Multivariate Analysis of Compound Flood Hazard Across Canada's Atlantic, Pacific and Great Lakes Coastal Areas
Notice bibliographique
Résumé
Abstract Compound flooding, caused by the simultaneous or successive occurrence of two or more flood mechanisms, is mainly associated with extreme precipitation, river overflows, and storm tides across coastal areas. The interdependencies between these components can increase the risks of flood impacts, threatening coastal communities and infrastructure systems. This study quantifies the corresponding multivariate hazard over Canada's coastal areas by characterizing the dependencies between multiple drivers of flooding based on the C‐vine copula statistical approach. The joint return periods of compound flooding considering the AND, OR, and Kendall scenarios are estimated and the corresponding failure probabilities are assessed. Further, the compound hazard ratio (CHR) index is applied to quantify possible under‐ or overestimations of the flood hazards when individual drivers are assessed independently. Analyses are performed at 41 locations across the Atlantic, Pacific, and the Great Lakes coasts, and the uncertainties are quantified based on the Bayes theorem. Results show that at approximately 50% of locations (mostly at the Great Lakes), the flood hazard associated with the AND scenario increases considerably when the dependencies are characterized compared to the (unrealistic) independence scenario, indicating the potential for compound flooding in these regions. Besides, at more than half of the studied locations, the CHR index exceeds one highlighting the interrelationships between drivers of flooding. The results of this study provide a deeper understanding of the flood mechanisms and their interdependencies across Canada's coasts, which support the development of resilient structures and improved coastal flood management.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».