Analyse des embâcles de glace sur le fleuve Saint-Laurent lors de l'hiver 2018-2019 et développement d'un outil d'évaluation des risques d'embâcles
Bibliographic record
Abstract
Durant les mois de janvier et février 2019, trois embâcles ont forcé l'arrêt de la navigation commerciale vers le Port de Montréal. Ce mémoire présente les conditions météorologiques associées aux embâcles sur le fleuve Saint-Laurent de l'hiver 2018-2019. Il explique que les embâcles se développent à la suite d'arrêts de glace dans le bief problématique du lac Saint-Pierre entre la courbe Louiseville et le bassin Yamachiche. Pour ce faire, l'étude considère la production de glace en amont jusqu'au lac Saint-Louis. Il explique pourquoi ce bief est si vulnérable à l'initiation d'embâcles en présentant les neuf concepts de vulnérabilité du lac Saint-Pierre. De plus, il propose quatorze recommandations concrètes pour améliorer la fiabilité de navigation hivernale en réduisant les risques d'embâcles. En considérant ces recommandations, différentes opportunités de télédétection et une interface utilisateur sont présentées. L'opportunité de télédétection introduit la possibilité d'usage d'images de RADARSAT Constellation Mission et de photographies par drone afin d'évaluer des éléments clés comme la progression du couvert de glace, la largeur effective du chenal, la concentration de glace en transit et la vitesse de la glace. L'interface est un prototype d'outil d'aide à la décision de source libre qui permet d'obtenir d'autres informations quantitatives sur les risques d'arrêts de glace et du même fait, d'embâcles de glace.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".