Variabilité et fréquence des cycles de gel‐dégel dans la région de Québec, 1977–2006
Bibliographic record
Abstract
Les cycles de gel‐dégel surviennent généralement au début et à la fin de la saison hivernale. Les impacts de ces cycles sur les écosystèmes sont nombreux et ils affectent notamment les différentes composantes biotiques et abiotiques des environnements tempérés froids de l'est du Canada. En nous basant sur les données des températures (minima et maxima) provenant de quatre stations météorologiques de la région de Québec, nous avons déterminé la fréquence des cycles journaliers de gel‐dégel pour une période de près de trente ans. Les résultats indiquent que la fréquence des cycles n'a pas connu une augmentation marquée au cours des trois dernières décennies, malgré une légère augmentation des températures pour le secteur d'étude. Des équations polynomiales reliant les températures moyennes avec le nombre de cycles de gel‐dégel ont été calculées. En nous basant sur ces équations ainsi que sur un scénario climatique prévoyant une augmentation des températures de l'ordre de 5 °C d'ici 2100, nous avons estimé que le nombre de jours comptant des cycles de gel‐dégel pourrait augmenter jusqu'à 20 jours par hiver. L'augmentation du nombre de cycles se produira principalement durant les mois les plus froids (janvier et février).
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".