Synthèse de modèles régionaux d'estimation de crue utilisée en France et au Québec
Bibliographic record
Abstract
De nombreuses méthodes régionales ont été développées pour améliorer l'estimation de la distribution des débits de crues en des sites où l'on dispose de peu d'information ou même d'aucune information. Cet article présente une synthèse de modèles hydrologiques utilisés en France et au Québec (Canada), à l'occasion d'un séminaire relatif aux " méthodes d'estimation régionale en hydrologie " tenu à Lyon en mai 1997. Les modèles français sont fortement liés à une technique d'extrapolation de la distribution des crues, la méthode du Gradex, qui repose sur l'exploitation probabiliste conjointe des séries hydrométriques et pluviométriques. Ceci explique les deux principaux volets d'études régionales pratiquées en France : les travaux liés à la régionalisation des pluies et ceux liés à la régionalisation des débits. Les modèles québecois comprennent généralement deux étapes : la définition et la détermination de régions hydrologiquement homogènes, puis l'estimation régionale, par le transfert à l'intérieur d'une même région de l'information des sites jaugés à un site non-jaugé ou partiellement jaugé pour lequel on ne dispose pas d'information suffisante. Après avoir donné un aperçu des méthodes pratiquées dans les deux pays, une discussion dégage les caractéristiques principales et les complémentarités des différentes approches et met en évidence l'intérêt de développer une collaboration plus étroite pour mieux tenir compte des particularités et des complémentarités des méthodes développées de part et d'autre. Une des pistes évoquées consiste à combiner l'information régionale pluviométrique (approche française) et hydrométrique (approche québécoise).
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 | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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".