A Comprehensive Approach for Floodplain Mapping through Identification of Hazard Using Publicly Available Data Sets over Canada
Notice bibliographique
Résumé
Quantifying flood inundation and hazards over large regions is paramount for gaining critical information on flood risk over the vulnerable population and environment. Readily available global data and enhancement in computational simulations have made it easier to simulate flooding at a large scale. This study explores the usability of publicly available datasets in flood inundation and hazard mapping, and ensures the flood-related information reaches the end-users efficiently. Runoff from the North American Regional Reanalysis and other relevant inputs are fed to the CaMa-Flood model to generate flooding patterns for 1 in 100 and 1 in 200-year return period events over Canada. The simulated floodplain maps are overlaid on the property footprints of 34 cities (falling within the top 100 populated cities of Canada) to determine the degree of exposure during 1991, 2001 and 2011. Lastly, Flood Map Viewer—a web-based public tool, is developed to disseminate extensive flood-related information. The development of the tool is motivated by the commitment of the Canadian government to contribute $63 M over the next three years for the development of flood maps, especially in high-flood risk areas. The results from the study indicate that around 80 percent of inundated spots belong to high and very-high hazard classes in a 200-year event, which is roughly 4 percent more than observed during the 100-year event. We notice an increase in the properties exposed to flooding during the last three decades, with a signature rise in Toronto, Montreal and Edmonton. The flood-related information derived from the study can be used along with vulnerability and exposure components to quantify flood risk. This will help develop appropriate pathways for resilience building for long-term sustainable benefits.
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 | 0,001 |
| 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 ».