La détection de contours dans l'approche stratifiée par champs pour la classification d'un milieu agricole à l'aide de données Landsat TM cas du bassin versant de la rivière aux Brochets, sud du Québec
Bibliographic record
Abstract
La problématique qui affecte notre site d'étude est de nature agroenvironnementale. L'utilisation agricole des terres du bassin versant de la rivière aux Brochets est responsable d'un excès de charges de phosphore, à l'origine d'une pollution diffuse. Cette dernière entraîne des dégradations environnementales importantes dans la Baie Missisquoi, partie septentrionale du lac Champlain, avec l'eutrophisation accélérée des eaux de la baie. L'érosion et le ruissellement sont les vecteurs de cette pollution phosphatée, tandis que les rivières et les lacs en sont les cibles. C'est pour une meilleure estimation de ce transport que nous souhaitons discriminer au mieux les cultures sur ce bassin versant. Cette différenciation des cultures se fait couramment à l'aide de techniques de classification d'images. L'objectif principal de cette recherche est d'élaborer une cartographie adaptée à la dimension agricole et répondant parfaitement aux besoins des ingénieurs agronomes, qui raisonnent non pas en terme de pixels mais en terme de champs. La méthodologie proposée vise à maximiser les résultats de classification d'un milieu agricole."--Résumé abrégé par UMI.
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 | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
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".