MétaCan
Menu
Back to cohort
Record W7062235572

Tempêtes printanières et précipitations précédant la débâcle dans le haut du fleuve Saint-Jean en mars et avril 2021

2023· other· fr· W7062235572 on OpenAlexaboutno aff

Bibliographic record

VenueArchipelago (Université du Québec à Montréal) · 2023
Typeother
Languagefr
FieldEngineering
TopicThermal Analysis in Power Transmission
Canadian institutionsnot available
Fundersnot available
KeywordsWestern europeStatistical analysisMars Exploration Program
DOInot available

Abstract

fetched live from OpenAlex

L'accumulation de neige sur le bassin supérieur du fleuve Saint-Jean pendant l'hiver peut souvent entraîner de graves inondations lors de la fonte printanière. Depuis 2008, trois inondations se sont produites dans le bassin du fleuve Saint-Jean près de Fredericton, au Nouveau-Brunswick. L'objectif de cette étude est de caractériser les événements à forte incidence qui ont entraîné la fermeture d'écoles ou qui ont contribué à la fonte des neiges et à la débâcle dans le haut de la vallée du fleuve Saint-Jean. Pour ce faire, nous avons utilisé les données recueillies lors de l'expérience de la rivière Saint-Jean sur les tempêtes de saison froide (SAJESS) entre le 4 mars 2020 et le 30 avril 2020. Au cours de cette période, une série de cinq événements de précipitation coïncidant avec la crue printanière de 2020 ont été documentés, dont quatre étaient associés à une transition de type de précipitation de la neige à la pluie ou de la pluie à la neige. Pour étudier les conditions atmosphériques à grande échelle et les types de précipitations de ces tempêtes, les mesures d'un micro-radar météorologique, d'un disdromètre laser optique, de radiosondages météorologiques et de microphotographies des particules de précipitations ont été analysées. Les données de réanalyse ERA5 ont également été utilisées pour explorer les conditions synoptiques. Ces données sont combinées aux conditions météorologiques au sol, telles que la température de l'air, l'humidité relative et la quantité de précipitations. Durant cette période de temps, plusieurs types de précipitation ont été observés tels que de la pluie, de la neige et du grésil. Aucun épisode de pluie verglaçante n’a été rapporté à la surface. Bien que les transitions de phase observées se produisent simultanément avec l'advection d'air chaud, liée à une augmentation de la température de l’air en altitude, le refroidissement par chaleur latente de la neige fondante peut forcer une transition pluie-neige pour des taux de précipitations élevés. Pour conclure ce mémoire démontre la complexité des conditions atmosphériques pouvant mener à des précipitations mixtes à la surface. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : fleuve Saint-Jean, SAJESS, tempêtes hivernales, précipitations hivernales, transition pluie-neige, disdromètre optique, micro-radar météorologique, radiosondages

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.836
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0000.000
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.002

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.

Opus teacher head0.004
GPT teacher head0.173
Teacher spread0.169 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueArchipelago (Université du Québec à Montréal)Same topicThermal Analysis in Power TransmissionFrench-language works237,207