MétaCan
Menu
Retour à la cohorte
Enregistrement W4404995577 · doi:10.1016/j.rineng.2024.103645

Non-stationary analysis of future floods using physical covariates and implications for dams across Canada

2024· article· en· W4404995577 sur OpenAlexafffundabout
Dona Maria, Agus P. Sasmito, Laxmi Sushama, Muhammad Naveed Khaliq

Notice bibliographique

RevueResults in Engineering · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensNational Research Council CanadaMcGill University
Organismes subventionnairesInfrastructure CanadaNational Research Council CanadaNational Research Council
Mots-clésCovariateEnvironmental scienceGeographyEconometricsEconomics

Résumé

récupéré en direct d'OpenAlex

Non-stationary flood frequency analysis (FFA) has gained much momentum in recent years. However, most of the applications have considered time as the sole covariate, which may not be fully adept given the varied evolution of flood predictors. Incorporating physical covariates representing dominant flood generating mechanisms can enable more precise flood risk assessments. This study applies non-stationary FFA with flood-relevant physical covariates to assess dam vulnerability across Canada, using transient climate change simulations from a regional climate model, one-way coupled to a routing model, for the current 1991–2020 and future 2070–2099 periods. From a set of 10 non-stationary models, considering maximum snow water equivalent, average annual temperature, spring-summer rainfall, fall-winter rainfall, and their combinations as plausible physical covariates, the preferred model for each grid cell is selected through a corrected form of the Akaike Information Criterion. The spatial patterns of physical covariates of the preferred models are, in general, found consistent with the flood generating mechanisms. Little support is found for the traditional stationary FFA approach compared to the non-stationary FFA with physical covariates. Application of the preferred model for the RCP8.5 scenario suggest that 67.5 % of dams, from a pre-identified set of medium and large dams, are located in vulnerable regions, far exceeding the stationary model estimates. The study provides useful insights, both for the development of non-stationary FFA models considering physical covariates and their application in the vulnerability assessment of critical water infrastructure in Canada, thereby contributing to the development of climate change adaptation strategies.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,272
Écart entre enseignants0,265 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResults in EngineeringMême sujetHydrology and Drought AnalysisTravaux en français237 207