Estimation de l’aire des refuges thermiques potentiels en rivière par \nl’utilisation du Modèle additif généralisé (GAM) et le Modèle de régression \nmultivariée par splines adaptatifs (MARS): Étude de cas de la rivière Ste-Marguerite (Québec, Canada).
Notice bibliographique
Résumé
La température élevée de l’eau peut être mortelle pour de nombreuses espèces de poissons \net plus particulièrement le saumon atlantique (Salmo salar) qui peut rechercher des refuges \nthermiques pour se protéger lors d’événements thermiques stressants. Dans cette étude, la \nsuperficie de chaque refuge thermique a été interpolée au pas de temps journaliers dans quatre \nstations différentes situées à la confluence de tributaires froids avec la rivière Ste-Marguerite \n(Québec, Canada). Deux approches de modélisation statistique ont été utilisées dans le but \nd’estimer la superficie des refuges thermiques potentiels, à savoir le modèle additif généralisé \n(MAG) et le modèle de régression multivariée par splines adaptatifs (MARS). Les modèles MAG \net MARS ont été ajustés indépendamment pour chaque station d’étude. Les performances des deux \nmodèles ont été évaluées à l’aide de la validation croisée (CV) afin de mettre en évidence des \nproblèmes tels que le surajustement ou le biais de sélection et de donner un aperçu de la manière \ndont le modèle devrait se généraliser à un ensemble de données indépendants. Plusieurs critères \nont été utilisées pour comparer les performances du MAG et du MARS, tels que la racine de \nl’erreur quadratique moyenne (RMSE), le coefficient de NASH, le critère d’information d’Aikaike \n(AIC) et finalement le biais (BIAS). Les résultats montrent que les aires modélisées sont proches \ndes aires estimées avec un RMSE relatif variant entre 6,93 % et 38,39 %. En outre, les résultats \nattestent que le modèle MARS offre une meilleure performance dans la prévision et l’estimation \nde la variabilité de l’aire de refuge thermique que le MAG dans toutes les stations d’études. \nCependant, compte tenu de ces résultats, les deux modèles présentent un grand potentiel.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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.
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 ».