MétaCan
Menu
Retour à la cohorte
Enregistrement W4315646729 · doi:10.1111/jfr3.12876

Integrated assessment of flood risk in Arial Khan floodplain of Bangladesh under changing climate and socioeconomic conditions

2023· article· en· W4315646729 sur OpenAlexfundno aff
Md. Sadiul Alam Chyon, Subir Biswas, M. Shahjahan Mondal, Binata Roy, Afeefa Rahman

Notice bibliographique

RevueJournal of Flood Risk Management · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésFloodplainFlood mythSocioeconomic statusHazardVulnerability (computing)Climate changeRepresentative Concentration PathwaysEnvironmental scienceBaseline (sea)Natural hazardWater resource managementGeographyClimate modelEnvironmental healthMeteorologyComputer sciencePopulationGeologyCartography

Résumé

récupéré en direct d'OpenAlex

Abstract In the assessment of flood risk, the future flood hazard due to climate change is often tied to the present socioeconomic conditions. This makes an implicit assumption that the drivers of risk, other than the hazard, remain constant with time. Therefore, such risk assessment does not provide a realistic outlook for devising plausible mitigation strategies and plans. In this study, flood risk was assessed from an integrated perspective by considering both physical hazard, and socioeconomic exposure and vulnerability—all changing with time. The flood hazard in the Arial Khan River floodplain in the southcentral Bangladesh was simulated with a two‐dimensional hydrodynamic model, and the exposure and vulnerability were projected using different statistical techniques. Principal component analysis was conducted to assign weights to the indicators of hazard, exposure, sensitivity, and adaptive capacity. The results show that the flood depth, duration, and extent would increase from the baseline to 2080s under regional concentration pathway (RCP) 2.6 and RCP 8.5 scenarios. The sensitivity and vulnerability would decrease, reflecting an improved adaptive capacity. The low‐risk areas could increase from 62% in the baseline to 85%–91% in 2080s depending on the RCPs. The approach followed can be applied elsewhere in developing countries, particularly in riverine floodplain settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,260
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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