Flood analysis and flood projections under climate change in New Brunswick
Notice bibliographique
Résumé
Floods events are a key component in river engineering including the design and risk assessment of various projects. In this study, a flood frequency analysis was carried out to determine flood characteristics in New Brunswick under present and future climate. For current flood characteristics, an analysis was carried out using 56 hydrometric stations across the province using the Generalized Extreme Value (GEV) distribution and the three-parameter lognormal distribution function. A regional flood frequency analysis was also carried out using regression equations. Results showed that current regional flood equations were very consistent among distribution functions. Results were also consistent with previous studies. To study floods under climate change, seven catchments were selected within the province and these catchments were further analyzed using artificial neural network (ANN) models for two climate scenarios. As such, future climate data were extracted from the third-generation Coupled Climate Model (CGCM3.1) under the greenhouse gas emission scenarios B1 and A2. The climate variables (temperature and precipitation) were downscaled using the delta change approach, and future river discharges were predicted. A frequency analysis was then carried out on these seven stations using the GEV distribution function. Results showed that for the period 2010–2100, average temperatures are projected to increase between 2.9°C (B1) and 5.2°C (A2) in New Brunswick. As for precipitation, the mean annual precipitation showed an increase of 9 to 12% compared to current conditions. Results also showed an increase in flood flows. The increase in low-return floods (e.g. 2-year) was generally higher than the increase of higher return floods (e.g. 100-year). Depending on the scenario and the future time period, the increase in low-return floods was about 30%, and about 15% for higher return floods. A Regional Climate Index (RCI) was used to links floods to their frequency under future climate scenarios.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».