Effect of vegetative filter strip on sediment deposition in agricultural drainage ditches in the littoral zone of Lac Sainte-Pierre
Bibliographic record
Abstract
La sédimentation dans les fossés de drainage agricole a créé un problème environnemental,économique et écologique complexe dans la zone côtière des plaines inondables, en particulierdans la région du Lac Saint-Pierre au Québec, Canada. La bande filtrante végétative (VFS), unemeilleure pratique de gestion (BMP) pour les fossés de drainage agricole, pourrait être l'une desprincipales solutions à ce problème dans la région du Lac Saint-Pierre. L'objectif de cette étudeest d'analyser le rôle de la performance de la bande filtrante végétale sur la prévention du dépôtde sédiments dans la région du lac Saint-Pierre par le biais d'un suivi sur le terrain de trois sitesexpérimentaux sur la rive du lac Saint-Pierre à l'aide de stations totales et de systèmes dedétection et de télémétrie par la lumière (Lidar). Trois bandes filtrantes de différentes largeurs(0, 2 et 4 m) sont utilisées comme traitements et plantées sur tous les sites d'expérimentation, etle changement de volume du fossé est surveillé à partir de trois ans après le dragage du fossé.Nos résultats suggèrent qu'il n'y a pas de différence significative dans le dépôt de sédiments àtravers les différentes largeurs de VFS, indiquant un impact limité de la bande filtrante végétalesur le dépôt de sédiments dans la zone côtière de la région du Lac Saint-Pierre au cours des 3premières années. De plus, la performance du système Lidar dans les conditions d'un fossé dedrainage à végétation dense est testée en comparant l'élévation et la superficie du profil de lasection transversale du fossé de drainage mesurées à l'aide du levé Lidar. À celles mesurées parla station totale. L'élévation et l'aire de la section transversale du profil mesurées par lebalayage Lidar montrent des erreurs relativement importantes par rapport aux données de lastation totale
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 | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 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 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".