MétaCan
Menu
← Retour à la cohorte
Enregistrement W2346343533 · doi:10.4000/vertigo.17183

Les impacts hydrologiques de la production de neige dans un domaine de moyenne montagne

2016· article· fr· W2346343533 sur OpenAlexvenueno aff
Élodie Magnier

Notice bibliographique

RevueVertigO · 2016
Typearticle
Languefr
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryHumanitiesPolitical scienceGeographyArt

Résumé

récupéré en direct d'OpenAlex

L’enneigement artificiel des stations de ski est une pratique relativement récente en Europe et en Amérique du Nord. C’est une activité nécessaire au maintien et au développement des activités économiques d’une station. Or, la production de neige nécessite de grands volumes d’eau pompés dans les rivières, les nappes phréatiques, les réserves d’eau potable, les barrages hydroélectriques et les retenues collinaires. On estime qu’il faut 4000 m3 d’eau pour couvrir un hectare. En outre, la production de neige n’est pas le seul usage de l’eau en station de sports d’hiver. Le problème soulevé est celui de la constante disponibilité de l’eau pour ces diverses activités en particulier durant la saison hivernale. Cette étude a pour but de mesurer l’impact des prélèvements pour la production de neige à l’échelle locale du domaine franco-suisse des Portes du Soleil (trois stations de ski : Avoriaz, Champéry et Les Gets) sur la variation des ressources disponibles, et d’identifier deux situations à risque pour les stations : un risque de conflits d’usage et un risque de pénurie. Dans les stations, la mobilisation d’un grand volume d’eau sur une courte période rend la gestion difficile et peut entraîner des situations à risque. L’intensité de la production de neige peut diminuer les possibilités pour les autres usages. Cette étude montre également que le partage de la ressource provoque une situation à risque, particulièrement lorsqu’un lac ou une retenue collinaire unique doit servir à la fois à la production de neige et à l’alimentation en eau potable. Des situations de pénurie d’eau peuvent exister ponctuellement et la situation doit être surveillée.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil0,328

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,226
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigO→Même sujetCryospheric studies and observations→Travaux en français237 207→