Développement d'un algorithme satellitaire à seuils évolutifs \npour le suivi de l'étendue spatiale du couvert nival au \nQuébec-Labrador et son adaptation à l'estimation d'ensemble.
Bibliographic record
Abstract
Le couvert nival joue un rôle important dans le cycle hydrologique du Québec. Par conséquent, \nl'évaluation de son étendue spatiale intéresse au plus haut point les autorités responsables de \nla gestion des ressources en eau, en particulier Hydro-Québec. L'objectif de la présente étude \nest le développement d'un algorithme satellitaire à seuils évolutifs pour le suivi de l'étendue \nspatiale du couvert nival au Québec-Labrador et son adaptation à l'approche de l'estimation \nd'ensemble. Cet algorithme est spécifique à la météorologie et à l'occupation du sol prévalant \nsur ce territoire. Il est constitué de six seuils hiérarchiques, appliqués de façon séquentielle pour \nla détection de la neige, de la non-neige et des nuages sur les images AVHRR-KLM (1 km) \nacquises durant les périodes transitoires d'établissement et de fonte printanière du couvert nival \npour la période 1988 à 2011. Les sorties cartographiques des approches classique et \nd'estimation d'ensemble ont été validées à partir des observations locales de neige au sol à 20 \nstations météorologiques et sept stations GMON pour déterminer la performance de l'algorithme \nde cartographie. Le taux de succès global de l'algorithme classique est supérieur à 95%. Le \ntaux de détection de la neige est supérieur à 90%. Il chute toutefois à 65% en zone forestière. \nL'approche d'estimation d'ensemble possède une performance inférieure à celle de l'algorithme \nclassique. Cette performance plus faible en zone forestière par les deux approches s'explique \npar le fait que les seuils empiriques de l'algorithme ont été calculés sur l'ensemble des \nconditions historiques du Québec-Labrador sans toutefois faire une distinction entre les \ndifférentes occupations du sol ni les conditions météorologiques actuelles. Ce calcul cause donc \nune omission de la neige dans certaines régions que sont les zones forestières du sud du \nQuébec. Cet effet est exacerbé dans l'estimation d'ensemble en raison du déplacement des \nfrontières de délimitation entre la neige, la non-neige et les nuages. Il est recommandé \nd'adapter les seuils de l'algorithme en fonction de l'occupation du sol et des conditions \nmétéorologiques actuelles afin d'améliorer la qualité des sorties cartographiques pour le suivi du \ncouvert nival en temps réel. \n
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 | 0.006 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.000 | 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; both teacher heads agree on what is shown here.
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".