Étude comparative des méthodes d'évaluation de la vulnérabilité intrinsèque des aquifères à la pollution: application aux aquifères granulaires du piémont laurentien.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
La transcription des symboles et des caractères spéciaux utilisés dans la version originale de \nce résumé n’a pas été possible en raison de limitations techniques. La version correcte de ce \nrésumé peut être lue en PDF. Le but de ce projet, réalisé conjointement par le Centre géoscientifique de Québec, l'Institut \nNational de la Recherche Scientifique (INRS-Géoressources), l'Université Laval, le MENV et la \nMRC de Portneuf vise la mise en place d'une démarche pour la réalisation de cartes de \nvulnérabilité régionale, en prenant pour région d'application la MRC de Portneuf (terrain \nd'environ 4000 km2 à 50 km à l'ouest de Québec). \nAu Canada, 26% de la population est tributaire de l'eau souterraine pour ses besoins domestiques; \nce pourcentage s'élève à 21 % au Québec. La qualité de cette eau est sans cesse mise à l'épreuve \npar la menace grandissante associée aux sources potentielles de pollution. Il est important, dans le \ncontexte actuel, que des mesures soient prises afin d'assurer la pérennité de la ressource. \nL'estimation de la vulnérabilité intrinsèque permet de prévenir une partie de la contamination en \naidant à la prise de décision en matière de gestion du territoire. \nIl existe plusieurs méthodes d'estimation de la vulnérabilité. L'étude présentée ici a pour objectif, \nde déterminer quelle méthode s'avère la plus efficace et réaliste du point de vue de l'évaluation \nde la vulnérabilité intrinsèque. Elle doit établir deux compromis, choisir une méthode dont le \nnombre de paramètre est suffisant mais pas trop élevé (difficulté pour se procurer l'information); \net équilibrer la quantité d'information nécessaire versus celle disponible (la collecte pouvant \nengendrer des coûts élevés). Cette étude a été réalisée en deux parties, un volet pour l'estimation \nde la vulnérabilité intrinsèque en appliquant 4 méthodes d'estimation et un second volet pour \nl'analyse statistique concernant la place de chacun des paramètres dans les diverses méthodes et \nla variabilité de l'estimation de la vulnérabilité d'une méthode à l'autre. \nLes méthodes d'estimation retenues sont: la méthode DRASTIC (7 paramètres), la méthode \nGOD (3 paramètres), la méthode Minnesota (utilisant 4 paramètres sur 3 niveaux) et la méthode \nEVARISK pour laquelle la plupart des variables font partie intégrante du modèle. Le choix des \nméthodes a été basé sur les différents types de méthodes (cotation numérique, analytique, \ncartographique) disponibles dans la littérature et sur l'information disponible, en rapport avec \nl'application de la méthode et les données utiles à sa réalisation. L'incorporation des résultats \ndans des systèmes d'information géographique (SIG tels que Mapinfo, IDRISI, ArcInfo) permet \nde structurer et faciliter l'accès et l'intégration de l'information. \nL'application de la comparaison de ces méthodes a été effectué au niveau des aquifères \ngranulaires du piémont laurentien. Ce secteur a été sélectionné pour sa diversité tant pour la \nprésence d'aquifères représentatifs de la rive nord du Saint-Laurent, que pour la diversité au \nniveau de l'utilisation des sols et de la géologie. \nL'application de ces 4 méthodes permet de voir que les résultats obtenus pour les méthodes \nDRASTIC, Minnesota et GOD sont fortement influencées par la nature des formations \nsuperficielles et diffèrent d'avec la carte EVARISK, basée sur les caractéristiques pédologiques \ndu terrain. Il est à noter que l'estimation de la vulnérabilité intrinsèque est une notion relative, \nc'est-à-dire que les valeurs obtenues pour chaque méthode sont parfois subjectives et \ninterprétables méthode par méthode. L'étude statistique de surface réalisée en comparant les \nméthodes deux à deux, permet de mettre en relation la variation spatiale de l'indice de \nvulnérabilité d'une méthode à l'autre sans tenir compte de la valeur de cet indice. On a pu \nremarquer que la superposition des méthodes DRASTIC et Minnesota met en évidence une bonne \nadéquation dans l'estimation de la vulnérabilité de la MRC de Portneuf. Les tests géostatistiques \nmettent en évidence l'importance des paramètres pour chaque méthode et l'adéquation des \nméthodes par rapport à la méthode DRASTIC.
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.
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 | 0,005 | 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 | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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 découle