Le Québec récemment frappé par les crues extrêmes : une manifestation des changements climatiques ?
Bibliographic record
Abstract
Les printemps 2017 et 2019 auront frappé l’imaginaire collectif en raison de l’ampleur des crues ayant touché de nombreuses rivières du Québec et des dommages qui leur sont associés. En 2019, près de 6700 résidences localisées dans 51 municipalités et distribuées dans presque toutes les principales régions du Québec ont été inondées, sans compter les nombreuses autres résidences qui se sont retrouvées isolées en raison de routes submergées et de glissements de terrain. Le bilan en 2017 était similaire, avec 5371 maisons inondées dans 261 municipalités et 4066 personnes évacuées. Les débits dans plusieurs rivières ont excédé les valeurs mesurées depuis que les stations de jaugeage ont été installées. À titre d’exemple, en 2019, le débit journalier dans la rivière Rouge à la hauteur du Barrage de la Chute-Bell, où Hydro-Québec a craint pour la stabilité de l’ouvrage, a atteint 975 m3/s, la plus forte valeur jamais enregistrée depuis 1964. Une analyse statistique révèle qu’un tel débit a une chance d’être dépassé en moyenne une fois tous les 175 ans. Il s’agit d’un événement exceptionnel. Pourtant, un autre événement extrême se produisait au même endroit en 1998, cette fois-ci avec un débit maximal journalier de 914 m3/s. Deux crues printanières majeures en 20 ans : est-ce la conséquence des changements climatiques ? Cet article propose une genèse des événements hydrologiques extrêmes, puis présente des projections climatiques aux horizons 2050 et 2080 pour différentes rivières au Sud et au Nord du fleuve Saint-Laurent. Puis, est exposée la démarche générale employée pour caractériser le régime hydrologique des bassins versants en climat futur.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| 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 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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; both teacher heads agree on what is shown here.
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".