Apport d'eau lié à la fonte nivale et restitution en tête de bassin versant cristallin à l'échelle locale : exemple du Lignon du Forez, Massif Central, France
Bibliographic record
Abstract
\n\n\t\t\t\tCet article se positionne dans l'étude des hydrosystèmes aux interfaces, domaine délicat en hydrologie de montagne en raison du comportement variable dans le temps et l'espace des échanges entre la neige, le sol et le sous-sol. Il s'agit d'évaluer les échanges entre la neige sous forme liquide et le sol ainsi que sa restitution en tête d'un bassin versant de moyenne montagne (Lignon du Forez, Massif Central). L'héritage glaciaire du site d'étude donne lieu à une configuration favorable à l'affleurement des sources du Lignon. La source Nord semble dépendre de la configuration du sol et de l'accumulation neigeuse dont son bassin versant bénéficie pendant l'hiver. L'accent est donc mis sur le suivi de l'accumulation neigeuse et l'évaluation de l'équivalent en eau liquide, puis le suivi de son infiltration, et enfin sa restitution à la source. La cartographie de l'accumulation neigeuse et de l'équivalent en eau liquide a été réalisée à l'aide d'un radar géologique (Ground Penetrating Radar). Cette méthode a permis également une cartographie des épaisseurs de sol rencontrées, qui semblent jouer le rôle d'aquifère certaines années. Le suivi de l'infiltration a été mené durant un hiver et une période de fonte grâce à une fosse creusée dans le sol et équipée de sondes de température et d'humidité du type TDR (Time Domain Reflectometry). Indirectement, cette station de mesure permet de détecter la présence de neige sur le sol et d'estimer une vitesse de fonte de la neige. Ce volume d'eau issu de la fonte est quantifié à la source et contribue aux débits annuels.\n\n\t\t\t
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 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".