Efficient coastal inundation early-warning system for low-lying atolls, dealing with lagoon and ocean side inundation in Tarawa, Kiribati
Notice bibliographique
Résumé
Tarawa is a low-lying atoll in the Gilbert Island group, capital of the Republic of Kiribati and home of nearly 70.000 inhabitants. With limited land area, rapid population growth and urbanization, strong interannual sea level variability induced by ENSO and sea level rise, Tarawa is highly vulnerable to coastal flooding. In this context, Early Warning Systems are a proven cost-effective climate adaptation measure to strengthen community resilience. In virtually enclosed atolls, the water level experienced at the shore is compounded by tides, sea level anomaly, storm surge and the contribution of waves. While wave setup and runup, are the primary components driving inundation along the ocean-facing shorelines, sea level anomaly, wind setup and wave pumping through the atoll rim contributes more inside lagoons. In this paper we present an efficient process-based approach to forecast flooding events along both, the ocean and lagoon coasts of atoll islands. With the intention of being highly scalable to other island countries, the system has been designed as a lightweight and accurate tool, that provides actionable and user-friendly water level predictions 7 days in advance. Publicly available global forecast products are ingested by a high-resolution wave model and tailor-made metamodels to translate ocean forcings to water levels at the shore. In absence of a comprehensive topography dataset, extreme value distributions of 27-year hourly water levels were evaluated every 500 m along the coast to define and communicate different levels of warnings according to the recurrence interval of the forecasted event. The long-term wave climate, nearshore wave transformation, and water levels produced under this work increase Tarawa's risk knowledge and support informed investments and future development strategies. While this system will significantly enhance ocean services in Kiribati, improving baseline data still remains a critical need for government and communities to support informed decision making to better cope with increased coastal hazards.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».