Des modèles de bandes riveraines à valeur ajoutée adaptés au milieu agricole de Mirabel, situé sur le territoire du COBAMIL
Bibliographic record
Abstract
Cet essai découle de l’action 22 du plan directeur de l’eau du Conseil des bassins versants des Mille-Îles. L’objectif principal est donc de recommander des modèles de bandes riveraines à valeur ajoutée adaptés à leur milieu agricole. La Ville de Mirabel a été choisie comme zone d’étude, car 87,4 % de son territoire est en zone agricole. C’est aussi là que prennent leurs sources les quatre rivières principales dont s’occupe l’organisme de bassins versants, soit la rivière du Chêne, du Chicot, aux Chiens et Mascouche. En tout, sept principaux modèles ont déjà fait leurs preuves au Québec : un modèle composé d’herbacés mellifères, un modèle de bande enherbée, un modèle composé de panic érigé, un de saules arbustifs, un d’arbustes fruitiers, un d’arbres et finalement de trois strates végétales. L’analyse de chaque modèle, d’après la réalité du milieu agricole de Mirabel, n’a pas fait ressortir la pertinence ou la faisabilité de certains modèles plus que d’autres. Chacun possède des points forts et des points faibles intéressants et diversifiés. Il s’agit de choisir celui qui convient le mieux au contexte environnemental et social selon le type de berge, de sol, de cultures, ainsi qu’aux valeurs et aux besoins des agriculteurs. Les bandes riveraines productives ont des avantages qui ne sont pas présents dans les bandes riveraines conventionnelles. En effet, elles produisent des ressources qui peuvent être utilisées directement à la ferme ou commercialisées. En offrant la possibilité d’une récolte, ces bandes riveraines rendent l’idée d’élargir la bande plus acceptable par les agriculteurs. Par conséquent, puisque ces bandes ont une largeur plus importante, elles permettent de rendre des services écosystémiques de meilleure qualité. Pour mener à bien un projet pilote dans le secteur agricole de la couronne nord de Montréal, il est recommandé d’utiliser une approche collective et volontaire, par bassin versant. L’effet de groupe encouragera les agriculteurs à participer et permettra d’établir des partenariats pour la culture et la commercialisation des produits issus des bandes riveraines productives. Par exemple, des groupes ou des coopératives pour l’entretien des bandes et les récoltes devraient être créés. Cela permettra de diminuer la charge de travail que demande l’entretien de la part des agriculteurs déjà très occuper dans leur entreprise. Il serait finalement intéressant de profiter de partenariat avec des entreprises et des organismes locaux. Ces actions devraient permettre une plus grande acceptabilité, une meilleure rentabilité et productivité.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
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".