Spatialization and modelling of soil water status for the study of flow formation process in a torrential context : application in the Laval marl drainage basin (ORE Draix-Bléone, Alpes-de-Haute-Provence, France)
Bibliographic record
Abstract
Pour améliorer la prévision des crues dans les bassins versants torrentiels, les hydrologues doivent connaître les conditions initiales de l'état hydrique des sols précédant les événements pluvieux. La cartographie de l'humidité des sols, dont les variations sont principalement influencées par la topographie, la couverture végétale et l'hétérogénéité des propriétés des sols, constitue alors un outil précieux pour étudier les processus de formation des écoulements. Ce travail aborde la problématique de la spatialisation des variations spatio-temporelles de l'état hydrique des sols en utilisant la modélisation géostatistique et hydrologique appliquées au bassin versant expérimental marneux du Laval (0.86 km², ORE Draix-Bléone, France). Le suivi in situ des épisodes pluvieux de mai 2015 à novembre 2016 a permis de mettre en évidence une relation significative entre la teneur en eau des sols, la topographie et l'occupation de surface dans les badlands. Il a également permis de mieux appréhender la dynamique spatio-temporelle des variations de teneur en eau des versants à l'échelle saisonnière et événementielle, et de confirmer la majeure contribution aux écoulements de crue des horizons superficiels dénudés. Enfin, la modélisation hydrologique associée au traçage chimique et isotopique des eaux du bassin a apporté une amélioration de la compréhension de l'organisation spatiale de la réponse hydrologique du bassin à l'échelle événementielle.
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 | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".