Suivi des communautés d'oiseaux et de carabiques sur la ferme expérimentale de l'Inra à Saint-Laurent-de-la-Prée (17) de 2009 à 2017
Bibliographic record
Abstract
Aujourd’hui, rétablir le lien entre les agrosystèmes et la biodiversité, fragilisé depuis l’intensification de l’agriculture, constitue un enjeu majeur. C’est dans cette démarche que s’inscrit l’expérimentation-système menée sur l’unité de l’INRA de Saint-Laurent-de-la-Prée, Charente-Maritime. En effet, une révision progressive du système de polyculture-élevage est opérée depuis 2009. Elle vise à augmenter l’autonomie de ce système agricole tout en préservant la biodiversité typique des marais charentais et en veillant à la fourniture de services écosystémiques. Le volet environnemental se caractérise notamment par un suivi de l’avifaune par points d’écoute d’une part, et un suivi des coléoptères carabiques par piéges à fosse d’autre part de 2009 et 2017. L’étude a permis de caractériser les communautés au sein de ces deux groupes, de décrire leurs variations temporelles mais aussi de déterminer les paramètres influençant leur patrons de distribution. L’avifaune du site est dominée par les oiseaux d’eau et les oiseaux spécialistes des milieux agricoles, tandis que les assemblages de carabiques sont typiques des prairies humides et des cultures extensives Il est intéressant de constater que l’évolution des communautés d’oiseaux semble moins alarmante sur le site qu’à l’échelle nationale avec en particulier un maintien des espèces spécialistes des milieux agricoles. Il n’y a qu’en 2012 que la richesse spécifique et de l’abondance en oiseaux a chuté vraisemblablement en raison de conditions climatiques particulières. Enfin, nous avons mis en évidence une répartition différentielle des oiseaux et des carabiques entre les parcelles de marais strict et celles à dominante plus bocagère. L’impact des changements d’opérations culturales sur ces communautés reste à explorer dans le détail.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".