Potential flood hazard zonation and flood shelter suitability mapping for disaster risk mitigation in Bangladesh using geospatial technology
Notice bibliographique
Résumé
Low-lying Bangladesh is known as one of the most flood-prone countries in the world. During the last few decades, the frequency, intensity, and duration of floods have increased. To ensure safety and save lives when people's homes submerge because of flooding, it is urgent to relocate them to safe shelters during the flooding. In Bangladesh, the number of designated flood shelters is very less. To plan and prioritise the building of shelters, flood hazard zonation and the identification of suitable locations for shelters are vital for disaster risk mitigation. This study attempted the first and most extensive national flood inundation database and flood dynamics of Bangladesh developed between 2017 and 2020 using public domain Sentinel-1 Synthetic Aperture Radar (SAR) images were processed in the Google Earth Engine (GEE) and replicable methodology. Using a set of analytic hierarchy process (AHP) criteria associated with flood disasters (e.g., floods recurrence areas), elevation, land cover, landform, population density, accessibility, distance to road, and distance to settlement layers were used to identify the hazard zones and the safest locations for building flood shelters. The study assessed that 7.11% of the area was inundated by overflow water in June 2017 and 8.99% in August 2017. Similarly, in June, July, and August 2018; June, July and August 2019, and July 2020, with inundation covering 7.26%, 10.87%, 11.07%, 9.50%, 10.56%, 5.01% and 11.14% of the country, respectively. The results show that extremely-high flood prone areas cover about 13% of Bangladesh. Analysis of the suitability of flood shelters shows that about 8% is extremely-high suitable, 16% is very-high suitable, and 7% is very-low suitability for flood shelters. The flood suitability and flood hazard maps would be helpful to support the local government, national and international organisations for flood disaster risk minimisation and the planning and construction of flood shelters.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».