Estimation de la distribution spatiale du couvert nival dans le sud du Québec, à l'aide du capteur VEGETATION.
Notice bibliographique
Résumé
Cette recherche a pour objectif principal le suivi de l'évolution du couvert nival durant la période \nde fonte au sud du Québec en utilisant le capteur VEGETATION. En effet, ce capteur se \ncaractérise par une bonne répétitivité temporelle, 24 heures, et un large champ de vue, 2500*2500 \nkm. Il permet ainsi un bon suivi spatio-temporel du couvert nival durant la période de fonte. \nCependant, la résolution spatiale du capteur VEGETATION n'est que d'1 km² \n. Pour des fins de \nmodélisation hydrologique et pour des bassins versants de petite ou moyenne taille, il est utile de \nsavoir combien il y a de neige, en terme de pourcentage de surface, dans un pixel VEGETATION. \nDans cette étude l'estimation du couvert nival se base sur la combinaison d'une image VGT \nacquise durant la période de fonte, 11 avril 1999, avec deux autres images VGT, dites de \nréférences, acquises en période de couvert total de neige et en absence totale de neige, \nrespectivement le 8 février et le 2 mai 1999. Ainsi, pour chacun des pixels VGT des indices \nspécifiques de neige (F et NDSI) sont obtenus. Parallèlement, pour chacun de ces pixels VGT, le \npourcentage, en terme de surface, couvert de neige est extrait d'une image de haute résolution \nspatiale, capteur HRVIR de SPOT4, acquise aussi le 11 avril 1999. Les équations d'estimation du \ncouvert nival relient les valeurs des indices de neige aux pourcentages de neige. Toutefois la \nrépétitivité temporelle du capteur HRVIR étant de 26 jours, il est impossible de pouvoir compter \nsur ce capteur pour effectuer le suivi de la fonte de neige. \nEn constatant que le 11 avril 1999 il ne restait pas beaucoup de neige dans la région d'étude, nous \navons refait les mêmes étapes en utilisant une image VGT du 2 avril 1999 et une autre de haute \nrésolution spatiale, capteur HRV (SPOT2), du même jour. Ainsi, nous avons cartographié la \ndistribution du couvert nival au sud du Québec pour les deux dates citées et aussi pour le 27 mars \net le 5 avril 1999. \nUn autre volet intéressant dans cette étude concerne l'estimation des réflectances des classes \nd'occupation du sol en utilisant les images VGT. En fait, la réflectance d'un pixel VGT est la \ncombinaison de celles des éléments de surface qui le composent. En appliquant le modèle linéaire \nde composition des réflectances nous avons pu estimer à partir de l'image VGT du 11 avril 1999 \nles réflectances des classes d'occupation du sol issues de l'image de haute résolution spatiale. \nFinalement, les images du 11 et du 2 avril 1999 utilisées dans le cadre de cette étude ne \ncontiennent pas assez de neige pour pouvoir définir des relations satisfaisantes. Toutefois, nous \navons déterminé les pourcentages de neige sur chaque pixel VEGETATION avec une précision \ntout à fait acceptable, 80% des pixels de la sous-image VGT du 11 avril sont estimés à ± 10%. La \nméthodologie que nous avons adoptée tout au long de cette étude peut être appliquée dans un \ncontexte opérationnel moyennant quelques petits ajustements. \n
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».