MétaCan
Menu
Retour à la cohorte
Enregistrement W4401465305 · doi:10.1016/j.geomat.2024.100003

Assessment of flood susceptibility in Sylhet using analytical hierarchy process and geospatial technique

2024· article· en· W4401465305 sur OpenAlexvenueno aff
Md. Saalim Shadmaan, K.M. Hassan

Notice bibliographique

RevueGEOMATICA · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeospatial analysisFlood mythHierarchyAnalytic hierarchy processProcess (computing)Computer scienceGeographyData scienceData miningRemote sensingEngineeringOperations researchArchaeologyPolitical scienceProgramming language

Résumé

récupéré en direct d'OpenAlex

In Bangladesh, flooding has been one of the most devastating natural disasters, and the susceptibility assessment of flood is a major precondition for minimizing the impact and making a sustainable future. Therefore, identifying and assessing susceptibility is essential to reduce the number of casualties that result from flooding events in the future. The primary challenge in flood risk assessment is developing a systematic understanding of all potential damages associated with a flood event. Keeping this goal in mind, the present study focuses on estimating the flood susceptibility in Sylhet district of Bangladesh. This study employs the combination of Geographic Information System (GIS) and Analytical Hierarchy Process (AHP) for Flood Susceptibility Assessment (FSA) of Sylhet district in Bangladesh. The study examines the significance of every element involved in FSA and provides explicit descriptions for each of them. Applying multiple-criteria computation techniques, the analysis focuses on computing inundation-related calculations and generating map depicting flood susceptible zones. Concerning flooding event, the district Sylhet exhibits varying degrees of flood susceptibility, with 14.71 % of the area categorized as having very high susceptibility, 18.70 % as high susceptibility, 25.17 % as medium susceptibility, 24.94 % as low susceptibility, and 16.47 % of the study areas identified with very low susceptibility. The present research on flood susceptibility assessment could help to minimize the losses and lower the risk associated with flooding. • Flood susceptibility of Sylhet district of Bangladesh has been estimated. • Analytical hierarchy process and geospatial techniques have been applied. • Factors that influence flood susceptibility are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,315
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGEOMATICAMême sujetFlood Risk Assessment and ManagementTravaux en français237 207