Usage du sol et érosion hydrique : application de l’EPM de Gavrilović au bassin d’Abou Al-Aswad (sud-ouest du Liban, milieu méditerranéen semi-aride)
Bibliographic record
Abstract
Le bassin versant d’Abou Al-Aswad, d’une superficie de 148 km² et situé au sud-ouest du Liban, est soumis à une érosion hydrique exacerbée par la déforestation, des pratiques culturales inadaptées et un climat semi-aride. Afin de quantifier les pertes de sol, cette étude mobilise la Méthode du Potentiel d’Érosion (EPM) de Slobodan Gavrilović (1962). Par ailleurs, l’érodibilité du sol a été évaluée à l’aide de l’équation universelle des pertes en sol (USLE), tandis que l’évolution de l’érosion a été calculée grâce à la formule de l’Indice de Sol Nu (BSI). Dans l’environnement SIG, la combinaison des paramètres du modèle révèle que les pertes de sol peuvent atteindre 13000 m³·km⁻², en particulier dans les zones dépourvues de couvert végétal protecteur et de dispositifs antiérosifs. À l’inverse, les versants cultivés selon les courbes de niveau présentent des pertes inférieures à 1000 m³·km⁻² (1mm d’épaisseur). Afin de valider ces estimations, les volumes obtenus ont été convertis en millimètres d’épaisseur équivalente. La comparaison avec les mesures in situ, réalisées à l’aide de tiges métalliques, confirme globalement la fiabilité du modèle, même si des divergences localisées subsistent en raison des variations de pente et de couverture végétale. La méthode EPM se révèle robuste pour évaluer le risque d’érosion à l’échelle du bassin, dès lors que ses paramètres sont calibrés avec précision selon le contexte local. Un suivi régulier, associant mesures de terrain et observations par télédétection, est par ailleurs indispensable pour actualiser et améliorer en continu les stratégies de gestion des sols.
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 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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, 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".