MétaCan
Menu
← Retour à la cohorte
Enregistrement W7037762417

Évaluation de la vulnérabilité des côtes canadiennes face à la hausse des niveaux d'eau extrêmes basés sur les projections climatiques de CMIP5 et de CMIP6

2024· other· fr· W7037762417 sur OpenAlexfundaboutno aff

Notice bibliographique

RevuePolyPublie (École Polytechnique de Montréal) · 2024
Typeother
Languefr
DomaineEnvironmental Science
ThématiqueAmphibian and Reptile Biology
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFundação para a Ciência e a TecnologiaMinistério da Ciência, Tecnologia e Ensino Superior
Mots-clésClimate changeSea level riseWater resourcesStream flow
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

RÉSUMÉ: La hausse du niveau de la mer (HNM) causée par les changements climatiques menace les communautés côtières à l’échelle mondiale, dont celles du Canada. Tout d’abord, nous calculons les tendances linéaires paramétriques et non paramétriques de 1993 à 2022 pour les stations canadiennes offrant suffisamment de données. Nous examinons leur répartition spatiale pour mieux comprendre l’hétérogénéité de la HNM à travers le vaste territoire canadien. Puis, nous étudions trois stations marégraphiques, soit Vancouver, Saint John et Churchill, dans le but de représenter les trois côtes canadiennes. Nous projetons les futurs niveaux d’eau totaux extrêmes (NETEs) afin d’estimer les fluctuations possibles ainsi que leurs vulnérabilités. Nous calculons les NETEs en intégrant les estimations extrêmes des marées astronomiques et des ondes de tempête avec les projections de la variation régionale des niveaux d’eau issues des scénarios de forçage radiatif modéré et élevé des phases 5 et 6 du Climate Model Intercomparison Project (CMIP). Un modèle bathtub est utilisé afin d’estimer les zones inondées et asséchées qui sont ensuite évaluées selon plusieurs facteurs socio-économiques. Même avec le scénario le plus conservateur, des milliers de personnes et d’infrastructures pourraient être affectées. Nos résultats soulignent le besoin urgent d’élaborer des stratégies dans le but d’atténuer les impacts de la HNM au Canada. ABSTRACT: Climate change-induced Sea Level Rise (SLR) poses significant threats to coastal communities worldwide. This is particularly the case for Canada, home to the world's longest shoreline. First, we compute water level trends for Canadian stations with sufficient data, focusing on both parametric and non-parametric linear trends from 1993 to 2022. We examine the spatial distribution of trends to better understand the heterogeneity across Canada's vast territory. Then, we study three tide gauge stations – Vancouver, Saint John, and Churchill – to represent the Pacific, Atlantic, and Arctic coasts, respectively. We project future Extreme Total Water Levels (ETWLs) to estimate possible fluctuations along with associated vulnerabilities. We calculate ETWLs by integrating projected Regional Sea Level Rise (RSLR) with estimates of extreme astronomical tides and storm surges during the historical period. Projected RSLRs are obtained from the 5th and 6th phases of the Climate Model Intercomparison Project (CMIP) under moderate and high radiative forcings. We use a bathtub model to estimate flooding and receding extents, which are then used to assess vulnerabilities using multiple socio-economic factors. Even under the most conservative projections, thousands of people and critical infrastructure could be affected. Our findings underscore the need for immediate strategies to mitigate these impacts

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil0,768

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,258
Écart entre enseignants0,239 · 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'étudeSimulation ou modélisation
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'admission2
Résumé présentoui

Explorer davantage

Même revuePolyPublie (École Polytechnique de Montréal)→Même sujetAmphibian and Reptile Biology→Travaux en français237 207→