The prediction and mapping of coastal flood risk associated with storm surge events and long-term sea level changes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Non-specialized researchers, emergency management personnel, and land use planners require an accurate, inexpensive method to determine and map risk associated with storm surge events and long-term sea level rise associated with climate change. This study has developed new geomatics tools to map flood risk and has been applied to a case study area in the Minas Basin, Bay of Fundy, Canada. The Minas Basin has the highest recorded tides in the world and agricultural and rural development has been established along the coastline behind dykes, which are up to 3 m high. A newly developed ArcGIS tool, Storm flood, in conjunction with a newly developed software program Water Modeler, and a LiDAR derived Digital Elevation Model (DEM) were used together to map coastal flood risk. Storm flood uses the LiDAR derived DEM as a base and calculates the area of inundation assuming a still water level. The tool also ensures that connectivity is enforced so that the storm surge waters are sourced from the ocean and that low-lying inland areas that do not have free connection to the ocean are not inundated. This "connectivity check" overcomes a limitation of some standard third party hydrologic modelling tools such as HEC-RAS that do not check for connectivity to source waters that in some cases cause the resultant inundation maps to be incorrect when imported into a GIS environment. The recurrence intervals of a given water level are determined using Water Modeler by using the time series of local tide gauge records. Relative changes in sea level associated eustatic conditions, from climate change, and local crustal motion can be incorporated into the software to calculate the return period of water levels in the future under variable conditions
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.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle