Évaluation de la submersion côtière par l'estimation in situ du wave runup sur les côtes basses du Bas-Saint-Laurent, Québec
Bibliographic record
Abstract
RÉSUMÉ : Le 6 décembre 2010, une dépression engendrait la submersion du littoral de l'estuaire et du golfe du Saint-Laurent au Québec. Il s'agissait de la conjoncture d'une pleine mer supérieure de vive eau, d'une surcote, et du wave runup, soit l'amplitude entre la limite supérieure du jet de rive et le niveau de la mer sans agitation. Après la tempête, les limites de runup ont été identifiées au DGPS sur 17 km de côtes. La même approche a été appliquée sur huit plages en conditions calmes à marée haute. L'effet de l'orientation, des pentes, et des largeurs d'estrans a été évalué statistiquement sur la variabilité du runup. Un modèle empirique de runup a été réalisé grâce à l'utilisation de la pente la mieux corrélée avec les niveaux atteints. Sur le territoire bas-Iaurentien, il s'avère que la géomorphologie affecte l'hydrodynamisme au déferlement et par conséquent les niveaux d'eau extrêmes. Le paramètre le plus explicatif de la variabilité spatiale du runup lors de la tempête est la pente de la zone intertidale. Un large estran rocheux ou meuble protège la côte de la submersion puisqu'il atténue la pente (r2=0,91). En conditions plus calmes, la pente du haut estran est plus représentative de la variabilité du runup. Le modèle empirique développé sur l'ensemble des données en milieu naturel (r2=0,69) a été appliqué pour calculer le runup théorique sur un LiDAR et établir une cartographie de la submersion du 6 décembre 2010. Les niveaux d'eau extrêmes (NEE) ont également été mis en relation avec l'altitude du trait de côte en regard de l'échelle d'impact des tempêtes de Sallenger (2000). Il en ressort que sans la contribution des vagues, la marée astronomique et la surcote n'aurait submergé que 1% du littoral d'après les résultats de l'application du modèle sur 3177 points de mesure.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 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".