23526 research outputs found
Sort by
Heat flux evaluation based on active fiber optic distributed temperature sensing tests in southwestern Yukon, Canada.
No full textGeothermal energy could decrease remote regions dependence on diesel by offering an alternative baseload energy. However, the geothermal exploration risk is high in remote regions due to limited temperature and ground thermal conductivity data, and resultant heat flux evaluations. Thermal response tests are commonly used in the heat pump industry to evaluate the effective thermal conductivity, but these tests are typically performed in shallow wells (< 200 m), assume the effective thermal conductivity to be purely due to conduction and neglect the influence of groundwater flow. Herein, fibre-optic distributed temperature sensing was used during active thermal response tests to produce a high-resolution in-situ effective thermal conductivity profile. The high-resolution profiles allow conduction-dominated segments to be isolated based on the temperature and effective thermal conductivity profiles. This method was applied to two boreholes in southwestern Yukon on the traditional territory of Kluane First Nation (KFN-L: 387 m and DRGW: 220 m). The heat flux was evaluated based on conductive segments of the temperature and thermal conductivity profiles. The temperature profile was corrected for topography and paleoclimate effects, and the internal heat generation was also considered. This resulted in heat flux estimation of 89 mW m-2 and 99 mWm-2 at KFN-L and DRGW, respectively. These values decrease exploration uncertainty around Burwash Landing, Yukon, where data scarcity is a challenge to geothermal exploration. This method could be applied in diverse geological settings to confidently estimate local terrestrial heat flux in pre-existing boreholes
A framework for estimating agricultural water requirements: Accounting for anthropogenic activities and climate change.
No full textThe present research introduces a framework titled the Decision Support System for Water Resources and Agriculture under Anthropogenic Activities and Climate Change Impacts (hereafter, AnthroClimDSS). This framework incorporates several methods: I) a two-step calibration of the Soil and Water Assessment Tool (SWAT) using streamflow data and Actual Evapotranspiration (ETa) estimation from the Surface Energy Balance Algorithm for Land (SEBAL); II) evaluation of fifty high-resolution daily downscaled CMIP6 global climate models (GCMs); and III) introduction of indicators to assess water supply risk, including the Agricultural Water Requirement Supply Index (AWRSI). A historical analysis of AWRSI in a sub-basin of Urmia Lake, Iran, reveals that, although agricultural water demand was fully supplied, significant pressure was placed on water resources, particularly groundwater, due to anthropogenic activities. Projections using GCMs within the AnthroClimDSS framework show that future climate change impacts are likely to be substantial. Continuing current practices could lead to severe water scarcity (possibly bankruptcy) and environmental degradation, as water demands increasingly outpace sustainable supply. However, scenario analysis suggests that the adverse impacts of both climate change and human activities can be mitigated through targeted agricultural water management at the farm scale. The proposed AnthroClimDSS framework offers a valuable tool for watershed planners to develop and implement more sustainable water resources management strategies
Climate teleconnection-driven stochastic simulation for future water-related risk management.
No full textWater risk management has been adversely affected by climate variations, including recent climate change. Climate variations have highly impacted the hydrological cycles in the atmosphere and biosphere, and their impact can be defined with the teleconnection between climate signals and hydrological variables. Water managers should practice future risk management to mitigate risks, including the impact of teleconnection, and stochastically simulated scenarios can be employed as an effective tool to take advantage of water management preparation. A stochastic simulation model for hydrological variables teleconnected with climate signals is very useful for water managers. Therefore, the objective of the current study was to develop a novel stochastic simulation model for the simulation of synthetic series teleconnected with climate signals. By jointly decomposing the hydrological variables and a climate signal with bivariate empirical mode decomposition (BEMD), the bivariate nonstationary oscillation resampling (B-NSOR) model was applied to the significant components. The remaining components were simulated with the newly developed method of climate signal-led K-nearest neighbor-based local linear regression (CKLR). This entire approach is referred to as the climate signal-led hydrologic stochastic simulation (CSHS) model. The key statistics were estimated from the 200 simulated series and compared with the observed data, and the results showed that the CSHS model could reproduce the key statistics including extremes while the SML model showed slight underestimation in the skewness and maximum values. Additionally, the observed long-term variability of hydrological variables was reproduced well with the CSHS model by analyzing drought statistics. Moreover, the Hurst coefficient with slightly higher than 0.8 was fairly preserved by the CSHS model while the SML model is underestimated as 0.75. The overall results demonstrate that the proposed CSHS model outperformed the existing shifting mean level (SML) model, which has been used to simulate hydroclimatological variables. Future projections until 2100 were obtained with the CSHS model. The overall results indicated that the proposed CSHS model could represent a reasonable alternative to teleconnect climate signals with hydrological variables
A Farm‐To‐Fork Framework to Assess the Scope and Limitations of Agricultural Data Structures.
No full textFarming methods efficiency, agrifood systems sustainability, food traceability, and supply chain transparency depend on robust data management systems. However, current agricultural data structures (schemas, models, frameworks, file systems, etc.) and infrastructures remain disjointed across pre- and post-harvest processes, often focussing on certain supply chain stages. This paper contributes an assessment of the scope and limitations of current agricultural data structures through a new proposed framework named AgrIMAF (Agricultural Information Model Assessment Framework). AgrIMAF is a three-layered framework composed of (a) supply chain stages, (b) stakeholders, and (c) data flows produced and required by stakeholders across the chain, each serving as a criterion to assess agricultural data structures identified through a systematic literature review. We assessed 30 data structures with AgrIMAF, revealing a predominant emphasis on preharvest stages, while postharvest stages are markedly underrepresented. Stakeholders such as customers, insurers, dietitians, and waste managers were predominantly neglected in the investigated data structures. The analysis indicates extensive coverage of crop, weather, and soil data, however post-harvest categories such as traceability, marketing, consumption, and waste are frequently absent. Sustainability initiatives and biodiversity metrics are infrequently acknowledged. AgrIMAF provides a diagnostic instrument to evaluate information systems and enhance sustainable, transparent supply chains
Assessment of uncertainties in stage–discharge rating curves: a large-scale application to Quebec hydrometric network.
No full textRating curves (RCs), which establish a relationship between stage and discharge at a given cross-section of a river, are largely used by national agencies to measure flow. RCs are constructed from gauging measurements and are usually represented by power functions (also called “power laws”), mathematical functions frequently used to represent stage–discharge relationships of standard hydraulic structures. Uncertainties in estimated flows based on rating curves can be significant, especially for high- and low-flow regimes. It is therefore important to report these uncertainties as accurately as possible. Many approaches estimating the sources of uncertainties in flows have been proposed but are generally too complex for large-scale application to hydrometric networks. This paper proposes an approach to develop rating curves and to assess the corresponding uncertainties in estimated flow that can be readily applied to large-scale hydrometric networks. This approach takes into consideration possible changes in RCs over time due to hydraulic or geomorphologic modifications and assesses whether one or two power functions are needed to adequately represent the stage–discharge relationship over the available range of gauged stages. RCs at Quebec hydrometric stations have been constructed. Relative differences between flows estimated from the RCs and gauged flows are used to assess uncertainties in estimated flow. They were adjusted to normal or logistic distributions with constant (stage-independent uncertainties) or stage-dependent scale parameters (stage-dependent uncertainties). The mean standard deviation of estimated flows for RCs with stage-independent uncertainties (75.0 % of the RCs) is 6.5 %, while, for RCs with stage-dependent uncertainties, they increase significantly at low stages, reaching values larger than 20 % for some RCs at the lowest-gauged stage
Advancing biomedical second harmonic generation imaging through machine learning for image processing and enhancement.
No full textCette thèse explore l'intégration de la microscopie par génération de seconde harmonique (SHG) avec des techniques d’apprentissage automatique pour améliorer les capacités d’imagerie et d’analyse, en s’attaquant aux limitations liées a la résolution, au bruit et à la vitesse d’acquisition. La microscopie SHG, une méthode d’imagerie non linéaire, offre des avantages uniques pour l’étude des structures biologiques non centrosymétriques. Les travaux présentés dans cette thèse élargissent les applications de la microscopie SHG dans la recherche biomédicale grâce à des innovations en traitement d’image, en classification et en amélioration d’image. La première partie de cette thèse propose une revue exhaustive du développement historique, des principes théoriques et des modalités avancées de la microscopie SHG. Une attention particulière est accordée à ses applications en imagerie neuronale et en analyse des structures biologiques, établissant une base solide pour les recherches expérimentales ultérieures. En s’appuyant sur ces connaissances, une étude des tissus glandulaires mammaires combine l’imagerie SHG et SHG résolue en polarisation (P-SHG) avec des réseaux neuronaux convolutifs pour automatiser la classification des tissus touches par des tumeurs et étudier l’optimisation des paramètres d’apprentissage automatique dans le contexte de la microscopie SHG. Cette approche met en évidence des variations structurelles significatives dans le microenvironnement tumoral, offrant des perspectives sur les processus de remodelage tissulaire. Pour répondre aux défis posés par les faibles rapports signal/bruit en imagerie SHG, la thèse applique des modèles d’apprentissage profond, tels que CARE 2D et Noise2Void 2D, pour améliorer la qualité des images. Ces modèles réduisent efficacement le bruit tout en préservant l’intégrité structurelle, permettant ainsi une imagerie de haute qualité avec une puissance laser réduite et minimisant les dommages photoniques aux échantillons biologiques. En outre, ce travail aborde le besoin d’une imagerie plus rapide en utilisant des réseaux antagonistes génératifs super-résolution améliores (ESRGANs). Cette approche innovante accélère l’imagerie P-SHG à l’échelle complète des glandes mammaires, reconstruisant des images haute résolution à partir de données basse résolution tout en maintenant des détails structurels essentiels. La réduction du temps d’imagerie améliore considérablement l’efficacité de la microscopie SHG, la rendant plus adaptée aux études à grande échelle ou sensibles au temps. Dans l’ensemble, ces travaux démontrent le potentiel transformateur de la combinaison de la microscopie SHG avec des techniques avancées d’apprentissage automatique. Ces innovations améliorent la qualité d’imagerie, réduisent le temps d’analyse et élargissent l’accessibilité de la SHG pour l’étude des structures biologiques complexes. Elles ouvrent la voie à des applications plus larges en recherche biomédicale et en diagnostics cliniques. Les perspectives incluent le développement de systèmes d’imagerie multimodale, l’optimisation des modèles d’apprentissage profond pour des tissus diversifies et la standardisation des techniques SHG pour une intégration dans les flux de travail cliniques.
This thesis explores the integration of second harmonic generation (SHG) microscopy with machine learning techniques to enhance imaging and analysis capabilities, addressing limitations in resolution, noise, and imaging speed. SHG microscopy, a nonlinear imaging method, provides unique advantages for studying non-centrosymmetric biological structures. The work presented advances SHG microscopy’s applications in biomedical research through innovations in image processing, classification, and enhancement. The first part of this thesis provides a comprehensive review of the historical development, theoretical principles, and advanced modalities of SHG microscopy. Emphasis is placed on its applications in neuronal imaging and biological structure analysis, establishing a strong foundation for subsequent experimental research. Building on this knowledge, a study of mammary gland tissues combines SHG and polarization-resolved SHG (P-SHG) imaging with convolutional neural networks to automate the classification of tumor-affected tissues and study machine learning parameter tuning in the context of SHG microscopy. This approach reveals significant structural variations within the tumor microenvironment, offering insights into tissue remodeling processes. To address challenges posed by low signal-to-noise ratios in SHG imaging, the thesis applies deep learning models, including CARE 2D and Noise2Void 2D, to improve image quality. These models effectively reduce noise while preserving structural integrity, allowing for high-quality imaging at reduced laser power and minimizing photodamage to biological samples. Additionally, this work addresses the need for faster imaging by employing enhanced super-resolution generative adversarial networks (ESRGANs). This innovative approach accelerates whole-sample P-SHG imaging of mammary gland tissues, reconstructing high-resolution images from low-resolution data and maintaining critical structural details. The reduction in imaging time significantly improves the efficiency of SHG imaging, making it more suitable for time-sensitive or large-scale studies. Collectively, the findings demonstrate the transformative potential of combining SHG microscopy with advanced machine learning techniques. These innovations enhance imaging quality, reduce analysis time, and expand the accessibility of SHG for studying complex biological structures.
This work paves the way for broader applications of SHG microscopy in biomedical research and clinical diagnostics. Future directions include the development of multimodal imaging systems, refinement of deep learning models for diverse tissues, and standardization of SHG techniques for integration into clinical workflows
Quête d’autonomie et de connaissances du corps : les usages d’une application mobile pour le suivi de la fécondité (appsF) chez les jeunes femmes souhaitant éviter une grossesse
No full textCe mémoire explore l’usage des applications mobiles de suivi de la fécondité (appsF) par les jeunes
femmes souhaitant éviter une grossesse, en examinant leur impact sur l’autonomie reproductive.
Ces outils, souvent perçus comme des alternatives naturelles aux méthodes médicalisées,
permettent de suivre les données corporelles liées au cycle menstruel. À travers une approche
qualitative fondée sur des entretiens semi-dirigés, ce travail analyse les trajectoires d’usage des
appsF et les différents usages des participantes. S’appuyant sur une perspective néo-matérialiste
féministe, il éclaire la manière dont ces outils redéfinissent les pratiques corporelles et la gestion
contraceptive. Si les résultats montrent qu’ils offrent une meilleure compréhension de la biologie
reproductive, ils soulignent aussi la persistance de normes de genre. En standardisant les cycles
menstruels et exposant des données sensibles, ces appsF posent des questions critiques sur leur
potentiel émancipateur et leurs implications sociales.
This thesis explores the use of fertility tracking mobile applications (appsF) by young women
seeking to avoid pregnancy, examining their impact on reproductive autonomy. These tools, often
perceived as natural alternatives to medicalized methods, enable users to monitor bodily data
related to the menstrual cycle. Through a qualitative approach based on semi-structured interviews,
this study analyzes the trajectories of appsF usage and the diverse practices of participants.
Drawing on a feminist new materialist perspective, it highlights how these tools redefine bodily
practices and contraceptive management. While the findings reveal that appsF provide a better
understanding of reproductive biology, they also emphasize the persistence of gender norms. By
standardizing menstrual cycles and exposing sensitive data, appsF raise critical questions about
their emancipatory potential and social implications
L’expérience des travailleur·euses temporaires Qallunaat en éducation, en santé et dans les services sociaux au Nunavik
No full textLe marché du travail au Nunavik est largement structuré autour de travailleur·euses temporaires
venu·es du Sud du Québec, une dynamique résultant de l’héritage du colonialisme dans
l’Arctique canadien. Malgré les défi s que cette présence pose pour l’organisation du
marché du travail et les relations entre Inuit et Qallunaat (non-Inuit), la compréhension
de ces expériences professionnelles demeure limitée. Ce rapport présente les résultats
d’une recherche de maîtrise visant à mieux comprendre l’expérience des travailleur·euses
qallunaat des secteurs du care (éducation, santé et services sociaux) au Nunavik.
Les résultats reposent sur des entretiens menés auprès de 21 ancien·nes travailleur·euses
qallunaat. Ils révèlent que leur expérience est caractérisée par 1) une opportunité personnelle
et professionnelle temporaire, 2) des divergences entre les aspirations initiales et les réalités
rencontrées, 3) une tension entre défi s et bénéfi ces, 4) des dynamiques coloniales qui les
placent en position d’autorité face aux Inuit, et 5) un sentiment d’être indispensable au
bon fonctionnement du marché du travail au Nunavik. Le rapport se conclut par 14 pistes
de recommandations pour aborder les enjeux soulevés par ces résultats.
Ce projet apporte une nouvelle compréhension de l’attachement temporaire des
travailleur·euses qallunaat et de leurs relations avec les Inuit dans les institutions du care
au Nunavik, en mettant en lumière comment les dynamiques coloniales les avantagent
tout en excluant les Inuit des emplois sur leur propre territoire. Le rapport soulève des
pistes d’actions à envisager afi n de soutenir le renouvellement des relations entre Inuit et
Qallunaat au sein des institutions du care
Defining the core microbiome of high arctic lakes and their responses to permafrost thaw induced brownification.
No full textLes écosystèmes arctiques, subissent un stress accru sur leur structure en raison des changements climatiques. Les micro-organismes, qui sont au cœur de la structure des écosystèmes arctiques constituent donc des organismes sentinelles d’intérêts. Malgré cela, les effets du changement climatique sur les communautés microbiennes de l'Arctique restent relativement peu caractérisés, en particulier dans les systèmes lacustres. Ce projet de thèse a donc identifié la composition des micro-organismes dans ces lacs du haut-Arctique et a étudié leurs réponses au niveau de la communauté et des cellules au brunissement induit par le dégel du pergélisol, manisfestation d'un Arctique en mutation. Une série de lacs transparents et oligotrophes sur l'île de Bylot (NU, Canada ; pergélisol continu) ont servi de sites d'étude principaux, avec des échantillons prélevés pour la caractérisation microbienne et physicochimique. Un lac transparent comparable, à faible impact anthropogénique, situé au sud du Québec a également été étudié pour fournir une référence tempérée d'un statut trophique similaire. Le séquençage d'amplicons a révélé que les lacs arctiques partageaient un microbiome central distinct des environnements environnants, tandis que le lac tempéré avait un noyau moins défini et ne partageait que quelques genres avec les sites arctiques. Globalement, le microbiome central de l'Arctique n'était pas dominé par des taxons cryophiles, mais plutôt par des bactéries généralistes que l'on trouve dans les systèmes aquatiques du monde entier. Des lixiviats provenant des milieux arctiques (couche active et pergélisol) et de la zone tempérée furent utilisés pour co-incuber les communautés microbiennes de microcosmes de laboratoire. Ces microcosmes simulant le brunissement ont montré que les communautés des lacs arctiques utilisaient de préférence des composés organiques plus labiles, la qualité et la quantité de matière organique affectant directement la croissance, la production et la composition de la communauté. Contrairement aux tendances observées dans l'ensemble de la communauté, les isolats bactériens provenant de ces sites présentaient des schémas d'utilisation des substrats différents, l'efficacité de l'utilisation du carbone et les effets du traitement variant en fonction de la latitude. La morphologie cellulaire a également été influencée par les traitements, et le séquençage du génome entier des isolats a révélé leur potentiel fonctionnel pour la dégradation de la matière organique. En intégrant des observations sur le terrain, des manipulations expérimentales et des analyses génomiques, ce travail démontre que les microbiomes des lacs arctiques présentent à la fois une redondance fonctionnelle et une spécialisation latitudinale dans leurs réponses aux apports de matière organique. La dominance des taxons généralistes dans le microbiome central de l'Arctique remet en question les hypothèses sur la spécialisation microbienne cryosphérique, tandis que les stratégies enzymatiques divergentes des isolats de l'Arctique par rapport à ceux des régions tempérées soulignent comment les pressions environnementaleshistoriques façonnent la plasticité métabolique. Ces résultats établissent une base critique pour prédire comment le cycle du carbone médié par les microbes dans les lacs arctiques peut amplifier ou atténuer les rétroactions climatiques à mesure que le dégel du pergélisol s'accélère. En outre, le découplage observé entre les préférences de substrat au niveau de la communauté et les capacités métaboliques des isolats souligne la nécessité de résoudre les traits fonctionnels à plusieurs échelles biologiques dans les modèles climatiques. En reliant les adaptations microbiennes aux processus à l'échelle de l'écosystème, cette thèse fait progresser notre capacité à prévoir les conséquences écologiques du brunissement de l'Arctique, en soulignant le rôle des communautés microbiennes en tant que sentinelles et médiateurs du changement global dans les paysages nordiques qui se réchauffent rapidement
Simplifications de filtre de kalman pour le traitement de signaux.
No full textCe travail présente un cadre bayésien pour l’estimation adaptative en ligne des filtres de Kalman appliqués aux modèles linéaires dans le traitement du signal. La dynamique des paramètres est modélisée par un processus vectoriel autorégressif affecté d’un bruit gaussien, et différentes structures de covariance (standard, scalaire et à variance fixe) sont étudiées et comparées pour analyser leur impact sur la performance du filtre. L’analyse comparative de ces différentes structures de filtre repose sur des simulations appliquées à l’identification de la réponse impulsionnelle acoustique. Un accent particulier est mis sur plusieurs approches adaptatives d’estimation en ligne des hyper-paramètres, telles que le lissage temporel et l’estimation du maximum de vraisemblance (MLE). Les résultats obtenus montrent que ce cadre bayésien généralise avantageusement les méthodes classiques, en illustrant une robustesse et une adaptabilité supérieures, aussi bien dans des conditions expérimentales variées, des environnements bruités, que dans une grande diversité de scénarios d’application. This work introduces a Bayesian framework for online adaptive estimation of Kalman filters applied to linear models in signal processing. The parameter dynamics are modeled by a vector autoregressive process driven by Gaussian noise, and different covariance structures (standard, scalar, and fixed-variance) are studied and compared to assess their impact on filter performance. The comparative analysis of these various filter structures is based on simulations targeting the identification of acoustic impulse responses. Several online adaptive methods for hyperparameter estimation are specifically explored, including both temporal smoothing and maximum likelihood approaches. The results confirm that the Bayesian framework not only generalizes existing methods but also demonstrates superior robustness and adaptability across diverse experimental settings, noisy contexts, and a broad spectrum of practical applications