GIS-Based Assessment of Flash Flood Susceptibility around Thuwal-Rabigh Region, Saudi Arabia
Notice bibliographique
Résumé
Abstract Floods have become more frequent and severe across the globe, resulting in considerable loss of human lives, physical infrastructure, and livelihood. It is also applicable to Saudi Arabia, a country recognized for its arid climate, which has witnessed multiple flood events in the recent past; for example, Jeddah, a coastal Saudi city along the Red Sea experienced floods in 2007 and 2009. Flood susceptibility mapping and its spatio-temporal analysis is a vital component of flood mitigation projects as it identifies the most vulnerable regions of the project area based on physical properties. The present study intends to delineate the flood susceptibility zones, in the Thuwal-Rabigh region, located to the west of Saudi Arabia, by using a geographical information system (GIS) based multi-criteria decision analysis (MCDA) method called the analytical hierarchy process (AHP). The AHP technique was applied to compute the relative weights of nine flood governing factors namely digital elevation model (DEM), topographic wetness index (TWI), slope, normalized difference vegetation index (NDVI), land use/ land cover (LULC), rainfall, distance to waterways, distance to roads and drainage density. The final flood susceptibility map of the study area was obtained and reclassified into five zones (i.e., very low risk, low risk, medium risk, high risk, and very high risk) by using the overlay tool in ArcGIS. The results show that 39% of the study area has a very high to high risk of flooding. The model's sensitivity analysis demonstrates that the maps are reliable and Rainfall, TWI, DEM and slope appears to have a higher influence in the flood risk mapping of the study area. It was also found that Thuwal, city lies in an area of a very high flood risk zone (15%) and needs appropriate measures to ensure sustainable urban development in the future. This study helps to avoid further urban expansion in flood-prone areas and will assist decision-makers in implementing sustainable flood risk management plans.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».