Évaluation du niveau d'intégrité biologique des rivières du Québec à partir de l'Approche par Conditions de Référence et du système GIBSI (Gestion Intégrée des Bassins versants à l'aide d'un Système Informatisé).
Bibliographic record
Abstract
Suivant les exigences de la Directive Cadre Européenne sur l'eau (DCE; Commission européenne, 2000), du Clean Water Action Plan (CWAP, 1998), l'évaluation de l’intégrité écologique des écosystèmes aquatiques doit s'effectuer en comparant les conditions écologiques actuelles avec ses conditions de référence (conditions peu ou pas impactées), donc en utilisant l’Approche par Conditions de Référence (ACR). Les organismes vivants sont essentiels à cette évaluation, car ils permettent d'intégrer, sur une certaine période de temps, l'ensemble des caractéristiques de leur habitat. La plupart des outils permettant d'évaluer l’intégrité biologique des écosystèmes aquatiques ont été développés suivant les étapes de l'ACR : (i) la sélection des communautés (sites) de référence; (iia) la classification des communautés de référence (sites) en groupes biologiques similaires (biotypes); (iib) la sélection du biotype de référence associé à chaque site « test »; (iii) l'évaluation du niveau d'intégrité d'un site « test » par la comparaison de sa communauté avec les communautés de son biotype de référence; et (iv) l’identification des causes de la dégradation. Au Québec, les biotypes de diatomées de référence et les facteurs environnementaux qui les contrôlent ont été identifiés par Grenier et al. (2006). Ces biotypes ont ensuite été utilisés pour développer l'Indice Diatomées de l'Est du Canada (IDEC; Lavoie et al., 2006). Par ailleurs, il existe des systèmes de modélisation hydrologique, dont au Québec, GIBSI (Gestion intégrée des Bassins versants à l'aide d'un système informatisé) (Quilbé et Rousseau, 2007), qui permettent, entre autres, d'évaluer l'impact de pratiques de gestion bénéfiques (PGB) agricoles sur la quantité et la qualité de l'eau d'un bassin versant. \nL'objectif général de cette étude était d'intégrer à GIBSI un module permettant de \nprédire le niveau d'intégrité biologique (évalué à partir des communautés de \nmacroinvertébrés et de diatomées) en tout point du réseau hydrographique du bassin de la \nrivière Chaudière. Cinq objectifs spécifiques en sont issus: \n1. Identifier et classifier les communautés de macroinvertébrés benthiques de référence \nà partir des cartes auto-organisatrices de Kohonen et des analyses multivariées. \n2. Prédire les biotypes de diatomées de référence des rivières du Québec à partir des \narbres de classification, des random forests et des réseaux de neurones artificiels \n(étape iib de l'ACR). \n3. Redéfinir les limites des classes d'intégrité écologique de l'IDEC en fonction de \nseuils écologiques significatifs (étape iii de l'ACR). \n4. Intégrer l'indice biologique IDEC au système GIBSI. \n5. Prédire l'effet de pratiques de gestion bénéfique en milieu agricole sur l'intégrité \nbiologique des cours d'eau à partir des variables physico-chimiques simulées par \nGIBSI (étape iv de l'ACR). \n
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".