Portrait actuel de la qualité de l'eau et des sédiments de la Mishta-shipu (rivière Moisie)
Bibliographic record
Abstract
Le début de l'industrialisation a été marqué par une augmentation nette de l'influence anthropique sur le réchauffement planétaire, et les écosystèmes d'eau douce siègent parmi les premiers rangs des biotopes les plus impactés par ce phénomène. L'augmentation de la température et des précipitations modifient considérablement les propriétés du milieu, affectant directement la biodiversité ambiante. Une surveillance rigoureuse et continue est essentielle afin de détecter, évaluer et gérer adéquatement toute menace environnementale pouvant être attribuée à l'humain. Riches en espèces et florissantes de ressources naturelles, les rivières possèdent des composantes fondamentales pour tout écosystème. Elles sont également essentielles à la santé de l'humain, à son développement économique et à son approvisionnement en eau potable. La rivière Mishta-shipu (rivière Moisie) est située majoritairement dans la région administrative de la Côte-Nord, au Québec. Elle est réputée mondialement comme étant l'une des plus importantes rivières à saumon de l'Atlantique (Salmo salar). De plus, en tant qu'autoroute principale menant aux territoires ancestraux, sa valeur patrimoniale se veut inestimable pour les communautés autochtones locales qui ont survécu durant des milliers d'années grâce à ses ressources. Considérant toute cette richesse et l'absence de données scientifiques suffisantes, l'objectif global de cette étude était donc de brosser un portrait global et représentatif de la qualité actuelle de la rivière. Ce projet a été réalisé à travers le bassin versant de la Mishta-shipu, sur un total de huit stations à l'intérieur desquelles trois sites ont été échantillonnés. Les analyses ont été effectuées à l'aide d'indicateurs physico-chimiques, c'est-à-dire la qualité de l'eau et des sédiments, combinés à une caractérisation des macroinvertébrés benthiques, et ce en tenant compte des principales activités humaines pouvant impacter la qualité de la rivière. Les résultats obtenus suggèrent qu'à l'intérieur de certaines stations, certains sites subissent une pression pouvant être associée à l'humain.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".