Votre recherche

ABSTRACT The increasing frequency of natural disasters, such as floods, droughts, and tsunamis, has made vulnerable communities less resilient, pushing them toward long‐term poverty and food insecurity. Effective post‐disaster rehabilitation is critical to restoring livelihoods, infrastructure, and food security. However, challenges such as corruption, misallocation, and mistargeting undermine post‐disaster aid programs. This study systematically reviews 86 peer‐reviewed articles (1990–2023) using the preferred reporting items for systematic reviews and meta‐analyses (PRISMA) protocol to investigate aid inefficiencies in disaster recovery. The findings reveal that aid often fails to reach the most affected communities, being diverted to unaffected areas due to political influence and local elites, exacerbating inequalities. Corruption further hampers institutional performance and long‐term disaster resilience efforts. The study calls for transparent, accountable, and inclusive strategies for aid distribution, aligning with SDG 10 (reduced inequalities) and SDG 11 (sustainable cities and communities). Future research should focus on gender‐sensitive strategies, local governance, and technological innovations to enhance aid transparency and effectiveness.

With global warming, the hydrological cycle is intensifying with more frequent and severe droughts and floods, placing water resources and their dependent communities under increasing stress. Guidance and insights into the projection of future water conditions are, therefore, increasingly needed to inform climate change adaptation. Hydrological projections can provide such insights when suitably designed for user needs, produced from the best available climate knowledge, and leverage appropriate hydrological models. However, producing such hydrological projections is a complex process that requires skills and knowledge spanning from the often-siloed disciplines of climate, hydrology, communication, and decision-making. Groundwater projections are still underrepresented compared to surface water projections, despite the importance of groundwater to sustain society and the environment. Accordingly, this paper bridges these silos and fills a gap by providing detailed guidance on the important steps and best practices to develop groundwater-inclusive hydrological projections that can effectively support decision-making. Using an extensive literature review and our practical experience as climate scientists, hydro(geo)logists, numerical modelers, uncertainty experts and decision-makers, here we provide: (a) an overview of climate change hydrological impacts as background knowledge; (b) a step-by-step guide to produce groundwater-inclusive hydrological projections under climate change, targeted to both scientists and water practitioners; (c) a summary of important considerations related to hydrological projection uncertainty; and (d) insights to use hydrological projections and their associated uncertainty for impactful communication and decision-making. By providing this practical guide, our paper addresses a critical interdisciplinary knowledge gap and supports enhanced decision-making and resilience to climate change threats. © 2025 Commonwealth of Australia. Earth Science New Zealand. Acclimatised Pty Ltd and The Author(s). Earth's Future published by Wiley Periodicals LLC on behalf of American Geophysical Union.

Floods and droughts cause large economic and environmental impacts and incalculable human suffering. Despite growing evidence of important synergies in their management, floods and droughts tend to be mostly managed in silos. The synergistic management of flood and drought risk is limited by the inability of current governance systems to change at the scope, depth and speed required to address the emerging challenges of climate change induced hydroclimatic risks. Building on the concept of continuous transformational change and combining key elements across sectoral governance frameworks, this paper proposes a transformative governance conceptual framework that enables national governments to work across silos in a whole of government approach to lead a whole of society effort to manage the whole hydroclimatic spectrum. Spain, a country with an advanced hydroclimatic risk management system, is presented as an illustrative example to explore the possible idiosyncrasies of implementing the proposed changes on the ground. © 2025 Núñez Sánchez et al. This is an open access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.

Extreme and compound events disrupt lake ecosystems worldwide, with their frequency, intensity and duration increasing in response to climate change. In this Review we outline evidence of the occurrence, drivers and impact of extreme and compound events in lakes. Univariate extremes, which include lake heatwaves, droughts and floods, underwater dimming episodes and hypoxia, can occur concurrently, sequentially or simultaneously at different locations to form multivariate, temporal or spatial compound events, respectively. The probability of extreme and compound events is increasing owing to climate warming, declining lake water levels in half of lakes globally, and basin-scale anthropogenic stressors, such as nutrient pollution. Most in-lake extreme events are inherently compound in nature owing to tightly coupled physical, chemical and biological underlying processes. The cascading effects of compound events propagate or dissipate through lakes. For example, a heatwave might trigger stratification and oxygen depletion, subsequently leading to fish mortality or the proliferation of harmful algal blooms. Interactions between extremes are increasingly observed and can trigger feedback loops that exacerbate harmful algal blooms and fishery declines, leading to severe ecological and socio-economic consequences. Managing the increasing risk of compound events requires integrated models, coordinated monitoring and proactive adaptation strategies tailored to the vulnerabilities of lake ecosystems. © Springer Nature Limited 2025.

Based on the panel data of daily meteorological stations and winter wheat yield in Henan Province from 2000 to 2023, this study comprehensively used the Mann–Kendall trend test, wavelet coherence analysis (WTC), and other methods to reveal the temporal and spatial evolution of extreme precipitation and its multi-scale stress mechanism on grain yield. The results showed the following: (1) Extreme precipitation showed the characteristics of ‘frequent fluctuation-gentle trend-strong spatial heterogeneity’, and the maximum daily precipitation in spring (RX1DAY) showed a significant uplift. The increase in rainstorm events (R95p/R99p) in the southern region during the summer is particularly prominent; at the same time, the number of consecutive drought days (CDDs > 15 d) in the middle of autumn was significantly prolonged. It was also found that 2010 is a significant mutation node. Since then, the synergistic effect of ‘increasing drought days–increasing rainstorm frequency’ has begun to appear, and the short-period coherence of super-strong precipitation (R99p) has risen to more than 0.8. (2) The spatial pattern of winter wheat in Henan is characterized by the three-level differentiation of ‘stable core area, sensitive transition zone and shrinking suburban area’, and the stability of winter wheat has improved but there are still local risks. (3) There is a multi-scale stress mechanism of extreme precipitation on winter wheat yield. The long-period (4–8 years) drought and flood events drive the system risk through a 1–2-year lag effect (short-period (0.5–2 years) medium rainstorm intensity directly impacted the production system). This study proposes a ‘sub-scale governance’ strategy, using a 1–2-year lag window to establish a rainstorm warning mechanism, and optimizing drainage facilities for high-risk areas of floods in the south to improve the climate resilience of the agricultural system against the background of climate change. © 2025 by the authors.

Extreme weather events, such as heat waves, heavy rainfall and droughts, have become more frequent and intense in Brazil. According to climate change scenarios, this trend, which has a negative impact on people’s health and living conditions, will continue. Here, we analysed indicators for extreme weather events resulting from climate change, projected for the 21st century, alongside socio-demographic indicators for Brazilian municipalities, in an attempt to identify populations exposed to the risks of the climate crisis. We calculated the values of indicators for extreme air temperature and precipitation events, based on NEX-GDDP-CMIP6 data, for a reference period and for the future, as well as socio-demographic indicators based on recent census data. Using Spearman’s coefficient, we then calculated anomaly indicators for the future time intervals and analysed correlations with the socio-demographic indicators. Our results indicate a reduction in cold days and an increase in hot days and heat waves in both scenarios (SSP2-4.5 and SSP5-8.5), with the most changes occurring in the highest emission scenario. The extreme precipitation indicators suggest both an increase and a reduction in intense precipitation and droughts in a number of the country’s regions. The projected changes are more intense in the highest emission scenario, and in the North and Northeast regions. We noted a trend for greatest occurrence of extreme events in locations with a higher proportion of Black, Parda/Brown, Indigenous and Quilombola populations, and the socially vulnerable. We recommend that policies to adapt and mitigate the impacts of climate change focus on reducing inequalities and promoting climate justice. © The Author(s) 2025.

Les événements météorologiques extrêmes (EME) et les désastres qu’ils entrainent provoquent des conséquences psychosociales qui sont modulées en fonction de différents facteurs sociaux. On constate aussi que les récits médiatiques et culturels qui circulent au sujet des EME ne sont pas représentatifs de l’ensemble des expériences de personnes sinistrées : celles qui en subissent les conséquences les plus sévères tendent aussi à être celles qu’on « entend » le moins dans l’espace public. Ces personnes sont ainsi susceptibles de vivre de l’injustice épistémique, ce qui a des effets délétères sur le soutien qu’elles reçoivent. Face à ces constats s’impose la nécessité de mieux comprendre la diversité des expériences d’EME et d’explorer des stratégies pour soutenir l’ensemble des personnes sinistrées dans leur rétablissement psychosocial. Cet article soutient que la recherche narrative peut contribuer à répondre à ces objectifs. En dépeignant des réalités multiples, la recherche narrative centrée sur les récits de personnes sinistrées présente aussi un intérêt significatif pour l’amélioration des pratiques d’intervention en contexte de désastre. , Extreme weather events (EWE) and their resulting disasters cause psychosocial consequences that are moderated by different social factors. Media and cultural accounts of EWEs do not represent the full range of disaster survivor experiences, that is, those who experienced the most severe consequences also tend to be those least “heard” in the public arena. These people are therefore most likely to experience forms of epistemic injustice that negatively impact the support offered to cope with disaster. Considering these findings, there is a need to better understand the diversity of EWE experiences and explore strategies for supporting all disaster survivors in their psychosocial recovery. This article argues that narrative research can help meet these needs. By portraying the multiple realities of people affected by EWEs, narrative research focusing on the stories of disaster survivors is also of significant interest for improving intervention practices in this context.

ABSTRACT Urbanization is leading to more frequent flooding as cities have more impervious surfaces and runoff exceeds the capacity of combined sewer systems. In heavy rainfall, contaminated excess water is discharged into the natural environment, damaging ecosystems and threatening drinking water sources. To address these challenges aggravated by climate change, urban blue-green water management systems, such as bioretention cells, are increasingly being adopted. Bioretention cells use substrate and plants adapted to the climate to manage rainwater. They form shallow depressions, allowing infiltration, storage, and gradual evacuation of runoff. In 2018, the City of Trois-Rivières (Québec, Canada) installed 54 bioretention cells along a residential street, several of which were equipped with access points to monitor performance. Groundwater quality was monitored through the installation of piezometers to detect potential contamination. This large-scale project aimed to improve stormwater quality and reduce sewer flows. The studied bioretention cells reduced the flow and generally improved water quality entering the sewer system, as well as the quality of stormwater, with some exceptions. Higher outflow concentrations were observed for contaminants such as manganese and nitrate. The results of this initiative provide useful recommendations for similar projects for urban climate change adaptation.

Abstract Predicting floods and droughts is essential to inform the development of policy in water management, climate change adaptation and disaster risk reduction. Yet, hydrological predictions are highly uncertain, while the frequency, severity and spatial distribution of extreme events are further complicated by the increasing impact of human activities on the water cycle. In this commentary, we argue that four main aspects characterizing the complexity of human‐water systems should be explicitly addressed: feedbacks, scales, tradeoffs and inequalities. We propose the integration of multiple research methods as a way to cope with complexity and develop policy‐relevant science. , Plain Language Summary Several governments today claim to be following the science in addressing crises caused by the occurrence of extreme events, such as floods and droughts, or the emergence of global threats, such as climate change and COVID‐19. In this commentary, we show that there are no universal answers to apparently simple questions such as: Do levees reduce flood risk? Do reservoirs alleviate droughts? We argue that the best science we have consists of a plurality of legitimate interpretations and a range of foresights, which can be enriched by integrating multiple disciplines and research methods. , Key Points Accounting for both power relations and cognitive heuristics is key to unravel the interplay of floods, droughts and human societies Flood and drought predictions are complicated by the increasing impact of human activities on the water cycle We propose the integration of multiple research methods as a way to cope with uncertainty and develop policy‐relevant science

Abstract This study investigates possible trends and teleconnections in temperature extremes in New South Wales (NSW), Australia. Daily maximum and minimum temperature data covering the period 1971–2021 at 26 stations located in NSW were used. Three indices, which focus on daily maximum temperature, daily minimum temperature, and average daily temperature in terms of Excessive Heat Factor (EHF) were investigated to identify the occurrence of heatwaves (HWs). The study considered HWs of different durations (1-, 5-, and 10-days) in relation to intensity, frequency, duration, and their first occurrence parameters. Finally, the influences of three global climate drivers, namely – the El Niño/Southern Oscillation (ENSO), the Southern Annular Mode (SAM), and the Indian Ocean Dipole (IOD) were investigated with associated heatwave attributes for extended Austral summers. In this study, an increasing trend in both hot days and nights was observed for most of the selected stations within the study area. The increase was more pronounced for the last decade (2011–2021) of the investigated time period. The number, duration and frequency of the heatwaves increased over time considering the EHF criterion, whereas no particular trend was detected in cases of TX90 and TN90. It was also evident that the first occurrence of all the HWs shifted towards the onset of the extended summer while considering the EHF criterion of HWs. The correlations between heatwave attributes and climate drivers depicted that heatwave over NSW was positively influenced by both the IOD and ENSO and negatively correlated with SAM. The findings of this study will be useful in formulating strategies for managing the impacts of extreme temperature events such as bushfires, floods, droughts to the most at-risk regions within NSW.

Extreme precipitation events play a crucial role in shaping the vulnerability of regions like Algeria to the impacts of climate change. To delve deeper into this critical aspect, this study investigates the changing patterns of extreme precipitation across five sub-regions of Algeria using data from 33 model simulations provided by the NASA Earth Exchange Global Daily Downscaled Climate Projections (NEX-GDDP-CMIP6). Our analysis reveals a projected decline in annual precipitation for four of these regions, contrasting with an expected increase in desert areas where annual precipitation levels remain low, typically not exceeding 120 mm. Furthermore, key precipitation indices such as maximum 1-day precipitation (Rx1day) and extremely wet-day precipitation (R99p) consistently show upward trends across all zones, under both SSP245 and SSP585 scenarios. However, the number of heavy precipitation days (R20mm) demonstrates varied trends among zones, exhibiting stable fluctuations. These findings provide valuable foresight into future precipitation patterns, offering essential insights for policymakers and stakeholders. By anticipating these changes, adaptive strategies can be devised to mitigate potential climate change impacts on crucial sectors such as agriculture, flooding, water resources, and drought.

Natural calamities like floods and droughts pose a significant threat to humanity, impacting millions of people each year and incurring substantial economic losses to society. In response to this challenge, this thesis focuses on developing advanced machine learning techniques to improve water height prediction accuracy that can aid municipalities in effective flood mitigation. The primary objective of this study is to evaluate an innovative architecture that leverages Long Short Term Networks - neural networks to predict water height accurately in three different environmental scenarios, i.e., frazil, droughts and floods due to snow spring melt. A distinguishing feature of our approach is the incorporation of meteorological forecast as an input parameter into the prediction model. By modeling the intricate relationships between water level data, historical meteorological data and meteorological forecasts, we seek to evaluate the impact of meteorological forecasts and if any inaccuracies could impact water-level prediction. We compare the outcomes obtained by incorporating next-hour, next-day and next-week meteorological data into our novel LSTM model. Our results indicate a comprehensive comparison of the usage of various parameters as input and our findings suggest that accurate weather forecasts are crucial in achieving reliable water height predictions. Additionally, this study focuses on the utilization of IoT sensor data in combination with ML models to enhance the effectiveness of flood prediction and management. We present an online machine learning approach that performs online training of the model using real-time data from IoT sensors. The integration of live sensor data provides a dynamic and adaptive system that demonstrates superior predictive capabilities compared to traditional static models. By adopting these advanced techniques, we can mitigate the adverse impacts of natural catastrophes and work towards building more resilient and disaster-resistant communities.

Les changements climatiques sont un défi mondial imminent, dont les conséquences sont déjà observées. On sait que ces effets s’intensifieront, entraînant une augmentation de la fréquence et de la gravité des événements météorologiques extrêmes, une perturbation substantielle de la production alimentaire et le déplacement de dizaines de millions de personnes en raison de vagues de chaleur mortelles et de sécheresses. La question est donc : que peut-on y faire ? Dans cette thèse, nous faisons des changements climatiques notre objet central et explorons les voies par lesquelles la recherche en apprentissage profond peut contribuer à son atténuation. Un obstacle connu à des politiques climatiques ambitieuses est le manque de soutien et de demande populaires. Cela peut être attribué, en partie, aux causes et conséquences extrêmement complexes et imbriquées des changements climatiques. Une mauvaise conception courante est qu'ils affecteront principalement d’autres personnes que soi-même, des personnes éloignées dans le temps ou l’espace. Pour y remédier, la recherche a montré que présenter aux gens des \textit{images} authentiques, locales et pertinentes d'un concept les aide à mieux comprendre et appréhender ce qui est en jeu. Dans notre première contribution, nous explorons donc comment les récentes avancées en apprentissage profond pour la vision par ordinateur et les réseaux antagonistes génératifs peuvent être utilisées pour générer des images \textit{personnalisées} représentant les impacts du changement climatique. Notre objectif avec \textit{ClimateGAN} est de visualiser à quoi pourrait ressembler une inondation d’un mètre à n’importe quelle adresse, indépendamment de son risque réel d’inondation sous l’effet des changements climatiques. Cette approche vise à susciter l’empathie en rendant les impacts abstraits du changement climatique plus tangibles et personnalisés. En utilisant une image de Google Street View et en la traitant avec \textit{ClimateGAN}, nous générons des images d’inondation physiquement plausibles et visuellement réalistes basées sur l’adaptation de domaine à partir d’un environnement simulé, la prédiction de profondeur et la segmentation sémantique. Ce modèle a été déployé sur un site web dans le but de sensibiliser et d’engager l’action en faveur des changements climatiques. En plus d’aider les gens à mieux visualiser à quoi pourrait ressembler un avenir climatique hors de contrôle, nous étudions également dans cette thèse comment l’apprentissage profond peut améliorer les technologies existantes. Un domaine majeur de recherche dans cette direction est la recherche de nouveaux matériaux. Dans cette thèse, nous explorons plus particulièrement la prédiction des propriétés des matériaux comme moyen d’accélérer la découverte d'électro-catalyseurs, une famille de matériaux impliqués dans le stockage d’énergie à base d’hydrogène. Nous présentons deux contributions, \textit{PhAST} et \textit{FAENet}, qui se concentrent sur l’amélioration du compromis performance/scalabilité dans les réseaux de neurones géométriques de graphe (GNN). Avec \textit{PhAST}, nous introduisons un ensemble de méthodes pour adapter la procédure GNN classique--de la création du graphe d’entrée aux prédictions d’énergie et de forces de sortie--à la tâche spécifique de prédire l’énergie d’un système atomique adsorbant-catalyseur relaxé. Nous démontrons comment, en plus d’améliorer les performances, ces modifications améliorent l’efficacité et permettent un entraînement compétitif des GNN dans des environnements CPU. Dans \textit{FAENet}, nous présentons un nouveau GNN efficace pour les prédictions équivariantes E(3). En particulier, nous transposons la charge de l’équivarience sur la représentation des données afin de réduire les contraintes sur le modèle lui-même. Cette approche nous permet d’introduire une nouvelle architecture légère et expressive visant à faire des prédictions meilleures et plus rapides de diverses propriétés des matériaux. Enfin, nous examinons de manière critique notre propre domaine et discutons des impacts environnementaux associés aux technologies de l’IA. Nous nous penchons sur la façon dont les praticiens peuvent estimer leurs émissions de carbone, quelles mesures ils peuvent prendre aujourd’hui pour les réduire, et quelles autres étapes sont nécessaires pour des déclarations et responsabilités environnementales plus précises.

Streamflow forecasting is important for managing water resources in sectors like agriculture, hydropower, drought management, and urban flood prevention planning. Our study examines short and long lead-times to create a framework for streamflow forecasting that can benefit water resource management and related sectors. To improve streamflow forecasts for up to ten days of lead-time, the study first focuses on improving initial conditions using an ensemble Kalman filter as a data assimilation method. The goal is to regulate the hyperparameters of the ensemble Kalman filter for each season to produce more accurate forecasts. A sensitivity analysis is conducted to identify the best hyperparameter sets for each season, including uncertainty in temperature, precipitation, observed streamflow, and the water content of three state variables - vadose zone, saturated zone, and snowpack - from the CEQUEAU model. Results indicate that improving initial conditions with the ensemble Kalman filter produces more skillful forecasts until a 6-day leadtime. Temperature uncertainty is particularly sensitive and varies across seasons. The vadose zone state variable was identified as the most important and sensitive state variable, and updating all state variables systematically may not be necessary for improving forecast skill. Recent machine learning advances are improving short-term streamflow forecasting. One such method is the Long Short-Term Memory (LSTM) model. In general, neural networks learn from regression as relationships exist between input-output. However, LSTM models have a feature named ‘forget gate’, which enables them to learn the relationship between inputs (e.g., temperature and precipitation) and output (streamflow), and also to capture temporal dependencies in the data. The study aimed to compare the performance of the Long ShortTerm Memory (LSTM) model with data assimilation-based and process-based hydrological models in short-term streamflow forecasting. All three models were tested using the same ensemble weather forecasts. The LSTM model demonstrated good performance in forecasting streamflow, with a Kling-Gupta efficiency (KGE) greater than 0.88 for 9 lead-times. The LSTM model did not incorporate data assimilation, but it benefited from observed streamflow until the last day before the forecast. This is because the LSTM model learned and incorporated knowledge from the previous days while issuing forecasts, similar to how data assimilation updates initial conditions. The study results also showed that the LSTM model had better performance up to day 6 of lead-time compared to the data assimilation-based models. However, training the LSTM model separately for each lead-time is a time-consuming process and is a disadvantage compared to the data assimilation-based methods. Nonetheless, the study demonstrated the potential of machine learning techniques in improving streamflow forecasting. The forecasting of streamflow for long lead-times such as a month usually involves the use of historical meteorological data to create probable future scenarios, as meteorological forecasts become unreliable beyond this lead-time. In this study, we proposed a novel method for streamflow forecasting based on ensemble streamflow forecasting (ESP) filtering, using a Genetic Algorithm (GA) to filter forecast scenarios. This method quantifies the potential of historical data for each basin. This potential could be utilized to enhance the accuracy of streamflow forecasts. We sorted the selected and unselected scenarios to find out the common features between them, but the results did not help distinguish between the two groups. Nonetheless, the GA method can be used as a benchmark for future studies to improve longterm streamflow forecasting. This method can also be used to compare different forecast methods based on the potential shown by the GA method for a specific size of ESP members. For instance, if a method uses large-scale climate signals to filter ESP members, the forecast skill result could be compared with the potential of historical data for that particular size of ESP members.

En étant nécessaire à la vie humaine, l’eau est également nécessaire au fonctionnement des économies. Pour qu’elle soit utile à la société, l’eau doit être disponible en quantité et en qualité adéquates, caractéristiques qui ne sont pas toujours disponibles dans la nature. Ainsi, trop ou pas assez d’eau entraînerait des inondations ou des sécheresses, tandis qu’une eau contaminée pourrait être le vecteur de maladies contagieuses mortelles, chacun de ces fléaux entraînant des dommages économiques. Cette thèse est organisée en trois chapitres traitant de thématiques liées aux investissements dans les infrastructures d'eau et à la gestion des maladies infectieuses. Le premier chapitre étudie comment les améliorations apportées aux réseaux d’égouts atténuent les impacts économiques des inondations provoquées par la pluie. Pour estimer l’effet causal de ces investissements, ce chapitre utilise un resserrement inattendu du financement fédéral américain en faveur des réseaux d’égouts, à la suite de l’amendement de 1977 à la politique du Clean Water Act. L'analyse empirique combine un nouveau modèle statistique du risque d'inondation induit par la pluie avec des données horaires sur la quantité de pluie dans les comtés et les codes postaux américains de 1996 à 2019. Les résultats indiquent que des investissements plus importants dans les réseaux d'égouts ont conduit à des réductions substantielles des inondations locales. Les bénéfices de ces investissements sont supérieurs à leurs coûts, économisant près de 23 millions de dollars pour le comté moyen. Dans l’ensemble, ces résultats mettent en évidence à quel point la détérioration des infrastructures publiques peut exacerber les conséquences du changement climatique. Le deuxième chapitre étudie le rôle des épidémies locales de maladies infectieuses dans l'adoption de systèmes centralisés d'approvisionnement en eau dans les premières villes américaines au XIXe siècle. À l’aide d’un vaste corpus de données provenant d’archives de journaux de 1800 à 1896, je construis un nouvel indicateur capturant les épidémies de fièvre jaune, de choléra et de fièvre typhoïde au niveau des villes. Les résultats indiquent que (1) les épidémies locales de maladies infectieuses ont entraîné une augmentation du nombre systèmes d'approvisionnement en eau construits par les villes et ont joué un rôle crucial dans la décision de construire environ 12% des ouvrages d’adduction d’eau en activité en 1897 ; (2) La réponse des villes aux épidémies de typhoïde a été deux fois plus importante que celle qui a suivi les épidémies de fièvre jaune ou de choléra. (3) Les entreprises privées ont construit davantage de nouveaux réseaux d’adduction d’eau après les épidémies locales, tandis que les gouvernements locaux ont procédé à davantage d’améliorations et d’extensions des réseaux d’adduction d’eau publics existants ainsi qu’à des rachats de sociétés d’eau privées. Enfin, je discute du rôle potentiel de divers facteurs sociodémographiques. Le troisième chapitre étudie les coûts économiques associés à une stratégie utilisée pour gérer les épidémies locales lors de la récente pandémie de COVID-19. Dans ce travail en collaboration avec Jian Tang, nous quantifions les effets de la politique ‘zéro-COVID’ à l’aide d’un riche ensemble de données sur les confinements au niveau des comtés en Chine et d’images satellitaires nocturnes. Nous constatons que des confinements plus stricts induisent une forte baisse de la luminosité nocturne au cours de la même période, suivie d’une lente reprise, qui se produit au moins deux trimestres après l’instauration du confinement. En l’absence de contagions généralisées, un comté soumis à un confinement total subit en moyenne une perte de PIB de 6% par rapport aux comtés non confinés. L’effet négatif est particulièrement persistant dans les zones où la production est dominée par les services, par opposition aux zones où la production est dominée par l’activité manufacturière. L’on note par ailleurs la présence d’effets d’entraînement à proximité des comtés confinés, mais ces effets sont de courte durée.

Les variabilités et changements climatiques et les incapacités pour faire face à leurs risques, à leurs effets et, plus précisément, à gérer les catastrophes hydrométéorologiques (inondation et sécheresse) qui les accompagnent, viennent en ajouter aux vulnérabilités et aux problèmes, qui sont déjà une préoccupation en Afrique Subsaharienne et au Bénin. Face à leurs manifestations de plus en plus récurrentes – la faiblesse des systèmes de financement local de la gestion des catastrophes et le déficit des systèmes de protection sociale, qui témoignent des limites des capacités de transfert des risques de catastrophe – cette étude a identifié la structure (gouvernance-ressources), comme le problème essentiel de la gestion des catastrophes au Bénin. Une étude synthétique, étude de cas multiples avec trois niveaux d’analyse imbriqués, dans une approche qualitative, a permis de mieux comprendre comment, dans un contexte de pauvreté, l’intégration de la micro assurance climatique, modifie la structure, le processus et le résultat de la gestion des catastrophes et assure la performance du système et la résilience des populations. Elle a documenté les différents aspects de la structure et des vulnérabilités des systèmes et des populations et a identifié l’absence d’intégration de la micro assurance climatique aux systèmes de gestion des catastrophes, comme un problème au coeur de la complexité des déterminants de la résilience, aussi confrontée à une autre complexité, celle de la diversité des interconnexions entre les différentes catégories de risques, qui place la santé au coeur de tous les risques. La nécessité d’une gestion holistique du risque global, ou d’une gestion tout risque, telle que retenue par le Cadre d’Action de Hyōgo et le Cadre d’Action de Sendai; et l’importance d’apporter une réponse en accord au contexte et à son profil de risques, qui prend l’option pour la "démocratisation" d’une micro assurance climatique, gouvernée sur la base de fondements idéologiques d’équité et d’efficience, cette recherche a préconisé – pour une gestion plus rationnelle, pertinente, efficace et efficiente des catastrophes – une intégration de trois systèmes : le système de la gestion des catastrophes; le système de protection sociale, y compris celui de la micro assurance climatique, et le système de la santé; tous reconnus outillés pour la gestion des risques. Elle a retenu, qu’une telle approche saurait aussi assurer une gestion efficace du changement qu’induirait l’intégration de la micro assurance climatique à la gestion des catastrophes; de ii même qu’une meilleure utilisation des outils et méthodes de sensibilisation, de prévention, de prévision et d’évaluation des risques et des dommages dont recèlent les pratiques en micro assurance climatique. Elle constate que la réussite de l’intégration de la MAC et son développement sont essentiellement plus déterminés par les acteurs et leurs intérêts, que par les ressources financières, même si elles sont aussi indispensables. Cette recherche préconise qu’à partir de choix de modèles et de modes d’intégration bien étudiés, son intégration ou sa prise en compte dans les différents programmes d’aide et de protection sociale mis en oeuvre au Bénin pourrait être, à travers les subventions de l’État, un moyen de mobilisation de fonds en faveur de son financement et de sa viabilité/durabilité. Ce financement pourra aussi s’appuyer sur les mécanismes traditionnels de financement de l’assurance, de la micro assurance, des changements climatiques et de la réduction des risques de catastrophe au Bénin, en Afrique et dans le monde. C’est pourquoi, en termes de gouvernance, ce travail soutien une restructuration avec une gestion entièrement centrée sur les communes, dans une approche des services de première ligne avec les réseaux de services ; en termes de ressources, il a aussi analysé les conditions et les possibilités de développement d’une micro assurance climatique, qui dépend avant tout de la qualité de la gestion des catastrophes (capacités à réduire les risques et limiter les pertes ou capacités à induire la résilience des systèmes et des populations). Cette approche puise dans les réalités et pratiques endogènes de gestion des catastrophes et surtout de protection sociale ou de transfert de risques ; elle s’inspire des bonnes pratiques d’ailleurs ; elle contribue à instaurer l’équité, comme principe de la gestion intégrée des catastrophes et, au-delà de la résilience, à susciter une convergence des efforts pour l’autonomisation de la structure et des populations, face aux manifestations catastrophiques des inondations et de la sécheresse. Cette recherche pense qu’il faut oser la micro assurance universelle pour la gestion des catastrophes hydrométéorologiques; qu’elle est réalisable ou faisable, même en contexte de pauvreté; et qu’il est aussi possible de combiner micro assurance climatique universelle et assurance médicale universelle, dans une dynamique qui mobilise des approches efficientes et les intérêts.

Abstract Climate change in the Middle East has intensified with rising temperatures, shifting rainfall patterns, and more frequent extreme events. This study introduces the Stacking-EML framework, which merges five machine learning models three meta-learners to predict maximum temperature, minimum temperature, and precipitation using CMIP6 data under SSP1-2.6, SSP2-4.5, and SSP5-8.5. The results indicate that Stacking-EML not only significantly improves prediction accuracy compared to individual models and traditional CMIP6 outputs but also enhances climate projections by integrating multiple ML models, offering more reliable, regionally refined forecasts. Findings show R² improvements to 0.99 for maximum temperature, 0.98 for minimum temperature, and 0.82 for precipitation. Under SSP5-8.5, summer temperatures in southern regions are expected to exceed 45 °C, exacerbating drought conditions due to reduced rainfall. Spatial analysis reveals that Saudi Arabia, Oman, Yemen, and Iran face the greatest heat and drought impacts, while Turkey and northern Iran may experience increased precipitation and flood risks.

Les changements climatiques anthropogéniques posent des défis énormes pour toutes les sociétés humaines. Ces défis majeurs mettront à l’épreuve les capacités d’adaptation des États et de ses institutions et des communautés partout dans le monde et devront se résoudre par un élan de solidarité humaine afin d’en atténuer les conséquences. Le Canada connaît déjà un réchauffement climatique important. Le pays a d’ailleurs récemment été touché par des événements climatiques extrêmes : des canicules, des feux de forêt, une sécheresse anormale et des inondations dont l’intensité est prévue d’augmenter avec les changements climatiques anthropogéniques. La province du Québec a quant à elle été touchée par de fortes inondations entre 2017 et 2019. L’objectif principal de la présente étude vise à discuter la manière dont le paradigme écosocial peut faire évoluer le travail social en tant que champ de savoir et d’intervention dans un contexte de changements climatiques. Cette étude s’est appuyée sur des données issues de groupes focus réalisés avec des intervenants suite aux inondations survenues au Québec (2017-2019). Notre analyse vise les interventions réalisées en contexte d’inondations, dans le sud de la province, mise en œuvre par le système de santé. Les données ont été collectées lors d’entrevues de groupe réalisées avec des intervenants psychosociaux et des gestionnaires de CI(U)SSS au courant des mois d’octobre et de novembre 2019. Les thèmes suivants ont émergé des analyses: les caractéristiques des inondations de 2019, les divergences d’opinions vis-à-vis des changements climatiques, l’aide et le soutien apportés durant les inondations et la participation citoyenne. J’insisterai également sur l’exacerbation possible des inégalités sociales dans ce contexte. D’autres thèmes se sont également révélés importants : l’engagement des intervenants psychosociaux, la participation et la décentralisation des décisions politiques. Enfin, mes réflexions porteront sur les conséquences sociales qu’entrainent les inondations et sur les types de pratiques sociales qui s’avèrent pertinentes à l’ère des changements climatiques et dans un contexte d’urgence.

Reduced snow storage has been associated with lower river low flows in mountainous catchments, exacerbating summer hydrological droughts. However, the impacts of changing snow storage on summer low flows in low-elevation, snow-affected catchments has not yet been investigated. To address this knowledge gap, the dominant hydroclimate predictors of summer low flows were first identified through correlation analysis in 12 tributary catchments of the St. Lawrence River in the Canadian province of Quebec. The correlation results show that summer low flow is most sensitive to summer rainfall, while maximum snow water equivalent (SWE) is the dominant winter preconditioning factor of low flows, particularly at the end of summer. The multivariate sensitivity of summer low flow to hydroclimate predictors was then quantified by multilevel regression analysis, considering also the effect of catchment biophysical attributes. Accumulated rainfall since snow cover disappearance was found to be the prime control on summer low flow, as expected for the humid climate of Quebec. Maximum SWE had a secondary but significant positive influence on low flow, sometimes on the same order as the negative effect of evapotranspiration losses. As a whole, our results show that in these low elevation catchments, thicker winter snowpacks that last longer and melt slower in the spring are conducive to higher low flows in the following summer. More rugged and forested catchments with coarser soils were found to have higher summer low flows than flatter agricultural catchments with compacted clayed soils. This emphasizes the role of soils and geology on infiltration, aquifer recharge and related river baseflow in summer. Further climate warming and snowpack depletion could reduce future summer low flow, exacerbating hydrological droughts and impacting ecosystems integrity and ecological services.

Climate anomalies, such as floods and droughts, as well as gradual temperature changes have been shown to adversely affect economies and societies. Although studies find that climate change might increase global inequality by widening disparities across countries, its effects on within-country income distribution have been little investigated, as has the role of rainfall anomalies. Here, we show that extreme levels of precipitation exacerbate within-country income inequality. The strength and direction of the effect depends on the agricultural intensity of an economy. In high-agricultural-intensity countries, climate anomalies that negatively impact the agricultural sector lower incomes at the bottom end of the distribution and generate greater income inequality. Our results indicate that a 1.5-SD increase in precipitation from average values has a 35-times-stronger impact on the bottom income shares for countries with high employment in agriculture compared to countries with low employment in the agricultural sector. Projections with modeled future precipitation and temperature reveal highly heterogeneous patterns on a global scale, with income inequality worsening in high-agricultural-intensity economies, particularly in Africa. Our findings suggest that rainfall anomalies and the degree of dependence on agriculture are crucial factors in assessing the negative impacts of climate change on the bottom of the income distribution.