Des traits des espèces à la structure des communautés végétales vers une approche fonctionnelle et prédictive de l'écologie des communautés
Notice bibliographique
Résumé
Les traits des plantes qui sont à la base de l'écologie comparée sont maintenant utilisés pour comprendre les processus sous-jacents à l'assemblage des communautés. Une vision largement acceptée est que, durant l'assemblage de communautés, différents filtres, abiotiques et biotiques, agissent en sélectionnant de façon différentielle les espèces sur la base de leurs traits. Selon cette vision, les traits des espèces déterminent leurs probabilités à passer à travers ces différents filtres. Par conséquent, il est logiquement possible de prédire l'abondance des espèces à partir de leurs traits et donc de prédire les changements de composition floristique résultant de changements dans l'environnement. Au cours de ce doctorat, j'ai adressé trois objectifs distincts en relation avec cette approche fonctionnelle de l'écologie des communautés. Dans un premier temps, j'ai cherché à décrire et quantifier les relations entre deux gradients environnementaux majeurs, le stress et les perturbations, et la composition en traits de communautés végétales herbacées de début de succession dans le sud du Québec. De façon surprenante, les relations entre les traits mesurés et ces deux gradients se sont avérées faibles, suggérant que pour ces communautés les facteurs stochastiques liés à l'historique d'arrivée des espèces sur les sites étaient encore prépondérants. Dans un deuxième temps, j'ai déterminé s'il était possible de prédire l'abondance relative des espèces dans une communauté végétale à partir de leurs traits. Pour cela, nous avons testé, à l'aide d'un grand nombre de données empiriques provenant d'Angleterre, un modèle de prédiction récemment proposé.Les résultats obtenus montrent qu'il est possible de prédire de façon précise les abondances des espèces dans différents types d'habitats, mais que la précision de ces prédictions est influencée par la structure de la communauté investiguée et par la taille du pool d'espèces considérée. Finalement, j'ai proposé une méthode permettant de quantifier l'importance relative de différents traits lors de l'assemblage des communautés. J'ai ensuite utilisé ces informations pour identifier dans différents types de communautés une liste de trait optimale permettant d'obtenir des prédictions précises de l'abondance des espèces. J'ai appliqué cette méthode sur des communautés végétales herbacées du sud de la France, soumises à différentes pressions de pâturage et différents niveaux de fertilité. Relativement peu de traits ont été nécessaires pour obtenir des prédictions précises de l'abondance des espèces, suggérant que l'assemblage dans ces communautés est gouverné par un faible nombre de traits clés.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».