Étude intégrée de la percolation de l’eau dans le manteau neigeux du Parc national des Glaciers, Colombie-Britannique, Canada
Bibliographic record
Abstract
Les avalanches sont des phénomènes naturels résultant de l’interaction entre la météorologie et le terrain, et leur gestion repose sur l’évaluation des risques. Cela inclut la protection des infrastructures, des routes, des stations de ski, des activités récréatives en montagne et de l’industrie forestière. Au Canada, la route transcanadienne à travers le col de Roger est particulièrement exposée à ces risques et fait l’objet d’une gestion intensive depuis des décennies. Cependant, les changements climatiques ont un impact significatif sur les conditions météorologiques et nivales, potentiellement modifiant les régimes d’avalanches. Afin de bien comprendre et d’évaluer ces changements, des données météorologiques fiables sont nécessaires ainsi qu’un site représentatif de l’endroit où ces changements peuvent survenir. Le site d’étude de Fidelity est idéal pour mettre en place et tester de nouveaux protocoles qui permettront une meilleure adaptation aux changements de régimes d’avalanches. Comprendre la dynamique de l’eau liquide dans la neige est crucial pour améliorer les modèles de stabilité du manteau neigeux. Dans ce contexte, le modèle SNOWPACK, développé par le WSL Institut pour l’étude de la neige et des avalanches (SLF), permet de simuler les propriétés de la neige sur un terrain, offrant un outil précieux pour évaluer l’instabilité du manteau neigeux dans des conditions de neige mouillée. Cette capacité d’évaluation est essentielle pour anticiper et adapter les stratégies de gestion des risques d’avalanches aux changements climatiques. Cette thèse examine l’importance de la percolation de l’eau dans la neige pour évaluer les risques d’avalanches. Les simulations de ce phénomène sont essentielles pour les prévisionnistes, car la mesure directe sur le terrain est difficile. L’étude se base sur des simulations réalisées avec le modèle SNOWPACK sur le mont Fidelity, au Canada. Les résultats indiquent que la configuration de la température de transition pluie/neige et le modèle de densité de nouvelle neige influencent significativement la qualité des simulations. Des analyses approfondies des données d’entrée et des paramètres sont présentées, montrant notamment qu’une température de 1.4◦C est optimale pour suivre la transition pluie/neige. Malgré une légère sous-estimation de l’équivalent en eau de la couverture neigeuse, les simulations reproduisent précisément les principales couches de neige observées avant la période de percolation de printemps. Les résultats soulignent l’importance de données d’entrée précises pour des simulations valides du front de mouillage et du moment de la percolation. De plus, cette thèse présente une nouvelle méthode de détection des croûtes de fonteregel dans un environnement alpin en utilisant un radar à modulation de fréquence. L’étude a été menée sur le mont Fidelity en Colombie-Britannique, Canada. Les résultats montrent que la profondeur de la neige peut être récupérée avec une incertitude de 2 cm en appliquant une correction pour tenir compte de la neige fraîche. De plus, l’équivalent en eau de la couverture neigeuse a été récupéré avec une incertitude de 5%. La méthode permet également de détecter les croûtes de fonte-regel avec une incertitude verticale de plusieurs centimètres, ce qui permet de surveiller les cycles entre les événements de percolation et le regel au fil du temps. Ces travaux soulignent l’importance des simulations de la percolation de l’eau dans la neige pour évaluer la stabilité de la couche neigeuse dans les régions où de telles données sont disponibles, et présentent une nouvelle approche pour la surveillance des croûtes de fonte-regel en milieu alpin.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".