Amélioration des simulations de densité du couvert neigeux par SNOWPACK pour l’évaluation des conditions de forage du caribou de Peary
Notice bibliographique
Résumé
Le réchauffement climatique actuellement observé est accentué dans l’Arctique dû au phénomène d’amplification arctique, avec un taux quatre fois plus élevé qu’ailleurs sur la planète. L’amplification arctique provoque l’augmentation des précipitations et de la fréquence des évènements extrêmes hivernaux comme les redoux, la pluie-sur-neige et les tempêtes. Ces nouvelles conditions climatiques favorisent la densification de la neige de surface affectant considérablement les populations de caribou de Peary (Rangifer tarandus pearyi) de l’Archipel Arctique Canadien. La présence d’une couche de neige de surface très dense diminue ou empêche complètement l’accès aux ressources alimentaires de ces ongulés ce qui mène à des périodes de malnutritions pouvant causer la mort d’adultes et de juvéniles. L’évaluation à grande échelle de la densité des plaques à vent est essentielle, mais il est impossible d’y arriver avec des méthodes in situ. Le modèle de neige SNOWPACK peut être un outil puissant afin d’appuyer la prise de décision face à des sujets critiques comme la conservation des caribous de Peary. Cependant, les simulations actuelles surestiment systématiquement la densité de la couche basale de neige et sous-estiment la densité de la couche de neige superficielle alors que cette variable est indispensable pour qualifier les conditions de forage des caribous de Peary. L’objectif principal de ce projet de maîtrise vise donc l’amélioration de la paramétrisation des simulations de densité du modèle de neige SNOWPACK afin d’évaluer les conditions de forage du caribou de Peary. La validation météorologique effectuée dans le cadre de cette étude a motivé l’utilisation des prédictions HRDPS pour le forçage météorologique de SNOWPACK. Le développement d’une équation empirique a été exécuté en créant des modèles linéaire et logarithmique basés sur la relation entre la densité de la neige et la vitesse moyenne du vent. L’implémentation de l’équation empirique arctique améliore de 30 (HRDPS) et 44 % (NARR) les simulations de densité des plaques à vent dépendamment du type de forçage météorologique utilisé par SNOWPACK. D’un autre côté, l’analyse temporelle de l’ECD350 effectuée ne permet pas de tirer des conclusions claires au sujet de l’influence des changements climatiques sur la densité de la neige dans l’Arctique. Cependant, cette étude est la première à se concentrer sur la densité de la neige Arctique et sa variabilité spatio-temporelle. Elle a permis d’établir toutes les fondations nécessaires afin d’entreprendre et d’approfondir ces analyses, ouvrant ainsi la voie pour de futures recherches sur le sujet.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».