Cartographie du risque unitaire d'endommagement (CRUE) par inondations pour les résidences unifamiliales du Québec
Bibliographic record
Abstract
Actuellement, en considérant simultanément les éléments constitutifs du risque, soit l'aléa et la vulnérabilité, aucune des méthodes existantes dites de cartographie des risques d'inondation ne permet d'établir de façon précise et quantifiable en tous points du territoire les risques d'inondation. La méthode de cartographie présentée permet de combler ce besoin en répondant aux critères suivants : facilité d'utilisation, de consultation et d'application, résultats distribués spatialement, simplicité de mise à jour, applicabilité à divers types de résidences. La méthode présentée utilise une formulation unitaire du risque basée sur les taux d'endommagement distribués et reliés à diverses périodes de retour de crues à l'eau libre. Ceux-ci sont d'abord calculés à partir des hauteurs de submersion qu'on déduit de la topographie, des niveaux d'eau pour des périodes de retour représentatives et du mode d'implantation des résidences (présence de sous-sol, hauteur moyenne du rez-de-chaussée). Ensuite, le risque unitaire est obtenu par intégration du produit du taux d'endommagement croissant par son incrément de probabilité au dépassement. Le résultat est une carte représentant le risque en % de dommage direct moyen annuel. Une étude pilote sur un tronçon de la rivière Montmorency (Québec, Canada) a montré que les cartes sont expressives, flexibles et peuvent recevoir tous les traitements additionnels permis par un SIG tel que le logiciel MODELEUR/HYDROSIM développé à l'INRS-ETE, l'outil utilisé pour cette recherche. Enfin, l'interprétation sur la Montmorency des cartes d'inondation en vigueur actuellement au Canada (les limites de crue de 20/100 ans) soulève des interrogations sur le niveau de risque actuellement accepté dans la réglementation, surtout quand on le compare aux taux de taxation municipale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".