Modelling Coastal Flood Propagation under Sea Level Rise: A Case Study in Maria, Eastern Canada
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
Coastal management often relies on large-scale flood mapping to produce sea level rise assessments where the storm-related surge is considered as the most important hazard. Nearshore dynamics and overland flow are also key parameters in coastal flood mapping, but increase the model complexity. Avoiding flood propagation processes using a static flood mapping is less computer-intensive, but generally leads to overestimation of the flood zone, especially in defended urban backshore. For low-lying communities, sea level rise poses a certain threat, but its consequences are not only due to a static water level. In this paper, the numerical process-based model XBeach is used in 2D hydrodynamic mode (surfbeat) to reproduce an observed historical flood in Maria (eastern Canada). The main goal is to assess the impacts of a future storm of the same magnitude in the horizon 2100 according to an increase in sea level rise. The model is first validated from in situ observations of waves and water levels observed on the lower foreshore. Based on field observations of a flood extent in 2010, the simulated flooded area was also validated given a good fit (59%) with the actual observed flood. Results indicate that the 2010 storm-induced surge generated overwash processes on multiple areas and net landward sediment transport and accumulation (washover lobes). The flood was caused by relatively small nearshore waves (Hs < 1 m), but despite small water depth (>1.2 m), high flow velocities occurred in the main street (U > 2 m/s) prior to draining in the salt marsh. The impact of sea level rise on the low-lying coastal community of Maria could induce a larger flood area in 2100, deeper floodwater, and higher flow velocities, resulting in higher hazard for the population.
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 | 0,000 | 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) | 0,000 | 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