Changements climatiques, changements du littoral et évolution de la vulnérabilité côtière au fil du temps : comparaison de territoires français, canadien et sénégalais
Bibliographic record
Abstract
La vulnérabilité des zones côtière aux impacts des changements climatiques et aux aléas météo-marins (tempêtes, inondations, etc.) résulte conjointement de dynamiques liées au milieu naturel et à l’élément humain et social qui façonnent le système socio-écologique. Pour tenir compte de cette dualité, des approches théoriques ont été développées, telles que le couple exposition/sensibilité dans le développement d’indices de vulnérabilité climatique ou le couple aléa/enjeux dans le domaine de la gestion du risque. Souvent, ces approches ne s’appliquent que de manière instantanée et n’intègrent pas, entre autres, l’historique du territoire et l’évolution temporelle de la vulnérabilité. Nous nous intéressons ici à la dimension historique de la vulnérabilité, c’est à dire comment l’aménagement et l’utilisation du territoire ont contribué à créer une vulnérabilité. Nous décrirons comment la vulnérabilité aux changements climatiques de certains territoires côtiers en France, au Sénégal et dans l’Est du Canada est déterminée par l’évolution de l’aménagement du territoire, lui-même fonction de facteurs démographiques, économiques, environnementaux, sociaux et culturels qui se sont mis en place sur différentes échelles de temps, séculaires pour certains, récentes pour d’autres. Nous constatons que différentes trajectoires historiques, p. ex. le développement du tourisme côtier, l’ouverture du territoire à travers des nouveaux modes de transport, l’évolution d’activités économiques côtières comme la pêche, ou encore les changements démographiques résultant de conditions climatiques difficiles dans l’hinterland peuvent rendre un territoire sensible aux impacts des changements climatiques et des aléas météo-marins. La synergie entre ces différentes transformations du territoire côtier et les changements climatiques actuels et attendus, donne le portrait d’une vulnérabilité en constante transformation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".