AgriEAU : outil géomatique d'aide à la gestion et l'aménagement des cours d'eau ruraux
Bibliographic record
Abstract
Sous l’initiative de l’Université Laval, un projet collaboratif a été mis sur pied afin de répondre au besoin des municipalités régionales de comté (MRC) d’avoir un outil pour les aider à procéder à la création d’un plan d’action face à la gestion et l’aménagement de leurs cours d’eau. Ce projet, qui inclut la participation de l’Université de Concordia et l’Institut de Recherche et Développement en Agroenvironnement (IRDA), a comme objectif de développer un outil informatique qui permet d’effectuer des analyses de cours d’eau pour identifier les zones problématiques potentielles. Dans ce cadre, le projet de maîtrise a consisté à participer au développement du progiciel. Les objectifs du projet de maîtrise ont été de supporter le projet en effectuant une revue de littérature, de participer à son développement, de valider que le progiciel puisse bien diagnostiquer certaines problématiques d’un cours d’eau et, finalement, de valider les méthodes de traitements répertoriés. Supporté par la revue de littérature, le progiciel développé est constitué de onze outils qui permettent de produire les éléments nécessaires à l’analyse des cours d’eau. De ces onze outils, dix ont été supportés (testés et documentés) et un a été complètement développé dans le cadre du projet de maîtrise pour intégrer l’outil «Qmax_PBV» qui permet de calculer les débits maximaux. Les données produites par le progiciel nous confirment la possibilité d’effectuer un diagnostic d’un bassin versant agricole. À partir des données du progiciel, les différents profils transversaux ont été caractérisés soit comme les profils stables, ceux qui s’érodent ainsi que ceux qui présentent de la sédimentation. De cette caractérisation, les observations notées sur le terrain ont été confirmées. Finalement, la méthode d’extraction des profils transversaux qui a été utilisée dans l’un des outils du progiciel a été validée dans le cadre du projet. La méthode de définir des profils transversaux à partir de relevés LiDAR (Roelens et al., 2016) avait été développée avec des LiDAR de densité de 16 pts/m2. L’objectif a été de définir s’il est possible de l’appliquer avec un LiDAR d’une densité de 1pt/m2. L’évaluation qualitative de 21 profils nous a permis de déterminer que la largeur minimale de la zone d’échantillonnage de points LiDAR considérée comme convenable pour l’obtention des profils est de 6 m.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.004 |
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".