Caractérisation de l'état de dégradation des sols du bassin versant de Zagota (Maroc) à l'aide d'indicateurs spectraux
Bibliographic record
Abstract
Les milieux arides et semi-arides sont vulnérables au processus de dégradation et d’extension de la désertification. Dans un tel environnement où la végétation est éparse, l’information spectrale générée par l’image satellitaire est souvent dominée par les propriétés spectrales du sol. La variabilité observée de ces propriétés peut être perçue comme le changement des états de surface du sol; lequel peut représenter une modification des propriétés physico-chimiques et texturales du dit sol. Ce travail consiste en l’utilisation des techniques de télédétection afin de caractériser l’état de dégradation du couvert végétal et des sols dans le bassin versant de Zagota, situé au nord de Meknès au Maroc. Pour ce faire, nous disposons de mesures spectroradiométriques effectuées sur le terrain ainsi que d’images satellitaires du capteur ETM+ (Enhanced Thematic Mapper Plus) du satellite 7 de Landsat, ainsi que du capteur ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) du satellite Terra. L’approche adoptée a consisté en la détermination des produits images à l’aide de méthodes basées sur la similarité spectrale : AMS (analyse de mixture spectrale), SAM (Spectral Angle Mapper), MTMF (Mixture Tuned Matched Filtering), et les indices d’intensité, indice de coloration et indice de forme. Les résultats ont montré l’atout des méthodes basées sur la similarité spectrale à discriminer différents niveaux de dégradation des sols; elles possèdent un potentiel important pour l’identification des unités de terrain en fonction du niveau de dégradation du sol.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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.
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".