MétaCan
Menu
← Retour à la cohorte
Enregistrement W2790663679 · doi:10.3390/w10020135

Sustainable Ice-Jam Flood Management for Socio-Economic and Socio-Ecological Systems

2018· article· en· W2790663679 sur OpenAlexafffund
Apurba Das, Maureen G. Reed, Karl‐Erich Lindenschmidt

Notice bibliographique

RevueWater · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésFlood mythFlooding (psychology)WetlandEnvironmental scienceEcosystemEnvironmental resource managementGeographyEcologyWater resource management

Résumé

récupéré en direct d'OpenAlex

Ice jams are critical components of the hydraulic regimes of rivers in cold regions. In addition to contributing to the maintenance of wetland ecology, including aquatic animals and waterfowl, ice jams provide essential moisture and nutrient replenishment to perched lakes and ponds in northern inland deltas. However, river ice-jam flooding can have detrimental impacts on in-stream aquatic ecosystems, cause damage to property and infrastructure, and present hazards to riverside communities. In order to maintain sustainable communities and ecosystems, ice-jam flooding must be both mitigated and promoted. This study reviews various flood management strategies used worldwide, and points to the knowledge gaps in these strategies. The main objective of the paper is to provide a framework for a sustainable ice-jam flood management strategy in order to better protect riverine socio-economic and socio-ecological systems. Sustainable flood management must be a carefully adopted and integrated strategy that includes both economic and ecological perspectives in order to mitigate ice-jam flooding in riverside socio-economic systems, while at the same time promoting ice-jam flooding of riverine socio-ecological systems such as inland deltas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,203
Écart entre enseignants0,195 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations26
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater→Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→