MétaCan
Menu
Back to cohort
Record W38236303 · doi:10.1093/plphys/kiae024

Coalescence de l'écologie du paysage littoral et de la technologie aéroportée du LiDAR ubiquiste

2009· dissertation· en· W38236303 on OpenAlexfundno aff
Antoine Collin

Bibliographic record

VenuePLANT PHYSIOLOGY · 2009
Typedissertation
Languageen
FieldEnvironmental Science
TopicLand Use and Ecosystem Services
Canadian institutionsnot available
FundersMinisterio de Ciencia e InnovaciónGeneralitat ValencianaFisheries and Oceans CanadaInstitut national de la recherche scientifique
KeywordsGeographyHumanitiesForestryArt

Abstract

fetched live from OpenAlex

La frange littorale englobe un éventail d'écosystèmes dont les services écologiques \natteignent 17.447 billions de dollars U.S., ce qui constitue la moitié de la somme totale \ndes capitaux naturels des écosystèmes de la Terre. L'accroissement démographique \ncouplé aux bouleversements provoqués par le réchauffement climatique, génèrent \ninexorablement de fortes pressions sur les processus écologiques côtiers. L'écologie du \npaysage, née de la rencontre de l'écologie et de l'aménagement du territoire, est \nsusceptible d'apporter les fondements scientifiques nécessaires à la gestion durable de ces \nécosystèmes littoraux. Cette discipline vise à comprendre les interactions entre \nl'organisation des structures spatiales, les processus écologiques et les échelles mises en \njeu. Les problématiques littorales doivent bénéficier d'un suivi à haute résolution spatiotemporelle, \net ce, sur des étendues régionales. Les techniques de relevés par télédétection \naérienne peuvent répondre efficacement à ces exigences. C'est dans ce contexte que \ns'inscrit cette recherche doctorale. Ses objectifs sont de déterminer les caractéristiques de \nl'écologie du paysage littoral, d'évaluer les potentialités d'applications écologiques d'une \nnouvelle technique de relevés aériens, le LiDAR, et de tisser des liens entre la discipline et \nla technologie afin d'aider à la gestion durable des écosystèmes littoraux, i.e., intertidaux \net infralittoraux. \nBasées sur cinq publications, les avancées déterminantes de la coalescence de \nl'écologie du paysage littoral et du LiDAR ubiquiste ont été investiguées, à partir de \ncampagnes réalisées en Gaspésie (Québec, Canada), en fonction de leur assise \nécologique: infralittoral, intertidal, et la réunion des deux. \nAinsi, le traitement multivarié des paramètres issus des formes d'onde LiDAR et des \nvariables écologiques, dérivées des campagnes océanographiques, a permis de classifier \nquatre habitats benthiques avec une performance de 82.1 % sur une aire de 0.5 km². Les \noutils de géostatistiques, i.e., statistiques spatiales et filtres de texture, ont été testés sur \nune autre zone dont l'aire équivalait à 7.9 km². Intégrés à la méthodologie précédente, \nl'indice de Getis-Ord, les moyennes respectives des matrices d'occurrence et de co-occurrence ont conduit à améliorer la classification des quatre habitats benthiques, à \nnouveau, de 89.9 % à 95.2 %, i.e., 5.3%. Suite à la caractérisation de l'organisation \nspatiale des habitats infralittoraux, l'influence de la résolution spatiale, i.e., l'échelle, sur \n21 métriques du paysage, décrivant les habitats précédents, appartenant à 6 familles \ndistinctes (aire, parcelle, arête, forme, contagion et connectivité), fut évaluée. Dix \nmétriques ont affiché un comportement prédictif en fonction de l'évolution de la \nrésolution, mais la métrique de forme, PARA_MN, égal au ratio périmètre / aire, démontra \nune très forte prédictibilité (R² = 0.994, p<0.Ol). \nAu niveau intertidal, un nouvel indice de végétation, basé sur le LiDAR, a été mis en \noeuvre et sa corrélation avec les données-terrain indique une forte robustesse (r = 0.87, \np<O.O1). Les processus écologiques, menant à la mise en place de l'hydrosère palustre, \nont, dès lors, été investigués par le LiDAR. Les relations entre l'indice de végétation \nLiDAR et la topographie (R² = 0.558, p<O.O1), d'une part, et l'hétérogénéité \ntopographique, ou rugosité, (R² = 0.815, p<O.O1), d'autre part, ont permis de relier les \nstructures des phytocénoses intertidales à leurs processus écologiques. Finalement, la \ncombinaison de l'indice de végétation et des surfaces topographiques, tous deux issus du \nLiDAR, ont été classifiés en 17 habitats avec une performance de 91.89%. \nEnfin, un arbre de décision destiné à séparer les formes d'onde en quatre familles \nlittorales (terre avec arbres, terre sans arbres, faible profondeur et grande profondeur) a \npermis d'exploiter les informations du LiDAR sans discontinuité intertidale / \ninfralittorale, et donc d'unifier le paysage littoral. La complexité structurale des habitats \nlittoraux a été évaluée de manière satisfaisante par un indice dérivé du LiDAR (r = 0.75, \np

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.016
Threshold uncertainty score0.031

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0020.002
Science and technology studies0.0010.001
Scholarly communication0.0020.002
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.008
GPT teacher head0.242
Teacher spread0.235 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2009
Admission routes1
Has abstractyes

Explore more

Same venuePLANT PHYSIOLOGYSame topicLand Use and Ecosystem ServicesFrench-language works237,207