Notice bibliographique
Résumé
Urban flooding presents a global challenge, disproportionately affecting socially vulnerable communities. In the U.S., catastrophic floods are compounded by climate change, aging infrastructure, rapid land development, and population growth. Flooding causes more damage than any other severe weather-related event, with an annual average cost of US $4.5 billion and an average of 17 fatalities per year between 1980 and 2024. FEMA’s outdated 100-year floodplain delineations fail to capture evolving flood risk, leading to development inside and outside of 100-year floodplains and potentially higher flood risk for vulnerable communities. Excluding development in 500-year floodplains would reduce risk, although encroachment of urban development into 500-year floodplains exacerbates risks. Despite extensive coastal flood risk and environmental justice research, few studies have been conducted in inland areas like the Intermountain West. Our study analyzes FEMA’s National Flood Hazard Layer and data from the 2017–2021 American Community Survey to quantify flood injustices in Salt Lake County, Utah. We develop a straight-forward and easily implementable approach for city and county level planning and flood injustice policymaking. Our objectives include assessing demographic attributes within and outside 500-year floodplains, identifying household and population flood injustices, and overlaying 500-year floodplain maps and selected flood injustice variables. Results show that although 44% of Salt Lake County’s 500-year floodplain is in the City of South Salt Lake, the cities of Millcreek and South Jordan emerge as most vulnerable for 500-year flood injustices, these cities have flood risk ratios of 1.92 and 1.67, respectively, where a risk ratio greater than 1.00 indicates potentially concerning flood injustice. These findings highlight observed inequities but do not indicate or prove systematic, intentional, or historical biases resulting from past or present discriminatory policies and practices within these cities. This study contributes to a deeper understanding of flood injustices in inland urban areas, shedding light on the intersection of flood risk and social vulnerability at microscales. Identifying flood injustice communities can inform targeted interventions and policy measures to mitigate flood injustices and enhance flood resilience and adaptation in inland urban areas for vulnerable communities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».