A GIS-Based Fuzzy Hierarchical Modeling for Flood Susceptibility Mapping: A Case Study in Ontario, Eastern Canada
Notice bibliographique
Résumé
Natural disasters such as floods have severely destroyed the natural environment and infrastructure because of their destructive effects and caused socio-economic losses. In the present study, the authors attempt to present a flood hazard susceptibility map of an eastern region in Ontario, Canada to facilitate flood prevention and mitigation. To this purpose, a combination of Multi-Criteria Decision-Making (MCDM) model and Geographic Information System (GIS) has been considered. Herein, an Analytical Hierarchy Process (AHP) model is applied based on Triangular Fuzzy Numbers (TFNs) in a GIS environment. A total of eight quantitative criteria including elevation, land use/land cover, geology, rainfall, drainage density, slope, soil-type, and distance from river have been used for the flood modeling. Fuzzified pairwise comparison matrices of values have determined the Importance Weights (IWs) of these criteria in Saaty’s scale. By calculating IWs, the impact of each effective criterion on flood risk was investigated using the fuzzy AHP method. The consistency Index of each pairwise comparison of criteria has been checked. Based on the calculated IWs result of each criterion, the precipitation, slope, and soil criteria play significant roles as the most eminent flood occurrence criteria. In addition, the obtained results demonstrate percentages of flooded areas and the flood hazard index of the study area.
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 | 0,000 |
| 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) | 0,001 | 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 ».