Estimation de la matière organique des sols agricoles au Sud du Québec par l'utilisation de réflectances spectrales
Bibliographic record
Abstract
Les sols constituent un des plus importants réservoirs de carbone dans l'écosystème terrestre de par leur contenu en matière organique. Cependant, il est difficile d'estimer rapidement et de manière détaillée la teneur en carbone des sols parce que cet indicateur est variable dans l'espace et dans le temps. Seul un échantillonnage exhaustif et des analyses traditionnelles en laboratoire permettent d'avoir une vision détaillée. L'étude actuelle vise à développer un modèle d'estimation de la matière organique contenue dans les sols agricoles en se basant sur les réflectances spectrales de ces sols. L'utilisation de ce modèle permettrait de cartographier et suivre l'évolution de la teneur des sols agricoles à nu en carbone organique. Des échantillons provenant de plusieurs parcelles agricoles situées à l'intérieur du bassin versant de la rivière Tomifobia dans le Sud du Québec ont été utilisés à cette fin. L'analyse a été faite avec plus de 800 échantillons de sol provenant de 26 parcelles dont la teneur en matière organique s'élève entre 1 et 13%. Ces échantillons appartiennent à quatre types pédologiques (loam, limon sableux (2) et fin limon sableux). Pour chaque échantillon de sol, une signature spectrale a été enregistrée entre 350 et 2 500 nm. La technique proposée repose sur une normalisation des spectres de réflectance ainsi que sur les valeurs calculées de la dérivée première et de la dérivée seconde. Une des associations la plus significative est celle entre le contenu en matière organique et la dérivée première des spectres normalisés centrée sur le segment 861-885 nm. Seulement 12 des 78 échantillons des groupes d'échantillon initiaux utilisés pour la modélisation et la validation indiquent une erreur résiduelle supérieure à 25% (dont 2 au-delà de 50%). Un rééchantillonnage des bandes spectrales en fonction des bandes spectrales de quelques satellites présente des résultats intéressants même si celles-ci couvrent une portion plus large du spectre. En effet, des coefficients de détermination supérieurs à 0,7 ont été obtenus suite à la démarche de normalisation des données utilisée dans l'étude. Des travaux ultérieurs sont nécessaires afin d'optimiser la relation et de s'assurer de son efficacité à prédire le contenu en matière organique des bassins versants environnants.
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) | 0.001 | 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 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".