Probabilistic Numerical Modeling of Compound Flooding Caused by Tropical Storm Matthew Over a Data‐Scarce Coastal Environment
Notice bibliographique
Résumé
Abstract The passage of a tropical storm, as the main driver of storm surge and high waves in many coastal regions, can also generate heavy rainfall and cause river overflow. The resulting combination of riverine, pluvial, and coastal flood hazard can result in catastrophic losses particularly in densely populated coastal environments. In this study, we characterize compound flooding caused by Tropical Storm Matthew and assess the significance and associated uncertainties of multiple contributing factors over a data‐scarce coastal region. A hydrological model combined with a simplified two‐dimensional hydrodynamic model are set up and validated to investigate the compounding effects of storm tide, wave runup, rainfall, and river overflow at the southern coast of Saint Lucia in the Caribbean Sea. Pléiades‐1 and Sentinel‐1 satellite imageries are used to determine the flood‐impacted areas. The analyses are performed based on deterministic and probabilistic approaches and the effects of uncertain boundary conditions and model parameters are investigated. Results show that the individual analysis of flood hazards, in isolation, can lead to substantial underestimation of flood risks. Heavy rainfall and wave runup are the most significant contributors to compound flooding in Saint Lucia. In addition, the interactions between seawater and streamflow can exacerbate riverine flood hazards particularly upstream of the river mouth. Communities in western Vieux Fort, and the Hewanorra International Airport, have high exposure to compound flooding, which is projected to intensify under climate change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».