Adapter les infrastructures afin de réduire les risques pour les personnes et d’améliorer la connectivité pour les poissons et la faune
Bibliographic record
Abstract
Aux États-Unis, 96 % de la population vit dans un comté qui a connu un évènement météorologique déclaré catastrophe naturelle par le gouvernement fédéral au cours des dernières années. Le développement dans les zones inondables menace les côtes et les rivières. Cette menace est exacerbée par des ponceaux et autres infrastructures de franchissement de cours d’eau dimensionnés et conçus en fonction de l’utilisation préalable du territoire, souvent dans le seul objectif de diriger l’eau sous les routes. En revanche, les infrastructures naturelles ou inspirées par le fonctionnement de la nature (plaines inondables, passages de cours d’eau qui maintiennent la connectivité aquatique, etc.) peuvent être résilientes aux inondations et acheminer l’eau sous les routes, tout en offrant d’autres avantages, notamment pour la conservation des habitats du poisson et d’autres espèces fauniques. Au Massachusetts, les normes de conception des traverses de cours d’eau ont été changées en mettant l’accent sur une approche multi-objectifs de gestion des risques d’inondation (p. ex. intégrité de l’infrastructure existante, connectivité écologique). Quatre catégories de conditions-clés favorisent l’intégration d’approches basées sur la résilience climatique des milieux naturels : la réglementation; l’assistance technique et le financement; le suivi; et l’engagement communautaire. Nous présentons comment chacune a influencé la conception des passages aquatiques dans tout le Massachusetts.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.004 |
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".