Assessing the relationship between weather conditions and rockfall using terrestrial laser scanning to improve risk management
Notice bibliographique
Résumé
Since 1987, more than 13 200 rockfalls have been inventoried by the ministère des Transports du Québec (MTQ) as having impacted the national road Route 132 in northern Gaspésie. This natural hazard represents a nearly permanent danger for road users. Traditional mitigation measures can be ineffective on poorly consolidated, deformed and highly fractured rockwalls such as those found in northern Gaspésie. To address this issue, implementing preventive risk management based on the factors that trigger rock instabilities could be the most effective method. Earthquake, rainfall and freeze–thaw cycles are commonly considered to be the main rockfall-triggering factors. This study aims to better understand the climatic conditions conducive to rockfalls in northern Gaspésie in order to provide knowledge to implement an appropriate risk management strategy. Three rockwalls were scanned with terrestrial laser scanning (TLS) instruments during specific pre-targeted weather conditions. Over a period of 18 months, 17 surveys have allowed us to identify 1287 rockfalls with a magnitude above 0.005 m 3 on a scanned surface of 12 056 m 2 . In addition, meteorological instruments and a 550 cm thermistor string have been installed directly on a vertical rockwall. It appears that some weather conditions influence the occurrence, frequency and magnitude of rockfalls. In winter, rockfall frequency is 12 times higher during a superficial thaw than during a cold period in which temperature remains below 0 ∘ C. In summer, rockfall frequency is 22 times higher during a heavy rainfall event than during a mainly dry period. Superficial freeze–thaw cycles (< 50 cm) cause mostly a high frequency of small-magnitude events, while deeper spring thaw (> 100 cm) results in a high frequency of large-magnitude events. The influence of weather conditions on rockfall frequency and magnitude is crucial in order to improve risk management, since large-magnitude events represent higher potential hazards. This study provides a classification of weather conditions based on their ability to trigger rockfalls of different magnitudes. This knowledge could be used to implement a risk management strategy.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».