Typologie, cartographie et évaluation des impacts anthropiques des séries de végétation forestière du Massif armoricain
Bibliographic record
Abstract
Les premières utilisations des forêts par l’homme remontent au paléolithique ; depuis l’homme n’a cessé de modifier le couvert forestier. Après une introduction sur l’histoire de l’usage anthropique des forêts, trois questions de recherches sont posées : 1- Quelle est la composition des paysages forestiers ? 2- Comment se répartit le paysage végétal forestier ? 3- Comment peut-on évaluer l’impact des interventions humaines sur le paysage végétal forestier ? Le territoire d’étude est le Massif armoricain, territoire le moins boisé de France avec de grandes surfaces agricoles. Cette recherche s’inscrit dans le programme national de cartographie des végétations naturelles et semi-naturelles de France (CarHAB) initié en 2010 par le Ministère de la Transition écologique et solidaire, suivant une approche dynamico-caténale. La symphytosociologie et géosymphytosociologie s’intéressent à la fois aux aspects dynamiques (séries) et à l’intégration spatiale des communautés à différentes échelles (géoséries), et sont donc particulièrement adaptées à l’étude des écocomplexes forestiers. Une typologie des séries et des géoséries de végétation forestière du Massif armoricain est proposée. Une cartographie de la végétation actuelle (VA) et de la végétation potentielle naturelle (VPN) est réalisée sur des sites représentatifs du territoire d’étude. Enfin, une étude diachronique sur le massif d’Andaine (61) permet d’évaluer l’impact des activités humaines passées, actuelles, et de simuler l’évolution future du massif forestier. Ces informations, couplées à la carte de la VPN du site, permettent, de formuler des préconisations de gestion et de fournir aux gestionnaires un outil pour se rapprocher de la VPN, tout en conciliant une exploitation multifonctionnelle du site.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".