Hydrometeorological Disaster Mitigation Through Rainfall Intensity Mapping Using IDF in Sumatera Island, Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Climate change due to weather anomalies causes rainfall and frequency to be more intense than normal conditions, including on the island of Sumatera, Indonesia.This has the potential to cause hydrometeorological disasters, such as floods and landslides.The intensity duration frequency (IDF) is an approach of rainfall amounts in water resources engineering for planning, designing, and operating water resources projects.Therefore, this article aims to conduct a rainfall intensity mapping study for specific return periods using the intensity duration frequency (IDF) approach, a case study of Sumatera Island, Indonesia, with the period of historical rainfall between 2013 and 2022.The purpose of the study is to provide essential reference information to mitigate hydrometeorological disasters to avoid the accumulation of rainwater in disaster-prone areas.The method used is a quantitative study using historical rainfall data from 48 rainfall recording stations in the Sumatera Island area.The results of this study show that the average maximum daily rainfall at nine stations is in the normal category, 39 rain gauge stations are in the standard medium rainfall category, and the rest are in the high category.Maps for each of these conditions are attached as the main results of this study.The practical application of this research has generated disaster vulnerability maps using IDF approaches for Sumatera Island (Indonesia) based on rainfall, emphasizing decreasing and aware activity in these areas.
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.
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 | 0,000 | 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 | 0,001 |
| 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 découle