Ice jam modelling and field data collection for flood forecasting in the Saint John River, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Ice jams cause major flooding and severe damages to communities and infrastructure along the Saint John River. There is a growing need to develop capability in forecasting and analysing ice‐jam‐related flood events. This capability is also essential in anticipating the potential for increased ice jam damages as a result of a changing climate. The well‐known and user‐friendly Hydrologic Engineering Centre's River Analysis System (HEC‐RAS) model, which can simulate ice jam configuration under steady‐state conditions, has been calibrated for operational application along the international Saint John River from Dickey, Maine, USA, to Grand Falls, New Brunswick. Examples of model results are presented, and the modelling experience gained to date is outlined. Surprisingly, model output begins to deteriorate when the spacing of cross sections is less than a site‐specific threshold. Once calibrated, the model generates good results, but model parameters change from site to site. Inconsistencies relative to current ice jam understanding and potential improvements are identified. A dangerous consequence of jamming is the sharp wave (jave for short) that is generated upon ice jam release. At present, dynamic aspects of breakup can best be assessed by measurement. Specially designed portable loggers were deployed in 2009 to capture various javes as well as the spring flood that typically arrives after ice clearance. The results enabled a comprehensive comparison between the characteristics of javes and runoff waves, whereas the runoff data were also used to test the unsteady flow routine of HEC‐RAS, which can be used to develop forecasts for runoff floods. Copyright © 2012 Her Majesty the Queen in right of Canada. Published by John Wiley & Sons, Ltd.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle