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
Notice bibliographique
Résumé
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».