MétaCan
Menu
Retour à la cohorte
Enregistrement W2948019466 · doi:10.3808/jeil.201900002

Flood-Drought Hazard Assessment for a Flat Clayey Deposit in the Canadian Prairies

2019· article· en· W2948019466 sur OpenAlexafffundabout
Aasifa Akhter, Shahid Azam

Notice bibliographique

RevueJournal of Environmental Informatics Letters · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Regina
Organismes subventionnairesUniversity of Regina
Mots-clésImpervious surfaceEnvironmental scienceFlash floodHydrology (agriculture)PondingPrecipitationWater balanceFlood mythSurface runoffRelative humidityWater levelDrainageGeologyMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Dry climate, clayey soil, and flat topography govern water balance in the southern part of the Canadian Praries. The main purpose of this work was to assess flood-drought hazard using Regina as a typical urban centre in the region. Results indicate that extreme weather patterns are frequent and meteorological parameters have changed from 1970 to 2015: precipitation (+50 mm), air temperature (+0.9oC), relative humidity (+6%), wind speed (-1.35 km/hr), and solar radiation (+0.9 MJ/m2). In the dry climate (Dfb), 77% of the total annual precipitation (386 mm/year) occurs from April to September. The runoff coefficient of 0.6 relates to 63% impervious areas (commercial, industrial and residential) and 35% near-impervious areas (open spaces with low hydraulic conductivity). The flat topography (570 m through 600 m asl over 124 km2) along with a low channel slope of up to 0.4% results in water ponding during short-term and high-intensity rainfalls. Water is managed through the Wascana Creek that holds 98% of the total water volume (84 x 106 m3) in the city. From April to September, volume fluctuations depend on antecedent water levels and meteorological conditions. The city has recently received several events of flash floods (2010 and 2014) and long-term droughts (1984 and 2017). The negative average change in storage indicates drought-like conditions during spring-summer.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
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 Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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'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

Citations19
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Informatics LettersMême sujetHydrology and Watershed Management StudiesTravaux en français237 207