MétaCan
Menu
Retour à la cohorte
Enregistrement W2036004764 · doi:10.1080/00221686.2007.9521836

The 1996 Lake Ha! Ha! breakout flood, Québec: Test data for geomorphic flood routing methods

2007· article· en· W2036004764 sur OpenAlexaffabout
Hervé Capart, B. Spinewine, D.L. Young, Yves Zech, G R Brooks, M. Leclerc, Yves Secretan

Notice bibliographique

RevueJournal of Hydraulic Research · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensInstitut National de la Recherche ScientifiqueGeological Survey of CanadaNatural Resources Canada
Organismes subventionnairesNational Science Council
Mots-clésBreakoutFlood mythGeologyDigital elevation modelHydrology (agriculture)TerrainFloodplainRouting (electronic design automation)Event (particle physics)Remote sensingCartographyArchaeologyGeographyGeotechnical engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

This paper describes a set of field data suitable for the testing and comparative assessment of geomorphic flood routing methods. The data pertain to a particularly severe and unusually well–documented flood event: the Lake Ha! Ha! breakout flood of July 1996 in the Saguenay Region of Québec. In this event, heavy rains combined with the incision of a new lake outlet caused a major flood, which significantly reworked the downstream valley. Published and unpublished data from multiple sources are assembled and co–registered in a common frame of reference. These data include vertical and oblique air photos, hydrological records, surface geology information, and digital terrain models of the pre– and post–flood valley topography. The spatial coverage encompasses the drained lake as well as the full length of the downstream valley. To meet the respective needs of two– and one–dimensional approaches, the topography is sampled on a Cartesian mesh as well as interpolated along evenly–spaced cross–sections. The data set described in the paper is provided in digital form in the electronic supplement to this special issue.

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)0,032
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0320,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0030,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,448
Écart entre enseignants0,343 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations43
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Hydraulic ResearchMême sujetFlood Risk Assessment and ManagementTravaux en français237 207