MétaCan
Menu
Retour à la cohorte
Enregistrement W2775790767 · doi:10.4000/vertigo.18620

Reconstituer les trajectoires paysagères par photo-interprétation semi-automatisée et télédétection : géohistoire d'un cône de déjection torrentiel en vallée de Maurienne (Savoie)

2017· article· fr· W2775790767 sur OpenAlexvenueno aff
Thérèse Hugerot, Laurent Astrade, Estelle Ployon, Christophe Gauchon

Notice bibliographique

RevueVertigO · 2017
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArt

Résumé

récupéré en direct d'OpenAlex

Cet article propose une méthodologie de traitement des photographies aériennes anciennes appliquée à l’étude géohistorique des paysages torrentiels. La photographie aérienne est un traceur temporel de première main dans la reconstitution diachronique des changements paysagers. L’enjeu de ces recherches est le suivi cartographique des dynamiques paysagères, en prenant pour modèle une entité un paysage sensible au changement - le cône de déjection torrentiel - dont les conditions d’équilibre témoignent du contexte socio-environnemental d’une vallée torrentielle des Alpes du Nord. C’est dans une perspective exploratoire de reconstitution diachronique que les techniques de photo-interprétation et de télédétection ont été associées. Aussi est-il question de montrer les potentialités d’une approche orientée objet pour reconstituer des trajectoires en prenant pour exemple une série chronologique de missions aériennes anciennes de l’IGN©. L’approche développée à partir d’une chaîne de traitements permet la comparaison d’images anciennes. Les résultats de cette méthode offrent une compréhension spatiale des dynamiques paysagères sur les cinquante dernières années. Par-delà l’exemple ici présenté, la méthode proposée permet d’envisager le traitement d’autres jeux de photographies aériennes d’archives et une application à d’autres cônes de déjection. Protocole

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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.

Devis d'étudeObservationnel
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetSoil erosion and sediment transportTravaux en français237 207