MétaCan
Menu
Retour à la cohorte
Enregistrement W2808823955

Cartographie par radar à synthèse d'ouverture pour l'analyse de la variabilité spatiale du pied de glace pour la région de la péninsule de Manicouagan, Québec

2017· article· fr· W2808823955 sur OpenAlexaboutno aff
Simon Tolszczuk-Leclerc

Notice bibliographique

RevueSémaphore (Université du Québec à Rimouski) · 2017
Typearticle
Languefr
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyHumanitiesGeographyPhysical geographyArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

RÉSUMÉ: Posséder des connaissances sur la climatologie et être en mesure de cartographier le pied de glace s’impose de plus en plus comme un élément incontournable pour s'attaquer au problème de l'érosion côtière dans l'estuaire du fleuve Saint-Laurent (Québec, Canada). Le complexe glaciel côtier joue deux rôles fondamentaux : d’une part, prévenir l'érosion en réduisant le transport sédimentaire induit par la dérive littorale et, d’autre part, être un agent d'érosion en incorporant du sédiment dans sa structure pendant la phase d'englacement et en le transportant ensuite au large lors du déglacement printanier. Pour l'instant, les estimations du bilan sédimentaire associées à la dynamique glacielle sont imprécises. Par ailleurs, dans un contexte de changements climatiques susceptibles d’abréger la période d'englacement des rives en milieux nordiques, il s’impose de se doter d’outils de collecte d’information sur les caractéristiques du pied de glace, afin de mieux équiper les gestionnaires du territoire pour affronter les défis qui s'annoncent. \nAvec les systèmes radar à synthèse d’ouverture (RSO) performant actuellement en opération, des applications comme la cartographie de structures de glace telles que le pied de glace deviennent potentiellement réalisables malgré les défis que cela présente. Pour atteindre l’objectif de cartographier le pied de glace, des images RADARSAT-2 couvrant la péninsule de Manicouagan ont été acquises en mode multipolarimétrique (HH, HV, VH, VV) à huit mètres de résolution. Les résultats obtenus à partir de différentes techniques de traitement d’images polarimétriques ont été comparés. Afin d'évaluer la validité et l'interprétation des résultats des diverses méthodes de cartographie, une campagne de terrain a été menée pendant les hivers des années 2009 à 2011. Les données in situ ainsi récoltées sont les suivantes : profils de glace, levés GPS de la superficie du pied de glace, carottes de glace et images obtenues à l’aide de caméras automatiques. \nLa méthode de cartographie issue des travaux de Ferro-Famil, Pottier et Lee (2001) a permis de cartographier le pied de glace avec un taux de succès de 69% à 79% selon le site étudié et les filtres utilisés. Les résultats ainsi obtenus ont permis la mise en oeuvre d’applications pratiques comme la mesure de la variabilité spatiale du pied de glace et l’estimation de sa charge sédimentaire. Les résultats de l’analyse de la variabilité spatiale permettent d’avancer l’hypothèse que le type de côte explique de manière significative la variabilité observée dans la concentration du PDG sur les côtes de la péninsule de Manicouagan. Ces résultats montrent aussi que la télédétection peut aider à estimer le volume du pied de glace sur les côtes du Saint-Laurent. Lorsque couplée avec des mesures in situ de la charge sédimentaires incorporé à la glace, la méthodologie présentée permet de calculer la quantité de sédiments mobilisée par la glace côtière, ce qui permet de préciser l’impact du PDG sur le bilan sédimentaire d’une cellule hydro-sédimentaire côtière. -- Mot(s) clé(s) en français : Télédétection, radar à synthèse d'ouverture, pied de glace, géomorphologie côtière. -- ABSTRACT: Canada’s coasts are dynamic systems affected by a variety of processes, one of which is coastal erosion. In the Saint-Lawrence estuary, coastal erosion is a particularly important process as it threatens a variety of infrastructure built near the shorelines. In this context, it is important to acquire knowledge about this process and the factors affecting it. More particularly, in winter, northern coasts host the near shore ice complex, which protects the shores against winter storms, but also contributes to erosion by carrying sediments offshore during spring breakup. With today’s high resolution polarimetric SAR satellites, the extraction of ice structures as narrow as the strip of ice that forms the icefoot becomes potentially feasible. This study describes a method which was developed to map the nearshore ice complex and the icefoot using RADARSAT-2 fully polarimetric data. Classifications using the Ferro-Famil, Pottier and Lee (2001) methodology were tested and the results were compared against reference dataset that were acquired through field campaigns during the 2010 and 2011 winters. Accuracy results for the icefoot classification range from 69% to 79%. \nThe spatial variability of the icefoot was analysed using the developed icefoot mapping methodology. Results indicate that during the onset and the breakup period, the spatial variability of the icefoot can be partly explained by the coast type it is set on. When combined with Lidar observations of the beach topography, this methodology can also obtain the icefoot volume. This measurement method could help improve our understanding of the impact of the icefoot on the coastal erosion process. -- Mot(s) clé(s) en anglais : Remote sensing, synthetic aperture radar, icefoot, coastal geomorphology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,308
Score d'incertitude au seuil0,621

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,007
Tête enseignante GPT0,188
Écart entre enseignants0,181 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSémaphore (Université du Québec à Rimouski)Même sujetCryospheric studies and observationsTravaux en français237 207