Assessing the Frequency of Floods in Ice-Covered Rivers under a Changing Climate: Review of Methodology
Notice bibliographique
Résumé
Ice-influenced hydrologic and hydrodynamic processes often cause floods in cold regions of the globe. These floods are typically associated with ice jams and can have negative socio-economic impacts, while their impacts on riverine ecosystems can be both detrimental and beneficial. Several methods have been proposed for constructing frequency distributions of ice-influenced annual peak stages where historical data are scarce, or for estimating future frequencies under different climate change scenarios. Such methods rely on historical discharge data, which are generally easier to obtain than peak stages. Future discharges can be simulated via hydrological models, driven by climate-model output. Binary sequences of historical flood/no-flood occurrences have been studied using logistic regression on physics-based explanatory variables or exclusively weather-controlled proxies, bypassing the hydrological modelling step in climate change projections. Herein, background material on relevant river ice processes is presented first, followed by descriptions of various proposed methods to quantify flood risk and assess their advantages and disadvantages. Discharge-based methods are more rigorous; however, projections of future flood risk can benefit from improved hydrological simulations of winter and spring discharges. The more convenient proxy-based regressions may not adequately reflect the controlling physics-based variables, while extrapolation of regression results to altered climatic conditions entails further uncertainty.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 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 ».