MétaCan
Menu
Back to cohort
Record W7053029126

Télédétection du verdissement du bassin versant de la rivière Koroc dans le Parc national de Kuururjuaq, Nunavik

2024· other· fr· W7053029126 on OpenAlexfundno aff

Bibliographic record

VenueLe dépôt institutionnel (Université du Québec à Trois-Rivières) · 2024
Typeother
Languagefr
FieldEngineering
TopicPlasma Diagnostics and Applications
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of CanadaUniversité du Québec à Trois-Rivières
KeywordsPopulationContext (archaeology)Climate changeEnvironmental impact assessment
DOInot available

Abstract

fetched live from OpenAlex

Le changement climatique apporte un réchauffement de la température moyenne annuelle sans précédent dans les régions nordiques.L'augmentation de la température favorise la croissance de la végétation et particulièrement celle des arbustes érigés.Le couvert des arbustes érigés est en expansion depuis une trentaine d'années dans les régions de l'Arctique.Ce phénomène est souvent défini par le terme de l'arbustation.L'activité photosynthétique par l'entremise des chloroplastes et de la chlorophylle peut être observée avec les images des satellites.L'indice de végétation du Normalised Difference Vegetation Index (NDVI) est basé sur la différence de la réflectance et l'absorption du rayonnement solaire des attributs de la végétation impliqués dans la photosynthèse.Le verdissement est l'interprétation de l'augmentation de la biomasse végétale avec l'indice de végétation du NDVI des images satellitaires.Dans le Parc national de Kuururjuaq au Nunavik, le bassin versant de la rivière Koroc présente une augmentation de sa couverture végétale.Avec l'utilisation des images satellitaires, la télédétection devient un outil efficace afin de quantifier et de spatialiser l'intensité du changement de la végétation.Le but de ce mémoire est de quantifier et de qualifier le verdissement du bassin versant de la rivière Koroc, en utilisant la télédétection jumelée avec une caractérisation in situ de la végétation.Le premier objectif spécifique est de quantifier et de spatialiser le verdissement à partir de la série d'images satellitaires Landsat de 1984 à 2020 avec l'indice de végétation du NDVI.Le deuxième objectif spécifique consiste à évaluer la réponse de la végétation impliquée dans les processus du verdissement en utilisant la caractérisation in situ de la végétation.Les résultats des images Landsat montrent que le bassin versant de la rivière Koroc verdit.Le verdissement est plus concentré au niveau des vallées et dans le bas des pentes de la rivière Koroc et de ses principaux tributaires.Les zones de la forêt boréale et de la toundra arbustive érigée démontrent la plus forte augmentation de l'indice NDVI depuis 1984.La caractérisation in situ et les analyses statistiques de random forest indiquent que le verdissement est influencé par le couvert de Betula glandulosa.L'augmentation de l'indice du NDVI ainsi que l'étendu et les nombreux couverts de B. glandulosa propose que l'arbustation est l'un des principaux processus du verdissement du bassin versant de la rivière Koroc.Cependant, en forêt boréale, le verdissement n'est pas expliqué par le B. glandulosa, mais semble plus associer avec la présence d'un couvert de végétation de sous-bois tels les rhododendrons spp.et les mousses.Le projet permet de mieux comprendre les processus du changement de NDVI par la télédétection et par les observations in situ.Les résultats de cette étude serviront d'outil et de base de données pour l'administration et la gestion du parc pour la protection de la végétation et de la faune présente dans le parc national de Kuururjuaq et du bassin versant de la rivière Koroc.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.212
Threshold uncertainty score0.426

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0010.000
Open science0.0010.001
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0020.001

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.

Opus teacher head0.006
GPT teacher head0.190
Teacher spread0.185 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractno

Explore more

Same venueLe dépôt institutionnel (Université du Québec à Trois-Rivières)Same topicPlasma Diagnostics and ApplicationsFrench-language works237,207