Diversifier les cultures pour diversifier les habitats des oiseaux spécialistes des milieux agricoles?
Bibliographic record
Abstract
Selon la disponibilite en sites de nidification et d'alimentation, un territoire agricole est plus ou moins attractif pour les oiseaux specialistes des milieux agricoles (Siriwardena et al. , 2004). Il est communement admis qu'une augmentation de l'heterogeneite spatiale, i.e. de la diversite des couverts, permet de diversifier les ressources et d'accroitre la diversite d'especes (Fahrig et al., 2011). Comme l'aire de vie des oiseaux ne coincide pas avec le territoire des exploitations, il n'est pas evident qu'une diversification des cultures dans l'assolement des exploitations permette de diversifier les habitats pour les oiseaux specialistes des milieux agricoles. Nous cherchons a caracteriser le lien entre des cultures sur le territoire d'exploitation et diversite des couverts sur l'aire de vie des oiseaux specialistes des milieux agricoles. L'occupation du sol a ete relevee durant 4 ans sur les parcelles de 15 exploitations cerealieres en Seine-et-Marne, ainsi que sur les parcelles comprises dans un rayon de 300m autour de 120 points d'ecoute suivis. Les 3 cultures observees sur le dispositif ont ete classees en 12 types fonctionnels suivant la structure de couvert (hauteur, densite et periode de couverture). L'heterogeneite spatiale en termes de cultures et de types fonctionnels a ete mesuree chaque annee a l'aide de l'indice de Shannon sur le territoire des exploitations (TEA) et sur l'aire de vie des oiseaux au niveau des points d'ecoute (PE). Les exploitations ont ete classees en 3 groupes suivant le nombre maximum de cultures present dans leur assolement durant les 4 ans. Le groupe 1 presente le moins de cultures differentes (≤5 cultures) ; le groupe 3 a un grand nombre de cultures (≥8 cultures). 8 cultures). 8 cultures). 8 cultures). 8 cultures). 8 cultures). 8 cultures). 8 cultures). 8 cultures). A l'echelle des TEA, les indices de Shannon sont significativement differents entre les groupes pour les cultures (test de Kruskal-Wallis, p<0.05). En revanche, seuls les groupes 1 et 3 se differencient pour l'heterogeneite des types fonctionnels (test de Kruskal-Wallis, p<0.05). A l'echelle de PE, les indices d'heterogeneite (cultures et types fonctionnels) ne montrent quant a eux pas de lien avec les groupes d'exploitations. Il existe une faible correlation entre l'indice d'heterogeneite a l'echelle des PE et celui a l'echelle des TEA (R=0.13 et 0.10, p=0.05). Bien que la majorite des PE soient entierement inclus dans les exploitations suivies, la diversification des couverts observee a l'echelle du TEA ayant un nombre important de cultures ne se retrouvent pas a l'echelle de l'aire de vie des oiseaux. En effet, la relation entre l'organisation des cultures sur les parcelles de chaque exploitation et l’organisation de la mosaique paysagere est faible. Diversifier les couverts dans l'aire de vie des oiseaux necessiterait de reflechir les assolements de facon concerte et de repenser la taille et l'agencement des parcelles entre elles, tout en considerant la faisabilite d'un decoupage pour l'organisation du travail agricole.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".