Fugu-MT 論文翻訳(概要): Flood Risk Assessment of the National Harbor at Maryland, United States

論文の概要: Flood Risk Assessment of the National Harbor at Maryland, United States

arxiv url: http://arxiv.org/abs/2411.11014v1
Date: Sun, 17 Nov 2024 09:33:15 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-19 14:34:10.315957
Title: Flood Risk Assessment of the National Harbor at Maryland, United States
Title（参考訳）: 米国メリーランドにおける国立港の洪水リスク評価
Authors: Neftalem Negussie, Addis Yesserie, Chinchu Harris, Abou Keita, Huthaifa I. Ashqar,
Abstract要約: 海岸沿いの住宅地の増加や気候変動により、都市部では洪水が増している。研究エリアには、国立ハーバー、MD、およびワシントン砦の周辺地域が含まれる。
参考スコア（独自算出の注目度）: 1.038088229789127
License:
Abstract: Over the past few decades, floods have become one of the costliest natural hazards and losses have sharply escalated. Floods are an increasing problem in urban areas due to increased residential settlement along the coastline and climate change is a contributing factor to this increased frequency. In order to analyze flood risk, a model is proposed to identify the factors associated with increased flooding at a local scale. The study area includes National Harbor, MD, and the surrounding area of Fort Washington. The objective is to assess flood risk due to an increase in sea level rise for the study area of interest. The study demonstrated that coastal flood risk increased with sea level rise even though the predicted level of impact is fairly insignificant for the study area. The level of impact from increased flooding is highly dependent on the location of the properties and other topographic information.
Abstract（参考訳）: 過去数十年間、洪水は最もコストのかかる自然災害の1つとなり、損失は激増した。海岸沿いの居住地の増加や気候変動が、この頻度の増加に寄与する要因であるため、都市部では洪水が増大している。洪水リスクを解析するために,局所的な規模で洪水の増加に関連する要因を同定するモデルを提案する。研究エリアには、国立ハーバー、MD、およびワシントン砦の周辺地域が含まれる。研究分野の海面上昇による洪水リスクの評価が目的である。本研究は,海面上昇に伴って沿岸の洪水リスクが上昇することが示唆された。洪水の増加による影響のレベルは、その場所や他の地形情報に大きく依存している。

関連論文リスト

2022 Flood Impact in Pakistan: Remote Sensing Assessment of Agricultural and Urban Damage [2.9568088816062197]
パキスタンは2022年6月に世界最多の洪水に見舞われ、農業とインフラの被害を受けた。本研究は, 洪水が作物や集積地に与える影響を評価することを目的としている。
論文参考訳（メタデータ） (2024-09-21T07:09:11Z)
OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文参考訳（メタデータ） (2024-05-12T09:32:40Z)
Unsupervised Graph Deep Learning Reveals Emergent Flood Risk Profile of Urban Areas [4.295013129588405]
本研究では,新しい教師なしグラフ深層学習モデル(FloodRisk-Net)に基づく都市洪水リスク評価モデルを提案する。洪水リスクは各大都市圏統計地域(MSA)の階層構造において空間的に分布しており、中核都市が最も高い洪水リスクを負っている。複数の都市は、総合的な洪水リスクレベルが高く、空間的不平等が低く、都市開発と洪水リスク低減のバランスをとる選択肢が限られていることが示されている。
論文参考訳（メタデータ） (2023-09-26T01:40:36Z)
Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
論文参考訳（メタデータ） (2023-07-29T22:49:50Z)
An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文参考訳（メタデータ） (2023-02-20T16:08:54Z)
Transformer-based Flood Scene Segmentation for Developing Countries [1.7499351967216341]
洪水は大規模な自然災害であり、しばしば大量の死者、大規模な材料被害、経済的混乱を引き起こす。早期警戒システム(EWS)は洪水を予測するための水位やその他の要因を常に評価し、被害を最小限に抑える。 FloodTransformerは、災害現場の空中画像から浸水した領域を検出し、セグメンテーションする最初のビジュアルトランスフォーマーベースのモデルである。
論文参考訳（メタデータ） (2022-10-09T10:29:41Z)
Predicting Road Flooding Risk with Machine Learning Approaches Using Crowdsourced Reports and Fine-grained Traffic Data [1.0554048699217669]
本研究の目的は,機械学習モデルを用いて地形,水文,時間的降水特性に基づいて,道路浸水リスクを予測することである。ハリケーン・ハービーの発見は、降水が道路の浸水感受性を予測する上で最も重要な特徴であることを示している。本研究は,道路レベルでの予測的洪水リスクマッピングの観点から,スマートフラッドレジリエンスの新たな分野を推し進めるものである。
論文参考訳（メタデータ） (2021-08-30T14:25:58Z)
SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文参考訳（メタデータ） (2021-06-24T17:29:42Z)
From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文参考訳（メタデータ） (2021-03-14T17:56:17Z)
Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文参考訳（メタデータ） (2020-10-16T02:15:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。