Development of a new rainfall‐triggering index of flash flood warning‐case study in Yunnan province, China
Notice bibliographique
Résumé
Abstract Flash floods, characterized by rapid, short‐duration, and high‐velocity flows, are the major causes of property damage and casualties worldwide. Flash flood warning is one of the key measures to prevent flash floods. Relying upon rain gage data and official statistics of flash flood events with casualties, this study proposes a new rainfall triggering index, β , defined as the ratio of accumulated rainfall to intraday rainfall, which effectively divides floods into events triggered by heavy intraday rainfall (0 < β ≤ 5) and those triggered by high cumulative rainfall ( β > 5). Then, historical disaster events were used to evaluate the performance of the proposed index. Results reveal that: (1) when 0 < β ≤ 5, the intensity–duration ( I – D ) curve method is more desirable, and the simulation result has a high correlation coefficient ( r = 0.95) with the measured result; (2) when β > 5, the rainfall triggering index (RTI) method is more suitable ( r = 0.8); (3) the cumulative critical rainfall using the RTI method ranges from 50 to 400 mm. This paper stretches the thought of flash flood warning method and provides the reference for flood‐prone regions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».