Reducing Urban Flood Risk Through Building- and Lot-Scale Flood Mitigation Approaches: Challenges and Opportunities
Notice bibliographique
Résumé
Urban flooding events are a significant driver of disaster loss, resulting in insured and uninsured losses, property damage, and negative impacts on residents and communities in Canada and internationally. The risk of flooding in urban environments is affected by watershed characteristics, environmental conditions, and the presence and condition of flood management and mitigation technologies. Several building- and lot-scale (or private-side) flood mitigation options are available to better protect properties from the risk of flooding, including backwater valves and foundation drainage systems to reduce the risks of sewer surcharge and infiltration flooding into basements, respectively. The overall success of private-side approaches to reduce the risk of flooding into buildings is reliant upon consistent installation procedures, building code interpretation and enforcement, public engagement, and maintenance. Current research into private-side approaches is presenting many opportunities and solutions for improved flood protection against water-related disasters at home. A greater understanding of the performance of private-side technologies under complex site-specific conditions can help to appoint flood prevention strategies better suited to individual home characteristics. This review paper explores the inter-related factors that affect the risk of basement flooding and explores the challenges and opportunities associated with the adoption and success of private-side flood mitigation approaches. Developing a greater understanding of basement flood vulnerability at the lot-scale will assist in identifying and prioritizing private-side strategies for homeowners to adopt and reduce the risk of flooding based on site-specific conditions affecting flood vulnerability. Continued efforts to evaluate and identify flood risk factors and the performance of private-side strategies are needed to better manage urban flooding events.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,002 | 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 ».