Debris-Flow and Debris-Flood Susceptibility Mapping for Geohazard Risk Prioritization
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
ABSTRACT Regional-scale assessments for debris-flow and debris-flood propagation and avulsion on fans can be challenging. Geomorphological mapping based on aerial or satellite imagery requires substantial field verification effort. Surface evidence of past events may be obfuscated by development or obscured by repeat erosion or debris inundation, and trenching may be required to record the sedimentary architecture and date past events. This paper evaluates a methodology for debris-flow and debris-flood susceptibility mapping at regional scale based on a combination of digital elevation model (DEM) metrics to identify potential debris source zones and flow propagation modeling using the Flow-R code that is calibrated through comparison to mapped alluvial fans. The DEM metrics enable semi-automated identification and preliminary, process-based classification of streams prone to debris flow and debris flood. Flow-R is a susceptibility mapping tool that models potential flow inundation based on a combination of spreading and runout algorithms considering DEM topography and empirical propagation parameters. The methodology is first evaluated at locations where debris-flow and debris-flood hazards have been previously assessed based on field mapping and detailed numerical modeling. It is then applied over a 125,000 km2 area in southern British Columbia, Canada. The motivation for the application of this methodology is that it represents an objective and repeatable approach to susceptibility mapping, which can be integrated in a debris-flow and debris-flood risk prioritization framework at regional scale to support risk management decisions.
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