Étude de l'efficacité de barrages à seuils gonflables pour l'affaiblissement préventif du couvert de glace
Bibliographic record
Abstract
Alors que pour la plupart des rivières, la rupture du couvert de glace est un processus d'amont en aval, la rupture en estuaire est un processus de l'aval vers l'amont. Les ondes de marée qui remontent l'embouchure des estuaires parviennent à fracturer la couverture de glace en morceaux lors de la marée montante et transportent ensuite ces morceaux hors de l'estuaire lors de la marée descendante. Les conditions hydrométéorologiques affectant ce processus restent peu documentées et mal comprises. À cette fin, une campagne de terrain de deux ans a été mise sur pied pour surveiller la débâcle printanière dans quatre estuaires du Québec. Les résultats ont montré que l'affaiblissement thermique de la glace est un précurseur nécessaire à la débâcle de celle-ci. D'autres facteurs comme le marnage et le débit sont aussi des paramètres importants pour prédire le type de débâcle qui sera observé. En parallèle, une simulation numérique (Hec-Ras) d'une section de la rivière Saint-Anne, au Québec, a été menée en y ajoutant un barrage à seuil gonflable (à Chute-Panet). Celui-ci permettrait de reproduire artificiellement les cycles de marées. Les critères hydrauliques montrent que l'ajout de ce type de barrage permettrait de faciliter la destruction et l'évacuation du couvert de glace avant que celui-ci ne provoque des inondations dans la ville de Saint-Raymond. Des critères empiriques et l'application de la théorie des poutres reposant sur des fondations élastiques ont aussi été utilisés pour affiner notre compréhension du phénomène de rupture en rivière gelée. Finalement, le troisième volet de cette étude porte sur la réalisation d'une maquette de rivière en laboratoire d'hydraulique. Son utilisation vise à combler les limites des modèles numériques et à étudier différents scénarios d'opération du barrage.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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; 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".