ATES: a geo-informatics decision aid tool for the integration of groundwater into land planning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Groundwater is the primary source of drinking water for small municipalities and individuals. However, groundwater can be polluted by almost any land use. Consequently, many governments have acquired groundwater information in the aim of protecting the resource. Nevertheless, the resulting data are often ill-fitted to planning needs. In a previous study, a method was developed to help planners interpret hydrogeological data. It combines land planning and hydrogeological data through multicriteria analysis, in order to obtain groundwater contamination risk maps. The method proved efficient and useful. However, it could not be easily implemented by land planners, who do not always have training with these types of data and geographical information system (GIS). This paper presents how the method was integrated into a web-based interface called Aménagement du Territoire et Eau Souterraine (ATES). ATES allows planners to view groundwater basic maps, evaluate the present contamination risk for groundwater, and analyse new planning scenarios. ATES also suggests mitigation measures and offers tools to discuss the possible solutions. The tool has been developed, tested and validated with land planners. To our knowledge, it is the first geo-informatics tool developed especially for planners that aims at facilitating the incorporation of groundwater into planning. Moreover, an innovative approach called MACBETH was used for data aggregation, a novelty in groundwater management and spatial data integration.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| 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 | 0,000 | 0,002 |
| 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 découle