MétaCan
Menu
Retour à la cohorte
Enregistrement W4412882804 · doi:10.5539/esr.v14n1p34

Flood Inundation Modeling of the Gulin River Using HEC-RAS

2025· article· en· W4412882804 sur OpenAlexvenueno aff
Yan Luo, Zhipeng Lin, Xingnian Liu

Notice bibliographique

RevueEarth Science Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesSichuan UniversityChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésFlood mythHydrology (agriculture)Environmental scienceWater resource managementGeologyGeographyGeotechnical engineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

Residents in hilly areas often select sites for housing on floodplains, riverbanks, and similar locations, which makes them highly vulnerable to casualties and property damage during flood events. Flood inundation analysis for mountainous rivers can provide critical data for urban flood prevention and disaster mitigation. This study takes the mountainous Gulin River as a case study, employing the hydrological analogy method and the inference formula method to calculate design peak discharges for recurrence intervals of 2, 5, 10, 20, and 50 years. Comparative analysis demonstrated that the hydrological analogy method yields results that are more representative of the design peak discharges across various river segments. Utilizing the derived design flood data and measured DEM data, a hydrodynamic model was developed using HEC-RAS for the Jinlan and Yongle reaches of Gulin River. The model computed key hydraulic parameters, including the inundation elevation and flow velocity under different recurrence intervals. The flood inundation extents were subsequently delineated using ArcGIS. The simulation results indicate that: (1) the study reaches begin to experience bank inundation under the 10-year flood scenario; (2) the maximum inundation depths for Jinlan reach reach 6.74 m, 7.81 m, and 8.92 m for 10-, 20-, and 50-year floods respectively; (3) the Yongle reach exhibits more severe flooding with maximum depths of 9.63 m, 11.45 m, and 16.77 m for the corresponding scenarios. The inundation depth in residential areas ranges from 0 to 2 m, with Xinhe Village and Yongle Town being the most severely affected; and (4) Building upon the one-dimensional model, two-dimensional hydrodynamic modeling was conducted for the river bend near Xinhe Village and the river reach near Yongle Town. The results indicate that particular attention should be given to floodplain inundation on the inner side of the bend at Xinhe Village, where flow deceleration may lead to extensive overbank flooding. In Yongle Town, riverside buildings and infrastructure are exposed to significant inundation risks under medium- to high-return period flood events. To mitigate these risks, structural flood protection measures such as levee construction along the riverbanks are recommended.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,299
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,397
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth Science ResearchMême sujetFlood Risk Assessment and ManagementTravaux en français237 207