Gestion des populations de sangliers en France - INRA Montpellier
Gestion des populations de sangliers en France - INRA Montpellier
Gestion des populations de sangliers en France - INRA Montpellier
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Dynamique <strong><strong>de</strong>s</strong> <strong>populations</strong><br />
exploitées : <strong>Gestion</strong> durable <strong><strong>de</strong>s</strong><br />
<strong>populations</strong> <strong>de</strong> <strong>sangliers</strong> <strong>en</strong><br />
<strong>France</strong><br />
S. Servanty, J-M. Gaillard, C. Toïgo, J-D. Lebreton, E. Baubet,<br />
F. Klein, S. Brandt, R. Pra<strong>de</strong>l, R. Choquet, O. Gim<strong>en</strong>ez<br />
C<strong>en</strong>tre d’Ecologie<br />
Fonctionnelle et<br />
Evolutive<br />
Laboratoire <strong>de</strong><br />
Biométrie et Biologie<br />
Évolutive<br />
CNERA Cervidés-<br />
Sangliers
Action du 19 juin<br />
A Paris: blocage du CA du CNRS pour <strong>de</strong>man<strong>de</strong>r:<br />
- Le non-démantèlem<strong>en</strong>t du CNRS <strong>en</strong> Instituts pilotés par le gouvernem<strong>en</strong>t<br />
- La création <strong>de</strong> 5000 postes dans l'<strong>en</strong>seignem<strong>en</strong>t supérieur et la recherche<br />
- Un plan Marshall pour les universités […]<br />
- Une dotation budgétaire déc<strong>en</strong>te pour les organismes <strong>de</strong> recherche et <strong><strong>de</strong>s</strong><br />
universités, condition indisp<strong>en</strong>sable à une autonomie véritable [..]<br />
A <strong>Montpellier</strong>:<br />
RDV à 10h <strong>de</strong>main à la DR du CNRS (Route <strong>de</strong> M<strong>en</strong><strong>de</strong>)
C<strong>en</strong>tre d’Ecologie<br />
Fonctionnelle et<br />
Evolutive<br />
J.-D. Lebreton<br />
Equipe <strong>de</strong> recherche Biométrie et Biologie <strong><strong>de</strong>s</strong> Populations<br />
R. Choquet<br />
R. Pra<strong>de</strong>l O. Gim<strong>en</strong>ez<br />
S. Servanty
Dynamique <strong><strong>de</strong>s</strong> <strong>populations</strong><br />
N t<br />
naissances<br />
immigration<br />
+<br />
−<br />
morts<br />
émigration<br />
N t+1<br />
Compr<strong>en</strong>dre les flux d’individus
Applications <strong>de</strong> la dynamique <strong><strong>de</strong>s</strong><br />
<strong>populations</strong> ?<br />
•<br />
Écologie évolutive : compr<strong>en</strong>dre l’évolution <strong><strong>de</strong>s</strong> traits d’histoire <strong>de</strong> vie<br />
•<br />
Conservation : quelles sont les causes d’un déclin et comm<strong>en</strong>t<br />
l’<strong>en</strong>rayer ?<br />
•<br />
Contrôle <strong><strong>de</strong>s</strong> espèces invasives : quel est le moy<strong>en</strong> le plus efficace (le<br />
meilleur marché) <strong>de</strong> les éliminer ?<br />
•<br />
<strong>Gestion</strong> <strong><strong>de</strong>s</strong> <strong>populations</strong> exploitées : combi<strong>en</strong> d’individus peut-on<br />
prélever dans une perspective <strong>de</strong> gestion durable?<br />
Salamandre d’Oklahoma<br />
Tortue luth<br />
Jussie<br />
Tableau <strong>de</strong> chasse
La problématique <strong><strong>de</strong>s</strong> <strong>populations</strong><br />
exploitées<br />
• Exploitation (pêche, chasse)= source <strong>de</strong><br />
mortalité supplém<strong>en</strong>taire<br />
• Quelle est l’influ<strong>en</strong>ce sur les variations <strong><strong>de</strong>s</strong><br />
effectifs <strong>de</strong> la population ?<br />
• Comm<strong>en</strong>t interagit la mortalité due à<br />
l’exploitation avec la mortalité<br />
naturelle ?
Métho<strong><strong>de</strong>s</strong> quantitatives pour la<br />
dynamique <strong><strong>de</strong>s</strong> <strong>populations</strong><br />
S. Servanty<br />
N t<br />
naissances<br />
immigration<br />
+<br />
−<br />
morts<br />
émigration<br />
N t+1<br />
1: modélisation matricielle
Métho<strong><strong>de</strong>s</strong> quantitatives pour la<br />
dynamique <strong><strong>de</strong>s</strong> <strong>populations</strong><br />
O. Gim<strong>en</strong>ez<br />
N t<br />
naissances<br />
immigration<br />
+<br />
−<br />
morts<br />
émigration<br />
N t+1<br />
2: estimation <strong><strong>de</strong>s</strong> paramètres<br />
démographiques
Métho<strong><strong>de</strong>s</strong> quantitatives pour la<br />
dynamique <strong><strong>de</strong>s</strong> <strong>populations</strong><br />
S. Servanty<br />
N t<br />
naissances<br />
immigration<br />
+<br />
−<br />
morts<br />
émigration<br />
N t+1<br />
1: modélisation matricielle
Le sanglier, une espèce prolifique
La situation du sanglier <strong>en</strong> <strong>France</strong><br />
500 000<br />
450 000<br />
400 000<br />
350 000<br />
300 000<br />
250 000<br />
200 000<br />
X 5.7 <strong>en</strong> 20<br />
ans<br />
150 000<br />
100 000<br />
50 000<br />
0<br />
1970<br />
1971<br />
1972<br />
1973<br />
1974<br />
1975<br />
1976<br />
1977<br />
1978<br />
1979<br />
1980<br />
1981<br />
1982<br />
1983<br />
1984<br />
1985<br />
1986<br />
1987<br />
1988<br />
1989<br />
1990<br />
1991<br />
1992<br />
1993<br />
1994<br />
1995<br />
1996<br />
1997<br />
1998<br />
1999<br />
2000<br />
2001<br />
2002<br />
2003<br />
2004<br />
2005<br />
Source:Réseau Ongulés Sauvages/ ONCFS mission dégâts - FDC<br />
Tableau <strong>de</strong> chasse <strong>sangliers</strong> national réalisé
In<strong>de</strong>mnisation annuelle <strong><strong>de</strong>s</strong> dégâts agricoles<br />
(Millions d’Euros)<br />
La situation du sanglier <strong>en</strong> <strong>France</strong><br />
500 000<br />
450 000<br />
400 000<br />
350 000<br />
300 000<br />
80 % <strong><strong>de</strong>s</strong> dégâts<br />
~ 20 millions d’euros <strong>en</strong><br />
2005<br />
30<br />
25<br />
20<br />
250 000<br />
15<br />
200 000<br />
150 000<br />
10<br />
100 000<br />
5<br />
50 000<br />
0<br />
0<br />
1970<br />
1971<br />
1972<br />
1973<br />
1974<br />
1975<br />
1976<br />
1977<br />
1978<br />
1979<br />
1980<br />
1981<br />
1982<br />
1983<br />
1984<br />
1985<br />
1986<br />
1987<br />
1988<br />
1989<br />
1990<br />
1991<br />
1992<br />
1993<br />
1994<br />
1995<br />
1996<br />
1997<br />
1998<br />
1999<br />
2000<br />
2001<br />
2002<br />
2003<br />
2004<br />
2005<br />
Source:Réseau Ongulés Sauvages/ ONCFS mission dégâts - FDC<br />
Tableau <strong>de</strong> chasse <strong>sangliers</strong> national réalisé
Pourquoi cette forte croissance?<br />
Nombre <strong>de</strong> permis <strong>de</strong> chasse<br />
2 500 000<br />
2 000 000<br />
1 500 000<br />
1 000 000<br />
# chasseurs <strong>en</strong> baisse<br />
Problèmes <strong>de</strong><br />
gestion locale<br />
1975<br />
1979<br />
1980<br />
1982<br />
1984<br />
1990<br />
1995<br />
1996<br />
1998<br />
1999<br />
2000<br />
2001<br />
2002<br />
2003<br />
La gestion<br />
actuelle ne<br />
suffit pas!<br />
Nécessaire <strong>de</strong> modéliser la dynamique <strong><strong>de</strong>s</strong><br />
<strong>populations</strong> <strong>de</strong> <strong>sangliers</strong>.
Métho<strong><strong>de</strong>s</strong> quantitatives pour la<br />
dynamique <strong><strong>de</strong>s</strong> <strong>populations</strong><br />
N t<br />
naissances<br />
immigration<br />
+<br />
−<br />
morts<br />
émigration<br />
N t+1<br />
1: modélisation matricielle
Modèle matriciel & cycle<br />
<strong>de</strong> vie<br />
Année t Nouveaux-nés Année t+1<br />
s<br />
♀<br />
s 1<br />
♀<br />
1 an 1 an<br />
f 2<br />
f 1<br />
s 2<br />
♀<br />
♀<br />
>1 an >1 an
Modèle matriciel & cycle<br />
<strong>de</strong> vie<br />
Deux équations N 1 (t+1) = s f 1 N 1 (t) + s f 2 N a (t)<br />
linéaires<br />
N a (t+1) = s 1 N 1 (t) + s 2 N a (t)<br />
Paramètres <strong>de</strong><br />
recrutem<strong>en</strong>t<br />
Une équation N 1 =<br />
sf 1 sf 2 N 1<br />
matricielle N a t+1 s 1 s 2 Na t<br />
Paramètres<br />
démographiques
Modèle matriciel & cycle<br />
<strong>de</strong> vie<br />
Deux équations N 1 (t+1) = s f 1 N 1 (t) + s f 2 N a (t)<br />
linéaires<br />
N a (t+1) = s 1 N 1 (t) + s 2 N a (t)<br />
Une équation N 1 =<br />
sf 1 sf 2 N 1<br />
matricielle N a t+1 s 1 s 2 Na t<br />
Etu<strong>de</strong> analytique <strong>de</strong> cette matrice
Paramètres <strong>de</strong> sortie et calculs<br />
1/ Taux <strong>de</strong> multiplication asymptotique = λ<br />
(Valeur propre dominante)<br />
Quantifie la (dé)croissance <strong>de</strong> la population<br />
lorsqu’elle a atteint une distribution <strong>en</strong> âge stable<br />
2/ Distribution <strong>en</strong> âge stable (Vecteur propre à<br />
droite <strong>de</strong> la matrice)<br />
Proportion d’individus appart<strong>en</strong>ant à chaque<br />
classe d’âge<br />
3/ Calcul <strong><strong>de</strong>s</strong> élasticités (Calcul différ<strong>en</strong>tiel)<br />
Comm<strong>en</strong>t le taux <strong>de</strong> multiplication change si<br />
un <strong><strong>de</strong>s</strong> paramètres démographiques change ?
Pour résumer<br />
:<br />
Les modèles matriciels sont un cadre flexible :<br />
• Saison<br />
• Environnem<strong>en</strong>t aléatoire<br />
• Sexe<br />
• Taille, sta<strong><strong>de</strong>s</strong><br />
• Site
Et pour le sanglier ?<br />
• Taux <strong>de</strong> multiplication λ=1.075 (augm<strong>en</strong>tation<br />
<strong><strong>de</strong>s</strong> effectifs <strong>de</strong> 7.5% par an) malgré la forte<br />
pression <strong>de</strong> chasse (un individu a + 50% <strong>de</strong><br />
chances par an d’être d<br />
prélev<br />
levé)<br />
• Importance <strong><strong>de</strong>s</strong> paramètres <strong>de</strong> reproduction &<br />
<strong>de</strong> la survie adulte<br />
• Sur quel(s) compartim<strong>en</strong>t(s)<br />
faut-il agir pour stabiliser la<br />
population (i.e. λ=1) ) le plus<br />
efficacem<strong>en</strong>t ? Contexte<br />
d’optimal<br />
harvesting
Métho<strong><strong>de</strong>s</strong> quantitatives pour la<br />
dynamique <strong><strong>de</strong>s</strong> <strong>populations</strong><br />
O. Gim<strong>en</strong>ez<br />
N t<br />
naissances<br />
immigration<br />
+<br />
−<br />
morts<br />
émigration<br />
N t+1<br />
2: estimation <strong><strong>de</strong>s</strong> paramètres<br />
démographiques
Information individuelle via programme <strong>de</strong><br />
recherche à long terme (1983-) : données <strong>de</strong><br />
capture-recapture et capture-reprise<br />
CNERA Cervidés-<br />
Sangliers<br />
Boucles d’oreilles:<br />
+ 1300 +1200<br />
Sexe, Poids
Estimation <strong>de</strong> la survie<br />
• Probabilité <strong>de</strong> survivre φ t = Probabilité qu’un<br />
individu marqué survive du temps t au<br />
temps t+1<br />
• Probabilité <strong>de</strong> détection p t = probabilité<br />
d’être détecté au temps t<br />
Exemple d’une histoire <strong>de</strong> capture<br />
1<br />
Pr<br />
( 010110) = φ p φ ( 1−<br />
p ) φ p φ p [ 1−φ<br />
+ φ ( − p )]<br />
1 2 2 3 3 4 4 5 5 5<br />
1<br />
6
Vraisemblance<br />
• With increasing sample size (R 1 →∞), relative<br />
<strong>de</strong>viations t<strong>en</strong>d to become smaller<br />
• We used implicitly maximum likelihood<br />
estimation, which provi<strong><strong>de</strong>s</strong> automatically<br />
converg<strong>en</strong>t estimates<br />
= ∏<br />
n<br />
L ( ω) ( ) [ ( )]<br />
ω 3 3 10 2 2<br />
Pr = φ p × φ p 1−φp<br />
• The implicit mo<strong>de</strong>l ω structure is time<strong>de</strong>p<strong>en</strong><strong>de</strong>nt;<br />
logitL<br />
is=<br />
<strong>de</strong>noted 10log φ p(φ t + ,p11log<br />
t ) and φisp<br />
known 1−φp<br />
as the Cormack-Jolly-Seber<br />
3 3<br />
2 2<br />
mo<strong>de</strong>l<br />
× K<br />
( ) ( ) ( ( )) + K<br />
11
Optimisation
En théorie<br />
1. Additivité<br />
La survie globale diminue lorsque le prélèvem<strong>en</strong>t<br />
augm<strong>en</strong>te<br />
2. Comp<strong>en</strong>sation<br />
La survie globale reste constante lorsque le<br />
prélèvem<strong>en</strong>t augm<strong>en</strong>te
En termes <strong>de</strong> mortalités...<br />
1<br />
Mortalité<br />
naturelle<br />
H0: pas <strong>de</strong> corrélation<br />
ρ = 0, ADDITIVITÉ<br />
0<br />
1<br />
Mortalité due à la chasse
En termes <strong>de</strong> mortalités...<br />
1<br />
Mortalité<br />
naturelle<br />
0<br />
1<br />
Mortalité due à la chasse<br />
H0: pas <strong>de</strong> corrélation<br />
ρ = 0, ADDITIVITÉ<br />
H1: corrélation négative<br />
ρ
Tester additivité vs. comp<strong>en</strong>sation ?<br />
Une nouvelle approche<br />
1. Estimation du taux <strong>de</strong> mortalité naturelle et du<br />
taux <strong>de</strong> mortalité due à la chasse<br />
2. Test <strong>de</strong> la corrélation temporelle <strong>en</strong>tre les <strong>de</strong>ux<br />
taux <strong>de</strong> mortalité<br />
3. Notre modèle intègre ces 2 étapes <strong>en</strong>semble
1. Estimation simultanée <strong><strong>de</strong>s</strong> mortalités<br />
Données <strong>de</strong> recaptures et <strong>de</strong> retour <strong>de</strong> marques<br />
Modèle <strong>de</strong> CR à 3 états<br />
an t Vivant<br />
Chasse<br />
Naturelle<br />
an t+1<br />
V C N<br />
⎡ S E N<br />
⎢<br />
0<br />
⎢<br />
1 0<br />
⎣<br />
⎢ 0 0 1<br />
⎤<br />
⎥<br />
⎥<br />
⎦<br />
⎥<br />
S: probabilité <strong>de</strong><br />
survivre<br />
E: probabilité <strong>de</strong><br />
mourir à la<br />
chasse<br />
N: probabilité <strong>de</strong><br />
mourir <strong>de</strong> cause<br />
naturelle
1. Estimation simultanée <strong><strong>de</strong>s</strong> mortalités<br />
Données <strong>de</strong> recaptures et <strong>de</strong> retour <strong>de</strong> marques<br />
Modèle <strong>de</strong> CR à 3 états<br />
an t<br />
Vivant<br />
Chasse<br />
Naturelle<br />
an t+1<br />
V C N<br />
⎡ S<br />
⎢<br />
0<br />
⎢<br />
⎣<br />
⎢ 0<br />
E<br />
1<br />
0<br />
N<br />
0<br />
1<br />
⎤ ⎡ p<br />
⎥ ⎢<br />
r<br />
⎥ ⎢<br />
⎦<br />
⎥<br />
⎣<br />
⎢ 0<br />
E<br />
⎤<br />
⎥<br />
⎥<br />
⎦<br />
⎥<br />
p: probabilité <strong>de</strong><br />
recapture vivant<br />
r<br />
E<br />
: probabilité <strong>de</strong><br />
reprise à la<br />
chasse
2. Test <strong>de</strong> la corrélation <strong>en</strong>tre 2 mortalités<br />
H 0 H 1<br />
Mortalité Additivité Comp<strong>en</strong>sation<br />
ρ 0 < 0<br />
logit(E t ) = µ E + ε t<br />
logit(N t ) = µ N + γ t<br />
avec<br />
ε t<br />
γ t<br />
~ N 2 (0,Σ)<br />
où Σ =<br />
Var(ε t ) Cov(ε t , γ t )<br />
Cov(ε t , γ t ) Var(γ t )<br />
et Cov(ε t , γ t ) = ρ Sd(ε t ) Sd(γ t )
Vers <strong><strong>de</strong>s</strong> modèles mixtes <strong>de</strong> capturerecapture-reprise<br />
• Les modèles mixtes sont difficiles à<br />
implém<strong>en</strong>ter dans les modèles <strong>de</strong> capturerecapture<br />
• Solution ici : Approche Bayési<strong>en</strong>ne avec<br />
<strong><strong>de</strong>s</strong> simulations par Monte Carlo-Chaine <strong>de</strong><br />
Markov (MCMC)<br />
• Alternative : Intégration numérique par<br />
l'utilisation d‘une quadrature <strong>de</strong> Gauss
Mortalité naturelle<br />
0.00 0.05 0.10 0.15 0.20 0.25 0.30<br />
avec probabilité <strong>de</strong> recapture vivant = 0.22 (sd = 0.02)
Mortalité par la chasse<br />
0.3 0.4 0.5 0.6 0.7 0.8<br />
probabilité <strong>de</strong> reprise à la chasse = 0.76 (sd = 0.01)
Corrélation mortalité naturelle et chasse<br />
0.0 0.5 1.0 1.5<br />
-1.0 -0.5 0.0 0.5<br />
médiane = – 0.17 (avec proba 74%)
Thématiques prioritaires <strong>de</strong><br />
l‘équipe Biométrie du CEFE<br />
• Modélisation matricielle pour <strong>populations</strong><br />
exploitées<br />
• Modèles multiévénem<strong>en</strong>ts basés sur <strong><strong>de</strong>s</strong><br />
chaînes <strong>de</strong> Markov cachées<br />
• Modèles mixtes dans un cadre modélisation<br />
à espace d‘états<br />
• Développem<strong>en</strong>t <strong>de</strong> logiciels & algorithmique
Modélisation <strong><strong>de</strong>s</strong> ressources naturelles<br />
et gestion durable…