Understanding inequalities in geographic accessibility to emergency cyclone shelters in Bangladesh under climate change
Notice bibliographique
Résumé
This research aims to explore inequalities in geographic accessibility to emergency cyclone shelters in Bangladesh, a country in the Global South that is prone to natural disasters. We begin by quantifying the walking time to the nearest cyclone shelters as a basic measure of accessibility. Additionally, we compute a more practical measure of accessibility by considering crowding effects in shelters due to the interactions between supply (e.g., shelter capacity) and demand (e.g., population levels) using the two-step floating catchment area (2SFCA) method. Using these accessibility measures as a basis, we examine accessibility inequalities through the Gini index. Furthermore, we perform a statistical analysis with an equity lens to examine whether marginalized populations are disproportionately located in underserved areas with limited accessibility. The results reveal substantial inequalities in 2SFCA-based cyclone shelter accessibility across different regions. The statistical analysis results show that seniors, females, individuals with physical disabilities, and religious minorities are disproportionately located in areas where walking time to the nearest shelters exceeds the government guideline of 20 min. This study is one of the first attempts to understand the inequalities in geographic accessibility to emergency cyclone shelters in an under-examined low- and middle-income country (LMIC) in the Global South such as Bangladesh. By shedding light on the inequalities faced in accessing these critical facilities, our research contributes to the broader understanding of human mobility and accessibility in response to the increasing intensity and frequency of unexpected disruption events in the context of climate change.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».