MNT à très haute résolution dans les modelés fortement disséqués : des données aux tests d’application
Notice bibliographique
Résumé
Les MNT à très haute résolution spatiale sont désormais accessibles pour des secteurs fortement disséqués comme les badlands. Ces représentations numériques de l’altimétrie sous une forme spatialisée sont porteuses d’utilisations multiples et nouvelles pour la connaissance, le suivi et la modélisation des zones érodées. Nous explorons ici des MNT à très haute résolution spatiale, c’est à dire avec des résolutions de quelques centimètres à quelques mètres et avec des qualités de restitution en Z (altitude) meilleures que le mètre. Après une brève présentation des techniques d’acquisition de ces MNT à partir d’images stéréoscopiques ou du Lidar et des précisions qui leur sont associées, on rappelle quelles sont les transformées de l’altitude utiles pour la morphologie. Afin de montrer quelques-unes des possibilités qu’ouvrent ces nouvelles données, diverses applications, menées sur les petits bassins versants marneux de l’Observatoire de Recherche et d’Expérimentation de Draix (Alpes, France), sont détaillées. Elles ont trait, d’abord, à l’extraction du réseau des talwegs à partir de MNT à 2 m (et de MNT dégradés à 4, 8, 20 mètres) et au calcul de sa dimension fractale pour les résolutions à 2 m et 8 m ; puis au repérage automatique de ravines sur critères morphologiques simples afin d’aider à la localisation d’aménagements anti-érosifs. On montre enfin les potentialités des topographies précises par Lidar terrestre pour repérer d’étroites rigoles, suivre leur évolution, ou établir des bilans d’érosion sur versant alors qu’une précision d’ordre centimétrique est requise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».