Geospatial Approach to Assess Flash Flood Vulnerability in a Coastal District of Bangladesh: Integrating the Multifaceted Dimension of Vulnerabilities
Notice bibliographique
Résumé
Flash floods pose a significant threat to Bangladesh; in particular, on 20 August 2024, the Feni district experienced a major flash flood, affecting more than 550,000 people and causing widespread damage. To effectively mitigate the impacts of flash floods, it is essential to conduct a comprehensive flash flood vulnerability assessment, incorporating multiple triggering factors. This study aims to assess flash flood vulnerability in the Feni District through a unique approach, integrating various dimensions of vulnerability. The study utilizes a geospatial methodology, employing the formula of vulnerability developed by UNESCO-IHE. Four dimensions of vulnerability were analyzed: social, physical, economic, and environmental. For each dimension, specific variables were selected to assess exposure, susceptibility, and resilience. Principal Component Analysis (PCA) was used to assign weights to these variables. The geospatial layers of influencing vulnerability factors were integrated together to create flash flood vulnerability maps of four dimensions. These were then overlaid to generate a composite flash flood vulnerability map. The analysis revealed a distinct spatial distribution of vulnerability across Feni District. In terms of environmental vulnerability due to flash flood, about 14% of the total area falls into the very highly vulnerable zone, whereas 13%, 8% and 5% of the study area were found to be very highly vulnerable regarding social, economic and physical aspects, respectively. The composite flash flood vulnerability map identified key vulnerability hotspots, with the most vulnerable unions (the smallest administrative unit in Bangladesh) being Feni Pourashava (68% very high), Sonagazi Paurashava (40% very high), and Nawabpur (32% very high), while the least vulnerable areas were Jailashkara (58% very low), Anandapur (81% very low), and Darbarpur (82% very low). The results show that the Feni District’s flash flood susceptibility varies significantly throughout the region, which provide crucial insights for policymakers and local authorities in order to identify vulnerability hotspots, prioritize interventions in vulnerable areas, enhance flash flood resilience, and implement adaptive 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 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».