Climate change and urban flooding: assessing remote sensing data and flood modeling techniques: a comprehensive review
Notice bibliographique
Résumé
This review critically examines the current understanding of climate change impacts on urban flooding, synthesizing recent findings to provide a comprehensive overview of how rising temperatures, sea-level rise, and increased extreme weather events influence urban flooding. Additionally, it discusses various flood modeling techniques, outlining their advantages and disadvantages. Covering a broad spectrum of studies published between 2007 and 2024, selected for their relevance and approach, this review highlights several key findings. Climate change significantly exacerbates urban flooding disasters, with remote sensing emerging as an indispensable tool for climate change and flood monitoring and prediction. Despite these advancements, notable gaps remain in the literature. There is a conspicuous lack of long-term impact studies and limited discourse on the efficacy of existing mitigation strategies. Additionally, the review underscores the deficiency of real-time flood monitoring systems specifically designed for urban areas. These gaps highlight an urgent need for targeted research and the development of adaptive management practices to enhance flood prediction and management in urban settings. Future research must focus on advancing real-time monitoring systems, integrating remote sensing technologies more effectively, and developing comprehensive flood models. The review also emphasizes the importance of interdisciplinary approaches that merge hydrology, climatology, urban planning, and technology. By consolidating existing research, this review serves as a valuable resource for researchers and policymakers. It underscores the critical need for innovative flood modeling techniques and adaptive management strategies to tackle the challenges posed by climate change. This synthesis not only enriches the current body of knowledge but also provides clear directions for future investigations, emphasizing the imperative for improved prediction, preparedness, and response mechanisms in urban flooding management.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».