MétaCan
Menu
Back to cohort
Record W177299357

Adaptation du SHOALS à la cartographie sédimentaire côtière peu profonde dans la Baie des Chaleurs, Québec, Canada.

2008· article· fr· W177299357 on OpenAlexaboutno aff
Antoine Cottin

Bibliographic record

VenueEspaceINRS (National Institute for Scientific Research (Canada)) · 2008
Typearticle
Languagefr
FieldEarth and Planetary Sciences
TopicGeological Modeling and Analysis
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesGeologyShoalForestryGeographyGeomorphologyArt
DOInot available

Abstract

fetched live from OpenAlex

Ce travail a pour but d'adapter un LiDAR (Light Detection And Ranging) bathymétrique, le SHOALS d'Optech, à la
\ncartographie sédimentaire des zones côtières peu profondes en se basant uniquement sur
\nles données du SHOALS. Ce système LiDAR émet à partir d'un support aéroporté, un
\ndouble faisceau laser, un bleu-vert (532 nm) et un infra-rouge (1064 nm), qui ont pour
\nvocation respective, de détecter les fonds marins et de localiser la surface du plan d'eau.
\nLes LiDAR bathymétriques aéroportés assurent un relevé conjoint des zones terrestres et
\ndes premiers mètres des zones marines en évitant les zones où la navigation est
\nhasardeuse voir impossible.
\nPour réaliser cette adaptation, trois axes de recherches sont développés et portent sur :
\nl'étude bathymétrique, l'étude des corps sédimentaires et des processus hydrodynamiques
\nassociés et la cartographie sédimentaire proprement dite.
\nLes sites d'études sont localisés sur la côte nord de la baie des Chaleurs dans les localités
\nde Saint-Siméon-Bonaventure et Paspébiac qui représentent deux types d'environnements
\nsilico-clastique côtiers, de faible énergie et de moyenne énergie. Le matériel silico-clastique
\nest composé de grès rouges fluviatiles et deltaïques d'environnement semi-aride
\nconstitués principalement de particules clastiques grossières de type conglomérats, grès,
\nsitlstones et mudstones.
\nCe travail a nécessité le développement sous IDL d'un objet informatique indispensable à
\nla lecture, à l'utilisation et à la visualisation des données SHOALS utilisées pour ce
\nprojet. Les méthodes d'analyse de la bathymétrie et des corps sédimentaires se basent sur
\ndes profils d'élévation réalisés sur les modèles bathymétriques obtenus avec le SHOALS.
\nA partir de ces profils, des amplitudes, des épaisseurs, des directions et des orientations
\nsont déterminées. La méthode de cartographie sédimentaire s'appuie sur une triple
\nanalyse des données SHOALS qui consistent en une modélisation du signal de retour du
\nfond par une gaussienne et d'en déterminer ses paramètres (sa moyenne, son écart type et
\nson poids dans le mélange), en une analyse morphologique du signal de retour du fond
\nsuite à son extraction (amplitude, longueur et angle) et un filtrage de différents
\nparamètres (rugosité, densité de points, pente) du fond marin.
\nL'étude des données bathymétriques du SHOALS montre qu'il est possible de réaliser
\ndes cartes bathymétriques rapidement. En outre, la précision des données de LiDAR
\nbathymétrique est supérieure à la capacité cartographique et permet donc de mettre en
\névidence des structures sédimentaires et géologiques de taille décimétrique.
\nDe plus, la comparaison bathymétrique des données du SHOALS avec d'autres sources
\nmontre des degrés de corrélations variables. Les corps sédimentaires et les processus
\nhydrodynamiques se traduisent par des zones d'érosion, des flèches sableuses, des barres
\nd'avant côte, des champs de dunes ou encore des chenaux fluviatiles et leur remplissage.
\nDe plus, l'empilement vertical de ces différentes structures permet de proposer une
\nchronologie de mise en place, utile pour connaître l'évolution à court terme du système,
\nqui est basée sur les relations topographiques et géométriques des différentes structures
\nmorpho-sédimentaires.
\nLes cartes sédimentaires, obtenues à partir des méthodes d'analyses développées, sont
\ncohérentes, dans la majorité des cas, avec les investigations de terrain.
\nLes résultats obtenus à l'issue de ce travail démontrent l'apport majeur de l'utilisation des
\ndonnées de LiDAR bathymétrique pour l'étude et le suivi des zones côtières peu
\nprofondes, que ce soit dans des applications de cartographie bathymétriques à haute
\nrésolution, de cartographie des corps sédimentaires et de leur dynamique et de
\ncartographie et de caractérisation de faciès sédimentaires.
\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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesScience and technology studies
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.379
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0040.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.002
Science and technology studies0.0050.003
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.070
GPT teacher head0.281
Teacher spread0.210 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations2
Published2008
Admission routes1
Has abstractyes

Explore more

Same venueEspaceINRS (National Institute for Scientific Research (Canada))Same topicGeological Modeling and AnalysisFrench-language works237,207