Flood-ABM: An agent-based model of differential flood effects on population groups and their decision-making processes
Notice bibliographique
Résumé
Flooding is a global concern with wide-ranging impacts on communities, infrastructure, and ecosystems. Its effects are often unevenly distributed, influenced by complex interactions between environmental and social systems. In this paper, we present an agent-based model (ABM) that links hydrological and social systems through a differentiating lens. Our ABM captures individual and collective behaviors across pre-flood, during-flood, and post-flood phases, while differentiating population groups through a socio-economic index to examine how disparities in resources and vulnerability influence decisions related to preparedness, evacuation, coping, and adaptation. Our model innovatively integrates four decision-making theories—Protection Motivation Theory, the Theory of Planned Behavior, Cultural Risk Theory, and Social Capital Theory—in a complex framework that reflects diverse individuals strategies during floods. We find that agents facing intense flood threats respond rapidly with emergency measures—such as swift evacuations and immediate protective actions—even when constrained by resource limitations. In contrast, agents in less critical scenarios exhibit more measured responses, engaging in thorough pre-event planning and gradual evacuations that facilitate smoother adaptations post-flood. Economic impacts quantified by the model demonstrate that widespread business closures significantly reduce earnings, while increased spending on healthcare and evacuation drives up overall costs. During peak flooding, shelter agents suffer wealth declines due to the high costs of providing emergency services, and healthcare agent resources are strained by surging demand as health deteriorates among affected populations. Our results indicate that increased shelter capacity, expedited rescue responses, and enhanced healthcare provision collectively promote post-flood economic stabilization by reducing stranded individuals and mitigating peak-phase financial losses. • Differentiated groups by socio-economic index to model flood responses. • Combined four decision-making theories to model complex behaviors. • Simulated individual/group decisions across flood phases (pre/during/post). • Measured social, economic, and infrastructure impacts using spatial data.
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 | 0,000 | 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 ».