MétaCan
Menu
Retour à la cohorte
Enregistrement W1531243216 · doi:10.7202/705329ar

L'hydrologie urbaine: nouvelles problématiques, nouvelles approches de solutions

2005· article· fr· W1531243216 sur OpenAlexaboutno aff
Joanne Cyr, Cosette Marcoux, J.-C. Deutsch, Pierrette . Auteur du texte Lavallée

Notice bibliographique

RevueRevue des sciences de l eau · 2005
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesForestryGeographyPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

La pratique de l'hydrologie, appliquée au milieu urbain, a beaucoup évolué depuis les années 1960. De nouveaux outils scientifiques, méthodologiques et technologiques ont été mis au point. En ce qui concerne les eaux pluviales urbaines, un changement de philosophie complet s'est produit. Aujourd'hui, des développements rapides continuent à se produire pour faire face de la meilleure manière possible aux graves problèmes qui se posent en zone urbaine : inondation et pollution du milieu naturel. Deux approches récentes illustrent ces développements : la gestion des risques et l'approche globale sur le bassin versant. Une évaluation de plus en plus précise de l'aléa et de la vulnérabilité s'avère nécessaire ainsi qu'une planification hydrologique bassin versant par bassin versant. Celle-ci devrait conduire à définir et à hiérarchiser les principaux objectifs que l'on se fixe dans les domaines du contrôle des inondations, du contrôle de l'érosion, de l'amélioration du milieu naturel et de la protection de l'environnement. Les actions à mener doivent utiliser les outils de modélisation des phénomènes hydrologiques sur les bassins versants. L'efficacité de ces approches est illustrée par un exemple pris sur le bassin versant de la rivière Beauport au Québec.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,190
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,008
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,283
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des sciences de l eauMême sujetUrban Stormwater Management SolutionsTravaux en français237 207