Flood Management, Characterization and Vulnerability Analysis Using an Integrated RS-GIS and 2D Hydrodynamic Modelling Approach: The Case of Deg Nullah, Pakistan
Notice bibliographique
Résumé
One-dimensional (1D) hydraulic models have been extensively used to conduct flood simulations for investigating flood depth and extent maps. However, the 1D models cannot simulate many other flood characteristics, such as flood velocity, duration, arrival time and recession time when the flow is not restricted within the channel. These flood characteristics cannot be disregarded as they play an important role in developing flood mitigation and evacuation strategies. This study formulates a two-dimensional (2D) hydrodynamic model combined with remote sensing (RS) and geographic information system (GIS) approach to generate additional flood characteristic maps that cannot be produced with 1D models. The model was applied to a transboundary river of Deg Nullah in Pakistan to simulate an extreme flood event experience in 2014. The flood extent images from the moderate resolution imaging spectroradiometer (MODIS) and observed flood extents were used to evaluate the model performance. Moreover, an entropy distance-based approach was proposed to facilitate the integrated multivariate flood vulnerability classification. The simulated 2D flood modeling results showed a good agreement with the flood extents registered by MODIS and the observed ones. The northwest parts of Deg Nullah near Seowal, Dullam Kahalwan and Zafarwal were the most vulnerable areas due to high flood depths and prolonged flooding duration. Whereas high flood velocities, short flood arrival time, prolonged flood duration and recession times were observed in the upper reach of Deg Nullah thereby making it the most susceptible, critical and vulnerable region to 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 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 | 0,001 | 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 | 0,001 | 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) | 0,000 | 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 ».