GIS Derived Synthetic Rating Curves and HAND Model to Support On-The-Fly Flood Mapping
Notice bibliographique
Résumé
This thesis examines how synthetic rating curves (SRCs) might support the incorporation of the Height Above Nearest Drainage (HAND) model into an On-The-Fly flood mapping web-application with a Canada-wide service. To create SRCs across Canada, a custom ArcGIS Pro tool called the Canadian Estimator of Ratings Curves using HAND and Discharge (CERC-HAND-D) was developed and designed to work with publicly available data. Because SRC accuracy is sensitive to roughness coefficient (n) values, three methods (single, weighted, and minimum-median) of representing multiple surface roughness types were experimented with. The tool was tested with control data from gauge stations across Central and Eastern Canadian study sites to analyse the effects of river length, river gradient, and the n methods on tool performance. The results of these tests indicated that CERC-HAND-D produces SRCs with higher accuracy (NRMSE = 3.7% - 8.8%) in areas with river gradients above 0.002 m/m and river lengths under 5-km, while none of the n methods notably increased tool performance. An additional test on flood mapping accuracy using both CERC-HAND-D and the HAND model, through recreating the 2011 Richelieu flood in Quebec, resulted in high scores for classification evaluation (MCC = 0.776 - 0.877). Based on the findings of this thesis, both CERC-HAND-D and the HAND model were applied to the development of a prototype for an On-The-Fly flood mapping web application.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».