A lesson in preparedness: Assessing the effectiveness of low-cost post-wildfire flood protection measures for the catastrophic flood in Kineta, Greece
Notice bibliographique
Résumé
Abstract. Climate change–driven wildfires, especially in the Mediterranean, are not only becoming more frequent and severe but also amplifying flood risks by altering catchment hydrology. Yet, post-fire flood risk management remains inadequately addressed. In response, we develop an integrated simulation framework that combines meteorological, hydrological, hydraulic-hydrodynamic models and remote sensing techniques to represent post-wildfire flood hazards and support the design of Post-wildfire Flood Protection Treatments (PFPTs). We utilize the framework to accurately represent a post-wildfire flash flood event in a Mediterranean catchment in Greece. The flood event is simulated under three scenarios: pre-wildfire, post-wildfire without any PFPTs in place (reality), and post-wildfire with PFPTs. The results show that the wildfire's impact on flood extent was around a 24.1 % increase, but the PFPTs could have counterbalanced this impact. Moreover, we present an economic model for estimating the cost of the recommended PFPTs and the flood damage direct costs, combining an accounting and a semi-automated AI-based approach. The cost comparison reveals that the protection would have cost around € 3.45 mill (just the 13.7 % of the flood damage costs, € 25.2 mill) potentially saving € 6.37 mill in flood damage. By filling critical knowledge gaps, our study offers insights into the dynamics of post-wildfire flood events and provides policymakers with valuable insights for timely risk mitigation amidst escalating fire-related disasters.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».