Building a flood vulnerability index for urban resilience: Insights from Kelowna, British Columbia
Notice bibliographique
Résumé
Frequent extreme weather events such as floods result in unprecedented casualties along with economic losses in cities. A thorough understanding of the vulnerability and potential risks influences the nature of preparation needed to make the cities resilient which enhances their ability to withstand any future flood events. Assessing flood vulnerability, therefore, is critical for any city authority to choose the right actions on adaptation and mitigation fronts in order to enhance its resilience. This stems from the need to create a localized flood vulnerability index (LOFVI) specific to cities. In this paper, we attempted to create a LOFVI accounting twenty-four physical, social, economic, and environmental vulnerability indicators (VIs) in the City of Kelowna (COK). COK experienced a number of major floods in the recent past while it is at risk of facing future similar and extreme events. LOFVI was designed at COK's neighborhood scale. The result suggests that it scores 44 %, which is understood to be a moderate vulnerability. Specifically, it scores “low” in social and environment vulnerability criteria, indexing 21 % and 39 % respectively. While physical, and economic dimensions score “moderate” with 56 %, and 50 % vulnerability indices respectively. The individual scores suggest the city needs to improve specific to the areas (VIs) notably, floodplains map, waterfront community, urban forest coverage area and flood insurance within the physical and economic dimensions. The proposed methodology is adaptive and capable of capturing the trajectory of vulnerability dynamics in any cities where flood is a recurrent threat. The vulnerability scores are going to potentially provide consolidated directives on how to keep the communities resilient against natural hazards. The proposed approach is equally adaptable for the assessment of flood vulnerability across other cities across Canada.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».