A conceptual framework for the study of bank erosion in large rivers: insight from the St. Lawrence River, Canada
Notice bibliographique
Résumé
The St. Lawrence River forms a major socio-economic and commercial axis in eastern North America, and one of the most populated cold rivers worldwide. Its upstream section, the fluvial corridor, located between the Quebec-Ontario border and Quebec City (QC, Canada), concentrates most of the human facilities and activities. Over the past decades, climate change and increased human pressures on the banks have deeply altered the natural hydro-sedimentary dynamics within this corridor. Yet, the environmental and socio-economic consequences have long been overlooked. The recent flooding events of 2017 and 2019 have highlighted the vulnerability of river habitats and infrastructures, underlining the need to integrate bank erosion hazard to ensure sustainable management of riparian areas and to adapt land-use planning strategies. A research program started in late 2017 allowed a cross-science collaboration between academic scientists, the Government of Québec, environmental organizations and agencies, municipalities as well as concerned citizens. This program aims at characterizing riverbank types within the fluvial corridor and at assessing erosion hazard, processes, and controlling factors over more than 4000 km of riverbanks. We combined field surveys, remote sensing (LiDAR, aerial photographs) and crowdsourcing data to develop a geospatial database for local stakeholders. We present the conceptual framework, methods and main results for riverbanks classification and erosion hazard assessment, and discuss the challenges posed by the study of large rivers. We emphasize on issues related to anthropogenic stressors and specificities (river ice, maritime traffic) of the St. Lawrence River. This is the first time, to our knowledge, that the subject of bank erosion has been assessed with such high resolution, but also with the same method, on an ice-affected river as large and diverse as the St. Lawrence.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,013 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,014 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».