MétaCan
Menu
Retour à la cohorte
Enregistrement W4406695613 · doi:10.1175/jhm-d-24-0032.1

Meteorologically Related Factors Leading to the 2008, 2018, and 2019 Major Spring Floods in the Transboundary Saint John River (Wolastoq) Basin

2025· article· en· W4406695613 sur OpenAlexafffundabout
Lisa Rickard, Stephen J. Déry, Ronald E. Stewart, Julie M. Thériault

Notice bibliographique

RevueJournal of Hydrometeorology · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAquatic and Environmental Studies
Établissements canadiensUniversité du Québec à MontréalUniversity of ManitobaUniversity of Northern British Columbia
Organismes subventionnairesGlobal Water FuturesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésSpring (device)Environmental scienceSAINTStructural basinHydrology (agriculture)HydrometeorologyDrainage basinWater resource managementClimatologyMeteorologyGeographyGeologyPrecipitationHistoryCartography

Résumé

récupéré en direct d'OpenAlex

Abstract The flood-prone Saint John River (SJR, Wolastoq), which lies within a drainage basin of 55 110 km2, flows a length of 673 km from its source in northern Maine, United States, to its mouth in southern New Brunswick, Canada. Major industries in the basin include forestry, agriculture, and hydroelectric power. During the 1991–2020 reference period, the SJR basin (SJRB) experienced major spring flood events in 2008, 2018, and 2019. As part of the Saint John River Experiment on Cold Season Storms, the objective of this research is to characterize and contrast these three major spring flood events. Given that the floods all occurred during spring, the hypothesis being tested is that rapid snowmelt alone is the dominant driver of flooding in the SJRB. There were commonalities and differences regarding the contributing factors of the three flood years. When averaged across the upper basin, they showed consistency in terms of positive winter and spring total precipitation anomalies, positive snow water equivalent anomalies, and steep increases in April cumulative runoff. Rain-on-snow events were a prominent feature of all three flood years. However, differences between flood years were also evident, including inconsistencies with respect to ice jams and high tides. Certain factors were present in only one or two of the three flood years, including positive total precipitation anomalies in spring, positive heavy liquid precipitation anomalies in spring, positive heavy solid precipitation anomalies in winter, and positive temperature anomalies in spring. The dominant factor contributing to peak water levels was rapid snowmelt.

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)0,001
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 enseignants0,802
Score d'incertitude au seuil0,393

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of HydrometeorologyMême sujetAquatic and Environmental StudiesTravaux en français237 207