Physical and societal statistics for a century of snow-avalanche hazards on Sakhalin and the Kuril Islands (1910–2010)
Notice bibliographique
Résumé
Abstract The analysis of historical avalanche data is important when developing accurate hazard maps. The record of snow-avalanche disasters on Sakhalin and the Kuril Islands is incomplete, due to the historical division into periods of Japanese and Russian rule. Here we combine and analyze data from Japanese and Russian sources to reconstruct a continuous record of avalanche catastrophes in the region from 1910 to 2010. Despite the relatively small scale of the majority of catastrophic avalanches, with a total vertical drop < 200 m, we document evidence that places the region among the most avalanche-affected areas in the world. In total, 756 fatalities and > 238 injuries have occurred in 275 incidents over a 100 year period (two-thirds of those killed were Japanese). This death toll is higher than that in Canada, New Zealand or Iceland, or non-recreational fatalities in France. A wave of avalanche disasters (1930s–60s) following intense colonization of Sakhalin and the Kuril Islands is evident. Although this ‘wave’ could be considered a local issue of the past, many presently developing countries may face similar situations. The fatality rate has decreased over time, due to social factors, and differs from that of any other region, in its absence of deaths through recreational activities. Although in recent years the fatality rate is lower than that of Iceland or the USA, the per capita avalanche casualty rate on Sakhalin and the Kuril Islands remains among the highest in the world.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».