Inundation Mapping and Flood Frequency Analysis using HEC-RAS Hydraulic Model and EasyFit Software
Notice bibliographique
Résumé
Conducting a flood frequency analysis and mapping of the inundated area in rivers are important for river flow modeling. The main purpose of this research is to estimate the peak flow, model the inundated area using HEC-RAS, and conduct an analytical hierarchy process for the upper Baro Akobo basin in Ethiopia. The inundation area and river depth for 25, 50 and 100 years are considered while contemplating several factors which contribute to flooding. The downstream of the basin has experienced numerous floods that occurred in 2006, 2007, 2010, 2011, and 2012. Flood frequency analysis with stream flow data from 1990–2009 at the Baro-Gambella gauging station was carried out to estimate the expected peak floods of the watershed. The analysis was conducted using the Gumbel, Normal, and Log Pearson Type III distribution methods. The peak floods with return periods of 25, 50, and 100 years with a minimum statistical value calculated using the Normal distribution method resulted in 1739.586 m3/s, 1820.872 m3/s, and 1893.974 m3/s, respectively. The HEC-RAS model results indicated that the flood inundation areas under different land use changes for 25-, 50-, and 100-year return periods were 446.2 km2 (annual crop cover), 404.4 km2 (built area cover), 323.3 km2 (flooded vegetation), and 93.58 km2 (forest area), respectively, whereas the inundation depth ranged from 0–2.6 m, 0–2.9 m, and 0–3.2 m depth at the upstream and downstream of the river, respectively. The outcome of this study could be used to reduce temporal and permanent flood risk.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».