MétaCan
Menu
Retour à la cohorte
Enregistrement W4318406659 · doi:10.1111/jfr3.12862

Extreme skew surge estimation combining systematic skew surges and historical record sea levels on the English Channel and North Sea coasts

2023· article· en· W4318406659 sur OpenAlexaff
Laurie Saint Criq, Éric Gaumé, Yasser Hamdi, Taha B. M. J. Ouarda

Notice bibliographique

RevueJournal of Flood Risk Management · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTropical and Extratropical Cyclones Research
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésSkewTide gaugeSurgeChannel (broadcasting)EstimationComputer scienceSea levelEnvironmental scienceOceanographyGeographyGeologyMeteorologyTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Coastal planning implies the estimation of extreme sea levels. As the distribution of astronomical high tides can be predicted, most recent publications suggest focusing on the estimation of extreme skew surges. Historical information, record sea levels observed before the beginning of systematic tide gauge recordings, can improve estimations. The corresponding skew surges can be estimated but are not necessarily exhaustive. Indeed, some historical extreme skew surges can remain unnoticed if they are combined with low or moderate tides, or for a variety of reasons. To deal with this exhaustiveness issue, a previous publication proposed an unbiased method for combining systematic period skew surges with historical period extreme sea levels. This method appeared more reliable than previously proposed approaches. The present study aims at presenting a broader evaluation of this method, based on its application to nine sites located on the English Channel and North Sea coasts. The method is also improved to consider several historical periods and various types of historical information. Results confirm the method to be reliable, useful, and relevant. A number of recommendations is also formulated for the selection and use of historical information for sea level frequency analyses.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,056
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,231
Écart entre enseignants0,171 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Flood Risk ManagementMême sujetTropical and Extratropical Cyclones ResearchTravaux en français237 207