate change-related disasters. About 44% of these disasters are floods and their manifestation in cities is more pronounced, threatening urban social, ecological, and economic systems. This study draws on community resilience and participatory GIS, to examine land use vulnerability to flooding and local coping and adaptive strategies to achieve resilience. Using Ghana as a case study, the results show that participatory mapping offers community resilience benefits by providing context to community resilience challenges and potentials, enabling a deeper understanding of socio-environmental coupling that contributes to flood vulnerability and builds on community adaptive strategies through harnessing local community knowledge. We identified that topography, poor drainage and road network, rainfall variability, residents’ land use practices, and land use planning conundrum drive disparities in land use vulnerability to flooding. Participants underscored the necessity of critical urban infrastructure in facilitating community adaptability to floods. The findings indicate that socio-spatial inequities threaten urban community resilience, especially in increasingly cosmopolitan urban contexts, by putting the marginalized urban population in a more vulnerable position. We recommend the prioritization of recognitional equity in community resilience planning efforts to allow for the targeting of resilient interventions that reflect and respect social differentiation in the urban environment so that outcomes will not exacerbate or generate new urban socio-spatial inequalities. • Flood victims use participatory GIS to map vulnerability, coping and adaptive strategies. • Participatory mapping provides context to community resilience challenges and potentials. • Anthropogenic and natural elements drive land use vulnerability to flooding. • Urban inequalities put marginalized urban populations in a more vulnerable position. • Recognitional equity should be prioritized in community resilience planning.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».