Evaluation of the runoff potential in high relief semi-arid regions using remote sensing data: application to Bolivia
Notice bibliographique
Résumé
The objective of this study is to develop a methodology based on the combined use of optical and radar images for evaluating the runoff potential in high relief, semi-arid environments. We present a method based on the use of multisource satellite images (RADARSAT-1 SAR, Landsat-7 ETM+ and SPOT-4 HRV) for determining land use and the vegetation cover ratio in order to evaluate the runoff potential in Bolivia. Various band combinations provide classification rates greater than 80% for the mapping of land use. Basically, in over 83% of the watershed, the runoff potential is greater than 0.5 on a scale from 0 to 1. Résumé.La contribution fondamentale de l'étude est le développement d'une méthodologie permettant l'utilisation conjointe d'images optique et radar dans l'évaluation du potentiel de ruissellement en milieu semi-aride de forte énergie de relief. Nous avons conçu une méthode d'exploitation d'images satellitaires multisources (RSO de RADARSAT-1, ETM+ de Landsat-7 et HRV de SPOT-4) afin d'évaluer le potentiel de ruissellement en Bolivie. Plusieurs combinaisons de bandes donnent des taux de classification supérieurs à 80% pour la cartographie de l'occupation du sol. Sur 83% du bassin, le potentiel de ruissellement est supérieur à 0.5 sur un maximum de 1.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».