Heatwave adaptation conditioned by everyday life: Analysing interacting changes to daily activities during Pacific Northwest summers
Notice bibliographique
Résumé
As heatwaves increase in intensity, frequency, and duration, there is an urgent need for adaptation to limit their adverse effects on health, well-being, and livelihoods. Heat exposure and adaptive responses during heatwaves are tightly linked to mobility behaviours – the subject of a rapidly growing body of literature. However, knowledge of the processes which shape and constrain opportunities to seek cooling remains limited, as academic research has yet to examine how people alter the various activities of everyday life in response to heatwaves. Addressing this gap, the current paper models these interdependent activity changes simultaneously, shedding light on behavioural adaptations during heatwaves and the underlying structures which condition them. Combining Google Community Mobility Reports, ERA5 climate re-analysis, and socio-economic data across the Pacific Northwest region of North America, the analysis uses a multi-variate multi-level model to examine how anchor (home, work, transit), essential (grocery/pharmacy), and discretionary (retail/recreation, parks) activity change together during summer heatwaves. Focusing on a climatically diverse region and modelling heatwaves as distinct multi-day events, these interdependent responses are explored with the climatic, temporal, and contextual features of heatwaves. Four main conclusions about behavioural adaptation to heatwaves are drawn: (1) A region’s typical climate impacts workplace rigidity and adaptations to non-work activities during heatwaves; (2) Absolute and relative intensities have distinct yet comparably large impacts on behavioural responses; (3) Adaptation evolves over time, both between and within heatwaves; (4) Urban form and socio-economic disparities influence activity trade-offs during heatwaves. By contextualizing heatwaves within people’s everyday lives, this study highlights the diverse, dynamic, and yet constrained processes by which adaptation occurs.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».