Caractérisation de la variabilité de la région de transition pluie-neige dans les Rocheuses canadiennes à l'aide d'un modèle régional climatique à très haute résolution
Bibliographic record
Abstract
Les précipitations printanières dans les régions montagneuses Canadiennes sont des sources d’inconvénients, tant pour les infrastructures que pour l’aspect économique. L’intensité et la durée de celles-ci influencent grandement la sévérité des événements d’inondations dans ces régions. La localisation de la région de transition pluie-neige (zone délimitée par la pluie d’un côté et la neige de l’autre) en terrain complexe est essentielle pour comprendre la variabilité du manteau neigeux et anticiper les ressources en eau disponibles au printemps. Ce projet vise à caractériser la variabilité de la région de transition des précipitations dans les Rocheuses canadiennes et d’étudier son évolution dans un contexte de changement climatique. Pour ce faire, des simulations à 4 km permettant la convection réalisées avec le modèle Weather and Research Forecasting (WRF) au National Center for Atmospheric Research (NCAR) sur presque tout l’Amérique du Nord de 2000 à 2013 ont été utilisées. Le printemps dans les Rocheuses canadiennes est marqué d’une majorité d’événements de précipitations associées à une région de transition pluie-neige en altitude et une plus grande variabilité annuelle de cette région. Durant la même saison, l’altitude de la base de cette région de transition durant les événements oscille entre 0,5 et 2 km au-dessus de la surface avec une épaisseur moyenne de ~ 1 km et pendant l’été entre 1 et 3 km au-dessus de la surface avec une épaisseur moyenne de ~ 1,5 km. Cette étude montre aussi que la diminution de l’épaisseur de cette région de transition au-dessus des Rocheuses canadiennes dépendamment de l’événement varie entre 0,5 et 1 km. Dans un contexte de climat plus chaud et plus humide, elle pourra évoluer en moyenne de 500 m pendant la période froide (novembre à avril) à ~ 1000 m pendant la période chaude sur 13 ans. En somme, cette étude permet d’avoir une idée sur l’emplacement de la région de transition pluie-neige afin de prévoir le type de précipitation à la surface. Ces informations pourront aider les municipalités et entreprises dans la planification de leurs activités et de pouvoir anticiper sur les mesures d’adaptations aux changements climatiques. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Régions montagneuses, Événement, Région de transition pluie-neige, Variabilité, Réchauffement climatique, Évolution.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".