Design flood estimation in flood hazard studies: a three-decade systematic review of practices in Canada
Notice bibliographique
Résumé
Design floods for flood hazard studies are often estimated through flood frequency analysis (FFA). However, many decisions involved may lead to inconsistencies. There is also a demand to incorporate climate change into FFA, but guidelines are lacking. Although these challenges are acknowledged, limited literature documents how they manifest in practice. We systematically reviewed design flood estimation practices in Canada based on 75 technical reports from 1990 to 2023 across six provinces (with 65% from Alberta due to availability). We found substantial variations in data pre-processing, assumption validation (distribution homogeneity and stationarity, and regional homogeneity), FFA methods (e.g. candidate distributions, parameter estimation, distribution selection, uncertainty quantification), software, and post-processing. While recent reports have increasingly disclosed key methodological details, several decisions remain subjective. Floods are typically assumed to be stationary and homogeneous, overlooking human-induced impacts and multiple flood-generating mechanisms. Nonstationary and mixture FFA remain seldom applied. Climate change considerations are often limited to commentary sections, and climate-adjusted design floods are only mandatory in some jurisdictions (e.g. British Columbia). Open software is commonly used for FFA, but its limitations have increased reliance on proprietary software. Thus, there is a need for improved consistency, realism, and research-to-practice translation in FFA practices.
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 | 0,071 | 0,214 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,021 | 0,036 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».