Assessing the Risk of Inundation in Thu Duc City using an Integrated 1D-2D Hydrodynamic Model with a Combination of Boundary Conditions Defined by Probability Analyses
Notice bibliographique
Résumé
Urban flooding has emerged as a significant issue in rapidly expanding cities like Thu Duc City, Vietnam, exacerbated by the dual pressures of urbanization and climate change. This study employs an integrated 1D-2D hydrodynamic model to assess flood risks and hazards, incorporating probabilistic analyses of rainfall and tidal levels. Simulations across varying recurrence intervals produce detailed flood hazard maps that identify vulnerable areas and quantify flood depths. Key findings indicate that central areas, including Thu Duc market and Tam Binh Ward, are highly prone to flooding, with depths exceeding 1.5 meters in severe scenarios. The flood hazard maps reveal consistent flooding patterns, with both flood depths and affected areas increasing over time. Economic assessments estimate average annual flood losses at 21,622 billion Vietnamese dong (VND), underscoring the substantial economic consequences of flooding in the region. This study uniquely integrates multi-factor boundary conditions, combining rainfall and tidal influences for a more comprehensive risk assessment than traditional single-factor approaches. The findings highlight the urgency of enhancing drainage infrastructure and implementing targeted flood management strategies, such as retention basins and improved urban planning. These results offer critical insights for urban planners and policymakers aiming to mitigate flood risks and enhance resilience in rapidly urbanizing areas.
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 | 0,002 | 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 | 0,001 |
| 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 ».