Stochastic Flood Risk Assessment under Climate Change Scenarios for Toronto, Canada Using CAPRA
Notice bibliographique
Résumé
Amongst all natural disasters, floods have the greatest economic and social impacts worldwide, and their frequency is expected to increase due to climate change. Therefore, improved flood risk assessment is important for implementing flood mitigation measures in urban areas. The increasing need for quantifying the impacts of flooding have resulted in the development of methods for flood risk assessment. The aim of this study was to quantify flood risk under climate change scenarios in the Rockcliffe area within the Humber River watershed in Toronto, Canada, by using the Comprehensive Approach to Probabilistic Risk Assessment (CAPRA) method. CAPRA is a platform for stochastic disaster risk assessment that allows for the characterization of uncertainty in the underlying numerical models. The risk was obtained by integrating the (i) flood hazard, which considered future rainfall based on the Representative Concentration Pathways (RCPs 2.6, 4.5, 6.0, and 8.5) for three time periods (short-term: 2020–2049, medium-term: 2040–2069, and long-term: 2070–2099); (ii) exposed assets within a flood-prone region; (iii) vulnerability functions, which quantified the damage to an asset at different hazard levels. The results revealed that rainfall intensities are likely to increase during the 21st century in the study area, leading to an increase in flood hazards, higher economic costs, and social impacts for the majority of the scenarios. The highest impacts were found for the climate scenario RCP 8.5 for the long-term period and the lowest for RCP 4.5 for the short-term period. The results from this modeling approach can be used for planning purposes in a floodplain management study. The modeling approach identifies critical areas that need to be protected to mitigate future flood risks. Higher resolution climate change and field data are needed to obtain detailed results required for a final design that will mitigate these risks.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».