Guide québécois d’application de l’Indice de Qualité Morphologique (IQM) des cours d’eau.
Bibliographic record
Abstract
L’atteinte de l’objectif d’aucune perte nette des milieux hydriques au Québec nécessite de revoir les pratiques de gestion des cours d’eau. Pour ce faire, les caractéristiques définissant ce qu’est un cours d’eau naturel, intègre et fonctionnel doivent d’abord faire consensus et s’organiser au sein d’un langage commun. Il nous faut collectivement une méthode pour prendre la mesure des pertes et des gains écologiques. Il s’agit de se doter des outils pour faire le bilan de la dégradation historique des cours d’eau et minimiser les dégradations à venir, mais aussi et surtout pour bien définir ce qui doit être préservé ou restauré. Ce langage commun est fourni par l’Indice de Qualité Morphologique (IQM). Il se compose de 28 indicateurs, répartis en trois catégories, qui permettent l’obtention d’un score synthétique sur une échelle entre 0 et 1. De plus en plus utilisé au Québec, cet indice constitue une approche prometteuse pour une priorisation de sites d’interventions de restauration dans les cours d’eau ou pour prioriser des secteurs à protéger par exemple. Son emphase sur les formes et processus à l’échelle du paysage lui confère l’avantage de permettre l’évaluation de l’état des milieux hydriques à une échelle qui ne serait pas réaliste par l’entremise d’indices biotiques. Cependant, l’IQM classique (Rinaldi et al., 2013, 2016a) a été développé et réfléchi pour un contexte alpin – Italie –, incluant par exemple des cours d’eau à énergie élevée et à chenaux multiples (tresses). La majorité des 28 indicateurs de l’IQM et le guide d’accompagnement (en anglais) sont axés sur ce type d’environnement (Rinaldi et al., 2013, 2015, 2016a, 2016b). Avec l’utilisation de plus en plus fréquente de cet indice par les acteurs de l’eau au Québec, il est nécessaire et pertinent d’adapter l’indice et le guide pour une application optimale dans le contexte du territoire québécois et de ses spécificités physiographiques, hydroclimatiques et écosystémiques. C’est ici qu’intervient le présent guide : il vise donc à outiller et aiguiller (en français) l’utilisateur québécois dans son évaluation de l’IQM.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.016 | 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".