City-scale modelling of road thermal and hydrological characteristics: Case study of Montreal
Notice bibliographique
Résumé
La performance et la gestion des infrastructures routières sont fortement impactées par les conditions climatiques. Les études sur l’interaction climat-route pour les futurs scénarios d’émissions sont donc importantes pour éclairer leurs stratégies de conception et de gestion. Cette étude se concentre sur la modélisation à l'échelle urbaine des caractéristiques thermiques et hydrologiques des routes, pour les climats actuels et futurs, avec la ville de Montréal, au Canada, comme étude de cas. À cette fin, des simulations utilisant le modèle SPS (Surface Prediction System) d'Environnement et Changement climatique Canada, composé d'un modèle de surface terrestre CLASS (Canadian Land Surface Scheme) et d'un modèle urbain Town Energy Balance (TEB) pour une meilleure représentation des régions urbaines, incluant les routes, à une résolution de 250 m (0,0025°), couvrant les périodes 2001-2020 et 2041-2060 sont utilisés. Ces simulations sont basées sur des données de forçage atmosphérique dérivées de simulations de modèles climatiques régionaux de 4 km à haute résolution, pilotées par le produit de réanalyse de cinquième génération du Centre européen pour les prévisions météorologiques à moyen terme ERA5 et le modèle CanESM2 (Canadian Earth System), avec les simulations du climat futur correspondant au scénario Representative Concentration Pathway (RCP) 8.5.Après avoir confirmé la capacité des modèles SPS et TEB à simuler les températures moyennes des terres et des surfaces routières en comparant avec les données satellite dérivées de MODIS, les attributs thermiques et hydrologiques liés aux mécanismes de rupture des routes durant les saisons froide (octobre-mai) et chaude (juin-août) sont étudiés pour deux grandes catégories de routes: les autoroutes et les routes locales, ces dernières étant constituées d'artères, de routes collectrices et de routes locales. L'analyse des attributs thermiques importants de la saison froide, tels que les cycles de gel-dégel et les dégels partiels hivernaux, qui peuvent entraîner une perte du support structurel, une détérioration de la surface et des dommages à la chaussée, suggère une réduction des impacts du climat futur associée à une diminution de 12,5 % des cycles de gel-dégel et une diminution de 2 % des dégels partiels hivernaux. Bien que les jours de restriction de poids actuellement pratiqués pour empêcher l'affaiblissement de la chaussée et de la route pendant la période de dégel devraient être maintenus, cela devrait se produire en moyenne 15 jours plus tôt dans le climat futur par rapport au climat actuel, selon l'analyse. Cependant, les caractéristiques hydrologiques de la saison froide, telles que le ruissellement des routes, qui devraient augmenter de 12 à 15 %, associées à une augmentation du ruissellement des terres, pourraient contrebalancer ces avantages, soulignant la nécessité de systèmes de drainage adéquats. Les schémas spatiaux suggèrent des augmentations généralement plus élevées du ruissellement pour le réseau routier local dans les régions ayant une fraction urbaine plus élevée. Contrairement à la saison froide, les impacts futurs sur le réseau routier pendant la saison chaude, associés aux caractéristiques thermiques et hydrologiques, devraient augmenter. Par exemple, l’augmentation projetée de la RST quotidienne maximale moyenne en saison chaude dans la plage de 4 à 4,5 °C suggère la possibilité d’une augmentation des épisodes d’orniérage, en particulier sur les autoroutes. En ce qui concerne la saison froide, l'augmentation prévue du ruissellement des routes et des terres pendant la saison chaude, d'environ 25 %, souligne la nécessité d'une évaluation approfondie des systèmes de drainage existants.Cette étude, en plus d'explorer l'utilité du modèle TEB en tant qu'outil d'étude des caractéristiques thermiques et hydrologiques des routes, malgré sa simplicité, fournit des informations utiles sur les facteurs climatiques liés à la défaillance des routes. En outre, les différences spatiales de vulnérabilité obtenues pour les différentes catégories de routes peuvent être utiles pour prioriser des tronçons routiers pour des études plus détaillées
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».