Costs of sea dikes – regressions and uncertainty estimates
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. Failure to consider the costs of adaptation strategies can be seen by decision makers as a barrier to implementing coastal protection measures. In order to validate adaptation strategies to sea-level rise in the form of coastal protection, a consistent and repeatable assessment of the costs is necessary. This paper significantly extends current knowledge on cost estimates by developing – and implementing using real coastal dike data – probabilistic functions of dike costs. Data from Canada and the Netherlands are analysed and related to published studies from the US, UK, and Vietnam in order to provide a reproducible estimate of typical sea dike costs and their uncertainty. We plot the costs divided by dike length as a function of height and test four different regression models. Our analysis shows that a linear function without intercept is sufficient to model the costs, i.e. fixed costs and higher-order contributions such as that due to the volume of core fill material are less significant. We also characterise the spread around the regression models which represents an uncertainty stemming from factors beyond dike length and height. Drawing an analogy with project cost overruns, we employ log-normal distributions and calculate that the range between 3x and x∕3 contains 95 % of the data, where x represents the corresponding regression value. We compare our estimates with previously published unit costs for other countries. We note that the unit costs depend not only on the country and land use (urban/non-urban) of the sites where the dikes are being constructed but also on characteristics included in the costs, e.g. property acquisition, utility relocation, and project management. This paper gives decision makers an order of magnitude on the protection costs, which can help to remove potential barriers to developing adaptation strategies. Although the focus of this research is sea dikes, our approach is applicable and transferable to other adaptation measures.
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.
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 | 0,000 | 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 | 0,001 | 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 découle