Hulevesitulvariskien alustava arviointi tulvamallinnuksen tuloksia hyödyntäen
Bibliographic record
Abstract
Tutkimuksen päätavoitteena oli tarkastella Turun kaupungin hulevesitulvariskejä ja laatia alustava hulevesitulvariskien arviointi hyödyntäen Suomen Ympäristökeskuksen (SYKE) alustavia hulevesitulvakarttoja. Alustava arviointi tehtiin tulvariskien hallinnasta annetun lain (620/2010) mukaisesti, jossa tavoitteena on löytää mahdolliset merkittävät tulvariskialueet. Arviointi on tarkoitus tehdä helposti saatavalla olevan tiedon avulla, joten uusia merkittäviä selvityksiä ei tätä työtä varten tehty. Hulevesitulvariskien alustava arviointi tulee tehdä kaikissa Suomen kunnissa vuoden 2018 loppuun mennessä. Kyseessä on arviointien toinen kierros, sillä arvioinnit tehtiin ensimmäisen kerran jo vuonna 2011. \n \nToisen kierroksen hulevesitulvariskien arviointeja varten SYKE laati pintavaluntamallilla alustavat hulevesitulvakartat kaikille Suomen kunnille. Kyseisiä hulevesitulvakarttoja ei ollut käytössä ensimmäisellä arviointikierroksella, joten tässä työssä läpileikkaavana teemana oli näiden alustavien alustavien hulevesitulvakarttojen hyödyntäminen tulvariskiarvioinnissa. Tutkimuksen monta erillistä työvaihetta tukivat toisiaan lopullisten tulosten osalta. Ensimmäiseksi työssä selvitettiin Turun seudun hulevesiongelmakohteita kyselyn avulla. Kyselyn perusteella Turun hulevesiongelmista tunnistettiin viisi alueellista ongelmakeskittymää. Näitä löydettyjä alueita hyödynnettiin työn toisessa vaiheessa, kun mahdollisia tulvariskialueita pyrittiin tunnistamaan paikkatietotarkastelun avulla kerättyjen aineistojen ja alustavien hulevesitulvakarttojen perusteella. Alustavien hulevesitulvakarttojen lähtötietoihin tehtiin korjauksia koskien kunnan hulevesiputkia ja rumpuja, ja korjausten aiheuttamia muutoksia pyrittiin arvioimaan pinta-alojen osalta sekä laskennallisilla että visuaalisilla menetelmillä. Korjausten aiheuttamat muutokset eivät olleet suuria, mutta tulivat esiin erityisesti syvän veden määrän lisääntymisen osalta. \n \nAnalyysin perusteella Turussa tunnistettiin kahdeksan mahdollista tulvariskialuetta. Niistä yksikään ei kuitenkaan ylittänyt nimettyjä merkittävyyden kriteereitä, joten alustavan arvioinnin perusteella Turussa ei ole yhtäkään merkittävää hulevesitulvariskialuetta. Kolmannessa työvaiheessa tutkittiin vielä alueita, joilla tulvariski olisi hyvä ottaa huomioon maankäytön suunnittelussa. Näitä alueita tunnistettiin Turussa analyysin perusteella 21.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.200 | 0.097 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".