Historique de la dynamique de zones d'érosion dans les bassins versants expérimentaux de Draix, par archives d'imagerie spatiale. 3 cas des bassins du Moulin et du Laval
Bibliographic record
Abstract
/ Depuis quelques années, le Cemagref et plus particulièrement l'UMR TETIS poursuit une étude sur le fonctionnement des bassins versants de recherche (BVRE) sur marne noire. Les orientations de recherche s'articulent sur la compréhension des mécanismes de l'érosion hydrique et les moyens de protections sur ce type de terrain qui couvre une grande zone montagneuse dans les Alpes du Sud de la France (Haute en Provence). Les travaux déjà effectués concernent essentiellement l'hydrologie des bassins à l'exutoire, avec les mesures de débits, de concentrations, reliés aux mesures de pluies sur des zones testent limitées. Néanmoins pour l'étude et le suivi de changement d'états de surfaces et des mécanismes d'érosion torrentielle, des mouvements de terrains, de la géologie interne au bassin, il manque en l'état actuel des recherches de description fin du relief de ces bassins et de quantifier le changement des états de surfaces des ces derniers. Afin de palier ce manque, le travail de ce stage consistait à regrouper les données de télédétection disponibles sur les bassins de Draix, sous forme de base de données géographique. Par la suite tester et analyser l'opportunité de ces données dans le but de détecter le changement et proposer une méthodologie d'analyse sur cette zone de relief. Des archives de données images multi sources, multi dates et multi résolutions spatiales et spectrales, échelonnées de 1948 jusqu'à 2005, recouvrant une large zone des bassins concernés étaient disponibles. Le mémoire de stage sera organisé de la manière suivante : après une première partie dédiée à la présentation du contexte de stage, les données du travail et les méthodes de prétraitements, nous présenterons dans une deuxième partie, les principes généraux des objets d'intérêt indicateurs de changement adoptés et nous décrirons les outils et les méthodes de recherches de la télédétection de changements utilisées. Ensuite la troisième partie présentera les résultats obtenus au cours de ce travail. Enfin une conclusion résumera les perspectives de poursuite et d'amélioration des résultas de cette présente recherche.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".