Télécharger - Bioversity International

Analyse spatiale de la diversité en vue de planifier la conservation
Le résultat (après avoir édité la légende du raster comme expliqué dans le Chapitre 3) de cette
analyse révèle que la plupart des observations sont issues du Sud de l’Equateur. Il s’agit d’une
situation typique dans laquelle les zones connues pour posséder de hauts niveaux de diversité
sont souvent les sites préférés des botanistes et des chercheurs, ce qui entraîne des efforts
plus intenses d’échantillonnage et un plus grand nombre d’observations. Un tel échantillonnage
inégal prévaut souvent dans les parcs nationaux près des grandes villes ou dans les zones
d’endémisme élevé. C’est un problème courant connu sous le nom d’échantillonnage biaisé1. Ce
problème peut être partiellement traité avec la méthode de raréfaction, exposée dans la Section
5.3, mais l’utilisation de cette méthode conduit à perdre certaines observations. Dans la Section 6.4,
on explique comment améliorer les études de diversité en utilisant la modélisation de la distribution
d’espèces. L’option Point to Grid de DIVA-GIS contient aussi plusieurs estimateurs de richesse afin
de pallier, partiellement, à ce problème. Ces outils sont aussi utiles pour estimer le nombre supplémentaire
d’espèces que l’on peut trouver dans chaque unité géographique de mesure, et qui n’ont
pas encore été observées du fait du sous-échantillonnage. Consultez la Section 6.2.2 de la Version
5.2 du Manuel de DIVA-GIS si vous souhaitez avoir plus d’information sur ces estimateurs (http://
www.diva-gis.org/docs/DIVA-GIS5_manual.pdf). La meilleure solution, cependant, est d’éviter de
tels biais en s’assurant de faire, autant que possible, un échantillonnage homogène.
Effets du changement d’origine d’un raster sur le résultat d’une analyse Point to Grid
Une analyse avec un raster à partir de points d’indices (Point to Grid Analysis) prend en compte
les observations trouvées dans chaque cellule du raster (c’est-à-dire que le calcul de la richesse
s’appuie sur le nombre d’unités de diversité observées, par exemple nombre d’espèces, dans
chaque cellule).
La définition du raster influe évidemment sur le résultat de l’analyse. Les sections qui suivent
expliquent comment les différences entre les tailles de cellules des rasters (la résolution) influent
sur le résultat final. Outre la taille de ses cellules, le raster est aussi défini par son origine (les
valeurs minimum et maximum X et Y saisies dans Grid Options). Voici une illustration simple de
cet effet sur un raster de quatre cellules.
1 2
3 0
Richesse selon le raster 1
1 2
1 2
Richesse selon le raster 2
1
1
1
1
2
2
2
2
Utilisation de raster de différentes origines
pour les mêmes données
Du fait du faible nombre de cellules du raster,
l’effet est exagéré dans cet exemple. Les
résultats d’un échantillonnage plus complet
seront moins influencés par un changement
des propriétés du raster.
1 Pour plus d’information sur l’échantillonnage biaisé, vous pouvez vous référer à Hijmans et al. (2000).
105