Satellite-based assessment of the catastrophic Jhelum floods of September 2014, Jammu & Kashmir, India
Notice bibliographique
Résumé
The state of Jammu and Kashmir in North India experienced one of the worst floods in the past 60 years, during the first week of September 2014. In the present study, multi-temporal synthetic aperture radar (SAR) satellite images acquired from Indian Remote Sensing (IRS) satellite RISAT-1 and Canadian satellite Radarsat-2 during the peak flood period (08th–23rd September 2014) are used for extraction of flood disaster footprints, mapping spatial and temporal dynamics of flood inundation and assessing the disaster impact. With the aid of pre- and post-flood satellite images, coupled with hydro-meteorological data, the unprecedented flood situation is analyzed. It is estimated that about 557 km2 of the Kashmir Valley's geographical area was inundated. Bandipora, Pulwama, Srinagar, Baramulla and Budgam were the worst flood affected districts, having more than 50 km2 of their area affected by flood waters. Of the total inundated area, about 80% of the area under agricultural activity was submerged, followed by built-up areas constituting about 12% of geographical area. About 22 lakh people in 287 villages were affected by floods. The flood waters persisted in the northern and central part of the valley for more than two weeks.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».