Caractérisation de la dynamique saisonnière de l'hydrologie des tourbières minérotrophes du Moyen-Nord québecois, à l'aide de l'imagerie satellitaire multispectrale à très haute résolution spatiale.
Bibliographic record
Abstract
Le bassin versant de la rivière La Grande, à la Baie James (Québec, Canada) est un contributeur \nmajeur à l'hydroélectricité dans la province. Les tourbières couvrent près de 20 % de \nl'environnement terrestre dans cette région. Leur comportement hydrologique est encore \nméconnu. La présente étude fait partie d'un projet pluridisciplinaire, visant à analyser les \nprocessus hydrologiques dans les tourbières minérotrophes (fens) du bassin versant, afin de \nfournir des outils de contrôle efficaces pour les gestionnaires de l'eau. La problématique \nspécifique à cette étude était de déterminer si la télédétection satellitaire à très haute résolution \n(THR) est ou non pertinente pour étudier la dynamique saisonnière de l'hydrologie dans les \ntourbières minérotrophes. \nPour ce faire, 10 images multispectrales fusionnées GeoEye-l (avec une résolution nominale de \n40 cm) ont été acquises au cours des saisons sans neige (mai à octobre) de 2009 et 2010, dans le \nsecteur Laforge (54° 06 'N; 72° 30'W), centrées sur les sites d'étude. Il s'agit de deux tourbières, \ninstrumentées pour un suivi hydrométéorologique en continu (niveau d'eau, débit, précipitation, \ntempérature). Une procédure d'analyse orientée-objet semi-automatisée a été mise au point et \nappliquée. Cela consistait à segmenter l'image en objets en utilisant l'algorithme de \nsegmentation multirésolution (MRIS) pour délimiter les structures internes des tourbières \n(aquatiques, semi-aquatiques, terrestres). Puis, les objets ont été étiquettés en utilisant un \nalgorithme basé sur la logique floue. Ceci a permis par la suite de déterminer la proportion des \nstructures aquatiques, semi-aquatiques et terrestres dans chacune des tourbières, ce qui était \nessentiel pour un suivi de la dynamique spatiotemporelle de l 'hydrologie. \nLa précision globale de la classification des 10 images a été estimée à 82 %, en ce qui concerne \nla délimitation des structures internes des tourbières. Considérant la séparation des structures \naquatiques, semi-aquatiques et terrestres, la précision globale atteint 92 %. \nLa série temporelle de la cartographie des structures internes des tourbières a démontré \nl'existence d'une dynamique spatiale intra-saisonnière importante des compartiments aquatiques \net semi-aquatiques des tourbières à l'étude. L'amplitude de cette dynamique a été évaluée dans \nles deux tourbières. Dans la première tourbière, la variation spatiale observée correspond à une \naugmentation de 53 % des compartements aquatiques et semi-aquatiques entre les conditions les \nplus sèches (image du 23 juillet 2009) et les plus humides (18 mai 2010). Dans la seconde \ntourbière, la variation spatiale observée correspond à une augmentation de 17 % entre les \nconditions les plus sèches (image du 13 septembre 2009) et les plus humides (30 août 2010). \nEnfin, il a été démontré qu'un lien existe entre la dynamique spatiale intra-saisonnière et le \nrégime hydrologique des tourbières. Les débits et niveaux d'eau mesurés ont été comparés en \nconsidérant les deux saisons d'acquisition de données. Un modèle exponentiel a pu décrire la \nrelation avec un coefficient de détermination de 0,63. En fait, à partir d'un seuil correspondant à \nun certain niveau d'eau et à un certain débit, le comportement hydrologique de la tourbière est \nmodifié. Deux phases peuvent être distinguées. La première phase correspond à une \naugmentation rapide du niveau d'eau tandis que le débit reste faible; elle est appelée la phase de \nstockage. La seconde phase est caractérisée par une forte augmentation du débit tandis que le \nniveau d'eau est déjà élevé et augmente peu. De l'eau est libérée de la tourbière; la phase est dite \nde ruissellement. En observant les niveaux d'eau et débits correspondants aux dates des images \nsatellitaires acquises, uniquement la phase de stockage a été couverte. Néanmoins, l'absence \nd'images acquises durant d'importants évènements de ruissellement n'était pas un obstacle à \nl'observation d'une dynamique hydrologique saisonnère. L'ampleur de cette dynamique était \nimportante durant la phase de stockage et semblait être liée à l'évolution du niveau d'eau. Un \nmodèle linéaire a pu décrire la relation avec un coefficient de détermination entre 0,6 et 0,8. En \noutre, les pentes de régressions linéaires estimées sont environ deux fois plus importantes pour \nl'une des deux tourbières étudiées. Cela se traduit par une dynamique spatiale des compartiments \naquatiques et semi-aquatiques plus faible dans la seconde tourbière. Les différentes valeurs de \npentes seraient expliquées par les différences morphologiques (superficie, profondeur, contour \ndes mares) des deux tourbières structurées. Cette étude a donc démontré la possibilité d'un suivi \nhydrologique des tourbières à la fois à l'échelle intra-saisonnière et à l'échelle locale. Les études \nantérieures se sont limitées à un suivi à échelle multi-décennale. \n
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".