An Assessment Of Coastal Impacts To The Natural And Built Assets Of The New York State Office Of Parks, Recreation And Historic Preservation
Notice bibliographique
Résumé
Climate change is expected to cause an increase in heavy precipitation events, flooding, and sea level rise in New York State, which will have significant impacts on coastal areas. Almost half of New York's state parks and historic sites, which are managed by the New York State Office of Parks, Recreation and Historic Preservation (OPRHP), are located in major coastal areas, including the Atlantic Ocean, Hudson River, Lake Erie, and Lake Ontario. As the effects of climate change become more pronounced in these areas, a selection of OPRHP’s infrastructure and natural, cultural, and historic resources will be at risk. To identify which of OPRHP’s facilities are at greatest risk of coastal storms and flooding, a multi-part GIS assessment was conducted, and an interactive tool was developed to make the results accessible to the agency. The assessment was based on three existing GIS-based Coastal Risk Area Models produced by the New York State Department of State (DOS), which utilized a variety of data including storm surge, sea level rise, and erosion, to identify coastal areas of extreme, high, and moderate risk. The first part of the assessment involved identifying the overlap of coastal risk areas in OPRHP facilities and subsequently ranking the facilities according to the anticipated coastal impacts. The second part of this assessment analyzed the existing natural and built assets within park facilities to determine locations of greatest risk for coastal biodiversity and priority infrastructure, respectively. This included the development of five new GIS models: Density of Key Built Assets, Density of Key Natural Assets, Built Assets at Risk, Natural Assets at Risk, and Natural & Built Assets at Risk. Finally, the assessment results were made available through online platforms so that the information can be used to support planning and prioritization of resilience efforts by OPRHP.
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 | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».