Répartition de la biodiversité en France métropolitaine : une synthèse des Atlas faunistiques
Bibliographic record
Abstract
Les atlas de répartition constituent une source de bonne qualité concernant la présence d’espèces selon un maillage géographique régulier. Utilisée généralement pour décrire la répartition des espèces, cette information a rarement été rassemblée dans une étude intergroupe pour tenter de représenter la biodiversité française dans son ensemble. Cet article amorce un travail de valorisation des données issues d’atlas faunistiques consacrés au territoire français. Sept atlas publiés, couvrant au total 507 espèces de vertébrés continentaux et 425 insectes, ont été analysés. Différents indicateurs sont calculés pour chaque maille géographique pour mettre en avant les « hotspots » de biodiversité : la richesse spécifique, la richesse en espèces rares, la rareté relative et un indice de contribution à la biodiversité calculé par optimisation spatiale (logiciel Marxan). De grands ensembles zoogéographiques sont définis par des méthodes d’ordination et de classification. Dix-sept cartes synthétiques illustrent les grands patrons de répartition de la biodiversité française. L’étude est essentiellement descriptive et ne propose qu’une interprétation écologique limitée. La pertinence des différents indices, la représentativité taxonomique et les utilisations de ces cartes dans une perspective appliquée à la conservation et à l’information du public sont discutées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.016 | 0.020 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".