Développement d'une méthode d'évaluation de l'impact de pratiques de gestion bénéfiques sur les flux de contaminants agricoles: cas du micro-bassin versant d'intervention du Bras d'Henri, Québec, Canada.
Bibliographic record
Abstract
Des études à l'échelle parcellaire démontrent que les pratiques de gestion bénéfiques (PGB), telles que les \nplans agroenvironnementaux de fertilisation et les bandes enherbées, peuvent réduire les rejets diffus en \naval. Afin de valider si ces réductions pouvaient se manifester à une échelle plus large, Agriculture et \nAgroalimentaire Canada (AAC) a mis sur pied un projet d'évaluation des PGB à l'échelle de petits bassins \nhydrographiques. Le protocole de recherche s'articule sur la mise en place de bassins jumelés \n(intervention versus témoin). Les travaux de ce mémoire viennent contribuer à cet objectif de recherche \nen proposant une méthodologie pour faire ces évaluations sur la base de données in situ sur les bilans \nagronomiques, les suivis hydrométriques et la qualité de l'eau. Plus spécifiquement, l'objectif principal \ndu mémoire est d'évaluer l'efficacité des bandes riveraines implantées sur le micro-bassin d'intervention \nqui se situe sur le Bras d'Henri, rive sud du fleuve St-Laurent, au sud de la ville de Québec. L'azote total, \nle phosphore total, les nitrates, les nitrites, l'ammonium, le phosphore particulaire, le phosphore dissous et \nles sédiments en suspension sont les contaminants agricoles ciblés par cette étude. Les données \nhydrométriques et de qualité de l'eau sont disponibles de 2005 à 2012 à l'exutoire et de 2009 à 2012 sur \nles deux branches du micro-bassin d'intervention. \nLe cadre méthodologique repose sur le calcul des incertitudes associées aux calculs des débits et des \ncharges de contaminants agricoles. Ce calcul est basé sur une distribution statistique des concentrations en \nnutriments. Plus spécifiquement, la première de six étapes de travail repose sur la construction d'une base \nde données géoréférencée de toutes les données disponibles sur les bassins jumelés. La seconde porte sur \nle développement d'une méthode d'estimation et de validation des courbes de tarage annuelles. Une \ncaractérisation hydrométéorologique permet de confirmer ou d'infirmer la validité des courbes de tarage et \ndes charges annuelles. La troisième étape consiste à estimer l'incertitude associée aux débits estimés par \nles courbes de tarage. La quatrième étape s'applique à sélectionner une méthode d'estimation des \nconcentrations et la cinquième étape d'estimer les charges annuelles pour chaque tronçon. Enfin, la \nsixième étape permet d'évaluer l'efficacité des bandes riveraines sur des bases spatio-temporelles et \ncomparatives selon l'approche des bassins jumelés. \nLes résultats obtenus illustrent que les concentrations et les charges d'azote total, de phosphore total, de \nnitrate et de phosphore particulaire sont significativement plus faibles après l'implantation des bandes \nriveraines. Une diminution significative de nitrite et d'azote ammoniacal est aussi notable au niveau des \ncharges après l'implantation des bandes riveraines. Au niveau spatial, l'approche par ratio, qui compare \nles ratios des charges (kg) / bilans des nutriments (kg) en aval des bandes riveraines avec le ratio (charge \n(kg) / bilan (kg)) à l'exutoire du même cours d'eau, montre une réduction significative du ratio en aval de \nla bande riveraine pour l'azote total et le phosphore total. Des ratios calculés au niveau saisonnier \nmontrent que la bande riveraine est moins efficace au printemps et lors d'une saison caractérisée par un ou \nplusieurs événements de pluie. Les résultats de l'analyse comparative des bassins jumelés sont présentés, \nmais ils ne peuvent être considérés dans l'évaluation de l'efficacité des bandes riveraines, car ces deux \nbassins présentent des différences pédologiques et agronomiques marquées. \nLes résultats de ces travaux démontrent l'importance d'établir un protocole d'échantillonnage rigoureux et \nbien ciblé dans le temps et l'espace. Il est recommandé d'établir une base de données permettant d'avoir \naccès facilement à des séries de données. De plus, puisqu'une longue série de données est essentielle pour \nélargir les conclusions, orienter les décisions et varier les recherches, les bases de cette étude permettront \nde poursuivre ce travail d'évaluation au fur et à mesure que de nouvelles données seront disponibles. \n
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 | 0.010 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".