Les impacts hydrologiques de la production de neige dans un domaine de moyenne montagne
Bibliographic record
Abstract
L’enneigement artificiel des stations de ski est une pratique relativement récente en Europe et en Amérique du Nord. C’est une activité nécessaire au maintien et au développement des activités économiques d’une station. Or, la production de neige nécessite de grands volumes d’eau pompés dans les rivières, les nappes phréatiques, les réserves d’eau potable, les barrages hydroélectriques et les retenues collinaires. On estime qu’il faut 4000 m3 d’eau pour couvrir un hectare. En outre, la production de neige n’est pas le seul usage de l’eau en station de sports d’hiver. Le problème soulevé est celui de la constante disponibilité de l’eau pour ces diverses activités en particulier durant la saison hivernale. Cette étude a pour but de mesurer l’impact des prélèvements pour la production de neige à l’échelle locale du domaine franco-suisse des Portes du Soleil (trois stations de ski : Avoriaz, Champéry et Les Gets) sur la variation des ressources disponibles, et d’identifier deux situations à risque pour les stations : un risque de conflits d’usage et un risque de pénurie. Dans les stations, la mobilisation d’un grand volume d’eau sur une courte période rend la gestion difficile et peut entraîner des situations à risque. L’intensité de la production de neige peut diminuer les possibilités pour les autres usages. Cette étude montre également que le partage de la ressource provoque une situation à risque, particulièrement lorsqu’un lac ou une retenue collinaire unique doit servir à la fois à la production de neige et à l’alimentation en eau potable. Des situations de pénurie d’eau peuvent exister ponctuellement et la situation doit être surveillée.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| 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".