Cartographie multi-échelles des services écosystémiques : caractérisation des associations spatiales et apports de la télédétection
Notice bibliographique
Résumé
Les mutations de la société au cours du dernier siècle ont de fortes répercussions sur le fonctionnement de la majorité des écosystèmes. Notre société fait face à un paradoxe complexe défini par la nécessité de satisfaire des conditions de vie décentes d’une population mondiale croissante tout en limitant les impacts négatifs sur les écosystèmes. Le concept de service écosystémique a été proposé pour accompagner la résolution de ce paradoxe et de nombreuses attentes reposent sur ce concept. Mon travail de thèse a pour objectifs d’évaluer les apports actuels de la cartographie des services écosystémiques pour caractériser les patrons spatiaux et déterminants de la multifonctionnalité des territoires.Dans le chapitre I nous proposons une analyse des associations entre le service de production agricole et quatre services de régulation au niveau des surfaces agricoles de la région Rhône-Alpes (France). Ce travail nous permet de revenir sur la définition des compromis et synergies entre services écosystémiques aussi bien que sur le concept de bouquet de services écosystèmiques. Par ailleurs, en s’inspirant du concept de niche écologique pour les espèces, nous évaluons l’adéquation spatiale entre la fourniture de services écosystèmiques et les caractéristiques socio-écologiques des milieux (i.e. leur niche socio-écologique). Nos résultats révèlent une grande variabilité dans les associations entre le service de production agricole et les services de régulation. Cette observation souligne le poids des modalités de gestion agricole dans l’orientation des associations entre services écosystèmiques. Par ailleurs, nous soulevons de nombreuses interrogations vis-à-vis de la robustesse des analyses courantes des bouquets de services écosystèmiques.L’influence de la résolution spatiale des données de modélisation sur la cartographie des services écosystèmiques est évaluée dans le chapitre II. Pour cela nous comparons les cartes utilisées dans le premier chapitre avec les informations apportées par un projet de cartographie de services écosystèmiques à haute résolution spatiale sur la région de Grenoble (projet ESNET). Cette analyse alimente une réflexion sur les limites des modèles utilisés pour cartographier les services écosystémiques.Dans le but d’améliorer la modélisation des services écosystémiques fournis par les terres agricoles, nous développons dans le chapitre III, une approche basée sur la télédétection pour cartographier l’utilisation des terres agricoles dans la région de Grenoble. L’utilisation conjointe de données satellitaires MODIS et RapidEye nous permet de déterminer les successions culturales sur 5 années à la résolution de la parcelle agricole. Validée par les données du registre parcellaire graphique, l’utilisation de ces données spatialement explicites améliore significativement notre capacité de cartographie de la production agricole et pourrait être utilisée pour cartographier de nombreux autres services écosystèmiques.Alors que le chapitre III est focalisé sur l’utilisation de la télédétection pour la cartographie de l’utilisation des terres agricoles, le chapitre IV propose une synthèse des autres utilisations des données de télédétection pouvant potentiellement contribuer à la modélisation des services écosystémiques. Ce travail est une mise en correspondance entre les capacités des approches de télédétection et les besoins des modélisateurs de services écosystémiques, sur la base d’une analyse bibliographique d’un large panel d’études de cartographie des services écosystémiques
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».