MétaCan
Menu
Retour à la cohorte
Enregistrement W1603766217

Shoreline bluff failures: A GIS assessment of susceptibility and risk for Lake Erie's north central shore (Ontario)

2000· article· en· W1603766217 sur OpenAlexaboutno aff
Nathan Joel Badger

Notice bibliographique

RevueScholars Commons (Wilfrid Laurier University) · 2000
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoastal and Marine Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésShoreBluffGeologyArchaeologyOceanographyHydrology (agriculture)GeographyGeotechnical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

One of the characteristic features of the north shore of Lake Erie is its steep, eroding bluffs. Combined with an increase in human presence and pressures at the shoreline, the failure of these slopes has become hazardous. Over the past two decades alone, slope failures have been responsible for millions of dollars of damage to shoreline property, as well as the deaths and near deaths of a number of individuals. Despite the seriousness of this hazard, few studies have identified specific hazard areas and their associated risk of failure along Lake Erie's north shore, and other reaches in the Great Lakes. As a critical foundation to research described in the latter half of the thesis, this paper includes a lengthy, yet necessary, review of literature which is relevant to coastal slope failures. The nature, contributory factors, hazards and risks of coastal bluff failures are discussed. in addition to their occurrence within a global, and local context. Particular attention is given to the shorelines of the Great Lakes and Lake Erie. The literature review then examines methods of mitigating the bluff hazards and risks, including the use and benefits of Geographical Information Systems (GIS) and hazard zone mapping. The focus of the paper is a description of GIS research recently conducted on the bluffs which line Erie’s northern shore between Port Burwell and Long Point, Ontario. Canada. The study utilizes a GIS to analyse factors which contribute to the bluff failures, and ultimately. To estimate the variance in risk to these shoreline failures, emphasis is placed upon the methods used to conduct this research, but a discussion of exploratory analysis, results, recommendations, and conclusions is also provided. Since the hazard of bluff failures exists far beyond the borders of this study site, Lake Erie or even the Great Lakes, the methods presented in the paper will provide a useful framework for conducting similar analyses on other coastlines subject to the hazards of bluff failure. The results of the report will be used to educate the public and governing bodies of the hazards and risks along the study reach, as a means of reducing this risk, including the future loss of lives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,194
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholars Commons (Wilfrid Laurier University)Même sujetCoastal and Marine DynamicsTravaux en français237 207