MétaCan
Menu
Retour à la cohorte
Enregistrement W4385892787 · doi:10.4000/vertigo.40615

Quantification de l’érosion hydrique en nappe dans la moyenne vallée de l’Oued Sarrath (Haut-Tell, Tunisie)

2023· article· fr· W4385892787 sur OpenAlexvenueno aff
Chérifa Aissaoui, Abdelhamid Ben Ghazi

Notice bibliographique

RevueVertigO · 2023
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryGeography

Résumé

récupéré en direct d'OpenAlex

Cette étude présente les résultats obtenus du travail de cartographie thématique des facteurs d’érosion diffuse dans le bassin de la retenue du barrage de l’Oued Sarrath. Elle s’appuie sur l’application de la version révisée du modèle empirique de Wischmeier et Smith 1978 (USLE) et propose sa cartographie. Pour la détermination des pertes en terres et l’élaboration de la carte de sensibilité à cette érosion, le modèle a nécessité le croisement des paramètres liés aux précipitations, à la structure et texture des sols, à la pente, au couvert végétal et aux techniques antiérosives. Les résultats obtenus montrent que la perte moyenne des sols, liée à l’érosion hydrique en nappe dans le bassin de la retenue du barrage de l’Oued Sarrath, est de l’ordre de 23,72 tonnes par hectare par an. Une quantité qui dépasse les taux tolérables dans des conditions similaires. Les pertes en sol sont par ailleurs inégalement réparties. Elles sont très faibles dans les bas-fonds, et atteignent 458,945 tonnes par hectare par an au niveau des reliefs pentus, dépourvus de moyens de protection antiérosive.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,243
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetSoil erosion and sediment transportTravaux en français237 207