Coalescence de l'écologie du paysage littoral et de la technologie aéroportée du LiDAR ubiquiste
Notice bibliographique
Résumé
La frange littorale englobe un éventail d'écosystèmes dont les services écologiques \natteignent 17.447 billions de dollars U.S., ce qui constitue la moitié de la somme totale \ndes capitaux naturels des écosystèmes de la Terre. L'accroissement démographique \ncouplé aux bouleversements provoqués par le réchauffement climatique, génèrent \ninexorablement de fortes pressions sur les processus écologiques côtiers. L'écologie du \npaysage, née de la rencontre de l'écologie et de l'aménagement du territoire, est \nsusceptible d'apporter les fondements scientifiques nécessaires à la gestion durable de ces \nécosystèmes littoraux. Cette discipline vise à comprendre les interactions entre \nl'organisation des structures spatiales, les processus écologiques et les échelles mises en \njeu. Les problématiques littorales doivent bénéficier d'un suivi à haute résolution spatiotemporelle, \net ce, sur des étendues régionales. Les techniques de relevés par télédétection \naérienne peuvent répondre efficacement à ces exigences. C'est dans ce contexte que \ns'inscrit cette recherche doctorale. Ses objectifs sont de déterminer les caractéristiques de \nl'écologie du paysage littoral, d'évaluer les potentialités d'applications écologiques d'une \nnouvelle technique de relevés aériens, le LiDAR, et de tisser des liens entre la discipline et \nla technologie afin d'aider à la gestion durable des écosystèmes littoraux, i.e., intertidaux \net infralittoraux. \nBasées sur cinq publications, les avancées déterminantes de la coalescence de \nl'écologie du paysage littoral et du LiDAR ubiquiste ont été investiguées, à partir de \ncampagnes réalisées en Gaspésie (Québec, Canada), en fonction de leur assise \nécologique: infralittoral, intertidal, et la réunion des deux. \nAinsi, le traitement multivarié des paramètres issus des formes d'onde LiDAR et des \nvariables écologiques, dérivées des campagnes océanographiques, a permis de classifier \nquatre habitats benthiques avec une performance de 82.1 % sur une aire de 0.5 km². Les \noutils de géostatistiques, i.e., statistiques spatiales et filtres de texture, ont été testés sur \nune autre zone dont l'aire équivalait à 7.9 km². Intégrés à la méthodologie précédente, \nl'indice de Getis-Ord, les moyennes respectives des matrices d'occurrence et de co-occurrence ont conduit à améliorer la classification des quatre habitats benthiques, à \nnouveau, de 89.9 % à 95.2 %, i.e., 5.3%. Suite à la caractérisation de l'organisation \nspatiale des habitats infralittoraux, l'influence de la résolution spatiale, i.e., l'échelle, sur \n21 métriques du paysage, décrivant les habitats précédents, appartenant à 6 familles \ndistinctes (aire, parcelle, arête, forme, contagion et connectivité), fut évaluée. Dix \nmétriques ont affiché un comportement prédictif en fonction de l'évolution de la \nrésolution, mais la métrique de forme, PARA_MN, égal au ratio périmètre / aire, démontra \nune très forte prédictibilité (R² = 0.994, p<0.Ol). \nAu niveau intertidal, un nouvel indice de végétation, basé sur le LiDAR, a été mis en \noeuvre et sa corrélation avec les données-terrain indique une forte robustesse (r = 0.87, \np<O.O1). Les processus écologiques, menant à la mise en place de l'hydrosère palustre, \nont, dès lors, été investigués par le LiDAR. Les relations entre l'indice de végétation \nLiDAR et la topographie (R² = 0.558, p<O.O1), d'une part, et l'hétérogénéité \ntopographique, ou rugosité, (R² = 0.815, p<O.O1), d'autre part, ont permis de relier les \nstructures des phytocénoses intertidales à leurs processus écologiques. Finalement, la \ncombinaison de l'indice de végétation et des surfaces topographiques, tous deux issus du \nLiDAR, ont été classifiés en 17 habitats avec une performance de 91.89%. \nEnfin, un arbre de décision destiné à séparer les formes d'onde en quatre familles \nlittorales (terre avec arbres, terre sans arbres, faible profondeur et grande profondeur) a \npermis d'exploiter les informations du LiDAR sans discontinuité intertidale / \ninfralittorale, et donc d'unifier le paysage littoral. La complexité structurale des habitats \nlittoraux a été évaluée de manière satisfaisante par un indice dérivé du LiDAR (r = 0.75, \np
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».