MétaCan
Menu
Retour à la cohorte
Enregistrement W4212816264 · doi:10.1111/jfr3.12785

Managing residual flood risk behind levees: Comparing <scp>USA</scp>, France, and Quebec (Canada)

2022· article· en· W4212816264 sur OpenAlexaffabout
Anna Serra‐Llobet, Rémy Tourment, Antonin Montané, Thomas Buffin‐Bélanger

Notice bibliographique

RevueJournal of Flood Risk Management · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesLabex
Mots-clésLeveeFlood mythLegislatureResidual riskGeographyEnvironmental resource managementEnvironmental scienceEngineeringCartography

Résumé

récupéré en direct d'OpenAlex

Abstract Although hydraulic infrastructure such as levees remain important for flood risk management in the USA, France, and Quebec (Canada), there is increasing emphasis on nonstructural measures, such as regulatory flood maps, to reduce exposure and vulnerability, for example, preventing people from building in high hazard areas. One key concept related to areas protected by levees is that of “residual risk”, that is, the risk from floods greater than the design standard of the levees (levee overtopping) and from levee breach. In this article, we review the legislative framework for regulatory flood maps in the USA, France, and Quebec (Canada) and compare how residual risk behind protective structures is taken into account (or not) in regulatory flood maps. We find big differences in how the USA, France and Canada manage residual risk behind the levees. While in France the area behind levees is part of the regulatory flood prone area, and land use restrictions, building codes, emergency measures and risk communication are mandatory, in the USA the area behind levees is only shown as part of the regulatory flood prone area if the levee is not accredited. In Quebec, regulatory flood maps in general follow the French approach with a few exceptions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,198
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Flood Risk ManagementMême sujetFlood Risk Assessment and ManagementTravaux en français237 207