Thame Valley Glacial Lake Outburst Flood 2024: Causes, impacts and future risks
Notice bibliographique
Résumé
The Thame Valley Nepal GLOF on August 16, 2024, caused widespread destruction—damaging homes, schools, health facilities, and bridges, displacing 135 people, and destabilising the valley further. In response, Nepal’s National Disaster Risk Reduction and Management Authority (NDRRMA), in collaboration with ICIMOD, conducted a field investigation to examine the causes, assess damage, and identify future risks. This study aims to inform effective disaster management and mitigation strategies for reducing the long-term threats posed by GLOFs in the HKH region. The Thame Village disaster was triggered by the successive breaching of two glacial lakes, Upper and Lower Ngole Cho, located about 10 km upstream. A rock avalanche into Upper Ngole Cho caused a displacement wave that eroded its moraine dam, which then triggered the failure of Lower Ngole Cho. The breach at Lower Ngole Cho eroded up to 22 m in height and 51 m in width of its end moraine, generating a powerful GLOF that devastated Thame and surrounding areas. The flood evolved into a hyper-concentrated flow, carrying debris over 80 km along the Thame and Dudh Koshi rivers. Temporary ponding and repeated breaches intensified erosion, leading to massive destruction of farmland, hotels, schools, and hydropower facilities in Thame. Sediment deposition, severe erosion, land subsidence, and tension cracks further destabilised the village. Risk assessment shows Upper Ngole Cho remains highly vulnerable to future avalanches and overflows, while Rindhi Cho is classified as high risk due to unstable ice-dammed conditions, and Homey Cho as moderate risk requiring detailed investigation. Recommendations Immediate measures: Fill and protect tension cracks, stabilise riverbanks, and channelise river flow using berms, spurs, and check dams upstream of the village. Monitoring: Install hydrological and meteorological stations to support real-time flood risk assessment and early warning systems. Risk mitigation: Use high-resolution satellite imagery to track sediment changes; implement robust riverbank protection and erosion control. Long-term planning: Develop a comprehensive flood risk mitigation plan integrating structural measures (levees, embankments) with non-structural approaches (community preparedness, emergency response). Infrastructure resilience: Use ultra-high-resolution survey data to guide hydropower design and land-use planning, ensuring sustainable development and reduced exposure to hazards. The event underscores the extreme vulnerability of Thame Valley to GLOFs and the urgent need for integrated, long-term disaster risk management.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».