Comparaison de modèles thermiques statistique et déterministe pour l'estimation d'indices thermiques sur les portions aménagées et naturelles de la rivière Fourchue (Québec, Canada).
Bibliographic record
Abstract
Le nombre de barrages à travers le monde est en constante augmentation principalement en \nraison des demandes liées à l'hydroélectricité, à l'approvisionnement en eau potable ainsi qu'à \nla régulation des débits de crues. De ce fait, un grand nombre d'environnements lotiques sont \nrégulés ou sévèrement influencés par la présence de barrages. L'un des impacts attendus des \nbarrages est la modification du régime thermique naturel de la rivière en aval de ceux-ci. \nPuisque le régime thermique est un facteur crucial influençant la productivité des écosystèmes \nlotiques, une bonne compréhension des changements causés par le barrage est essentielle afin \nd'effectuer une gestion adéquate des ressources en eau et des ressources fauniques. La rivière \nFourchue, située à St-Alexandre-de-Kamouraska, est l'un de ces nombreux systèmes qui sont \ninfluencés par la présence d'un barrage avec mise en réservoir. \nL'un des objectifs de ce projet consiste à caractériser le régime thermique de la rivière Fourchue \net ses variations en saison estivale en calculant des statistiques descriptives appelées indices \nthermiques. Ces indices ont été sélectionnés sur la base de leur pertinence pour la gestion de la \nfaune aquatique et plus particulièrement de l'omble de fontaine, une espèce ayant une zone de \ntolérance thermique plus restreinte que les autres espèces recensées dans le cours d'eau. \nPlusieurs outils de modélisation ont été développés afin d'estimer la température de l'eau en \nrivière selon l'échelle spatiale et temporelle voulues. Ces modèles peuvent être classifiés en \ndeux groupes: les modèles déterministes et les modèles statistiques. L'objectif principal du \nprojet vise à comparer un modèle déterministe largement utilisé pour l'estimation de \ntempératures en milieu régulé et non régulé, SNTEMP, avec un modèle statistique basé sur \nl'analyse des corrélations canoniques dans l'obtention des indices thermiques mentionnés \nprécédemment. Les résultats démontrent que le modèle statistique est plus performant dans \nl'estimation de la majorité des indices thermiques sélectionnés, soit pour 21 des 28 indices \ncomparés. Les plus grands écarts de performance entre les deux approches sont pour les \nindices calculés à partir des températures maximales qui sont mieux estimées par le modèle \nstatistique. \nLa performance des deux modèles pour l'estimation des indices thermiques est discutée afin \nd'expliquer les divergences entre les résultats obtenus. Cela permet de mieux comprendre les \navantages et inconvénients des deux modèles et de faciliter le processus décisionnel pour les \ngestionnaires intéressés par ce type d'outils.
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 | 0.013 | 0.022 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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".