Practical Issues in Floodplain Mapping Over Large Regions
Notice bibliographique
Résumé
Flooding events are among the costliest and most frequent natural hazards occurring in Canada. Floodplain mapping is a non-structural flood management strategy that involves the formulation of hydrologic and hydraulic models to produce maps which predict extent and depth of floods. Practices and availability of floodplain mapping vary across Canada. The current state of floodplain mapping across Canada has been identified and reviewed. Vast areas of flood prone regions across Canada have been identified as not having floodplain maps or lacking updated ones. Large region floodplain maps have been recently introduced and can cover national and global regions. Limitations of spatial resolution exist in large region mapping efforts, which hinder their implementation for local scale floodplain management practices. A recent study at Western University produced a national floodplain map with a spatial resolution of 1 km x 1 km. This national floodplain map is highly accurate; however, spatial resolution needs to be improved to be implemented within local scale floodplain studies. The study presented in this thesis developed a downscaling methodology to further improve spatial resolution of the floodplain map. The downscaling methodology was implemented to produce floodplain maps at spatial resolutions of 20m, 40m, 60m, 80m, 100m, 200m, 300m, and 400m for two case study river basins: Bow and Elbow River Basin and St John River Basin. Analysis of the floodplain maps was completed, followed by volume conservation and computational time studies to assess the accuracy of the proposed downscaling methodology and to compare the sensitivity of the downscaling methodology.
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 | 0,014 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».