Caractérisation du bassin versant de la rivière Mulet (Roche-à-Bateau, Haïti) à l’aide d’outils de géomatique
Bibliographic record
Abstract
La dégradation et l’érosion représentent un problème majeur pour un grand nombre de bassins versants en Haïti, surtout lorsqu’ils sont situés en terrain montagneux comme le bassin versant de la rivière Mulet dans le département du Sud. La caractérisation des paramètres biophysiques de ce bassin versant est indispensable à la compréhension de son état d’une manière générale. Aujourd’hui, les outils de géomatique (système d’information géographique et télédétection) sont régulièrement utilisés dans la caractérisation des bassins versants étant donné leur capacité de produire des données spatialement et temporellement représentatives. L’objectif de cette étude est d’évaluer les caractéristiques biophysiques du bassin versant de la rivière Mulet à l’aide des outils de géomatique. Pour cela, un modèle numérique de terrain (MNT) a été construit afin d’extraire les paramètres morphologiques et hydrographiques du bassin versant. Les données géospatiales de l’United States Geological Survey (USGS) et du Centre National de l’Information Géo-Spatiale d’Haïti (CNIGS) relatives aux occupations du sol et à la géologie ont été utilisées. Des données pédologiques, obtenues de la base de données mondiale de la Food and Agriculture Organization (FAO), ont également été utilisées. L’analyse de ces données permet de comprendre que l’intégrité du bassin est influencée par la combinaison de plusieurs facteurs, dont le relief, les formations pédo-géologiques, le couvert végétal, les activités anthropiques, ainsi que les conditions climatologiques. Cette analyse des caractéristiques du bassin versant permet de mieux informer sur sa situation en vue de la planification des interventions pour la conservation de ses ressources.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".