Tsunami hazard assessment related to slope failures in coastal waters
Notice bibliographique
Résumé
Although subaerial and subaqueous landslides have been responsible for many tsunamis in high-relief coastal areas around the world, routine assessments of these hazards are rarely undertaken. Assessment must draw on the expertise of geoscientists, engineers, and hydrodynamicists, and requires analyses of both the landslide and the resulting waves. Landslide tsunami assessments aim to determine: occurrences of past events likelihood of future occurrences magnitudes of past events locations experiencing greatest impact conditions and triggers that led to failure wave characteristics and coastal run-up. Key assessment considerations include the geologic evidence of past failures, both subaerial and subaqueous, and the written or oral history of past events. These can aid in determining whether further assessment studies are warranted. The general paucity of observations of past events, however, makes empirical assessment difficult. As a consequence, physical and numerical modeling are critical tools in characterizing the phenomena. Because modern numerical models are fast to run and relatively inexpensive, they are now widely used for specific case studies. Much can be learned before failures occur in areas prone to tsunamigenic landslides. Hydrodynamic modeling, combined with geologic and geotechnical evidence, can be used to assess the tsunamigenic potential of landslides. Although definitive estimates of the frequency of occurrence and magnitude of tsunamigenic events are difficult to make, analyses can place valuable constraints on the siting and design of coastal facilities.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».