Développement d'une méthodologie afin d'intégrer et de valoriser l'information spatio-temporelle sur la qualité de l'eau à l'échelle d'un bassin versant : un exemple d'application à la protection des sources d'eau potable
Bibliographic record
Abstract
La gestion intégrée des ressources en eau par bassin versant requiert de bonnes connaissances du territoire à l'étude afin d'inclure le suivi de la qualité de l'eau de la « source au robinet » dans la planification territoriale. Un accès efficace à tout type de données relatives à la qualité de l'eau, incluant l'occupation du sol et les risques (impacts anthropiques, environnementaux, etc.), permettrait aux intervenants de divers milieux de prendre en considération le portrait complet des informations disponibles pour une prise de décision éclairée. Inventorier, assembler, analyser et interpréter les données peut représenter un défi supplémentaire lorsque les informations à colliger proviennent de sources différentes, tout particulièrement pour les organismes de bassins versants (OBV) et les petites municipalités qui n'ont pas toujours les moyens d'avoir des spécialistes en gestion de bases de données et en systèmes d'information géographique (SIG). Ce projet de maîtrise porte sur le développement d'un cadre méthodologique concernant l'acquisition, la gestion et l'utilisation des données relatives à la qualité de l'eau dans les bassins versants où existent des prises d'eau potable. Après une étude approfondie des exigences gouvernementales concernant la protection des sources, il sera question d'optimiser la gestion des données en concordance avec le Règlement sur le prélèvement des eaux et leur protection (RPEP) du Québec. Dans un contexte où de nombreuses municipalités du Québec doivent répondre aux exigences du RPEP d'ici 2021, un logiciel spécialisé en gestion des données sur la qualité de l'eau a été adapté afin d'aider les gestionnaires de la ressource en eau qui ont le mandat de répondre au RPEP. Ce projet permettra d'optimiser le processus d'acquisition et de traitement de l'information requise (eau et territoire) pour l'évaluation de la vulnérabilité des prises d'eau potable. L'évaluation de la vulnérabilité des prises d'eau potable est une démarche fondamentale de la protection des sources d'eau et de l'harmonisation de cette dernière avec l'occupation du territoire. La méthodologie développée pour une étude de cas dans les Laurentides montréalaises est applicable à d'autres bassins versants du Québec et d'ailleurs.
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 | 0.022 | 0.059 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.014 | 0.006 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.012 | 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".