Modélisation et spatialisation des signatures polliniques pour une approche rétrospective des paysages : l'exemple du paysage montagnard pyrénéen de Bassiès (Vicdessos - France)
Notice bibliographique
Résumé
Les paysages, systèmes dynamiques à l’interface entre sociétés et environnement, influencent le fonctionnement des écosystèmes et leur biodiversité sur le long-terme. Comprendre les dynamiques spatiotemporelles de leurs caractéristiques (composition et configuration) et comment ces caractéristiques répondent aux changements socio-économiques ou climatiques avec une perspective à long-terme est un enjeu primordial pour la préservation de l’environnement. Les paysages montagnards européens bénéficieraient particulièrement de reconstructions paysagères détaillées sur le long-terme car, exploités depuis plusieurs milliers d’années par les sociétés humaines à qui ils fournissent de nombreux services, ils résultent de l’influence historique de leurs activités et connaissent de profondes transformations induites par les bouleversements socio-économiques des XIXème et XXème siècles, dont les impacts environnementaux sont encore mal compris. Mais aucune méthode ne permet actuellement d’étudier les dynamiques paysagères passées en préservant la résolution spatiale et le détail de leur composition offerts par les cartes d’occupation du sol récentes. Les données données polliniques fossiles permettent d’accéder à des reconstructions quantitatives et à long-terme de la composition du couvert végétal grâce à l’Algorithme de Reconstruction des Paysages (Landscape Reconstruction Algorithme, LRA) qui les corrigent des différences inter-taxonomiques de production, dispersion et déposition, et identifie l’étendue spatiale des zones sources du pollen (Relevant Source Area of Pollen, RSAP). Mais les estimations de la composition passée de la végétation locale issues du LRA (LOcal Vegetation Estimates, LOVE) n’ont jamais été intégrées dans une méthode de reconstruction paysagère à haute résolution spatiale. Cette thèse répond au besoin méthodologique d’accéder à des reconstructions fines et à long-terme des paysages avec le développement d’une approche de reconstruction rétrospective des paysages baptisée BACKLAND (BACKward LAND-cover reconstruction), et participe à une meilleure compréhension des dynamiques paysagères montagnardes en appliquant cette approche sur le paysage pyrénéen de Bassiès, cirque glaciaire perché au-delà de 1500m et zone pastorale historique du Haut-Vicdessos (Ariège). L’approche BACKLAND utilise les estimations LOVE de sites sédimentaires aux RSAPs chevauchantes et deux cartes d’occupation du sol récentes renseignées par des données botaniques, traitées et combinées entre elles par des outils probabilistes et statistiques simples, robustes et répandus, pour estimer de façon rétrospective des séries de cartes d’occupation du sol. L'atlas de la mosaïque paysagère de Bassiès aux XIXème et XXème siècles résultant de l’application de BACKLAND contribue à améliorer notre compréhension des relations entre les activités pastorales traditionnelles et les dynamiques paysagères. Ce travail ouvre de nombreuses perspectives de recherches en sciences de l’environnement qui permettront d’accéder à des informations essentielles sur les relations entre activités humaines, paysages et écosystèmes et qui pourront alimenter les réflexions des gestionnaires de l’environnement et des décideurs dans la perspective d’une gestion durable des socio-écosystèmes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».