Le système d’identification automatique (AIS), un outil pour la gestion d’aires marines protégées : revue des applications au parc marin du Saguenay–Saint-Laurent
Notice bibliographique
Résumé
Les diverses conséquences des activités de navigation sur le milieu marin sont maintenant reconnues et de plus en plus documentées, en particulier sur les mammifères marins. Dans les dernières années, les gouvernements se sont engagés à rehausser le niveau de protection du milieu marin, notamment par la création d’aires marines protégées. Le système d’identification automatique (AIS), implémenté à l’origine pour la sécurité maritime et la gestion du trafic, est devenu un outil indispensable pour la gestion des activités de navigation dans un contexte de conservation de l’environnement marin. Afin de présenter différentes applications des données AIS dans la gestion d’une aire marine protégée, nous utilisons comme étude de cas le parc marin du Saguenay–Saint-Laurent, reconnu pour la diversité des espèces de mammifères marins qui le fréquentent et pour l’intensité du trafic maritime. Les exemples portent sur la description de l’utilisation de l’espace maritime par les activités de navigation, sur l’évaluation et la modélisation de leurs effets environnementaux et sur le suivi de la conformité à des mesures de gestion. En plus d’illustrer les différents avantages d’utilisation des données AIS, une revue critique sur les limites de ces données en conservation est également présentée.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».