Écologie du paysage et écologie sensorielle : prendre en compte les pollutions lumineuses, sonores et olfactives dans les trames écologiques. De la connaissance à l’action
Bibliographic record
Abstract
A quelques années d'intervalles deux sous-disciplines ont émergé au sein de l'écologie dans les années 1980-1990 : l'écologie du paysage et l'écologie sensorielle. La première s'intéresse aux relations entre les organismes et la configuration du paysage, et donc aux flux d'individus et de gènes. La seconde interroge la manière dont les organismes interagissent avec leur environnement par le biais des sens et elle porte donc sur les flux d'informations. Jusqu'à présent les liens entre ces deux disciplines ont été peu questionnés par la Science et encore moins d'un point de vue opérationnel. Pourtant, la sélection des habitats et les déplacements des animaux mobilisent directement leurs sens tels que la vue, l'ouïe et l'odorat pour se repérer dans l'espace, éviter des prédateurs ou poursuivre une cible. Partant de là, il parait évident que l'écologie sensorielle et l'écologie du paysage ont quelque chose à voir l'une envers l'autre. La question est d'autant plus saillante dans le contexte actuel où nos activités humaines émettent de la lumière artificielle nocturne, des bruits ou des odeurs susceptibles d'interférer avec les stimuli sensoriels naturels. La littérature montre de plus en plus que les pollutions lumineuses, sonores et olfactives sont à même de dégrader et de fragmenter les habitats. Elles peuvent altérer les déplacements de la faune, distraire les animaux, les faire fuir ou les attirer dans des pièges. Cette connaissance amène à s'interroger sur la manière d'intégrer cette dimension sensorielle dans la préservation et la restauration de la biodiversité. En particulier, les politiques publiques de trames écologiques, portées par de nombreux pays à travers le monde, et notamment en France avec la Trame verte et bleue, se sont jusqu'à présent beaucoup intéressées essentiellement aux sources physiques de discontinuités écologiques. Alors que la prise en compte de la lumière artificielle nocturne a commencé à être considérée depuis quelques années en France, par le biais des trames noires, c'est donc un chantier beaucoup plus vaste qui semble en réalité devant nous : celui de mieux prendre en compte la sensorialité des espèces dans la préservation et la restauration de réseaux écologiques et des politiques de trames associées. Cette thèse se propose de problématiser les liens entre écologie du paysage et écologie sensorielle, d'approfondir les impacts des pollutions sensorielles sur la biodiversité et d'apporter des pistes de réflexions opérationnelles. Elle se présente avant tout comme une invitation à engager un débat interdisciplinaire pour que la perception sensorielle soit davantage considérée, afin que nos actions en faveur de la biodiversité ne se limitent pas à la partie visible et tangible du monde.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.001 | 0.009 |
| Scholarly communication | 0.008 | 0.011 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.004 | 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".