Investigation of the mechanisms leading to the 2017 Montreal flood
Notice bibliographique
Résumé
Significant flood damage occurred near Montreal in May 2017, as flow from the upstream Ottawa River basin (ORB) reached its highest levels in over 50 years. Analysis of observations and experiments performed with the fifth generation Canadian Regional Climate Model (CRCM5) show that much above average April precipitation over the ORB, a large fraction of which fell as rain on an existing snowpack, increased streamflow to near record-high levels. Subsequently, two heavy rainfall events affected the ORB in the first week of May, ultimately resulting in flooding. This heavy precipitation during April and May was linked to large-scale atmospheric features. Results from sensitivity experiments with CRCM5 suggest that the mass and distribution of the snowpack have a major influence on spring streamflow in the ORB. Furthermore, the importance of using an appropriate frozen soil parameterization when modelling spring streamflows in cold regions was confirmed. Event attribution using CRCM5 showed that events such as the heavy April 2017 precipitation accumulation over the ORB are between two and three times as likely to occur in the present-day climate as in the pre-industrial climate. This increase in the risk of heavy precipitation is linked to increased atmospheric moisture due to warmer temperatures in the present-day climate, a direct consequence of anthropogenic emissions, rather than changes in rain-generating mechanisms or circulation patterns. Warmer temperatures in the present-day climate also reduce early-spring snowpack in the ORB, offsetting the increase in rainfall and resulting in no discernible change to the likelihood of extreme surface runoff.
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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».