Better use and management of levees: reducing flood risk in a changing climate
Notice bibliographique
Résumé
Many nations rely on dykes and levees to mitigate flood risk. However, a myriad of problems has prompted views that levees are ultimately maladaptive and should be used as a measure of last resort. This leads to questions not only about the place of levees in future flood risk management, but also whether anything can be done to reduce their impacts. A detailed review of flood events from Australia, China, the Netherlands, and the USA was used to develop a case study for each country. Case studies present existing levee problems, future flood threats, and national strategies to address them. These were used as a basis to analyse the transferability of adaptive flood approaches. While many countries are attempting to restore floodplain storage, thereby reducing their reliance on levees, others are increasing their investment in levee construction. This review explores factors that affect the transferability of adaptive approaches, including issues, such as problem recognition, affordability, and program delivery. It was found that countries vary in their ability to recognise levee problems, and the level at which decisions are made influences the likelihood of adaptive solutions being adopted. Analysis suggests that federal systems face particular challenges and their capacity to adopt adaptive approaches may be impaired if institutional barriers are not addressed. Regardless of the overall approach to manage flood risk, the experiences of all case study countries offer some broadly applicable lessons for improving the use and management of levees, reducing their adverse impacts, and improving the integration of natural flood mitigation.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».