MétaCan
Menu
Retour à la cohorte
Enregistrement W2593430563 · doi:10.1080/19475705.2017.1294114

Development of a GIS coastal land-use planning tool for coastal erosion adaptation based on the exposure of buildings and infrastructure to coastal erosion, Québec, Canada

2017· article· en· W2593430563 sur OpenAlexaffabout
Christian Fraser, Pascal Bernatchez, Steeve Dugas

Notice bibliographique

RevueGeomatics Natural Hazards and Risk · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoastal and Marine Dynamics
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésCoastal erosionShoreGeographic information systemCoastal hazardsErosionStormLand useStorm surgeEnvironmental scienceHydrology (agriculture)Environmental resource managementGeographySea level riseRemote sensingGeologyClimate changeOceanographyCivil engineeringMeteorologyGeomorphologyEngineering

Résumé

récupéré en direct d'OpenAlex

This study presents the development of a geographic information system (GIS) land-use planning tool for coastal areas based on the calculated exposure to coastal erosion of buildings and infrastructure. Responding to the needs of land-use planners, who are involved in the project from the beginning, this tool facilitates identification of adaptation solutions based on coastal sensitivity to erosion. All buildings, roads, railways, aqueducts, sewer systems, hiking trails and bicycle routes were mapped at high resolution, and an exposure value was assigned to each for seven time horizons between 2015 and 2100. The calculations were based on three parameters: (1) the distance between the structure and the shoreline or coastline; (2) the most likely shoreline or coastline migration rate for each coastal geomorphology behaviour unit (CGBU); and (3) the maximum event retreat measured during a storm for each type of coast. This method was applied to Baie des Chaleurs in Québec, Canada. The area comprises 11 municipalities with a total of 105 km of coast. The approach not only produces current and future portraits of building and infrastructure exposed to erosion, but also provides an original land-use planning and intervention tool for coastal areas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,449
Score d'incertitude au seuil0,477

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeomatics Natural Hazards and RiskMême sujetCoastal and Marine DynamicsTravaux en français237 207