La vulnérabilité face au risque de submersion marine : exposition et sensibilité des communes littorales de la région Pays de la Loire (France)
Bibliographic record
Abstract
Cet article analyse la vulnérabilité des communes littorales de la région des Pays de la Loire (France) face au risque de submersion marine. Ce travail s’inscrit à la suite des études menées après la tempête Xynthia du 28 février 2010 (Mercier et Acerra, 2011 ; Przyluski et Hallegattes, 2012 ; CETE de l’Ouest, 2012a), qui avait submergé de nombreux territoires aux reliefs bas (sous la côte des 4,50 m NGF), provoqué des dommages considérables sur les habitations et entraîné la mort de 41 personnes dans les départements de la Charente-Maritime et de la Vendée. Cet article cherche à identifier parmi 120 communes des départements de la Loire-Atlantique et de la Vendée, les territoires les plus vulnérables au risque de submersion marine par l’étude des facteurs de vulnérabilité, à travers une analyse des correspondances multiples (ACM).La typologie des communes est fonction de critères de vulnérabilité : la topographie, les enjeux humains/fonciers, l’historique des submersions marines ainsi que des éléments de gestion propre aux risques naturels (plan de prévention des risques, plans communaux de sauvegarde, recensement des digues de protection). Les résultats, présentés sous forme cartographique, permettent de retenir les facteurs topographique et historique comme éléments déterminant la prédisposition de ces communes à subir des submersions marines.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".