Modélisation spatiale de la dégradation des chemins forestiers gravelés en forêt boréale
Notice bibliographique
Résumé
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».