Planetary and synoptic-scale analysis of freezing rain events in Montreal, Quebec
Bibliographic record
Abstract
La pluie verglaçante pose un risque majeur le long de la vallée du fleuve Saint-Laurent au Québec. Pour les grandes villes comme Montréal, des épisodes graves peuvent avoir un effet dévastateur sur la population, les biens et le commerce. Dans cette thèse, nous effectuons une analyse à l'échelle planétaire et synoptique des épisodes de pluie verglaçante à Montréal au Québec. En utilisant les données de surface, 46 épisodes graves sont identifiés à Montréal pour la période 1979-2008. Ces épisodes graves sont ensuite divisés en trois types selon l'emplacement de l'axe du zone dépressionnaire de 500-hPa. Des représentations composites sont produites pour chaque type, et les principales caractéristiques de la circulation d'échelle planétaire et synoptique sont identifiées. L'accumulation de précipitations et l'intensité sont examinées. Enfin, l'épisode le plus extrême de chaque type est étudié. Les résultats indiquent que bien que la pluie verglaçante est souvent associée avec le passage des cyclones extra-tropicaux, de nombreux épisodes sont soutenus principalement par la frontogenèse de bas niveau renforcée par la topographie de la vallée du fleuve Saint-Laurent.
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 | 0.002 |
| 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) | 0.003 | 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".