Climat hivernal et régimes avalancheux dans les corridors routiers de la Gaspésie septentrionale (Québec, Canada)
Bibliographic record
Abstract
Les avalanches de neige représentent un risque naturel important dans la péninsule gaspésienne. Chaque année, des dizaines d’avalanches s’abattent sur les routes du littoral nord-gaspésien. L’objectif principal de cette étude est d’identifier les principaux facteurs de déclenchement des avalanches dans les corridors routiers du nord de la Gaspésie (Québec, Canada). Les résultats découlent de l’analyse croisée d’une banque de données sur les avalanches (141 avalanches) qui s’étend sur trois hivers consécutifs et des données météorologiques en provenance de deux stations du réseau national. Les caractéristiques du relief, telles que la dénivelée et l’exposition, sont certes très importantes mais les conditions météorologiques jouent un rôle déterminant, en particulier les précipitations. Les résultats démontrent qu’il est possible de discriminer les journées avalancheuses des journées non avalancheuses en se basant sur les quantités de précipitations reçues au cours des 24, 48 et 72 heures qui précèdent les avalanches. La fréquence élevée des redoux (cycles gel-dégel) dans cet environnement maritime a un impact sur le type de précipitations (neige ou pluie) et donc, en dernière analyse, sur le type d’avalanche observé.
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 | 0.003 |
| 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) | 0.004 | 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".