Application of remote sensing to model snowpack evolution in the High Atlas
Notice bibliographique
Résumé
La fonte de la neige qui s'accumule dans le Haut Atlas du Maroc représente une ressource en eau importante pour les habitants des vallées, car elle recharge les nappes souterraines et contribue au débit des oueds. Pourtant, l'état du manteau neigeux est mal connu à cause de l'absence de mesures in situ et de stations météorologiques à haute altitude. Pour répondre à ce défi, nous proposons dans cette thèse d'assimiler des données des surfaces enneigées dérivées des images à haute résolution spatiale et temporelle de la mission Sentinel-2 dans un modèle distribué de manteau neigeux forcé par des données de réanalyses climatiques. Cet objectif général nous a conduit à identifier dans un premier temps la résolution spatiale optimale pour simuler le manteau neigeux tout en limitant les temps de calcul. Ensuite, nous avons évalué l'apport des données de réanalyses météorologiques MERRA-2 pour estimer l'état du manteau neigeux dans un bassin versant peu étudié et important en terme de ressource en eau. Enfin, nous montrons l'implémentation et l'évaluation du schéma d'assimilation sur une saison complète dans un bassin versant pilote. Les résultats encourageants ouvrent la voie à une estimation régionale de l'équivalent en eau de la neige dans le Haut Atlas.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».