Translating planetary boundaries into city systems: Ecosystem services as metrics for safe and just production-consumption space
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
Accelerating urbanization has positioned cities as epicenters of water-energy-food (WEF) demand growth, yet their resource consumption patterns persistently exceed planetary boundaries. Resolving this dual challenge requires fundamentally rethinking cities' capacity to operate within ecological supply limits while ensuring basic human needs. We implement a city-scale adaptation of the doughnut framework, constructing a safe and just space (SJS) assessment model that quantifies ecosystem services (ESs) as linkages between WEF demands and ecological boundaries. Our analysis of 336 Chinese cities reveals spatial disparities: 91 % of cities in China can operate within their SJS for water provisioning, while only 25 % maintain current carbon emissions below ecological ceilings. Additionally, 28 % of cities simultaneously fulfill the SJS requirements for phosphorus purification. Regarding land use, 69 % can operate within the SJS, but most cities are approaching or already at verge of the biophysical boundary. In general, only 13 % of cities can adequately meet social demands within the boundaries of all four ESs. Random forest algorithm further identified social variables (e.g., population) and economic variables (e.g., industrial growth and gross regional domestic product) as dominant drivers of SJS performance. These findings underscore the imperative for adaptive governance that coordinates ES management through the SJS-ESs-WEF nexus, offering actionable pathways to align urban development with ecosystem stability and social justice imperatives.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle