Quantification des services écosystémiques culturels via des données « crowdsourced »

Experiencing nature : a data science approach to quantify cultural ecosystem services using crowdsourced spatial data

• Auteur / Autrice : Abdesslam Chai-Allah
• Direction : Gilles Brunschwig, Sandro Bimonte
• Type : Thèse de doctorat
• Discipline(s) : Gestion de l'environnement
• Date : Soutenance le 27/02/2024
• Etablissement(s) : Université Clermont Auvergne (2021-...)
• Ecole(s) doctorale(s) : École doctorale des sciences de la vie, santé, agronomie, environnement (Clermont-Ferrand)
• Partenaire(s) de recherche : Laboratoire : Unité Mixte de Recherche sur les Herbivores (Clermont-Ferrand, Puy-de-Dôme ; 1999-....)
• Jury : Président / Présidente : Nathalie Hostiou
• Jury : Examinateurs / Examinatrices : Derek Van Berkel, Emilie Crouzat, Frédéric Joly
• Jury : Rapporteur / Rapporteuse : Sandra Lavorel, Michela Bertolotto

Mots clés

Mots clés contrôlés

Traitement automatique du langage naturel

Apprentissage automatique

Services écosystémiques

Mots clés libres

Interactions Homme-Nature

Services écosystémiques

Apprentissage automatique

Traitement automatique du langage naturel

Analyses spatiales

Sciences participatives

Human-Nature interactions

Machine learning

Natural Language Processing

Ecosystem services

Recreation

Citizen science

Résumé

Les biens et services fournis par la nature sont d'une importance capitale pour le bien-être de l'Homme, et les services culturels sont spécifiquement le résultat des interactions de l'Homme avec la nature. Il est donc essentiel de comprendre ces interactions afin d'orienter les politiques de gestion du paysage et la protection de la biodiversité afin de maintenir les liens entre l'Homme et la nature et les bienfaits que ces liens procurent. Avec l'utilisation massive des réseaux sociaux, un énorme volume de données spatiales multimodales dites « crowdsourced » est disponible à partir desquelles les scientifiques peuvent aujourd'hui acquérir des connaissances plus approfondies pour mieux comprendre les services écosystémiques culturels (SEC). Parallèlement, des techniques de science des données, telles que l'apprentissage automatique et le traitement automatique du langage naturel, sont apparues pour automatiser l'extraction d'informations pertinentes à partir ces données, afin de quantifier et d'analyser les SEC. Cependant, l'utilisation des données « crowdsourced » pour quantifier les SEC n'est pas encore complètement développée. Par conséquent, cette thèse vise à appliquer différentes techniques de science des données à des données « crowdsourced » pour mieux quantifier les SEC à l'échelle paysagère. La zone d'étude considéré est l'ancienne région Auvergne, pour sa diversité d'éléments paysagers.Dans ce travail de thèse, nous avons utilisé trois sources de données (Flickr, NaturaList, Wikiloc) et une gamme de méthodes analytiques (analyse du contenu des images, analyse textuelle et analyse spatiale) pour décrire plusieurs facettes de l'expérience Homme-nature. Premièrement, en utilisant l'analyse spatiale, les préférences des photographes (Flickr), des randonneurs (Wikiloc) et des naturalistes (NaturaList) sont comparées et nous avons constaté que la diversité des habitats est visée indépendamment de l'activité récréative, tandis que les préférences pour des habitats spécifiques dépendent de l'activité récréative (Chapitre 2). Ensuite, nous avons exploré le contenu des images de Flickr et Wikiloc à l'aide d'un algorithme d'apprentissage automatique afin de comprendre la raison pour laquelle un élément du paysage est préféré (chapitre 3). En classant les images en deux catégories, celles qui se concentraient sur l'esthétique du paysage et celles qui se concentraient sur l'appréciation des espèces, deux aspects clés des SEC, nous avons constaté que les photographes et les randonneurs photographiaient davantage de paysages ouverts que d'espèces végétales ou animales, que ce soit dans les prairies ou dans les forêts. En ce qui concerne l'appréciation des espèces animales ou végétales, les espèces facilement observables, telles que les fleurs et les animaux d'élevage, ont été les plus photographiées. Finalement, en explorant les données textuelles, les perceptions et les émotions que les randonneurs associent aux caractéristiques du paysage et aux activités physiques de plein air ont été mises en évidence.Cette thèse met en évidence l'importance de combiner plusieurs sources et types de données « crowdsourced » et de les analyser en utilisant des méthodes interdisciplinaires afin de faire avancer la quantification des SEC. En utilisant différentes méthodes, nous avons présenté une mesure plus significative des SEC qui prend en compte différentes facettes de l'interaction Homme-nature, qui pourraient ne pas être entièrement prises en compte par une seule méthode isolée. Les résultats peuvent contribuer à la gestion du paysage en Auvergne afin de promouvoir les interactions positives avec la nature dans le cadre de loisirs, essentielle pour le bien-être de l'Homme.

Mankind crucially depends on the goods and services provided by healthy ecosystems, with cultural services depending on the contact of humans with nature. Understanding human-nature interactions is therefore critical to guiding management and conservation policies aiming to reconnect humans with nature and the health benefits it provides. With the ubiquitous use of mobile technologies, there is an enormous volume of multimodal spatial data available from which science can nowadays gain enhanced insights to better understand cultural ecosystem services (CES) provided by the natural and agricultural ecosystems that make up our landscapes. At the same time, data science techniques, such as machine learning and natural language processing have emerged to automate the extraction of relevant information from crowdsourced data to quantify and analyze CES. However, this is not yet fully developed. Hence, this thesis aims to harness multiple crowdsourced data sources and data science techniques to better quantify CES at the landscape scale, focusing on the rural areas of the Auvergne region in France.In this work, we explored three different crowdsourced sources (Flickr, NaturaList, andWikiloc) and employed a range of analytical methods, including spatial analysis, imagecontent analysis, and textual analysis to reveal the complex and multifaceted interactionsbetween humans and nature. First, we presented a novel approach, the “Trail-User-Day”,which allows the combination of different spatial data types and integrates multiple sitesvisited during a day to comprehensively explore recreationists' preferences for different landscape features during a day trip (Chapter 2). By comparing the patterns of use and potential supply, we found that a diversity of habitats is valued regardless of whether the recreationist is a photographer (Flickr), sports visitor (Wikiloc), or naturalist (NaturaList), while preferences for specific habitats depend on the recreational activity. Second, we explored the visual content of Flickr and Wikiloc using a machine learning algorithm to quantify “why” a landscape feature is preferred (Chapter 3). By classifying photographs into landscape aesthetics versus species appreciation, two key aspects of CES, we found that recreationists photographed more open landscape views than plant or animal species in both grasslands and forests. Regarding the appreciation of animal or plant species, easily observable species, such as flowers and grazing livestock, were the most photographed. We further examined the textual data associated with hiking trails shared on Wikiloc using natural language processing techniques to capture hikers' perceptions associated with different landscape features and physical outdoor activities (Chapter 4). Results revealed that specific natural features of the landscape - mainly the textual cluster “ecosystems, animals and plants”- stimulate different perceptions of hikers, ranging from aesthetics, joy, and restoration to the sensation of enhanced physical effort during hiking. Moreover, the cluster composed of “outdoor physical activities” stimulates both “joy and restoration” and “physical effort sensation” perceptions. Such multiple associations reveal the bundled nature of people's perceptions of the landscape during recreation activities.This thesis demonstrates the value of combining multiple data sources and types andanalyzing them using interdisciplinary methods to push ahead the quantification andunderstanding of CES. Findings can further help inform landscape management in Auvergne to promote high-quality nature contact to recreationists while preserving areas of natural and cultural interest. Future work must continue to explore the potential of both crowdsourced data and data science techniques to advance knowledge on human-nature interactions for the benefit of people and nature.