Facteurs de variabilité spatiale des caractéristiques des débits minimums annuels des rivières Wallonnes (Belgique)
Bibliographic record
Abstract
Cette note avait pour but de déterminer les facteurs environnementaux qui influencent la variabilité spatiale des caractéristiques des débits minimums annuels en Wallonie (Belgique) de 34 rivières, au moyen de deux méthodes complémentaires : la méthode de classification ascendante hiérarchique et la corrélation linéaire. Les deux méthodes ont été appliquées sur les données transformées par l’analyse en composantes principales. La classification ascendante hiérarchique (méthode de Ward) a mis en évidence l’influence de la lithologie et des activités anthropiques (pompage en eaux souterraines) sur les caractéristiques fondamentales des débits minimums annuels. Les rivières qui drainent un substrat relativement perméable sont caractérisées par des volumes d’écoulement très élevés, une faible variabilité interannuelle de ce volume, une forte variabilité interannuelle de la période d’occurrence et par de faibles valeurs de coefficients d’asymétrie. C’est le contraire pour les rivières qui coulent sur un substrat peu perméable ou imperméable. Les rivières, dont les débits sont artificiellement influencés, sont caractérisées par une variabilité de la magnitude et de la période d’occurrence des débits minimums annuels plus importante que celle des rivières naturelles. L’analyse des corrélations entre les caractéristiques des débits et les facteurs environnementaux a mis en évidence une corrélation entre la forme de courbe de distribution des débits minimums annuels et plusieurs facteurs environnementaux (climat, utilisation des sols, localisation et caractéristiques physiographiques des bassins versants).
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| 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".