Principaux facteurs de vulnérabilité et conséquences des catastrophes hydrométéorologiques à Montréal : cas des inondations du printemps 2017 dans l'arrondissement de Pierrefonds-Roxboro
Bibliographic record
Abstract
Les inondations du printemps 2017 ont plongé 291 municipalités du Québec dans une situation d’urgence. Dans l’agglomération de Montréal, l’arrondissement de Pierrefonds-Roxboro a été particulièrement touché. Du 4 au 11 mai 2017, les eaux glacées des inondations ont affecté 725 résidences, dont 32 évacuées. Quels ont été les principaux facteurs d’une telle situation ? Quels ont été les dommages matériels, les impacts sur la santé et quelles leçons en tirer ? Une revue de littérature scientifique, des observations terrain et 24 entretiens semi-directifs, auprès de sinistrés-es et de responsables, nous ont permis d’étayer et de vérifier nos hypothèses selon lesquelles les aléas climatiques, l’aménagement des cours d’eau, des égouts ajoutés à certains facteurs sociopolitiques et économiques ont contribué à la gravité de cet épisode de 2017. Notre analyse a mis en évidence que l’abondance des précipitations d’avril, mai 2017, couplée à une fonte rapide et massive des neiges a été aggravée par les défaillances de plusieurs infrastructures (égout mal situé, ruptures de digue et fossé mal géré), dans un contexte où, sauf exception, le manque de préparation des responsables et des intervenants a forcé ces évacués de nuit, en toute urgence, à faire preuve de débrouillardise, de solidarité et d’une grande résilience, car leur évacuation a duré des semaines, des mois, voire plus d’un an. Ces évacués ont subi des impacts professionnels et familiaux et d’importants dommages matériels : perte de propriété, dommages aux sous-sols et aux garages, pertes d’électroménagers, de meubles et d’effets personnels. Sur le plan de la santé, ces sinistrés-es ont évoqué des difficultés respiratoires liées aux moisissures, un sommeil perturbé, de l’épuisement, du stress et de la détresse psychologique. Les impacts limités des inondations de 2019, découlant de pluies plus abondantes encore qu’en 2017, témoignent de l’importance d’infrastructures adéquates et adaptées, d’un haut niveau de préparation des principaux responsables et d’une communication suivie entre les intervenants des instances publiques et avec les citoyens. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : inondations, printemps 2017, Montréal, Pierrefonds-Roxboro, vulnérabilité, dommages
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.005 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".