Notice bibliographique
Résumé
Introduction Floods are one of the world's most damaging and dangerous natural hazards. Jonkman (2005) estimated that, in the last decade of the twentieth century, fluvial and other drainage-related floods killed 100 000 and affected 1.4 billion people. Economic losses from floods are difficult to estimate precisely, but are large and increasing. Barredo (2009) estimated annual average losses for Europe to be $3.8 billion over the period 1970–2006 (at 2006 values), and UNESCO (2009) noted that losses from extreme events rose 10-fold between the 1950s and 1990s in real terms. Flood protection and flood management are therefore seen as important issues by society, and associated infrastructure and management systems represent large and ongoing investment (in the UK, annual expenditure on flood defence is of the order of £800 million). However, flood risk management is a complex and multi-faceted issue. Floods are part of the natural functioning of fluvial systems. This has important implications. Firstly, to understand flood response and to manage flood risk, there is a need for awareness of the nature of and controls on catchment response, including the effects of human interventions. Secondly, floods are essential for the maintenance of aquatic and riparian habitats, and hence a holistic assessment of flood management is necessary, including broader environmental considerations such as geomorphological and hydro-ecological aspects. There may therefore be tensions between the need to protect infrastructure and risk to life on the one hand and the need to maintain natural ecosystem function on the other.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».