Utilisation d’un SIG pour l’évaluation et la cartographie des risques d’érosion hydrique par l’Equation Universelle des Pertes en sol Révisée (RUSLE) dans le Département de Saraya (Sénégal)
Notice bibliographique
Résumé
Le département de Saraya (Sénégal) est confronté depuis ces deux dernières décennies à l’érosion. Malgré les stratégies antiérosives (digues, cordons pierreux, haies vives, diguettes, tranchées, régénération du couvert végétal, paillage) mises en place par les autochtones et les autorités locales, l’érosion prend une tournure de plus en plus inquiétante dans cette localité. Cet aléa naturel constitue un problème environnemental majeur et menace les activités économiques. Cette étude a consisté à évaluer le risque d'érosion par la modélisation des facteurs R, K, LS, C et P. L’intégration du modèle dans un Système d’information géographique (SIG) a facilité l’élaboration des cartes thématiques (topographique, érosivité des pluies, érodibilité du sol et occupation du sol) pour évaluer les risques d’érosion et cartographier les milieux vulnérables et ceux moins sensibles à cet aléa. Le couplage des SIG avec l’équation universelle des pertes de sols révisée a permis d’estimer les impacts du ruissellement en nappe. Les pertes en sols sont comprises entre 0,01 t/ha/an et 134,64 t/ha/an, soit une moyenne de 33,46 t/ha/an et un écart-type de 57,29. L’approche SIG/RUSLE apporte une aide aux décideurs et aux aménageurs au cours de l’élaboration des scénarios d’évolution de la dégradation du sol et la planification des stratégies antiérosives dans les zones où l’érosion est prédominante.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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) | 0,004 | 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 ».