Cartographie multi-échelles des services écosystémiques : caractérisation des associations spatiales et apports de la télédétection
Bibliographic record
Abstract
Les mutations de la société au cours du dernier siècle ont de fortes répercussions sur le fonctionnement de la majorité des écosystèmes. Notre société fait face à un paradoxe complexe défini par la nécessité de satisfaire des conditions de vie décentes d’une population mondiale croissante tout en limitant les impacts négatifs sur les écosystèmes. Le concept de service écosystémique a été proposé pour accompagner la résolution de ce paradoxe et de nombreuses attentes reposent sur ce concept. Mon travail de thèse a pour objectifs d’évaluer les apports actuels de la cartographie des services écosystémiques pour caractériser les patrons spatiaux et déterminants de la multifonctionnalité des territoires.Dans le chapitre I nous proposons une analyse des associations entre le service de production agricole et quatre services de régulation au niveau des surfaces agricoles de la région Rhône-Alpes (France). Ce travail nous permet de revenir sur la définition des compromis et synergies entre services écosystémiques aussi bien que sur le concept de bouquet de services écosystèmiques. Par ailleurs, en s’inspirant du concept de niche écologique pour les espèces, nous évaluons l’adéquation spatiale entre la fourniture de services écosystèmiques et les caractéristiques socio-écologiques des milieux (i.e. leur niche socio-écologique). Nos résultats révèlent une grande variabilité dans les associations entre le service de production agricole et les services de régulation. Cette observation souligne le poids des modalités de gestion agricole dans l’orientation des associations entre services écosystèmiques. Par ailleurs, nous soulevons de nombreuses interrogations vis-à-vis de la robustesse des analyses courantes des bouquets de services écosystèmiques.L’influence de la résolution spatiale des données de modélisation sur la cartographie des services écosystèmiques est évaluée dans le chapitre II. Pour cela nous comparons les cartes utilisées dans le premier chapitre avec les informations apportées par un projet de cartographie de services écosystèmiques à haute résolution spatiale sur la région de Grenoble (projet ESNET). Cette analyse alimente une réflexion sur les limites des modèles utilisés pour cartographier les services écosystémiques.Dans le but d’améliorer la modélisation des services écosystémiques fournis par les terres agricoles, nous développons dans le chapitre III, une approche basée sur la télédétection pour cartographier l’utilisation des terres agricoles dans la région de Grenoble. L’utilisation conjointe de données satellitaires MODIS et RapidEye nous permet de déterminer les successions culturales sur 5 années à la résolution de la parcelle agricole. Validée par les données du registre parcellaire graphique, l’utilisation de ces données spatialement explicites améliore significativement notre capacité de cartographie de la production agricole et pourrait être utilisée pour cartographier de nombreux autres services écosystèmiques.Alors que le chapitre III est focalisé sur l’utilisation de la télédétection pour la cartographie de l’utilisation des terres agricoles, le chapitre IV propose une synthèse des autres utilisations des données de télédétection pouvant potentiellement contribuer à la modélisation des services écosystémiques. Ce travail est une mise en correspondance entre les capacités des approches de télédétection et les besoins des modélisateurs de services écosystémiques, sur la base d’une analyse bibliographique d’un large panel d’études de cartographie des services écosystémiques
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.009 | 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".