Post Seismic Debris Flow Modelling Using Flo-2D; Case Study of Yingxiu, Sichuan Pronvince, China
Notice bibliographique
Résumé
In many parts of the world debris flows are one of the most dangerous of all mass wasting events. Mountainous areas with high slope instability, high seismic activities and extreme rainfall condition are the main triggering factors. The Monday, May 12, 2008, mega-earthquake of magnitude 8.0 that struck the Wenchuan area, Northwestern Sichuan province in China was catastrophic. This event, led to co-seismic landslides and subsequent rainfall induced debris flow in Yingxiu catchment on August 14th, 2010. The catchment has a very steep topography, an area of 5.35 km2 and a channel length of 3.55 km. The aim of this research is to model the post seismic debris flow, Parameterize and calibrate the event. Two main initiation zones were identified based on susceptibility assessed from geomorhological mapping and formed the bases for input in the FLO-2D model. 161, 350 m3 (64.54%) of the debris flow volume was modeled with FLO-2D in a manner consistent within the limit of the data available. FLO-2D model do not incorporate entrainment of materials in the transport zone. Thus, limitation to the production of the total deposits volume on the debris flow fan. The model was parameterized and the result shows that, Sediment concentration and the coefficient of friction were the two main parameters that affected the velocity of debris flow, area of inundation and the impact force respectively. Finally, the debris flow was calibrated using a back analysis of the debris flow event of 2010.
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 | 0,000 | 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 | 0,000 | 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 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 ».