Canada-wide Modelling – Analysis of Model Accuracy to Drive Appropriate Use and Risk Reduction Program Development
Notice bibliographique
Résumé
In many countries, continental and global scale flood hazard modelling methodologies are employed to provide an understanding of flood hazard over large geographical areas and at multiple return periods, flood generating mechanisms, and future climate change scenarios. These models are commonly used for estimating flood hazard in areas where high resolution flood mapping is unavailable, and for estimating portfolio risk for insurers and the financial sector. However, these products are generally lower accuracy and precision than local (e.g. regulatory, engineering-level) maps, and therefore the limitations and appropriate use cases of continental and global scale mapping should be understood when using these products to understand flood hazard and flood risk. Public Safety Canada (PS) has the mandate to keep Canadians safe from a range of risks and is working towards several soon-to-be launched flood resilience policy programs that depend upon a consistent, Canada-wide characterization of flood risk, and has accordingly procured multiple flood hazard models. PS bridges policy work to data science and engineering practices by conducting quantitative risk analysis, using Canada-wide flood hazard models, robust exposure data, and damage estimation methodologies. PS has done extensive testing of Canada-wide flood hazard models, including quality control and evaluation, to better understand their limitations and uses, and to support quantitative risk analysis for PS and other federal departments and agencies. This presentation will describe the results of PS’s evaluation and use of global models, including performance assessment against a set of comparable regulatory-quality flood maps across Canada and recommendations for appropriate use cases. These findings will contribute to a future partnership between PS and an academic research consortium to develop a made-in-Canada, open source, Canada-wide flood hazard model that will leverage data and expertise developed across government and other sectors.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».