Climate change and flood susceptibility in Bocas del Toro, Panama: A multi-criteria spatial analysis approach
Notice bibliographique
Résumé
Though Bocas del Toro province lies in the Panamanian Caribbean region regarded as "ground zero" in the global climate emergency, responses to frequent inland flooding remain reactive due to the lack of a comprehensive flood hazard map. This study integrated publicly available spatial data with elicitation from regionally-specific subject matter experts to map present and future flood prone zones in the province using the Analytical Hierarchy Process (AHP) and Weighted Sum tool, based on the shared socioeconomic pathways (SSP). Rainfall and temperature data were analyzed to predict future flood related extreme events. Eight flood-conditioning factors (elevation, slope, topographic wetness index, drainage density, distance from rivers, flow accumulation, Normalize Different Vegetation Index, and land cover) were integrated with extreme historic and projected rainfall using AHP-derived weights to derive the maps. To assess flood-zone sensitivity, rainfall weight was reduced by 5 % and sequentially reallocated to the other factors. Meteorological data collected locally showed no significant temporal trend in extreme rainfall and heat as projected. Flood susceptibility maps, validated with an AUC of 0.98, revealed that Changuinola has the highest proportion of current (30.38 %) and projected flood-prone areas under SSP2-4.5 (35.06 %) and SSP5-8.5 (30.76 %), while Almirante was projected to experience the greatest spatial expansion under both scenarios. While flood-prone zones in Almirante and Changuinola were most sensitive to distance from rivers and flow accumulation respectively, those of Bocas del Toro and Chiriquí Grande were most sensitive to elevation. The study recommends proactive mitigation through controlled development near waterways, elevation-informed land use planning, and preservation of natural vegetation. Future research should assess the impact of land use change on predicted flood zones or map areas susceptible to marine-driven flooding not covered in this study.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| 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 ».