Drowning in urban growth: rethinking flood resilience and spatial equity in Lagos, Nigeria
Notice bibliographique
Résumé
Introduction Urban flooding in Africa, intensified by climate change, poses a major challenge to sustainable urban development. In megacities like Lagos, the relationship between rapid urbanization and increased flood risk remains underexplored. This study investigates the interactions between urban expansion and flood occurrence in Lagos, identifies key contributing factors, and proposes strategies to enhance urban resilience. Methods Urbanization data were obtained from the UN-Habitat database, while flood data were sourced from the Emergency Events Database (EM-DAT) maintained by the Centre for Research on the Epidemiology of Disasters. Time series analysis was combined with qualitative review of secondary data to examine trends, spatial distribution of floods, and underlying causes. Results Nigeria has experienced dynamic urban growth, with Lagos' population increasing from 7.28 million (1995–2000) to 17.15 million (2020–2025), a growth rate 2.4 times higher than the national average. Spatial analysis identified Lagos as a flood hotspot, with 35 recorded events-particularly concentrated in Victoria Island's Lekki area (7 events) and in Kosofe, Ikeja, and Agege districts (3 events each). Contributing factors fall into four categories: environmental, socio-economic, institutional, and structural. Flood impacts include agricultural land degradation, water pollution, erosion, infrastructure damage, crop loss, poverty aggravation, and public health risks such as the spread of infectious diseases. Discussion Despite resilience measures such as modern infrastructure (e.g., the Great Wall of Lagos) and institutional frameworks (e.g., Lagos State Emergency Management Agency), effectiveness is hindered by governance issues, limited trust, and insufficient community engagement. Strengthening communication, integrating climate-tailored early warning systems, and fostering active community participation in flood management could enhance trust and long-term resilience.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».