Télécharger - Bioversity International
Télécharger - Bioversity International
Télécharger - Bioversity International
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Chapitre 6<br />
espèce à l’aide d’un algorithme reposant sur le maximum d’entropie (Philips et al., 2006).<br />
Comme, en comparaison avec les autres programmes, Maxent a bien fonctionné dans les<br />
évaluations (Elith et al., 2006 ; Hernandez et al., 2006), il est le programme privilégié dans ce<br />
manuel pour les analyses de modélisation de distribution d’espèces.<br />
Il faut bien réaliser que quand une zone géographique présente des conditions environnementales<br />
favorables pour une espèce, ceci ne veut pas dire nécessairement que l’on trouve effectivement<br />
cette espèce dans cette zone. Des limitations de dispersion dues au système de<br />
reproduction de l’espèce et à des barrières géographiques peuvent empêcher une espèce<br />
d’occuper toutes les aires géographiques qui présentent des conditions environnementales<br />
similaires à sa niche effective. Il est aussi vrai qu’une espèce peut être absente de zones où<br />
elle pourrait se trouver, si son habitat naturel a été altéré par une interférence humaine.<br />
148<br />
L’importance de la quantité des données de points de présence<br />
Comme il a été mentionné dans l’introduction de la Section 6.1, il est crucial de disposer d’un<br />
nombre suffisant de points de présence pour que la modélisation produise des résultats solides.<br />
L’illustration ci-dessous montre un exemple de cartes de distribution potentielle de Carica<br />
papaya générées dans DIVA-GIS à l’aide de l’outil de modélisation BioClim. Les résultats de la<br />
distribution potentielle s’affinent au fur et à mesure que le nombre de points utilisés au cours du<br />
processus de modélisation augmente (de 5 à 108 points de présence). Au delà de 50 points, la<br />
prédiction de la distribution potentielle se stabilise et ne change plus de manière significative,<br />
même si l’on continue à ajouter d’autres points de présence.<br />
PROGRAMMES ET FICHIERS DE DONNEES A UTILISER DANS CETTE SECTION<br />
Programmes :<br />
• DIVA-GIS<br />
• Excel<br />
• Maxent et Java<br />
Fichiers de données :<br />
Répertoire 6.2 Potential distribution (Distribution potentielle)<br />
• pkesiya.csv<br />
• seacountries (shp, shx, dbf)<br />
• Répertoire wclim_sea_2-5min (fichiers asc)<br />
6.2.1. Comment modéliser la distribution naturelle potentielle d’une espèce<br />
végétale<br />
Pinus kesiya est une espèce dominante des forêts de pins naturelles en Asie du Sud-est et elle est<br />
économiquement importante. Les observations effectuées dans de nombreux pays indiquent que<br />
cette espèce a une distribution étendue ; les observations disponibles sont toutefois dispersées.<br />
Dans certains pays, on ne dispose que d’un ou deux points de présence. La modélisation de la<br />
distribution de l’espèce permet d’identifier l’aire potentielle où cette espèce pourrait se trouver de