MétaCan
Menu
Retour à la cohorte
Enregistrement W2182254212 · doi:10.3390/ijgi4042704

Collaborative Strategies for Sustainable EU Flood Risk Management: FOSS and Geospatial Tools—Challenges and Opportunities for Operative Risk Analysis

2015· article· en· W2182254212 sur OpenAlexaff
Raffaele Albano, Leonardo Mancusi, Aurelia Sole, Jan Adamowski

Notice bibliographique

RevueISPRS International Journal of Geo-Information · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFlood mythGeospatial analysisRisk managementContext (archaeology)DirectiveBusinessRisk governanceEnvironmental resource managementNatural hazardRisk analysis (engineering)Flood risk assessmentFlood risk managementEnvironmental planningGeographyComputer scienceFinanceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

An analysis of global statistics shows a substantial increase in flood damage over the past few decades. Moreover, it is expected that flood risk will continue to rise due to the combined effect of increasing numbers of people and economic assets in risk-prone areas and the effects of climate change. In order to mitigate the impact of natural hazards on European economies and societies, improved risk assessment, and management needs to be pursued. With the recent transition to a more risk-based approach in European flood management policy, flood analysis models have become an important part of flood risk management (FRM). In this context, free and open-source (FOSS) geospatial models provide better and more complete information to stakeholders regarding their compliance with the Flood Directive (2007/60/EC) for effective and collaborative FRM. A geospatial model is an essential tool to address the European challenge for comprehensive and sustainable FRM because it allows for the use of integrated social and economic quantitative risk outcomes in a spatio-temporal domain. Moreover, a FOSS model can support governance processes using an interactive, transparent and collaborative approach, providing a meaningful experience that both promotes learning and generates knowledge through a process of guided discovery regarding flood risk management. This article aims to organize the available knowledge and characteristics of the methods available to give operational recommendations and principles that can support authorities, local entities, and the stakeholders involved in decision-making with regard to flood risk management in their compliance with the Floods Directive (2007/60/EC).

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)0,032
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0030,010
Communication savante0,0170,028
Science ouverte0,0040,019
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,021
Tête enseignante GPT0,281
Écart entre enseignants0,260 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISPRS International Journal of Geo-InformationMême sujetFlood Risk Assessment and ManagementTravaux en français237 207