Détermination des effets des inondations sur la saison de culture dans la région du lac St-Pierre au Québec
Notice bibliographique
Résumé
Cette étude analyse l’incidence des inondations printanières sur l’agriculture dans la région du lac St-Pierre, au Québec, en se focalisant sur l’événement de 2019. L’objectif principal est d’exploiter les données de télédétection satellitaire et les modèles d’apprentissage automatique pour évaluer l’impact des inondations sur les principales cultures, notamment le blé, le maïs, l’orge et le soja. En raison de sa topographie plane et de son agriculture intensive, cette région est particulièrement vulnérable aux inondations, phénomène accentué chaque printemps par la fonte rapide des neiges combinée à de fortes précipitations. Dans ce contexte, l’indice de différence normalisée de l’eau modifié (MNDWI) et l’indice de différence normalisée de végétation (NDVI) sont utilisés pour repérer les zones à risque d’inondation et évaluer l’état des cultures avant, pendant et après les crues. L’analyse des variations du NDVI durant ces périodes révèle un ralentissement notable de la croissance, avec des retards de développement pouvant atteindre deux mois. Ce stress physiologique, particulièrement marqué sur le maïs et le blé, confirme l’effet direct des inondations sur la santé des plantations. L’application de modèles d’apprentissage automatique, en particulier l’algorithme Random Forest, a permis d’identifier de façon précise les secteurs affectés. La méthode a atteint une précision moyenne de 87,2 %, avec un indice de Kappa validé à 0,69, attestant de la robustesse des résultats. Globalement, ces travaux mettent en évidence la fragilité des systèmes agricoles régionaux face aux événements météorologiques extrêmes. L’intégration des images satellites et des outils d’intelligence artificielle offre la possibilité de localiser les zones inondées, de suivre l’évolution de la santé des cultures et de prédire l’impact des inondations à partir des données disponibles. En conclusion, l’étude propose, à la lumière de la littérature récente, plusieurs pistes d’adaptation pour mieux faire face aux conséquences des inondations sur les productions agricoles.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».