MétaCan
Menu
Retour à la cohorte
Enregistrement W2340496040

Évaluation de la précision de simulations du couvert neigeux par SNOWPACK à partir de données météorologiques in-situ et de prévision dans différents contextes climatiques des régions montagneuses canadiennes

2016· article· fr· W2340496040 sur OpenAlexaboutno aff
Kevin Côté

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2016
Typearticle
Languefr
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSnowpackForestryGeographyEnvironmental scienceWelfare economicsGeologyEconomicsSnowGeomorphology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Depuis les années 1990, environ 12 personnes par année sont tuées des suites d’une avalanche, ce qui en fait maintenant la principale cause de décès liés aux catastrophes hivernales au Canada (Stethem, 2003). Comme l'intérêt pour les activités de plein air telles que la randonnée, la motoneige et le ski de randonnée dans les régions éloignées augmente, l’amélioration de la prévision des avalanches à l'échelle régionale est nécessaire afin d’assurer la sécurité des usagers de l’arrière-pays. La logistique et les mesures de sécurité étant importantes lors de déplacements dans l’arrière-pays, les observations du couvert neigeux (observations d'avalanches, profils stratigraphiques et tests de stabilité) en terrain avalancheux ne sont pas toujours possibles pour les praticiens et prévisionnistes du milieu. Une alternative intéressante est d'analyser le manteau neigeux à distance en utilisant les sorties de modèles physiques de simulation du couvert neigeux. SNOWPACK, un modèle développé par l'Institut WSL sur la neige et les avalanches (SLF) en Suisse, est actuellement utilisé de manière opérationnelle pour la prévision d'avalanches et la recherche dans les Alpes suisses. Le projet vise à adapter SNOWPACK aux différentes conditions météorologiques dans les montagnes canadiennes (climat parfois côtier, transitionnel ou continental) et à l’utiliser dans le contexte de gestion de la prévention d’avalanches d’Avalanche Canada afin d’améliorer les prévisions à l’échelle régionale de la stabilité du couvert neigeux. Ce mémoire présente les traitements et analyses qui ont été menés pour évaluer le potentiel d'utilisation du modèle SNOWPACK forcé à la fois avec des données météorologiques in-situ et des données météorologiques de réanalyses. La validation des données de réanalyses avec les données in-situ pour les hivers de 2013-2014 et de 2014-2015 montre que le modèle météorologique GEM-LAM (Global Environmental Multiscale Limited Area Model) du Centre Météorologique Canadien (CMC) est le plus précis pour les trois contextes climatiques du projet. Un biais sur les données de précipitation proportionnel à l’intensité de celles-ci a toutefois également été identifié. Les sorties des simulations forcées avec GEM-LAM sont les plus proches des mesures observées sur le terrain en ce qui a trait aux indices de densité et de température relative moyenne, montrant des R² supérieurs et des valeurs de RMSE plus faibles. Finalement, l’analyse qualitative de la présence de couches faibles persistantes à l'aide de la plate-forme InfoEX d’Avalanche Canada montre un accord entre les dates de formation de croûte de regel et de givre de surface et les sorties du modèle SNOWPACK, confirmant son potentiel pour une adaptation canadienne.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,822
Score d'incertitude au seuil0,353

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,231
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetCryospheric studies and observationsTravaux en français237 207