Fréquence et importance du charriage dans les rivières du Massif ardennais
Bibliographic record
Abstract
L’analyse du transport de la charge de fond de plusieurs rivières du massif ardennais (Belgique) par différentes techniques de marquage de galets (peinture, charge métallique, émetteurs radio) a permis d’identifier le débit critique où débute le charriage. Pour les rivières les plus importantes (plus de 500 km2), la mise en mouvement se produit à des débits légèrement inférieurs au débit à plein bord (0,7 à 1 Qb), débits qui se présentent en moyenne 5 à 11 jours par an. Pour les rivières de taille intermédiaire (entre 100 et 500 km2), le charriage débute à un débit avoisinant 0,5 fois le débit à plein bord, avec une récurrence de 0,3 an et une durée variant entre 8 et 12 jours par an. Pour les rivières de dimension modeste (moins de 100 km2), la mise en mouvement se produit à des débits compris entre 0,5 et 0,8 Qb, mais leur récurrence est relativement faible et le charriage peut se produire jusqu’à 20 jours par an. Par ailleurs, le transport solide a été évalué à l’aide de pièges à sédiments dans les rivières de petite dimension (moins de 10 km2) ; il est relativement peu important dans les bassins forestiers (0,5 t/km2/an), en raison de la multiplication des embâcles végétaux qui accroissent la rugosité du lit. Pour les rivières plus importantes, le transport solide a été estimé entre 0,4 et 2,5 t/km2/an grâce à l’analyse des quantités curées systématiquement aux mêmes sites et à la réalisation de levés topographiques de contrôle. Nous avons ensuite analysé l’évolution des quantités charriées en fonction de la puissance spécifique à plein bord développée par ces rivières. La relation établie sur la base de ces données a permis de mettre en évidence le déficit en sédiments de certaines rivières ainsi que plusieurs facteurs influençant le charriage.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| 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".