Organisation morphologique des blocs et des amas de galets dans les cours d’eau à lit de gravier
Bibliographic record
Abstract
Dans les cours d’eau à lit de graviers, les blocs et les amas de galets entraînent des changements de rugosité qui jouent un rôle important sur la variabilité spatiale du cisaillement exercé sur le lit, de la structure de l’écoulement et du transport des sédiments. Pourtant, peu de méthodes permettent de décrire l’organisation de ces éléments de rugosité du lit à l’échelle de la section de cours d’eau. Nous présentons deux méthodes d’échantillonnage qui permettent de quantifier l’organisation spatiale des blocs et des amas de galets sur quatre tronçons de rivière : la cartographie ponctuelle des blocs isolés et des amas de galets et la cartographie systématique de la topographie du lit. Les caractéristiques de l’organisation spatiale de ces éléments de rugosité sont quantifiées et comparées à celles de distributions aléatoires. Nous observons d’abord que la concentration des blocs isolés et des amas de galets, la distance qui les sépare et les caractéristiques des alignements composés de plusieurs éléments de rugosité sont semblables dans le cas des cours d’eau de même dimension. Ensuite, certaines caractéristiques de l’organisation spatiale des blocs et des amas de galets ressemblent à celles des distributions aléatoires. Nous proposons en discussion une interprétation dynamique de l’organisation spatiale des éléments de rugosité qui tienne compte de ces observations.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".