Modélisation de l'évolution du couvert nival, sur le sous-bassin LG4 de la rivière La Grande dans le nord du Québec, à l'aide du modèle français CROCUS
Notice bibliographique
Résumé
Au Québec, l'accumulation de la neige au sol prend une grande importance dans bon nombre d'activités humaines comme la production d'hydroélectricité. Face à cette importance de la neige, il devient fort intéressant de faire appel à des outils de modélisation dans le but de faire le suivi complet du manteau neigeux par la simulation des différents processus physiques agissant sur le couvert nival. En ce sens, la présente recherche vise à évaluer la capacité d'adaptation aux conditions environnementales du Québec, du modèle français multicouches CROCUS de suivi et de fonte du couvert nival, en vue de son utilisation ultérieure. Le choix du site d'étude s'accorde avec la présence de stations d'acquisition de données sur le couvert nival et la disponibilité d'un large éventail de données météorologiques essentielles aux modélisations. Suite au prétraitement des données d'entrée, le modèle CROCUS a pu être étalonné dans le but d'évaluer ses aptitudes à simuler l'évolution de l'épaisseur et de l'équivalent en eau du couvert nival, de même que les profils de densité et de température de ce couvert. Compte tenu des données disponibles, les résultats des périodes d'étalonnage et de vérification peuvent être considérés comme très bons et très encourageants pour des applications ultérieures de CROCUS 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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».