Managing beyond water: utilizing community well-being interviews in the Upper Yakima River Basin, USA, for climate change adaptation
Notice bibliographique
Résumé
In contemporary, natural resources dependent and specialized communities, community well-being is connected to the environment. Understanding the local connections between community well-being and the environment can provide a more complete understanding of how to manage social-ecological systems and promote community resilience. Herein, we combine semi-structured community well-being interviews with hydrologic modeling using the variable infiltration capacity (VIC) model to suggest climate adaptation pathways for a diverse set of community interests. We found that community well-being across the Yakima River Basin was connected to water, snow, and the environment through recreation opportunities, aesthetics, livelihoods, and having clean water and air. Additionally, many community members noticed changes in snowpack conditions and were aware that snow conditions affect water resources and local agriculture. We identified that community concerns, resilience, and innovation centered around preserving the Yakima Valley’s historic and future potential as a regional and global agricultural and recreational hub. We discussed two case studies that highlight how climate adaptation plans can be expanded to include other groups, resources, and governance foci. The first case is about the social aspect of sustained days of high heat and the second is about an expressed false sense of security with snowmelt. We do this by incorporating modeled future projections of consecutive high heat days and snowmelt timing. By integrating well-being interviews with hydrologic modeling, we show how we can create more climate-adapted and resilient social-ecological systems that can preserve and maximize well-being in the context of changing environmental conditions. Other natural resources dependent communities also have connections between community well-being and the environment, thus a similar approach can be used in future research to explore the location-specific context.
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 | 0,005 | 0,008 |
| 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 | 0,006 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».