Répartition potentielle de la sauvagine dans la région du ... - UQAC

pour la classe de superficie > 0) ont pour leur part été transformées en variables
binaires (présence ou absence de l’habitat au sein du km 2 ) et le suffixe « 01 » a été
ajouté au nom de la classe (e.g. TOURB01) 1 . Les variables UTMEST et UTMNORD ont
également été transformées en variables binaires, divisant l’image en 4 quadrants de
superficie à peu près égales (UTMEST < 500 000 ou UTMEST >= 500 000 et
UTMNORD < 5 400 000 ou UTMNORD >= 5 400 000).
Étape 2. Analyse univariée. Un test d’ajustement (INSIGHT : Analyze : Fit(x,y)) a
été fait en ne considérant qu’une seule variable explicative à la fois (le test a été fait
avec l’année d’inventaire et sans l’année d’inventaire). Seules les variables dont
P < 0,25 ont d’abord été retenues.
Étape 3. Sélection des variables explicatives. Étant donné le grand nombre de
variables résultantes après l’étape 2, potentiellement reliées à la présence de couples
nicheurs de sauvagine, nous avons d’abord eu recours à une méthode de régression
d’inclusion et d’exclusion pas à pas (« stepwise ») et ce, pour chacune des années
séparément. À cette étape, les seuils d’entrée et de sortie ont été fixés à 0,15 et les
variables non sélectionnées par le modèle à au moins une des cinq années ont été
retranchées (PROC LOGISTIC).
Étape 4. Modèle préliminaire. Un modèle global incluant l’année a par la suite été
ajusté avec les variables explicatives retenues; les variables non significatives au seuil
0,25 ont alors été retranchées.
Étape 5. Interactions entre les variables d’eau. D’un point de vue biologique, on
peut s’attendre à ce que la superficie totale en eau peu profonde, en eau turbide 2 ou en
eau profonde ait un effet différent sur la probabilité de présence de couple selon que
cette superficie soit occupée par des petits ou des grands lacs au sein du km 2 . Or, cette
information n’était pas directement disponible. En termes statistiques, cette situation
pourrait toutefois se traduire par un effet de l’interaction entre les superficies en eau et
les superficies des différentes classes de lacs. Nous avons ainsi testé chacune des
interactions en les ajoutant une par une au modèle, tout en conservant les variables
1 Pour respecter la limite de 8 caractères dans la désignation des noms de variables dans SAS, certains
noms ont dû être raccourcis; par exemple, RESINEUX transformé en binaire = RESINE01.
2 La classe EAUTURB a été conservée pour la modélisation malgré qu’elle soit incluse dans EAUPEU
dans les classifications d’habitats.
11