How likely are widespread floods in US river basins? Seeking answers using a stochastic, wavelet-based approach
Notice bibliographique
Résumé
Flooding can affect large regions leading to high economic and societal costs. Estimating regional flood risk is crucial for developing adaptation strategies, public awareness policies, and protection structures. Yet, estimating regional flood hazard is not trivial because of the few large flood events observed. Here, we derive regional flood hazard estimates for large river basins in the United States by using a stochastic streamflow generator. This allows us to increase the number of flood events available for the analysis and to investigate the simultaneous occurrence of flooding in different parts of a river basin. We propose the continuous, stochastic simulation approach (PRSim.wave), which combines a non-parametric spatio-temporal model based on the wavelet transform with the parametric kappa distribution. The model reproduces the temporal and distributional characteristics of streamflow at individual sites and retains the spatial dependencies between sites even for spatial extremes. We use PRSim.wave to generate long and spatially consistent time series of daily discharge for a large set of catchments in the conterminous United States. For each catchment, we extract flood events from the simulated series using a peak-over-threshold approach to derive a spatial dataset of flood occurrences. Using this dataset, we estimate how probable it is that a certain percentage of stations within a specific river basin is jointly flooded. We show that: (1) there are strong regional differences in the likelihood of joint and potentially widespread flooding and (2) there are spatial differences in regional flood hazard estimates which could not be derived from observed data only. We deem our approach a valuable tool for water managers and policy makers to make informed decisions on the risk of widespread flooding.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».