Étude corrélative des paramètres physico-chimiques et des données satellites IRS1C pour caractériser la pollution aquatique. Application à la baie d’Oran, Algérie
Notice bibliographique
Résumé
Le contrôle de la qualité de l'eau est fondé naturellement et traditionnellement sur des mesures et des prélèvements in situ. Des images satellites étalonnées à partir des données mesurées in situ fournissent une information quantitative et continue sur le milieu aquatique et peuvent être employées pour estimer, avec une approximation raisonnable, les facteurs affectant la qualité de l’eau L’objectif de cet article consiste à établir des corrélations entre les propriétés optiques de l’eau de mer et les paramètres physico-chimiques. Nous présentons des relations exprimant les variables indicatrices de la qualité des eaux du littoral d’Oran et la réflectance calculée de chaque pixel à partir d’un modèle physique de correction radiométrique. Les mesures in- situ sont effectuées pour des zones de différentes qualités d’eaux et leurs réflectances sont calculées à partir d’une image satellite à haute résolution IRS1-C. Les meilleures corrélations sont obtenues sur le deuxième et le troisième canal visible. Pour la demande chimique en oxygène, le coefficient de corrélation atteint 0.84, pour les matières en suspension r 2 = 0.88, pour la demande biochimique de l’oxygène pendant cinq jours r 2 = 0.62, pour l’oxygène dissous r 2 = 0.77 et pour la turbidité r 2 = 0.90. Finalement, des relations linéaires sont établies avec les réflectances. L’inversion de ces relations permet d’obtenir des images transformées à partir du logiciel de traitement d’image afin d’estimer pour chaque pixel le degré de pollution du milieu.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».