Flood hazard response to scenarios of rainfall dynamics and land use and land cover change in an urbanized river basin in Accra, Ghana
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
Understanding of flood hazard response to multiple scenarios of relevant determinants in urban centers is a precondition for proactive disaster risk management. Yet, studies on flood response to the effects of multiple agents in Sub-Saharan Africa countries is rare. This study simulates peak runoff and water flow rate to land use and land cover (LULC), and scenarios of rainfall intensity of different durations and return periods. An urban flood-prone Odaw River catchment of Accra, Ghana was studied for the possible hazard responses to variations in LULC and rainfall intensities and amounts. Landsat data for 2000, 2011 and 2020 were classified and analyzed for changes in LULC. Rainfall intensity was estimated for different durations; and 2, 10 and 25 years of return periods, using Intensity-Duration-Frequency (IDF) model. The rational and the successive flow routing hydrological models were used to simulate peak runoff and flow rate, respectively. Built-up area increased in coverage from 40% in 2000 to 65% in 2020, whereas woodland reduced from 10.5% to 4.0% for the same period. The peak runoff was highest in the built-up areas, and directly proportional to rainfall intensities and return periods. Replacing a given amount of woodland by equal amount of built-up area increased peak discharge by 3.5 times. Runoff peaked 30 mins after onset of rainfall for the 10-yr and 25-yr return periods, but peaked 1 hr for the 2-yr return period. We recommend that flood risk reduction strategies maintain substantial amount of woody vegetation and grassland, and provide quick early warning when extremely high rainfall intensity is anticipated. Land use planning organization should consider a range of flood hazard intensities, including rare and extreme events in their 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle