MétaCan
Menu
Retour à la cohorte
Enregistrement W6983467284

Modélisation spatiale de la dégradation des chemins forestiers gravelés en forêt boréale

2020· other· fr· W6983467284 sur OpenAlexaboutno aff

Notice bibliographique

RevueDepositum (Université du Québec en Abitibi-Témiscamingue) · 2020
Typeother
Languefr
DomaineAgricultural and Biological Sciences
ThématiquePlant pathogens and resistance mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)LimitingWork (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Au Canada, les chemins forestiers représentent un vecteur d’accessibilité à la forêt boréale aménagée qui offre de nombreuses retombées économiques (p. ex. récolte du bois), environnementales (p. ex. suivis des perturbations) et sociales (accès secteur de villégiature). Toutefois, leur construction et leur utilisation ne sont pas sans répercussions (p. ex. coût élevé de construction et d’entretien, fragmentation des habitats, conflit entre les usagers). Ces effets sont d’ailleurs plus notables lorsque les chemins ne sont pas entretenus. En effet, la dégradation des chemins forestiers entraine de forts impacts négatifs sur l’accès au territoire forestier, tout comme des répercussions économiques (p. ex. augmentation des coûts d’entretien), environnementales (p. ex. érosion des matériaux et donc contamination des habitats) et sociales (p. ex. perte d’accès pour les usagers et sécurité de déplacement compromise). De ce fait, pour maintenir un accès durable et sécuritaire au territoire forestier, il faut avant tout avoir une bonne compréhension et connaissance de la dégradation des chemins forestiers dans le temps et l’espace. \n \nCette étude vise à fournir une meilleure compréhension et de nouvelles connaissances spatio-temporelles de l’état du réseau des chemins forestiers canadiens en 1) construisant un modèle prédictif de la dégradation des chemins forestiers gravelés et en évaluant l’impact de la pente, du temps, de la perte de surface de roulement et de la largeur du chemin sur la présence de dégradation (approche Terrain) et 2) évaluant le potentiel des indices de topographie, de rugosité et de végétation obtenus des données du LiDAR aéroporté et des images optiques Sentinel 2 pour estimer le taux de dégradation (approche Télédétection). \n \nPour l’approche Terrain, le modèle de régression bêta retenu pour prédire la dégradation (pseudo-R2 0,43, SMSE ±8 %) confirme que la pente, la perte de surface de roulement (PPSR), le temps et la largeur du chemin sont des indicateurs essentiels. Selon les simulations effectuées, moins de 5 % de dégradation s’installe sur un chemin forestier dans les cinq premières années sans entretien, peu importe sa largeur. Lorsque ce seuil est franchi, la dégradation augmente exponentiellement et s’intensifie plus la pente et la perte de surface de roulement sont élevées et que le chemin est étroit. \n \nL’approche Télédétection confirme que pour détecter la dégradation des chemins forestiers à distance, l’utilisation d’un indice de topographie, de rugosité et de végétation extraits du LiDAR et de Sentinel 2 offre une solution prometteuse. Plus précisément, le modèle de prédiction résultant (pseudo-R2 0,34 et SMSE ±9 %) a retenu la synergie entre l’indice de position topographique (TPI), l’indice de rugosité de terrain (TRI) et l’indice de végétation par différence normalisée (NDVI). Selon les simulations, un taux plus élevé de dégradation a été détecté lorsque la surface de roulement présente un fort pourcentage de dépressions, est peu homogène (TRI) et recense une forte présence de végétation (NDVI). \n \nCette étude a permis de fournir de nouvelles connaissances et une meilleure compréhension de la dégradation du réseau routier en milieu forestier. En effet, nous avons dorénavant une meilleure compréhension temporelle de la dégradation grâce à l’approche Terrain et une connaissance spatiale de l’état actuel des chemins grâce à l’approche Télédétection. Les informations obtenues des deux modèles de prédictions développés sont grandement utiles pour le maintien et la durabilité de l’accès au territoire forestier boréal canadien à court et à long terme.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,162
Écart entre enseignants0,158 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDepositum (Université du Québec en Abitibi-Témiscamingue)Même sujetPlant pathogens and resistance mechanismsTravaux en français237 207