Full Flood Cost: Insights from a Risk Analysis Perspective
Notice bibliographique
Résumé
Traditionally, flood protection measures have focused on high investment alternatives for control infrastructures that will benefit a certain amount of people, based in a gross cost-benefit (GCB) for the defined design flood. This gross cost-benefit approach, however, does not fully incorporate risk assessment into the analysis, given that it assumes that the chosen flood protection measures will provide protection against a design flood by avoiding flood damage every year during the project’s lifespan. This paper presents a probabilistic view of the benefits of implementing flood control measures, incorporating the risk concept to a full flood cost analysis, for an example region in Brazil. By combining analysis on annual expected damage, which considered the likelihood of n flood events along the year—and not only the project one—and two flood management measures (levee and land zoning flood hazard), this paper evaluates why, and by how much, the inclusion of the probability of effectiveness of a given flood protection measure differs from traditional methods based on gross benefit. Results demonstrated a large difference between verifying a measure’s benefits by the GCB and the expected damage: whereas the former indicates the levee structure resulting in a lower accumulated damage from the fifth year of measure implementation, if the expected damage is used, investing in land zoning will be always most cost effective. These findings are useful to highlight that full flood costs should be based on risk evaluation, which is consonant with the latest perception of the assessment and management of flood risks, such as the Floods Directive present in the EU Water Framework Directive.
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 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 | 0,000 | 0,000 |
| 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) | 0,003 | 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 tête enseignante, 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 ».