MétaCan
Menu
Retour à la cohorte
Enregistrement W2789711576 · doi:10.1080/15715124.2018.1439496

Lessons learned from past ice-jam floods concerning the challenges of flood mapping

2018· article· en· W2789711576 sur OpenAlexaff
Karl‐Erich Lindenschmidt, Mikko Huokuna, Brian C. Burrell, Spyros Beltaos

Notice bibliographique

RevueInternational Journal of River Basin Management · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensEnvironment and Climate Change CanadaGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFlood mythFlooding (psychology)DamagesHazardNatural hazard100-year floodEnvironmental scienceHydrology (agriculture)Flood stageWater resource managementGeographyGeologyMeteorologyEcologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Delineation of flood hazard and risk on maps is useful as a means of public education and as a basis for measures aimed at lessening future flood damages. In many northern countries, rivers and streams are prone to ice-related flooding that often results in higher water levels and more extensive damages than open-water events. Procedures and standards for analysing ice-related flooding, however, are much less common than well-established standardized approaches for the open-water events. Nonetheless, the inherent flood hazard along many northern and mid-latitude rivers is not fully represented on flood-plain, flood-hazard, and flood-risk mapping if the possibility of ice-jam floods is ignored. Fortunately, the biophysical, past-flood, and flood-envelope approaches for flood hazard can be readily applied to ice-related floods, and hydrotechnical approaches based on an improved understanding of river-ice processes have been developed. In this paper, the nature and severity of ice-jam flooding, the present status of delineating ice-related flood events, and challenges to delineating ice-related floods are discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,055
Tête enseignante GPT0,299
Écart entre enseignants0,243 · 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.

Devis d'étudeAutre devis
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

Citations34
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of River Basin ManagementMême sujetFlood Risk Assessment and ManagementTravaux en français237 207