Identification and mapping of multi-type flood hotspots using an ensemble technique in the transboundary of Kabul River Basin
Notice bibliographique
Résumé
The Kabul River Basin (KRB), located in the eastern Hindukush region, is a transboundary basin shared by Afghanistan and Pakistan. This study aims to identify and map hotspots for five major flood types: ephemeral, fluvial, flash, urban, and glacial lake outburst floods (GLOFs) using three models: the Frequency Ratio (FR), Expert Opinion-based Analytical Hierarchy Process (EO-AHP), and Prediction Rate-based Analytical Hierarchy Process (PR-AHP). By analyzing 620 flood locations and 18 flood predictors, we found that 14 %, 20 %, and 15 % of the study area derived from FR, EO-AHP, and PR-AHP models were highly susceptible to multi-type floods, respectively, highlighting susceptible hotspots of different floods in the KRB. This study provides a comprehensive multi-type flood susceptibility map for the KRB. The findings of this study are crucial for effective flood management, as they identify and integrate multi-type floods into a single map. The study helps relevant authorities in prioritizing resource allocation, improving early warning systems, and implementing sustainable land use planning, ultimately improving flood preparedness and building resilience through risk-informed policy-making. • Identify and map multi-type flood hotspots in the Kabul River Basin using three models. • Assess susceptibility to ephemeral, fluvial, flash, urban, and glacial lake outburst floods. • 14 %, 20 %, and 15 % of the study area is susceptible to multi-type floods. • An innovative ensemble prediction rate-based analytical hierarchy process model has been introduced.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».