Application of PCSWMM to Explore Possible Climate Change Impacts on Surface Flooding in a Peri-Urban Area of Pathumthani, Thailand
Notice bibliographique
Résumé
Under climate change scenarios, many urban areas in Southeast Asia may become increasingly susceptible to localized flooding due to greater rainfall extremes.This study focused on Rattanakosin Village, Thailand, a peri-urban area near Bangkok.Rainfall data from Don Mueang International Airport showed 2000 was similar to the 30 y norm, 1980-2011, and therefore was used as the baseline against which climate change scenarios were compared.PCSWMM, run at hourly increments with the 2000 rainfall, suggested 11 nodes in the village would flood for >24 h, with an annual flood volume of 367 200 000 L. The hourly synthetic rainfall time series for this area, generated by linking the ECHAM4 General Circulation Model with the PRECIS Regional Climate Model under the IPCC emission scenario B2, were run through PCSWMM for the years 2021, 2016, and 2091.PCSWMM results showed the number of nodes flooded for >24 h increased by 3 over the base case scenario and annual flood volume progressively increased from 370 554 000 L to 483 060 000 L between 2021 and 2091.The annual flood volume in 2091 was similar to that generated by simply increasing the 2000 rainfall by between 10% and 20%.Increases in evaporation also were explored using PCSWMM, but compared to the changes in rainfall, evaporation had a smaller impact.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».