Nouvelle approche multispécifique intégrant les milieux aquatiques et terrestres pour l’évaluation de la connectivité du paysage
Notice bibliographique
Résumé
La perte actuelle de biodiversité demande d’augmenter la superficie des territoires protégés, dans le but de réduire la perte d’habitat, leur fragmentation, et d’atténuer les impacts des changements climatiques. Cependant, un défi majeur demeure: quelles parties d'un paysage faut-il protéger ? Le potentiel de connectivité du paysage a été un des facteurs les plus utilisés dans les dernières années. Les méthodes actuelles d’estimation de connectivité présentent toutefois des lacunes non seulement quant au nombre d'espèces simulées, mais surtout quant à leur diversité taxonomique et fonctionnelle. Ici, j’améliore l'étude de la connectivité du paysage de trois manières: j’évalue le potentiel de connectivité du paysage en m’appuyant sur un modèle d’ensemble de 93 espèces, comprenant des espèces terrestres, aviaires et semi aquatiques; j’intègre les écosystèmes aquatiques et terrestres; enfin, j'utilise un modèle plus réaliste de déplacements d’espèces fauniques. Afin de développer la méthode, j’ai utilisé des données spatiales d’un territoire de la région des Laurentides au Québec qui présente un fort gradient anthropique, du sud (fortement urbanisé et agricole) au Nord (très peu urbanisé et largement forestier). J'ai analysé la connectivité du paysage pour les espèces fauniques en utilisant Omniscape. Ce programme permet des simulations omnidirectionnelles, lesquelles représentent mieux les mouvements des animaux; jusqu’à présent la majorité des évaluations de connectivité sont unidirectionnelles (déplacement du point A au point B). J’ai ensuite regroupé les résultats de simulations de dispersion par des analyses de regroupement (Fuzzy C-mean et Ward), obtenant trois groupes. Les résultats ont confirmé que la région délimitée par le Bouclier canadien contribue grandement aux déplacements des espèces terrestres et aquatiques alors que la région située dans les basses terres du Saint-Laurent y contribue très peu. Mes résultats soulignent également que les milieux aquatiques semblent jouer un rôle important pour la connectivité globale de la région des Laurentides, puisque plusieurs espèces (dont des espèces considérées « terrestres ») les utiliseraient pour se déplacer. Je soutiens donc qu'il est essentiel de mieux intégrer les habitats aquatiques et terrestres dans une compréhension holistique de la connectivité du paysage.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».