Regional, physics-based mapping of coastal seawater intrusion vulnerability
Notice bibliographique
Résumé
Coastal communities are often reliant on fresh groundwater resources, but coastal aquifers are increasingly vulnerable to lateral saltwater intrusion (SWI) due to climate change impacts such as rising seas. Mapping SWI vulnerability to identify coastlines is challenging, particularly at large spatial scales given the limited subsurface data and associated difficulties with characterizing subsurface conditions. Empirical, parametric approaches are commonly applied for SWI vulnerability mapping at local to regional scales, as these methods rely on parameters that are easily extracted from geospatial datasets. Analytical solutions can more robustly quantify SWI vulnerability as they are grounded in physics and do not rely on arbitrary parameter weighting. This study advances established analytical methods, typically used in more local contexts, to map SWI vulnerability at much larger scales by using a new combined analytical-geospatial framework. We develop a novel ArcGIS toolbox to automate the extraction/calculation of hydrogeological parameters from public datasets to apply an analytical solution that maps SWI vulnerability along the 13,300 km coastline of Nova Scotia (NS), Canada. Northern NS will experience the highest SLR (1.1 m by year 2100), but the southern coast was identified as the ‘hot spot’ most vulnerable to SLR-induced SWI (e.g., 80 % of gridded points in Shelburne County). Overall, the results illustrate the utility of these approaches for first-order mapping of relative vulnerability. Outputs from such analyses can be used to prioritize areas for more detailed hydrogeological assessments and to communicate risks
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».