Global survey shows planners use widely varying sea-level rise projections for coastal adaptation
Notice bibliographique
Résumé
Including sea-level rise (SLR) projections in planning and implementing coastal adaptation is crucial. Here we analyze the first global survey on the use of SLR projections for 2050 and 2100. Two-hundred and fifty-three coastal practitioners engaged in adaptation/planning from 49 countries provided complete answers to the survey which was distributed in nine languages – Arabic, Chinese, English, French, Hebrew, Japanese, Korean, Portuguese and Spanish. While recognition of the threat of SLR is almost universal, only 72% of respondents currently utilize SLR projections. Generally, developing countries have lower levels of utilization. There is no global standard in the use of SLR projections: for locations using a standard data structure, 53% are planning using a single projection, while the remainder are using multiple projections, with 13% considering a low-probability high-end scenario. Countries with histories of adaptation and consistent national support show greater assimilation of SLR projections into adaptation decisions. This research provides new insights about current planning practices and can inform important ongoing efforts on the application of the science that is essential to the promotion of effective adaptation. Coastal practitioners in countries with longer histories and more national support show greater assimilation of sea level rise projections in adaptation planning, according to quantitative and qualitative analysis of a global survey.
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 | 0,000 | 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 | 0,001 |
| 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 | 0,001 |
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 ».