GIS-Based Seismic Damage Estimation: Case Study for the City of Kelowna, BC
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
This study integrates risk assessment tools for diagnosis of urban areas against seismic disasters (RADIUS) and geographic information system (GIS), hence forth denoted as GBR (GIS based RADIUS). The GBR is applied for seismic damage estimation of city of Kelowna, in the interior of British Columbia, Canada. Ground-shaking intensity in the area was developed utilizing the seismic source zones defined by the Geological Survey of Canada and opinions from the local experts. Building inventories were compiled by aggregating data from municipal databases as well as sidewalk surveys and surveys through Google Maps. The GIS tool came in to be handy to provide a basis for effective decision making and gauge the vulnerable areas. Estimated damage and damage distributions were mapped on a block-by-block (5×5 km) basis. The assessment revealed that an earthquake scenario of M8.5 in the Cascadia Zone may potentially damage around 58 buildings within the city, causing 12 injuries. Plus, the study showed some damage assessment for the lifelines, for example, road and water pipelines networks. The assessment results further revealed that the city of Kelowna downtown area was expected to suffer the highest amount of damage, which in turn may produce the highest amount of economic loss, because it is the concentration of concrete high-rise buildings and clustered economic activities. Therefore, for good measure, extra meticulous efforts and razor-sharp insight bundled with precise seismic damage estimation (2-×2-km grids) were conducted for the downtown area to provide guidelines for emergency response. The proposed GBR framework provides a useful tool to quickly assess the expected damages in response to a major seismic event, which can be updated easily during disaster.
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 | 0,001 | 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 découle