Ajustement de l'accumulation des précipitations solides en fonction du vent et de la phase des précipitations sur le bassin versant de Bersimis, Québec, Canada
Bibliographic record
Abstract
La quantité d'eau disponible au printemps est critique pour la production hydro-électrique. Hydro-Québec, un producteur d’hydro-électricité, a besoin d’estimations plus fiables du stock d'eau maximal lors de la fonte de la neige afin d’améliorer ses prévisions hydrologiques. De meilleures estimations peuvent être obtenues à l’aide de mesures de précipitations solides plus précises. Mesurer avec précision les précipitations solides durant l’hiver demeure complexe, car il est connu depuis des décennies que les quantités de précipitations solides mesurées diminuent avec l'augmentation de la vitesse du vent. Cette forte sous-captation de précipitations peut conduire à une sous-estimation significative des quantités de neige tombées pendant les saisons hivernales, ce qui a un impact sur la quantité d'eau disponible au printemps. Des fonctions de transfert sont utilisées pour ajuster la sous-captation des précipitations solides déviées par le vent. Ce mémoire présente un éventail de précipitations solides corrigées sur le bassin de la rivière Bersimis, un bassin versant situé au Québec où Hydro-Québec produit de l'hydro-électricité. À cet effet, des fonctions de transfert développées lors de l'expérience WMO-SPICE ont été appliquées pour ajuster les quantités horaires de précipitations utilisées par Hydro-Québec à neuf stations à partir de 2010 jusqu'en 2020. Étant donné que seules les précipitations solides doivent être ajustées, différentes méthodes de séparation des phases ont été utilisées, laissant un total de 24 combinaisons d'ajustement des précipitations solides. Dans l'ensemble, la méthode de partition utilisant une transition sigmoïdale a obtenu la quantité de précipitations solides la plus élevée, alors que la méthode du seuil de température fixe à -2°C a calculé la quantité la plus faible. Quant aux fonctions de transfert, les équations norvégiennes de Kochendorfer et al. (2017a ; 2017b) ont donné les plus grandes corrections de précipitations solides. Les résultats dépendent fortement de la vitesse du vent, ainsi que des épisodes de températures supérieures à 0°C pendant la saison froide. L’éventail de corrections des précipitations solides corrigées durant un hiver varie de 15 à 100 mm supplémentaires selon l’équation et la méthode de séparation des phases choisie. La réanalyse v5 (ERA5) du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) a montré une grande variabilité lors d’une comparaison avec l’éventail de résultats obtenus. Dans l'ensemble, cette étude a démontré le besoin d’ajuster les mesures de précipitations solides sur le bassin de Bersimis. Ceci permettrait notamment d’émettre un éventail de prévisions hydrologiques à l’approche des crues printanières dans le but d'améliorer la gestion de l'eau pour la production d'énergie hydro-électrique.
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 | 0.000 |
| 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 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".