Application de la spectrophotométrie ultraviolette à la caractérisation d'eaux naturelles du Québec
Bibliographic record
Abstract
Quatre grandes problématiques sont rencontrées dans les lacs et rivières du Québec: l'eutrophisation, les fleurs d'eau (cyanobactéries), l'ensablement et l'érosion, et la perte des usages. Face à ces problématiques, le recours à des outils de diagnostic et de suivi de la qualité de l'eau basés sur la mesure de paramètres physico-chimiques, est répandu. Plusieurs techniques permettent la mesure des différentes formes du carbone, de l'azote et du phosphore. Celles-ci ont cependant des limites. Elles sont souvent longues, coûteuse [i.e. coûteuses] et peuvent parfois manquer de pertinence. Différentes applications de la spectrophotométrie UV au diagnostic et au suivi de la qualité des eaux naturelles du Québec sont présentées. Trois modèles de déconvolution ont été créés. Le premier modèle permet l'estimation de la concentration en nitrates et en COT d'une eau. Le second permet l'attribution d'une valeur d'indice d'influence anthropique et la proposition d'une typologie des tributaires basée sur cet indice. Enfin, le troisième modèle permet le calcul rapide du TSI (indice d'état trophique) relatif à la chlorophylle-[alpha] et du TSI global (prenant en compte également la transparence et le phosphore total). Les spectres UV ont également été exploités de façon qualitative afin de caractériser l'évolution spatio-temporelle de la qualité de l'eau. Cette recherche a permis de confirmer la pertinence de la spectrophotométrie UV pour l'estimation du COT et des nitrates (à faibles concentrations) dans des matrices aqueuses riches en substances humiques. Elle s'est également avérée intéressante dans le calcul des TSI et la caractérisation de leur évolution. Cependant, le calcul de l'indice d'influence anthropique devra être amélioré afin d'en augmenter la pertinence.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".