Global synthesis and regional insights for mainstreaming urban nature-based solutions
Notice bibliographique
Résumé
Nature-based solutions (NbS) have emerged as a key strategy for sustainably addressing multiple urban challenges, with rapidly increasing knowledge production requiring synthesis to better understand whether and how NbS work in different social, ecological, economic, or governance contexts. Insights in this Perspective are drawn from a thematic review of 61 NbS review articles supported by an expert assessment of NbS knowledge in seven global regions to examine key challenges, fill gaps in Global South assessment, and provide insights for scaling up NbS for impact in cities. Eight NbS challenges emerged from our review of NbS reviews including conceptual, thematic, geographic, ecological, inclusivity, health, governance, and systems challenges. An additional expert assessment reviewing literature and cases in seven global regions further revealed the following: 1) Local context-based ecological knowledge is essential for NbS success; 2) Improved technical knowledge is required for planning and designing NbS; 3) NbS need to be included in all levels of planning and governance; 4) Putting justice and equity at the center of urban NbS approaches is critical, and 5) Inclusive and participatory governance processes will be key to long-term success of NbS. We synthesized findings from the NbS review results and regional expert assessments to offer four critical pathways for scaling up NbS: 1) foster new NbS research, technological innovation, and learning, 2) build a global NbS alliance for sharing knowledge, 3) ensure a systems approach to NbS planning and implementation, and 4) increase financing and political will for diverse NbS implementation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».