Utilisation des données d'élévation LiDAR à haute résolution pour la cartographie numérique du matériel parental des sols
Bibliographic record
Abstract
Les connaissances sur la morphologie de la Terre sont essentielles à la compréhension d’une variété de processus géomorphologiques et hydrologiques. Des avancées récentes dans le domaine de la télédétection ont significativement fait progresser notre habilité à se représenter la surface de la Terre. Parmi celles-ci, les données d’élévation LiDAR permettent la production de modèles numériques d’altitude (MNA) à haute résolution sur de grands territoires. Le LiDAR est une avancée technologique majeure permettant aux scientifiques de visualiser en détail la morphologie de la Terre et de représenter des reliefs peu prononcés, et ce, même sous la canopée des arbres. Une telle avancée technologique appelle au développement de nouvelles approches innovantes afin d’en réaliser le potentiel scientifique. Dans ce contexte, le présent travail vise à développer deux approches de cartographie numérique utilisant des données d’élévation LiDAR et servant à l’évaluation de la composition du sous-sol. La première approche à être développée utilise la localisation de crêtes de plage identifiées sur des MNA LiDAR afin de modéliser l’étendue maximale de la mer de Champlain, une large paléo-mer régionalement importante. Cette approche nous a permis de cartographier avec précision les 65 000 km2 autrefois inondés par la mer. Ce modèle sert à l’évaluation de la distribution des sédiments marins et littoraux dans les basses-terres du Saint-Laurent. La seconde approche utilise la relation entre des échantillons de matériel parental des sols (MPS) et des attributs topographiques dérivés de données LiDAR afin de cartographier à haute résolution et à une échelle régionale le MPS sur le Bouclier canadien. Pour ce faire, nous utilisons une approche novatrice combinant l’analyse d’image orientée-objet (AIOO) avec une classification par arbre décisionnel. Cette approche nous a permis de produire une carte du MPS à haute résolution sur plus de 185 km2 dans un environnement hétérogène de post-glaciation. Les connaissances issues de la production de ces deux modèles ont permis de conceptualiser la composition du sous-sol dans les régions limitrophes entre les basses-terres du Saint-Laurent et le Bouclier canadien. Ce modèle fournit aux chercheurs et aux gestionnaires de ressources des connaissances détaillées sur la géomorphologie de cette région et contribue à l’amélioration de notre capacité à saisir les services écosystémiques et à prédire les aléas environnementaux liés aux processus du sous-sol.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".