Modélisation de l'érosion hydrique à l’échelle du bassin versant du Mhaydssé. Békaa-Liban
Bibliographic record
Abstract
Le Liban des hautes plaines subit une érosion hydrique qui tend à décaper ses sols et menacer ses activités agricoles. L’effet conjugué des actions anthropiques (conduites culturales, déboisement, surpâturage) et des facteurs naturels (agressivité climatique, versants abrupts, sol), fragilise le sol et menace les parcelles agricoles par le depôt des sédiments. Mhaydssé est un village concerné par le problème, représentatif des conditions naturelles et anthropiques du sud-est de la Békaa. L’étude utilise les SIG et l’équation universelle des pertes en terre (USLE). Pour remplacer l’intensité des précipitations, l’indice d’agressivité a été calculé à partir de l’équation de Renard et Freimund. Cinq types de sols ont été échantillonnés, pour lesquels la granulométrie a été analysée en cinq classes. La topographie (pente), le couvert végétal et les pratiques anti-érosives sont les autres facteurs qui ont été quantifiés. Sur les 1800 hectares du terrain d’étude, la perte moyenne en terre est de 46 t/ha/an. Cette valeur élevée est issue d’une grande hétérogénéité spatiale. Les versants dénudés subissent des taux supérieurs à 300 t/ha/an, tandis que le fond de la plaine n’est pratiquement pas touché. Les grandes différences spatiales sur de petites distances confirment le bienfondé d’une analyse précise de la texture des sols.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".