Simulation hydrologique des derniers jours de la crue de printemps: le problème de la neige manquante
Bibliographic record
Abstract
Sur le territoire Québécois, l'hydrologie opérationnelle se doit de fournir des prévisions fiables de la crue de printemps. Des modèles hydrologiques utilisant notamment des équivalents en eau de la neige au sol (EEN) observés comme condition initiale servent à cette fin. Ces modèles éprouvent toutefois des difficultés importantes pour simuler la partie finale de la crue de printemps. Une approche originale permettant de caler et d'alimenter les modèles hydrologiques avec des apports verticaux de fonte et de pluie, qui sont corrigés de façon continue à l'aide des EEN observés bi-mensuellement, est proposée. Cette approche, testée sur le bassin de la Rivière du Nord, permet d'améliorer la qualité de la simulation de la crue de printemps. Des erreurs importantes demeurent et mènent à la conclusion, qu'en partie du moins, les méthodes d'observation de la neige couramment utilisées au Québec peuvent être à la source du problème. Le texte est aussi traversé par l'idée qu'une autre partie de l'explication tient peut-être dans la présence difficilement prouvable d'un nouveau monstre des neiges. Citation Turcotte, R., Fortier Filion, T.-C., Lacombe, P., Fortin, V., Roy, A. & Royer, A. (2010) Simulation hydrologique des derniers jours de la crue de printemps: le problème de la neige manquante. Hydrol. Sci. J. 55(6), 872–882.
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 | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".