MétaCan
Menu
Retour à la cohorte
Enregistrement W2087473227 · doi:10.5539/mas.v8n5p80

Impact of Landuse Change on River Floodplain Using Public Domain Hydraulic Model

2014· article· en· W2087473227 sur OpenAlexvenueno aff
Abolghasem Akbari, Golamali Mozafari, Mohsen Fanodi, Maliheh Sadat Hemmesy

Notice bibliographique

RevueModern Applied Science · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFloodplainHydrology (agriculture)Environmental scienceFlood mythLand useWatershedRangelandSTREAMSLand use, land-use change and forestryWater resource managementGeographyGeologyEcologyAgroforestry

Résumé

récupéré en direct d'OpenAlex

Floodplains are land areas adjacent to rivers and streams that are subjected to recurring inundation. Owing to their continually changing nature, floodplains and other flood-prone areas need to be examined in the light of how they might affect or be affected by landuse change. In this research, the effect of land use changes on floodplain is investigated. Major landuse change has occurred in Azaran watershed during the investigation period. Irrigated farmland has decreased by about 52%. However, bare lands, dry farm lands, and rangeland have increased by 12.40%, 17.25% and14.46%, respectively. The extent of floodplain was determined based on the annual maximum instantaneous flood for different return periods using Hydrologic Engineering Centers River Analysis System (HEC-RAS) coupled with HEC-GeoRAS which is a tool for processing geospatial data in ArcGIS. Water surface profile data and velocity data exported from HEC-RAS simulations were processed by HEC-GeoRAS for floodplain mapping. It was found that the floodplain has increased due to land use change from 1956 to 2007. This study showed that floodplain areas in irrigated farmlands have increased by 151.99% and 68.63% for return period of 25 and 50 years, respectively.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,044
Tête enseignante GPT0,280
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetFlood Risk Assessment and ManagementTravaux en français237 207