Unités paysagères fonctionnelles : outil d'aide à la planification territoriale
Bibliographic record
Abstract
Dans le cadre du programme national de cartographie des végétations naturelles et semi-naturelles (CarHAB) et dans le cadre de l’agrément du CBNC portant sur la connaissance des végétations des recherches sont menées en Corse pour affiner les connaissances sur l’état et l’évolution dynamique des végétations, afin d’améliorer l’analyse et la surveillance de l’état de conservation des habitats d’intérêt communautaire pour satisfaire aux demandes de la Directive Habitat Faune Flore (DHFF), pour mieux apprécier l’impact des grands projets d’aménagement et d’analyser les continuités écologiques. Une partition hiérarchisée de la commune de Lama (Haute-Corse) a été élaborée pour mettre en relation les projets d’aménagement du territoire avec les dynamiques des végétations. Cette partition est fondée sur les définitions typologiques et cartographiques de modèles physiques et phytoécologiques de la Corse, corrélées avec des modèles d’usages (agrosylvopastoralisme, urbanisme…). Cette approche a permis de définir et de hiérarchiser les secteurs à enjeux de conservation de la commune, mais aussi de développer des outils d’aide à la décision pour la planification territoriale, notamment pour l’élaboration du futur Plan local d’urbanisme.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
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".