Comparaison des méthodes d'interpolation pour l'é laboration de modèles numé riques d'é lé vation de haute pré cision dans la repré sentation micro-topographique des plaines inondables
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
La micro-topographie des zones inondables influence l'étendue des nappes d'eau des secteurs submergés lors des crues. Cette analyse vise à comparer des méthodes d'interpolation pour la réalisation de modèles numériques d'élévation (MNE) de haute précision représentant la micro-topographie des plaines d'inondation. Ces méthodes ont été comparées au moyen d'un système d'information géographique (SIG) afin d'identifier lesquelles apparaissent les plus efficaces dans l'élaboration de l'image micro-topographique des sites, et ce en fonction d'un nombre restreint de données d'élévation. L'efficacité de chacune des méthodes d'interpolation a été validée au moyen du calcul de l'erreur quadratique moyenne, de tests statistiques, de cartes de l'erreur et d'une évaluation visuelle en trois dimensions. Il ressort que les méthodes d'interpolation du krigeage simple, de la fonction radiale, du réseau de triangles irréguliers et du krigeage ordinaire sont celles qui représentent le plus adéquatement la micro-topographie des sites, alors que les méthodes d'interpolation de l'inverse de la distance et du krigeage universel produisent des erreurs élevées.
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.
Full frame distilled prediction
Teacher imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| 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 it