論文の概要: A population-level assessment framework for flood-related wellbeing from public discourse in Ireland
- arxiv url: http://arxiv.org/abs/2610.03334v1
- Date: Fri, 02 Oct 2026 14:06:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.411686
- Title: A population-level assessment framework for flood-related wellbeing from public discourse in Ireland
- Title（参考訳）: アイルランドにおける公共談話からの洪水関連福祉のための住民レベル評価枠組み
- Abstract要約: アイルランドの北大西洋東部における位置は、湿潤な湿地やしばしば低気圧システムに露出している。
気候変動は豪雨と複合洪水のリスクを増している。
本稿では,公共の談話から洪水に伴う幸福度を評価するための枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.2578242050187029
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: \ textbf{Background.} Ireland's position on the eastern North Atlantic exposes it to moisture-laden westerlies and frequent low-pressure systems, generating abundant precipitation and substantial pluvial and fluvial flood risk. Climate change is intensifying heavy rainfall and compound flood risk, with consequences extending beyond physical damage and conventional economic indicators. \ textbf{Method.} We present a framework for assessing flood-related wellbeing from unobtrusive public discourse over time. The framework develops an assessment instrument comprising three complementary constructs: \emph{distress}, \emph{functional disruption}, and \emph{institutional alienation}, capturing flood-related impacts on affective appraisal, daily functioning, and social and institutional connectedness. To enable population-scale analysis of complex cognitive and psychological responses, we develop a dedicated flood-related wellbeing reasoning model (\textsc{Wellbeing-Former}) that reads evidence of flood-related wellbeing, assigns evidence-grounded scores, and produces transparent rationales. \textbf{Data, Results \& Implications.} Using the research platform \textsc{MCL} (Meta Content Library), we construct a flood-related discourse dataset by querying posts from Ireland containing the terms \emph{flood}, \emph{rain}, and \emph{storm}. The resulting dataset comprises approximately \textbf{$224{,}000$} posts produced between 2012 and 2016. We apply the resulting \textsc{Wellbeing-Former} to this dataset to conduct a population-level analysis. This approach provides temporally sensitive evidence of experienced and anticipated flood impacts, complements survey-based assessment, and supports a multidimensional understanding of wellbeing under climate-related hazards for policy development, adaptation planning, public communication, and decision-making.
- Abstract（参考訳）: textbf{Background。
アイルランドの北大西洋東部における位置は湿潤な湿地や、しばしば低気圧のシステムに露出し、豊富な降水量と水生・水生の洪水リスクを生じさせる。
気候変動は激しい降雨と複合的な洪水のリスクを増し、その結果は身体的被害や従来の経済指標を超えて拡大している。
textbf{Method。
以上の結果から,洪水に伴う幸福度を評価するための枠組みを提示する。
本フレームワークは,3つの相補的構成,すなわち,感情評価,日常機能,社会的・制度的結合性に対する洪水関連の影響を捉えた評価器を開発する。
複雑な認知・心理反応の集団的分析を可能にするため,洪水関連ウェルビーイングの証拠を読み出し,根拠に基づくスコアを割り当て,透明な合理性を生み出す専用洪水関連ウェルビーイング推論モデル(\textsc{Wellbeing-Former})を開発した。
\textbf{Data, Results \&Impplications. 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ 関連スポンサーコンテンツ
The research platform \textsc{MCL} (Meta Content Library), we constructed a flood-related discourse dataset by querying post with the Ireland including terms \emph{flood}, \emph{rain}, \emph{storm}。
得られたデータセットは、2012年から2016年の間に生成された約224{,}000$}の投稿からなる。
このデータセットに結果の \textsc{Wellbeing-Former} を適用し、集団レベルの分析を行う。
このアプローチは、経験豊富な、予想される洪水の影響の時間的に敏感な証拠を提供し、調査に基づく評価を補完し、政策開発、適応計画、公共コミュニケーション、意思決定に対する気候関連の危険の下での幸福の多次元的理解を支援する。
関連論文リスト
- Obshazard-bench: Benchmarking Multimodal Foundation Models for Real-Time Disaster Intelligence from Raw Earth Observation Streams [39.38860715583627]
本稿では,MLLMにおける災害情報評価のためのリアルタイム観測駆動ベンチマークであるObshazard-benchを紹介する。
Obshazard-benchは、様々な衛星センサーからの生の高周波衛星音ストリームを直接統合し、同時に地上局の観測を行う。
このベンチマークは、60カ国以上で8つの主要な災害カテゴリーと28のサブカテゴリをカバーする。
論文 参考訳（メタデータ） (2026-06-24T07:51:49Z) - CrisiSense-RAG: Crisis Sensing Multimodal Retrieval-Augmented Generation for Rapid Disaster Impact Assessment [9.56546113027439]
CrisiSense-RAGは災害影響評価のためのマルチモーダル検索拡張生成フレームワークである。
システムは、テキストソースとCLIPベースの空中画像検索にハイブリッド密度スパース検索を利用する。
207のZIPコードクエリでHurricane Harveyの評価を行った。
論文 参考訳（メタデータ） (2026-01-30T02:37:38Z) - Automated urban waterlogging assessment and early warning through a mixture of foundation models [17.44149264525115]
都市防水は、世界の公共の安全とインフラにますます深刻な脅威をもたらす。
既存のモニタリングアプローチは手動によるレポートに大きく依存しており、タイムリーで包括的な評価を提供していない。
本稿では, 監視画像中の透かし領域を自動的に識別し, 構造化された評価レポートを生成する基盤モデル駆動型フレームワークであるUWAssessを提案する。
論文 参考訳（メタデータ） (2025-10-21T08:59:30Z) - Evaluating Pavement Deterioration Rates Due to Flooding Events Using Explainable AI [1.269327994479157]
本研究は,国際粗度指数(IRI)による舗装粗さ測定を中心に,洪水が舗装劣化に与える影響について検討する。
これらの効果を定量化するために,TxDOTのPMISデータベースから20年間の舗装条件データを利用した。
その結果, 浸水の影響を受けない舗装は, 非流動部に比べて急激な粗さの増加が見られた。
論文 参考訳（メタデータ） (2025-06-28T04:13:53Z) - SF$^2$Bench: Evaluating Data-Driven Models for Compound Flood Forecasting in South Florida [11.26332965817989]
世界の気候が洪水のリスクを増大させるにつれて、複合洪水の分析がますます重要になっている。
水理工学センターのリバー分析システムのような伝統的な物理学に基づく手法は、しばしば時間的非効率である。
機械学習は最近、モデリング精度と計算効率の両方において有望であることを示した。
論文 参考訳（メタデータ） (2025-06-04T04:45:33Z) - Off to new Shores: A Dataset & Benchmark for (near-)coastal Flood Inundation Forecasting [7.4807361562214405]
洪水は最も一般的で破壊的な自然災害の一つである。
近年の気象予知と宇宙からの洪水のマッピングは、極端な出来事を予想できる可能性を示した。
洪水範囲の直接予測を可能にするデータセットとベンチマークが欠如している。
論文 参考訳（メタデータ） (2024-09-27T09:51:25Z) - SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。
本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
論文 参考訳（メタデータ） (2024-09-25T16:50:59Z) - Using Multi-Temporal Sentinel-1 and Sentinel-2 data for water bodies
mapping [40.996860106131244]
気候変動は極端な気象現象を激化させ、水不足と激しい降雨の予測不可能の両方を引き起こしている。
本研究の目的は,多様な気象条件下での総合的な水資源モニタリングに有用な知見を提供することである。
論文 参考訳（メタデータ） (2024-01-05T18:11:08Z) - Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。
純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。
我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
論文 参考訳（メタデータ） (2021-04-10T15:00:15Z) - RainNet: A Large-Scale Dataset for Spatial Precipitation Downscaling [34.643909161864855]
我々は、最初のREAL(非シミュレーション)大規模空間降水ダウンスケーリングデータセット、RainNetを紹介します。
このデータセットは17年間、62,424対の低解像度と高解像度の降水マップを含んでいる。
シミュレーションデータとは対照的に、実際のデータセットは様々な種類の気象現象をカバーしている。
論文 参考訳（メタデータ） (2020-12-17T16:12:17Z) - Street to Cloud: Improving Flood Maps With Crowdsourcing and Semantic
Segmentation [31.204782936478487]
Street to Cloudは、クラウドソーシングされた地上真実データを洪水の衛星画像のセグメンテーションに組み込むための機械学習パイプラインである。
本稿では,高品質の手書きトレーニングデータを生成する作業集約型タスクの解決策として,このアプローチを提案する。
論文 参考訳（メタデータ） (2020-11-05T16:36:58Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。