Co-governance for green infrastructure preservation: Collaborative strategies in customary land tenure cities of Sub-Saharan Africa
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
Sub-Saharan Africa (SSA) cities often struggle with the degradation of natural Green Infrastructure (GI), especially in cities where customary land tenure is more prevalent. Contrary to the prevailing narrative that traditional authorities are primarily responsible for this decline, this paper applies the collaborative governance theory to demonstrate the prospects of preserving GI in SSA cities through state-traditional institutional co-governance initiatives. Data for the paper was obtained from the Environmental Protection Agency, the Manhyia Palace and key paramouncies, and Metropolitan, Municipal and District Assemblies in Kumasi in Ghana. Corresponding spatial data was gathered from satellite images on eight GI in Kumasi. Analysis of the spatial data revealed that prior to the co-governance arrangements, the selected GI were depleting at an annual rate of 4.7 % between 2003 and 2013, and 5.4 % between 2013 and 2019 mainly due to encroachment by grey land uses. Five years after the initiative (2019–2023), the annual rate of decline reduced to 0.9 %, with a total of 20.36 km 2 of GI preserved. Drawing from this analysis, we assert that co-governing GI by both state and traditional institutions, as emphasized by the collaborative governance theory, is a viable strategy for preserving GI in cities that are characterised by organic and informal development patterns, often spurred by customary land tenure arrangements. • Customary land tenure influences GI governance in SSA cities. • Co-governance reduced GI depletion in Kumasi from 5.4 % to 0.9 % annually. • Traditional and state institutions collaboratively preserved over 20 km 2 of GI.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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