Challenges and opportunities in large-scale river routing: development and application of a hyper-resolution river routing model to assess anthropogenic impacts on freshwater ecosystems
Notice bibliographique
Résumé
Malgré d'importantes avances récentes, les modèles hydrologiques globaux et leurs bases de données présentent encore des capacités limitées pour soutenir l'étude de nombreuses questions de recherche résolues dans l'espace et l'étude d'évaluations intégrées, comme requis dans le domaine de l'écologie des eaux douces ou dans la gestion des ressources en eau. Dans ce corpus de recherche, mon travail est d'analyser les raisons qui justifient les manquements dans les modélisations, d'identifier les lacunes et les défis des modèles actuels, et de concevoir une nouvelle génération de modèle écohydraulique de routage des rivières, appelé HydroROUT. Basé sur le répertoire de données hydrographiques mondiales de HydroSHEDS, HydroROUT est le premier modèle global spatialement hyperrésolu de routage de rivières et comprend une approche imbriquée et multiéchelle; une implémentation avancée de la connectivité; et une nouvelle mise en place de structures vectorielles orientées objet dans un cadre de la théorie des graphes. Par la suite, j'ai exploré l'applicabilité du modèle sous différents paramètres et domaines de recherche et je conçois et mets en œuvre quatre études de cas liées à l'évaluation de l'impact de l'activité humaine sur l'intégrité du système d'eau douce. Ces études de cas comprennent à la fois des zones riches et limitées en données, des échelles spatiales pouvant varier entre de petits de grands cours d'eau, dans un contexte aussi bien local que régional ou même mondial. HydroROUT a été appliqué dans deux domaines de recherche distincts. Tout d'abord, il a été évalué par rapport à sa capacité de modéliser au niveau mondial les tendances spatio-temporelles des impacts des barrages. De nouveaux indicateurs, soit l'indice de connectivité de la rivière (RCI) et l'indice de régulation de la rivière (RRI), ont été développés dans le cadre de ces études de cas et ont fourni de nouvelles connaissances sur la variabilité intrabassin des impacts des barrages, auparavant négligée. Deuxièmement, j'ai utilisé HydroROUT pour évaluer sa capacité de modélisation de la qualité de l'eau, en estimant les concentrations de polluants et les risques de les retrouver dans les systèmes d'eau douce à l'aide d'approches par bilan massique appliquées à grande échelle. À cet effet, HydroROUT a été adapté pour fonctionner comme un modèle de prédiction du sort des produits chimiques, capable de fournir une évaluation de premier ordre des risques de sources chimiques ponctuelles ou diffuses. Les résultats montrent un risque important associés aux produits pharmaceutiques dans des tronçons de rivière du bassin du fleuve Saint-Laurent, au Canada, et dans des zones étendues de la Chine continentale. Les résultats à grande échelle du modèle HydroROUT sont à une résolution de 500 m, résolution jamais atteinte jusqu'à ce jour, et peuvent ainsi soutenir la planification locale et la prise de décision dans de nombreux grands bassins fluviaux du monde.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| 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 | 0,000 |
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 ».