Mesures de la biodiversité - UMR EcoFoG

More documents

Recommendations

Info

Mesures de la biodiversité certain nombre de communautés composant la métacommunauté (page 186). La SAR obtenue par simulation suit la loi de puissance d’Arrhenius. Grilli et al. (2012) développent un modèle de SAR valable à toutes les échelles. Ses hypothèses sont peu réalistes dans la zone A, mais il valide la loi de puissance analytiquement à l’échelle intermédiaire. La relation d’Arrhenius est donc systématiquement validée à l’échelle régionale (Figure 10). On remarquera que la distribution de Fisher, validée par Hubbel pour la méta-communauté, n’est jamais observée dans la SAR à cause de l’agrégation spatiale : en augmentant la surface d’échantillonnage, de nouvelles communautés sont ajoutées progressivement, mais l’échantillonnage de toute la métacommunauté n’est jamais réalisé (sauf au point marquant le passage de la zone B à la zone C). Enfin, quand l’échelle est encore plus grande, le nombre d’espèces augmente à nouveau plus vite parce que d’autres métacommunautés sont intégrées. Influence de la structure spatiale Les modèles classiques de courbes aireespèces supposent un tirage indépendant des individus. Sur le terrain, par exemple en forêt, l’échantillonnage est continu : s’il existe une structure spatiale comme des agrégats, la probabilité que l’arbre suivant soit d’une espèce donnée dépend de ses voisins, donc de l’arbre précédent. Intuitivement, on comprend bien que le nouvel arbre de la même espèce apporte moins d’information, ce qui revient à surestimer la taille de l’échantillon ou sous-estimer la richesse pour une taille d’échantillon fixée. Plotkin et al. (2000) traitent un problème un peu différent : connaissant le nombre total d’espèces dans les dispositifs de la Figure 11, ils tracent la courbe aire-espèces théorique issue du modèle de Coleman (1981) qui considère simplement que la probabilité 20 de ne pas rencontrer une espèce suit une loi binomiale, les tirages étant indépendants. Ce modèle surestime largement la diversité pour les petites surfaces : la probabilité de ne pas rencontrer une espèce agrégative est sous-estimée. Le biais diminue quand la surface d’échantillonnage augmente, parce que la taille relative des agrégats diminue. Les effets de l’agrégation peuvent donc être opposés selon la question posée. Dans tous les cas, il suffit de considérer qu’un agrégat surestime le nombre d’arbres de son espèce qui devrait être pris en compte dans le cadre d’un modèle à tirages indépendants. Plotkin et al. (2000) proposent une méthode permettant de prendre en compte la structure spatiale pour fournir des modèles de courbes aire-espèces fiables, dans un cadre particulier où le nombre total d’espèces et leur structure spatiale sont connus. La méthode nécessite une carte des individus. Le semis de point est considéré comme le résultat d’un processus de Neyman-Scott (1958) : des centres d’agrégats sont tirés de façon complètement aléatoire et les individus sont répartis autour des centres selon une loi normale en deux dimensions. Les paramètres du processus sont estimés à partir du semis de points, puis la courbe aire-espèces est obtenue par simulation du processus. Malheureusement, aucune méthode générale permettant de prendre en compte la structure spatiale n’est disponible. Taux de couverture Good (1953) définit le taux de couverture de l’échantillonnage (sample coverage) comme la proportion des espèces découvertes
identique. Les estimateurs de la diversité développés plus loin reposent largement sur cette notion pour la correction du biais d’échantillonnage (la sous-estimation systématique de la diversité due aux espèces non observées). L’estimateur du taux de couverture, que Good attribue à Turing, est :
Page 1 and 2: Eric Marcon 05/03/2013 MESURES DE L
Page 3 and 4: Sommaire MESURES DE LA BIODIVERSIT
Page 5 and 6: Les notations peuvent différer de
Page 7 and 8: Le terme biodiversité concerne le
Page 9 and 10: La mesure de la différence entre d
Page 11: des fréquences (diagramme de Prest
Page 14 and 15: Mesures de la biodiversité le nomb
Page 16 and 17: Mesures de la biodiversité Enfin,
Page 18 and 19: Mesures de la biodiversité d’obs
Page 22 and 23: Mesures de la biodiversité rapidem
Page 24 and 25: Mesures de la biodiversité estimat
Page 26 and 27: Mesures de la biodiversité Sprime(
Page 28 and 29: Mesures de la biodiversité L’est
Page 30 and 31: Mesures de la biodiversité son »
Page 32 and 33: Mesures de la biodiversité
Page 34 and 35: Mesures de la biodiversité I(p) 0
Page 36 and 37: Mesures de la biodiversité notamme
Page 38 and 39: Mesures de la biodiversité qui est
Page 40 and 41: Mesures de la biodiversité Le calc
Page 43 and 44: DIVERSITÉ
Page 45 and 46: de diversités dérivées de l’en
Page 47 and 48: nulle, c'est-à-dire que les fréqu
Page 49 and 50: Shannon Entropie généralisée Ind
Page 51 and 52: L’entropie de Simpson peut être
Page 53 and 54: DIVERSITÉ FONCTIONNELLE ET Les mes
Page 55 and 56: Équivalence des deux diversités L
Page 57 and 58: ● en fixant
Page 59 and 60: Figure 30 : Originalité des espèc
Page 61 and 62: Le calcul sous R est simple avec un
Page 63 and 64: sur les feuilles liées à la branc
Page 65: non ultramétrique dans le cas part
Page 69 and 70: BIBLIOGRAPHIE Adelman, M. A. (1969)
Page 71 and 72:
Bibliographie Clench, H. K. (1979).
Page 73 and 74:
Bibliographie Hubbell, S. P. (2001)
Page 75 and 76:
Bibliographie P. (2007). Species ab
Page 77 and 78:
Bibliographie Ricotta, C. (2007). A
Page 79:
Williams, C. B. (1964). Patterns in
show all

Mesures de la biodiversité - UMR EcoFoG

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?