Impacts de l’urbanisation et de l’historique d’utilisation des sites sur la diversité taxonomique et fonctionnelle de la flore des milieux humides non-riverains
Bibliographic record
Abstract
L’urbanisation est l’une des principales causes de l’homogénéisation biotique dans le monde. Ce mémoire de maîtrise vise à comprendre les effets de l’urbanisation et de l’historique de l’utilisation du paysage sur l’assemblage des communautés végétales dans les milieux humides non-riverains. L’inventaire floristique de 67 marais et marécages a été réalisé sur le territoire de Laval. La richesse taxonomique, la diversité fonctionnelle ainsi que la diversité bêta taxonomique et fonctionnelle ont été comparées selon le type de milieu humide (marais ou marécage), l’origine des espèces (indigène ou exotique), le niveau d’urbanisation (urbain ou rural) et l’historique d’utilisation du site (agricole ou naturelle). Aucun effet de l’urbanisation et de l’historique d’utilisation agricole du site n’a été détecté sur la richesse taxonomique et la diversité fonctionnelle, dont les principales différences étaient plutôt attribuables à l’origine des espèces et au type de milieu humide. L’urbanisation et l’historique d’utilisation agricole du site n’ont induit aucune différence au niveau de la diversité bêta, mais étaient associées à d’importants changements dans la composition en espèces et en traits des communautés. Alors que la composition floristique des marais était davantage influencée par le niveau actuel d’urbanisation au pourtour des sites, celle des marécages reflètait plutôt les effets des perturbations agricoles in situ passées. De façon générale, les espèces exotiques avaient un rôle homogénéisateur sur la flore. Globalement, mes résultats indiquent que la compréhension des impacts de l’urbanisation sur les communautés floristiques des milieux humides non-riverains nécessite l’intégration de plusieurs facteurs agissant à différentes échelles temporelles.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".