Comprehensive risk management of hydrometeorological disaster: A participatory approach in the metropolitan area of Puerto Vallarta, Mexico

Bello, Ana Cecilia Travieso; Martínez, Óscar Frausto; Aguilar, M.; Hernández, Julio César Morales

doi:10.1016/j.ijdrr.2023.103578

Cited by 3 publications

(3 citation statements)

References 29 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bencana ini merupakan hasil dari interaksi kompleks antara faktor-faktor meteorologi (yang berkaitan dengan cuaca) dan hidrologi (yang berkaitan dengan air). Bencana hidrometeorologi mencakup sejumlah peristiwa ekstrem, seperti banjir, tanah longsor, topan, gelombang panas, kekeringan, dan masih banyak lagi [4]- [8]. Setiap tahun, bencana-bencana ini menyebabkan kerusakan yang meluas, kerugian ekonomi yang besar, serta dampak serius pada kesejahteraan manusia dan lingkungan.…”

Section: Pendahuluanunclassified

Bibliometric Study : Rainfall Classification - Prediction using Machine Learning Methods

Riza,

Nuryadi

2023

Digitalzone

View full text Add to dashboard Cite

This Research aims to review the machine learning methods used for classifying or predicting rainfall, using various features from existing data. The study used a bibliometric approach to search for metadata related to rainfall classification and prediction studies using machine learning keywords in Scopus journals. There found 94 metadata articles stored in a Comma Separated Values (CSV) file. The data in this article used published articles from 2014 to 2023 with relevant topics. The study provides information on the latest machine learning methods used for classifying or predicting rainfall. The findings of the study include an increase in published articles by 221.43% from 2018 to 2022. The article titled "An extensive evaluation of seven machine learning methods for rainfall prediction in weather derivatives" by Cramer S., Kampouridis M, Freitas A.A, and Alexandridis A.K received the highest citation count of 129. The study also classified 15 keywords into 3 clusters, with common and fewer keywords. India emerged as the country with the most publications on classifying or predictiong rainfall, and the subject areas of computer science and engineering dominated the distribution of articles. Developing the use of deep learning methods and adding feature extraction algorithms in selecting features used to model data can improve the efficiency and accuracy of the rainfall classification - prediction process. The development of research data using radar images with the type of image processing research can also be maximised for research related to classification - prediction of rainfall using machine learning methods.

show abstract

Section: Pendahuluanunclassified

Bibliometric Study : Rainfall Classification - Prediction using Machine Learning Methods

Riza,

Nuryadi

2023

Digitalzone

View full text Add to dashboard Cite

show abstract

“…La vulnerabilidad inicia y se acumula en las comunidades, incrementándose continuamente en el tiempo y está directamente relacionada con su nivel de desarrollo social y económico (Cardona, 2010). La vulnerabilidad está íntimamente relacionada con la pobreza y marginación de cierto grupo de personas, siendo un factor determinante para una mayor vulnerabilidad; hay varios indicadores que lo caracterizan como viviendas sin acceso a servicios básicos, dependencia social, bajo nivel de educación, hogares numerosos (Roncancio et al, 2020), bajos ingresos, género, etnicidad, edad (Fekete & Rufat, 2023;Apotsos, 2019); es así que se habla de una construcción social de la vulnerabilidad (Travieso et al, 2023) con procesos económicos, sociales, políticos e históricos particulares (Cutter, 2009).…”

Section: Introductionunclassified

“…Para una efectiva reducción del riesgo, se deben identificar, comprender y analizar las características socioeconómicas de la población que incrementan su vulnerabilidad, conocer cómo estos sistemas están preparados para anticipar, responder y recuperarse del impacto negativo, (Assis Dias et al, 2020;Kashyap & Mahanta, 2021), es decir enfocarse en la vulnerabilidad más que en el peligro como un agente generador de riesgo (Travieso et al, 2023), teniendo en consideración que a mediano y largo plazo resulta más efectivo invertir en la mitigación del riesgo.…”

Section: Introductionunclassified

Regiones Altoandinas y su vulnerabilidad socioeconómica: caso zona urbana de Puno

Zevallos

2023

Rev. Investig. Altoandin.

View full text Add to dashboard Cite

En los últimos tiempos se han incrementado los riesgos de desastres causados por eventos naturales a consecuencia del cambio climático. La magnitud de un desastre a consecuencia del impacto de un peligro natural sobre un sistema humano depende no solo del tipo e intensidad del peligro, depende también de las condiciones socioeconómicas de la comunidad. El objetivo de esta investigación fue determinar el nivel de vulnerabilidad socioeconómica a los desastres naturales en la zona urbana de la ciudad de Puno, región altoandina del sur del Perú. Esto se logró mediante el uso de la técnica del Proceso Analítico Jerárquico (AHP) en combinación con los sistemas de información geográfica (SIG). Se realizó un cuestionario semiestructurado a una muestra aleatoria de 256 personas. Se recopiló datos de vulnerabilidad a cinco tipos distintos de peligros a los cuales está expuesto la población: inundaciones, erosión, caída de rocas, deslizamientos y suelos inestables. Se trabajó con catorce indicadores en las dimensiones de exposición, fragilidad y resiliencia. Como resultado se obtiene un mapa de vulnerabilidad socioeconómica, mostrando niveles de vulnerabilidad correspondiente a una alta y muy alta vulnerabilidad de las zonas periféricas de la zona de estudio. Los hallazgos de esta investigación serán útiles para que los encargados de la formulación de políticas en gestión de riesgo de desastres tomen decisiones informadas para reducir la vulnerabilidad e incrementar de la resiliencia de la población altoandina de Puno.

show abstract

The resilience of the construction supply chain to urban flooding

Xu,

Du,

Proverbs

2024

IJBPA

View full text Add to dashboard Cite

PurposeThis study aims to determine the key indicators affecting the resilience of the construction supply chain to flooding and calculate the resilience of the urban construction supply chain in three cases city.Design/methodology/approachThis study combines expert opinions and literature review to determine key indicators and establish a fuzzy EWM-GRA-TOPSIS evaluation model. The index weight was calculated using the entropy weight method, and GRA-TOPSIS was used for comprehensive evaluation.FindingsThe results of the study show that the three cities are ranked from the high to low in order of Hangzhou, Hefei and Zhengzhou.Originality/valueThe innovative method adopted in this study comprising EWM-GRA-TOPSIS reduced the influence of subjectivity, fully extracted and utilized data, in a way that respects objective reality. Further, this approach enabled the absolute and relative level of urban construction supply chain resilience to be identified, allowing improvements in the comprehensiveness of decision-making. The method is relatively simple, reasonable, understandable, and computationally efficient. Within the approach, the entropy weight method was used to assign different index weights, and the GRA-TOPSIS was used to rank the resilience of the construction supply chain in three urban cities. The development of resilience provides a robust decision-making basis and theoretical reference, further enriching research methods, and having strong practical value. The study serves to improve risk awareness and resilience, which in turn helps to reduce losses. It also provides enhanced awareness regarding the future enhancement of supply chain resilience for urban construction.

show abstract

Comprehensive risk management of hydrometeorological disaster: A participatory approach in the metropolitan area of Puerto Vallarta, Mexico

Cited by 3 publications

References 29 publications

Bibliometric Study : Rainfall Classification - Prediction using Machine Learning Methods

Bibliometric Study : Rainfall Classification - Prediction using Machine Learning Methods

Regiones Altoandinas y su vulnerabilidad socioeconómica: caso zona urbana de Puno

The resilience of the construction supply chain to urban flooding

Contact Info

Product

Resources

About