MétaCan
Menu
Retour à la cohorte
Enregistrement W1615352237 · doi:10.7202/705532ar

Utilisation du modèle KINEROS pour la simulation des hydrogrammes et des turbidigrammes en zone semi-aride tunisienne

2005· article· fr· W1615352237 sur OpenAlexaff
L. Lajili-Ghezal

Notice bibliographique

RevueRevue des sciences de l eau · 2005
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceForestryGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

L'article qui est proposé s'inscrit dans le cadre de la recherche de systèmes de gestion de l'eau qui soient en mesure de satisfaire une demande alimentaire croissante dans un contexte de rareté de l'eau, tout en respectant les exigences de l'environnement. Il développe la phase 1 d'une démarche méthodologique visant l'élaboration d'un plan de gestion des eaux d'un lac collinaire en zone semi-aride tunisienne pour un développement agricole durable. Cette phase correspond à l'utilisation d'un modèle de prévision du ruissellement et des sédiments par averse. Le modèle mathématique à paramètres physiques distribués KINEROS est utilisé et appliqué sur un petit bassin versant de 135,35 ha pour 9 averses enregistrées durant les deux années 1997 et 1998 en affectant aux différents paramètres du modèle des valeurs réalistes basées sur les résultats expérimentaux collectés dans la littérature. L'application de ce type de modèle nécessite la connaissance de l'occupation du sol à un instant donné. Pour ce faire, une carte d'aménagement agricole pour l'ensemble du bassin versant a été établie correspondant à la résultante de deux cartes élaborées ; la carte culturale et la carte d'aménagement antiérosif. L'analyse des résultats obtenus a montré que le modèle KINEROS peut être utilisé comme outil d'aide à la gestion des terres et des sols en zone semi-aride tunisienne à relief accidenté.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,454
Score d'incertitude au seuil0,961

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,306
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des sciences de l eauMême sujetSoil erosion and sediment transportTravaux en français237 207