Évaluation de l’impact des changements climatiques sur le ruissellement des bassins versants urbains
Bibliographic record
Abstract
Les systèmes de drainage en milieu urbain, déjà vulnérables à la détérioration en raison de leur vétusté, font face à des défis croissants liés aux changements climatiques, compromettant ainsi leur efficacité. Ce projet vise à élaborer une nouvelle méthodologie pour évaluer l'impact des changements climatiques sur le ruissellement urbain. Il repose sur la modélisation, à l'aide du logiciel SWMM, de bassins versants urbains synthétiques, auxquels sont appliquées des données de pluies provenant de différentes stations météorologiques, présentant diverses durées et fréquences. \n \nAu total, 4 860 bassins versants aux caractéristiques variées ont été évalués en utilisant 30 séries temporelles de pluies, de durées et de fréquences différentes, pour 12 stations météorologiques du Québec en tenant compte du climat actuel et futur. Cela représente un total de 3 499 200 simulations SWMM qui ont ainsi été générées et analysées. \n \nL'analyse des paramètres des pluies (intensité, durée et fréquence) a montré une augmentation du débit maximal dépassant le facteur de majoration des pluies, tandis que l'augmentation du volume de ruissellement avait une variation médiane équivalente au facteur de majoration. Les stations météorologiques du sud du Québec avec de grandes périodes de retour (100 ans) et de longues durées (24h) ont montré une plus grande variabilité des résultats quant au volume de ruissellement. \n \nUne analyse de sensibilité (ANOVA) a entre autres permis de mettre en lumière l'influence significative de l'imperméabilité, de la superficie et de la pente sur le débit de pointe. En outre, elle a révélé que, pour l'ensemble des stations, l'imperméabilité était le paramètre le plus important en ce qui concerne le volume de ruissellement, exception faite de certaines stations où le type de sol jouait un rôle plus prépondérant.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".