MétaCan
Menu
Retour à la cohorte
Enregistrement W7029463015

Influence de la variabilité spatiale des propriétés mécaniques de la neige sur le déclenchement d'avalanche

2024· other· fr· W7029463015 sur OpenAlexaboutno aff

Notice bibliographique

RevueSémaphore (Université du Québec à Rimouski) · 2024
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFire historyStatistical analysisSnow cover
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

RÉSUMÉ : Les avalanches de neige représentent le risque naturel le plus mortel au Canada. La compréhension du manteau neigeux pour prédire les avalanches est primordiale, mais la variabilité spatiale des propriétés mécaniques de la neige ajoute une complexité qui rend difficile la prévision des avalanches de neige. Les processus mécaniques menant à une avalanche sont bien connus de la communauté scientifique, mais les effets de la variabilité spatiale sur les mécanismes de déclenchement et de formation des avalanches demeurent inconnus. Cette thèse vise à comprendre l’influence de la variabilité spatiale des propriétés mécaniques de la neige sur le danger d’avalanche, qui se décline en deux composantes : la probabilité de déclenchement par skieur et la taille de probable de l’avalanche. Le premier chapitre vise à mesurer et estimer la variabilité spatiale des propriétés mécaniques de la neige à l’aide des mesures in-situ de la variabilité spatiale de la neige sur différents sites d’études au Canada. Des modèles prédictifs spatiaux s’appuyant sur des indicateurs microtopographiques et microclimatiques pour générer des cartes haute-résolution des propriétés mécaniques et d’indices de stabilité de la neige. Le deuxième chapitre vise à estimer l’influence de la variabilité spatiale de l’épaisseur de la plaque sur les deux composantes du danger d’avalanche. Une approche statistico-mécanique a permis de calculer la probabilité de déclenchement par skieur en fonction de différentes variations spatiales de l’épaisseur de la plaque. En s’appuyant sur ces divers patrons spatiaux d’épaisseur de plaque, une méthode numérique a été utilisée pour simuler la propagation dynamique de la fissure dans la neige et ainsi estimer la taille d’une avalanche. Le dernier chapitre vise à comprendre l’effet de l’hétérogénéité spatiale de la couche faible sur la propagation dynamique des fissures et la taille finale de l’avalanche. La même méthode numérique utilisée au chapitre deux nous permettra de lier différents scénarios d’hétérogénéité de la résistance de la couche faible à la distance de propagation de la fissure en 2D et 3D à l’échelle d’une pente. Cette thèse contribue à améliorer la compréhension de l’effet de la variabilité spatiale de la neige sur le danger d’avalanche. -- Mot(s) clé(s) en français : Neige, avalanche, variabilité spatiale, danger d’avalanche, probabilité de déclenchement par skieur, taille de l’avalanche, propagation des fissures. -- ABSTRACT : Snow avalanches represent the deadliest natural hazard in Canada. Understanding the snowpack to predict avalanches is crucial, but the spatial variability of snow mechanical properties adds complexity, making snow avalanche forecasting challenging. While the mechanical processes leading to avalanches are well-known, the effects of spatial variability on avalanche triggering and propagation mechanisms remain unknown. This thesis aims to comprehend the influence of snow spatial variability on avalanche hazard, which manifests in two components : the probability of triggering by a skier and the potential avalanche size.The first chapter aims to measure and estimate the spatial variability of snow using in-situ measurements across various study sites in Canada. Spatial predictive models will utilize microtopographic indicators to generate high-resolution maps of snow mechanical properties and stability. The second chapter aims to assess the influence of the slab thickness spatial variability on both components of the avalanche hazard. A statistical-mechanical approach will calculate the skier-triggering probability based on different spatial variations of slab thickness. A mechanical numerical method will simulate dynamic crack propagation with the same slab thickness variations to estimate avalanche size. The final chapter aims to understand the effect of weak layer spatial heterogeneity on dynamic crack propagation and, ultimately, the final avalanche size. The same numerical method used in chapter two, will be used to link different scenarios of weak layer resistance heterogeneity to the crack propagation distance in 2D and 3D at the scale of a slope. Our work contributes to enhancing the understanding of the effect of spatial variability of snow snow mechanical properties on avalanche hazard. -- Mot(s) clé(s) en anglais : Snow, avalanche, spatial variability, avalanche hazard, skier-triggering probability, avalanche size, crack propagation.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,438
Score d'incertitude au seuil0,882

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSémaphore (Université du Québec à Rimouski)Travaux en français237 207