Modélisation de l'évolution du couvert nival, sur le sous-bassin LG4 de la rivière La Grande dans le nord du Québec, à l'aide du modèle français CROCUS
Bibliographic record
Abstract
Au Québec, l'accumulation de la neige au sol prend une grande importance dans bon nombre d'activités humaines comme la production d'hydroélectricité. Face à cette importance de la neige, il devient fort intéressant de faire appel à des outils de modélisation dans le but de faire le suivi complet du manteau neigeux par la simulation des différents processus physiques agissant sur le couvert nival. En ce sens, la présente recherche vise à évaluer la capacité d'adaptation aux conditions environnementales du Québec, du modèle français multicouches CROCUS de suivi et de fonte du couvert nival, en vue de son utilisation ultérieure. Le choix du site d'étude s'accorde avec la présence de stations d'acquisition de données sur le couvert nival et la disponibilité d'un large éventail de données météorologiques essentielles aux modélisations. Suite au prétraitement des données d'entrée, le modèle CROCUS a pu être étalonné dans le but d'évaluer ses aptitudes à simuler l'évolution de l'épaisseur et de l'équivalent en eau du couvert nival, de même que les profils de densité et de température de ce couvert. Compte tenu des données disponibles, les résultats des périodes d'étalonnage et de vérification peuvent être considérés comme très bons et très encourageants pour des applications ultérieures de CROCUS au Québec.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".