Avalanche terrain analysis in Nunavik, Québec: a multi-criteria approach combining topographic and meteorological data
Notice bibliographique
Résumé
• Mapping avalanche-prone areas near Inuit villages in Nunavik, Quebec. • Use of a multi-criteria analysis method to overcome the lack of historical data. • Key roads and residential areas overlap with identified avalanche runout zones. • Windblown snow drives avalanche triggers in treeless northern landscapes. To address the knowledge gaps regarding snow avalanches in Nunavik, whose frequency and intensity may increase due to current climate change, this research aims to characterize avalanche potential areas located in or near local villages. To achieve this goal, a method inspired by various existing approaches, such as a multi-criteria analysis and the application of an empirical model to estimate maximum runout distances, was developed to better address the specific conditions of the study regions and the available data. Thus, various topographic and meteorological analyses were carried out near or in the villages of Umiujaq and Kangiqsualujjuaq (Nunavik, Québec). The following variables, ranked by their weighted importance, were used: slope steepness, the presence of leeward topographic depressions that promote snow accumulation, and the elevation of the slope. The final maps indicate that there are some issues for both villages, as the avalanche runout overlaps with roads and areas used for various activities. In Kangiqsualujjuaq, a potentially avalanche-prone area reaches the inhabited area. Overall, a total of 4.72 km 2 of avalanche-prone terrains was identified in Umiujaq and 1.47 km 2 in Kangiqsualujjuaq. The study also highlights the significant role of windblown snow transport in potential snow avalanche release areas and evaluates the most favourable wind directions for each village.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 tête enseignante, 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 ».