MétaCan
Menu
Retour à la cohorte
Enregistrement W2110151840 · doi:10.5539/mas.v6n3p11

Integration of Geographic Information System and 2D Imaging to investigate the effects of subsurface conditions on flood occurrence

2012· article· en· W2110151840 sur OpenAlexvenueno aff
AbdulNafiu Kola Adiat, Mohd Nordin Adlan, Khirudin Abdullah

Notice bibliographique

RevueModern Applied Science · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Sains Malaysia
Mots-clésFlood mythOverburdenEnvironmental scienceFlood preventionPreparednessGeographic information systemHydrology (agriculture)GeologyRisk analysis (engineering)Water resource managementMining engineeringRemote sensingGeotechnical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

Availability of accurate flood maps and adequate understanding of the subsurface conditions can enhance the effective management of flood disasters. In this study, the GIS and the 2D resistivity imaging had been employed to carry out the preparedness phase of flood management. The objectives of the study include developing flood risk map and establishing link between the subsurface conditions and flood occurrence. The results showed that about 93% of the area is vulnerable to flood occurrence. The subsurface investigations revealed that the area is characterized by the presence of thick column of impermeable clayey overburden material. Correlation of 78.57% was established between the thickness of clayey overburden and the flood vulnerability. This suggests that the flood occurrence in the area is largely dependent on geologic factor. The study is useful in reducing flood damages and planning mitigation measures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil0,249

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,217
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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