MétaCan
Menu
Retour à la cohorte
Enregistrement W4412954424 · doi:10.1515/geo-2025-0856

Spatio-temporal analysis of flood events using GIS and remote sensing-based approach in the Ukrina River Basin, Bosnia and Herzegovina

2025· article· en· W4412954424 sur OpenAlexaff
Luka Sablјić, Tin Lukić, Davorin Bajić, Slobodan B. Marković, Velibor Spalevıć, Vladimir M. Cvetković, Dragica Delić, Dragutin Adžić, Bojana Aleksova, Ivica Milevski, Gordana Petković Srzentić

Notice bibliographique

RevueOpen Geosciences · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensInternational Institute for Sustainable Development
Organismes subventionnairesnon disponible
Mots-clésFlood mythStructural basinRemote sensingDrainage basinGeographyGeologyHydrology (agriculture)Water resource managementCartographyEnvironmental scienceArchaeologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract The subject of this research is the analysis of flood dynamics in the Ukrina River Basin, Bosnia and Herzegovina, using a remote sensing-based approach and geographic information systems during the period 2016–2019. The aim is to identify the spatial and temporal patterns of floods by integrating satellite-derived precipitation data, hydrological data, and Sentinel-1 imagery processed through Google Earth Engine. The methodology included the use of CHIRPS precipitation data and the Standardized Precipitation Index (SPI) for identifying meteorological anomalies, while Sentinel-1 SAR data were used to map flood extent based on radar backscatter change detection. The approach combined temporal analysis with spatial overlays of land use and administrative boundaries to assess affected areas. Flood events were identified in January 2016 (89.98 ha), March 2017 (179.85 ha), March 2018 (58.81 ha), and May 2019 (195.38 ha), coinciding with periods of above-average precipitation (>125%), positive SPI values, and elevated water levels. The spatial analysis of flooded areas, overlaid with land use data, revealed that agricultural land was the most affected category, with 79.21 ha flooded in 2016, 169.15 ha in 2017, 48.89 ha in 2018, and 184.90 ha in 2019. Built-up areas were also significantly impacted, posing risks to infrastructure and economic stability. The cities and municipalities of Derventa, Prnjavor, and Stanari were most frequently affected by floods during the study period. The findings highlight the role of cumulative precipitation and hydrological conditions in triggering flood events and provide insights for flood risk management, including adaptive strategies, early warning, and sustainable land use planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,281
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen GeosciencesMême sujetFlood Risk Assessment and ManagementTravaux en français237 207