Évaluation de l’impact de la pollution diffuse sur la qualité de l’eau en rivière avec données restreintes : cas d’application du bassin versant de la rivière Cau
Notice bibliographique
Résumé
L’objectif principal de ce travail est d’évaluer l’influence de différentes sources de pollution sur la qualité de l’eau du bassin versant de la rivière Cau au Vietnam. L’outil utilisé pour cette évaluation est GIBSI (Gestion Intégrée par Bassin versant à l’aide d’un Système Informatisé). Pour cette évaluation, les sous-modèles PO, pour simuler le transport de l’azote et du phosphore, et Qual GIBSI, pour simuler la qualité de l’eau en rivière, seront utilisés. Pour pouvoir appliquer ces modèles, une méthode originale de calage régionalisé, tenant compte des caractéristiques de différentes zones du territoire, est développée. Cette approche permet de tenir compte des caractéristiques des différentes zones du bassin versant pour reproduire au mieux les données observées. Ensuite, à partir de scénarios, l’effet des différentes sources de pollution est comparé. En particulier, l’impact sur la qualité de l’eau du bassin versant de la rivière Cau de la pollution diffuse d’origine agricole et d’origine domestique rurale est évalué. Les résultats démontrent que la pollution diffuse a un impact plus important sur la dégradation de la qualité de l’eau de ce bassin versant que les autres sources de pollution.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».