Suivre les changements : utilisation de l’intelligence artificielle pour identifier la biodiversité dans les tourbières du Québec
Notice bibliographique
Résumé
Les programmes de surveillance de la biodiversité sont essentiels pour détecter les changements dans la répartition des espèces et établir une corrélation entre ces changements et les facteurs biotiques et abiotiques. Ces informations sont cruciales pour identifier les problèmes précoces avant qu'ils ne deviennent trop difficiles à résoudre et pour mettre en oeuvre des stratégies de gestion efficaces. Traditionnellement, la surveillance de la biodiversité pour les petites espèces végétales repose sur la méthode des quadrats, qui exige que les botanistes identifient les espèces sur le terrain. Bien que cette méthode présente des avantages, elle est limitée par la disponibilité des botanistes, ce qui restreint l'ampleur des programmes de surveillance. Dans cette étude, nous avons exploré le potentiel de l'utilisation de photos à haute résolution et de l'intelligence artificielle pour estimer la couverture des petites espèces végétales dans les tourbières, réduisant ainsi la nécessité d'une identification des espèces sur le terrain par les botanistes. Notre approche consiste à diviser les images de quadrats en tuiles plus petites, à appliquer un modèle de classification multi-étiquette à chaque tuile et à calculer la couverture des espèces sur la base des tuiles identifiées. Les données ont été recueillies sur 32 sites au Québec et les images ont été annotées pour cinq espèces communes : Chamaedaphne calyculata, Kalmia angustifolia, Andromeda polifolia, Rhododendron groenlandicum et Larix laricina. Notre modèle a obtenu un score F1 global de 71,68 et l’espèce avec le meilleur score (Larix laricina) a atteint 87,17 %. Bien que certaines espèces aient obtenu des scores moins élevés, l'estimation de la couverture des espèces par notre modèle dans un quadrat entier était comparable aux méthodes traditionnelles. Nos résultats suggèrent que cette méthode offre des avantages significatifs pour suivre les changements de végétation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».