Fires as collateral or means of war: challenges of environmental peacebuilding in the Kurdistan Region of Iraq
Notice bibliographique
Résumé
Environmental peacebuilding broadly refers to how sustainable management of natural resources can support prevention, mitigation, and resolution of conflict, as well as recovery after conflict. Shared natural resources constitute a common environmental challenge around which cooperation may be fostered. Environmentally damaging fires in conflict areas have received little attention from the peacebuilding field, especially compared to conflict related to water and oil, despite research that suggests fires may be caused or worsened by armed conflicts. The purpose of our study was twofold: (1) to investigate co-occurrences of armed conflict and fire in the Kurdistan Region of Iraq (KRI), which has seen substantial increases in both fire events and armed conflict in the past decade, and (2) to consider how the environmental peacebuilding framework could apply in this context, potentially offering a shift from conflict to cooperation around mutual environmental issues. Using data for 2016–2022, we analyzed the spatial patterns of fire/burned areas and armed conflict, considering potential connections between the two. Our findings indicated that one-fourth of the conflict hotspot areas coincided with fire hotspots. Two areas stood out as hotspots of both conflict and fire: the Amedi area in the north, dominated by the conflict between Turkey and the Kurdistan Workers’ Party, and the Makhmur area in the south, dominated by the conflict with the Islamic State. Though fires should be seen as a transboundary issue, few peacebuilding initiatives around fire and land resources are found in this conflict-ridden region, indicating a need for a long-term peace ecology approach to overcome the consequences of structural inequalities, conflict, and environmental destruction.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».