Cartographie de la susceptibilité d’inondation, basée sur l’Analyse Hiérarchique des Procédés (AHP) dans les départements de Pikine et de Keur Massar, Sénégal
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
L’urbanisation rapide et non maîtrisée dans les zones basses de Pikine et Keur Massar, deux départements du Sénégal, a fortement accru la susceptibilité et l’exposition aux inondations récurrentes. Dans ce contexte, la cartographie de la susceptibilité aux inondations constitue un outil stratégique pour la planification urbaine et la réduction des risques. Cette étude vise à élaborer une carte de susceptibilité aux inondations dans les départements de Pikine et de Keur Massar, au Sénégal, en combinant l’analyse multicritère (AHP) avec des outils de Système d’Information Géographique (SIG). Six facteurs déclencheurs ont été intégrés : la pluviométrie, l’élévation, la pente, la densité de drainage, le type de sol et l’occupation du sol. Les pondérations des critères ont été établies selon la méthode de Saaty, et la carte finale a été obtenue par superposition pondérée. Les données satellitaires Landsat-8 et SRTM, analysées via Google Earth Engine, ont permis de cartographier les zones inondées sur la période 2015-2024, subdivisée en trois sous-périodes. L'indice de différence normalisée modifiée de l’eau (MNDWI) a été utilisé pour détecter les inondations, tandis que l’indice de végétation par différence normalisée (NDVI) a permis d’éliminer les faux positifs liés à la végétation. La carte de fréquence des inondations a ensuite servi à valider la carte de susceptibilité. Les résultats indiquent que 56,60 % de la superficie des départements de Keur Massar et Pikine présentent une susceptibilité élevée à très élevée. En croisant ces données avec les infrastructures, il apparaît que 67,46 % des bâtiments et plus de la moitié du réseau routier et ferroviaire sont fortement inondables. Ces vulnérabilités s’expliquent par une urbanisation non planifiée dans des zones basses, jadis réservées à la rétention d’eau. L’étude souligne l’urgence d’une gestion territoriale intégrée et résiliente.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 it