Navigating Climate-related Displacements: Insights from Cyclone Idai in Mozambique
Notice bibliographique
Résumé
Tropical Cyclone Idai, which struck in March 2019, was among the most catastrophic climate-related disasters in Southern Africa, causing widespread destruction, loss of life, economic loss, and rapid-onset displacement in Mozambique, Malawi, and Zimbabwe. Displaced populations experienced disproportionate impacts after the cyclone, yet few studies have examined post-disaster displacement management dynamics. As climate change intensifies cyclones like Idai and their associated displacement impacts, addressing this research gap is crucial for mitigating future climate-related displacement risks. Drawing on peer-reviewed literature, reports from humanitarian agencies, and policy documents, this paper examines Cyclone Idai-related displacement in Mozambique, with a focus on the short-term, long-term, and cross-border dimensions shaped by displacement management. Findings indicate that displacements following Cyclone Idai were largely internal and marked by weak disaster preparedness, reactive disaster response, and resettlement, which are entrenched in structural and non-structural vulnerabilities. There was also limited coordination on cross-border displacements. Altogether, these challenges undermined disaster recovery, heightening future displacement risks. Based on these findings, the paper recommends a shift towards improved early warning systems, disaster preparedness, effective coordination, and mobilisation of local resources at national and regional levels for disasters. Furthermore, durable, displacement-proof solutions must be underpinned by coherent national and regional frameworks for displacement management that integrate disaster risk reduction into land-use planning, urban planning, and climate-resilient livelihoods.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».