Analyse fréquentielle intégratrice des débits projetés au Québec méridional
Notice bibliographique
Résumé
RÉSUMÉ: Les inondations exceptionnelles de 2017 et de 2019 au Québec ont mis en lumière plusieurs défis en matière d'adaptation aux aléas climatiques. Pour mieux prévoir les risques d'inondation future, le ministère de l'Environnement et de la Lutte contre les changements climatiques a mis en place en avril 2018 le projet INFO-Crue, qui vise à produire une cartographie prévisionnelle des zones inondables dans une grande partie du Québec méridional. Ce projet y contribue en étudiant l'évolution des débits extrêmes dans les tronçons de rivières jaugés et non jaugés du Québec jusqu'à l'horizon 2100. Les estimations de débits futurs seront par la suite utilisées pour calculer les niveaux de crue attendus et cartographier les zones à risque. L'étude des débits s'appuie sur deux ensembles de données fournis par la Direction de l'Expertise Hydrique (DEH), les pseudo-observations aux tronçons non jaugés et les simulations hydroclimatiques. Les pseudo-observations proviennent d'une méthode d'interpolation utilisant des observations des stations environnants et des simulations du modèle hydrologique Hydrotel. Elle permet d'estimer les débits dans les tronçons de rivière non jaugés (sans appareils de mesure) jusqu'à 2020. Les simulations proviennent d'un ensemble de modèles climatiques couplés au modèle hydrologique Hydrotel, simulant les débits futurs sous différents scénarios d'émission de gaz à effet de serre jusqu'à 2100. Ces simulations prennent en compte les changements climatiques. Deux modèles hiérarchiques bayésiens ont été développés, un pour les pseudo-observations et un pour les simulations hydroclimatiques. Les débits maximaux annuels sont extraits et modélisés dans le cadre de la théorie des valeurs extrêmes. Les modèles hiérarchiques bayésiens sont particulièrement adaptés pour structurer les données similaires provenant de plusieurs sources. Ils permettent en outre une estimation des débits extrêmes qui prend en compte les sources d'incertitudes dans un cadre statistique cohérent. Les sorties du modèle statistique pour les simulations sont biaisées par rapport aux sorties du modèle statistique pour les pseudo-observations. Une méthode de post-traitement statistique est alors adaptée pour corriger le biais entre les deux modèles et estimer les débits extrêmes futurs. La méthodologie proposée a été appliquée aux données de 234 tronçons de la rivière Chaudière au Québec. Les prévisions indiquent généralement une évolution à la baisse en amont et à la hausse en aval de la rivière pour le niveau de retour 100 ans. Les résultats de ce projet sont directement utilisables par la DEH pour cartographier les risques d'inondations actuels et futurs. ABSTRACT: The exceptional floods of 2017 and 2019 in Quebec have shed light on several challenges regarding adaptation to climate hazards. To better foresee future flood risks, the Ministère de l'Environnement et de la Lutte contre les changements climatiques started the INFO-Crue project in April 2018, which aims to produce a predictive map of flood-prone areas in the majority of southern Quebec. This project contributes to INFO-Crue by studying the evolution of extreme flows in gauged and ungauged river sections in Quebec, until 2100. Future flow estimations will then be used by another research team to calculate expected flood levels and map areas at risk. The statistical study is based on two datasets provided by the Direction de l'Expertise Hydrique (DEH): the pseudo-observations at ungauged sections and the hydroclimatic simulations. The pseudo-observations result from an interpolating method using observations from surrounding stations and simulations from the Hydrotel run-off model. It allows for estimations of riverflows in ungauged sections (without measuring devices) until 2020. The simulations come from a multi-model climate ensemble, coupled to Hydrotel to simulate future flows under different greenhouse gas emission scenarios until 2100. These simulations take climate change into account. Two hierarchical bayesian models were developed, one for the pseudo-observations and one for the hydroclimatic simulations. Annual maximum flows are extracted and modeled within the extreme value theory framework. Hierarchical bayesian models are particularly suited for structuring similar data from several sources. In addition, they allow for estimations of extreme riverflows which account for uncertainty within a coherent statistical framework. The model output for the flow simulations is biased compared to the model output for the pseudo-observations. A statistical downscaling method is used to correct biases between the two models and estimate future extreme flows. The proposed methodology was applied to flow data from 234 sections of the Chaudière River in Quebec. The forecast suggests a decreasing trend at sections located upstream and an increasing trend at sections located downstream, for the 100-year return level. The results of this project will be directly used by the DEH to map current and future flood risks.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».