Bibliographic record
Abstract
Vers la gestion viable de systèmes dynamiques lacustres anthropisés Du fait des activités humaines, en particulier agricoles, les systèmes lacustres sont soumis à d'importants entrants de nutriments. Ce phénomène, appelé eutrophisation, conduit à une prolifération de cyanobactéries. Cette prolifération est un enjeu écologique, puisque l'écosystème sevoit alors déséquilibré, mais également sanitaire, puisque certaines espèces de cyanobactéries parmiles plus répandues sont capables de produire des toxines. Enfin, l'eutrophisation est également un enjeu économique, puisque l'exploitation des lacs concernés est impossible. Comprendre les phénomènes régissant les mécanismes liés à l'eutrophisation est alors indispensable, d'une part pour en anticiper les conséquences, et d'autre part pour mettre en place des politiques de gestion des systèmes lacustres eutrophes. Dans cette thèse, nous analysons ces phénomènes via les modèles dynamiques. L'étude de l'eutrophisation passe par l'étude mathématique de ces modèles. En introduction, nous présentons les différents critères étudiés permettant d'évaluer l'état générale d'un milieu lacustre. Nous présentons également les différents modèles existants. Cette analyse nous conduit à sélectionner une approche de modélisation qui consiste à agréger les variables et phénomènes existants à travers des lois mathématiques abstraites. L'intérêt de tels modèles est qu'ils réduisent considérablement la dimension du système étudié et nécessitent donc d'un nombre réduit de données pour être calibrés. De plus, de tels modèles sont abordables à une étude analytique de leurs propriétés mathématiques.Notre étude se compose en trois principaux axes. Le premier présente l'analyse des populations toxiques et non toxiques cyanobactériennes. En effet, la toxicité des proliférations cyanobactériennes est le principal enjeu sanitaire de l'eutrophisation des lacs. Or il n'existe pas actuellement d'outils permettant d'anticiper cette toxicité. En effet, si certaines espèces parmi les plus répandues sont bien capables de produire de telles toxines, tous les individus au sein d'une même espèce n'en sont pas capables: cela dépend du patrimoine génétique de chaque individu. Ainsi, deux sous-populations au sein d'une même espèce doivent être considérées: l'une toxique, capable de produire ces toxines, et l'une non toxique. L'étude de la dynamique des populations toxiques est donc indispensable pour anticiper la toxicité des proliférations cyanobactériennes. Or l'analyse de cas réels montre que les épisodes de prolifération des populations toxiques et non toxiques ne se produisent pas aux mêmes moments, ce qui implique que leurs dynamiques sont régies par des lois différentes. Afin de décrire la dynamique de ces sous populations toxiques et non toxiques, nous nous concentrons sur l'impact de la température, dont il est admis qu'il s'agit de l'un des paramètres régissant la toxicité des proliférations cyanobactériennes. A travers un modèle mettant en oeuvre les phénomènes de compétition entre les populations toxiques et non toxiques, et liant leurs dynamiques à la température, nous montrons que les variations saisonnières de température fournissent une explication à la répartition temporelle constatée des populations toxiques et non toxiques. Nous validons ces résultats théoriques via la mise en place d'une expérience en milieu contrôlé, et via l'analyse de cas réels.Cette première analyse nous fournit donc des éléments de compréhension des phénomènes régissantla toxicité des proliférations cynanobactériennes. La seconde partie de cette thèse s'intéresse aux stratégies d'endiguement de l'eutrophisation des lacs. Il ne s'agit plus de se focaliser sur la seule toxicité des proliférations cyanobactériennes, mais de s'intéresser à la dynamique des nutriments, en particulier du phosphore. (...)
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".