Climate change adaptation to extreme heat: A global systematic review of implemented action
Notice bibliographique
Résumé
Abstract Extreme heat events impact people and ecosystems across the globe, and they are becoming more frequent and intense in a warming climate. Responses to heat span sectors and geographic boundaries. Prior research has documented technologies or options that can be deployed to manage extreme heat and examples of how individuals, communities, governments, and other stakeholder groups are adapting to heat. However, a comprehensive understanding of the current state of implemented heat adaptations—where, why, how, and to what extent they are occurring—has not been established. Here, we combine data from the Global Adaptation Mapping Initiative with a heat-specific systematic review to analyze the global extent and diversity of documented heat adaptation actions (n = 301 peer-reviewed articles). Data from 98 countries suggest that documented heat adaptations fundamentally differ by geographic region and national income. In high-income, developed countries, heat is overwhelmingly treated as a health issue, particularly in urban areas. However, in low and middle income, developing countries, heat adaptations focus on agricultural and livelihood-based impacts, primarily considering heat as a compound hazard with drought and other hydrological hazards. 63% of the heat-adaptation articles feature individuals or communities autonomously adapting, highlighting how responses to date have largely consisted of coping strategies. The current global status of responses to intensifying extreme heat, largely autonomous and incremental yet widespread, establishes a foundation for informed decision making as heat impacts around the world continue to increase.
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 | 0,000 |
| 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 | 0,000 |
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 ».