Thèse Ndo - Montpellier SupAgro

Composition et structure des peuplements à base d’agrumes
2.2.3 Constitution des sous-populations d’arbres
L’analyse de la structure spatiale se fait au sein des sous-populations. Une sous-population est
un groupe d’éléments dynamiques avec un même processus ponctuel à l’origine (Ngo Bieng
et al 2011). Dans le cadre de cette étude, des sous-populations d’arbres ont été formées en
fonction des grands types ou des familles répertoriés dans la parcelle (arbres forestiers,
fruitiers autres qu’agrumes, cacaoyers, palmiers, bananiers et agrumes). Les sous-populations
d’arbres ont été constituées avec pour principe d’avoir au moins 10 individus par souspopulation.
Chaque sous-population a été représentée sur une carte pour permettre de
visualiser le positionnement des individus par sous-population. Une représentation de la
population entière avec des marques différentes par sous-population a également été
effectuée. Cette représentation a permis de voir la position relative des individus de chaque
sous population dans la parcelle.
Le verger d’agrumes de Kumba est constitué d’une seule population. Dans un souci
d’illustration de la diversité spécifique du verger, nous avons représenté chaque espèce avec
des marques différentes, mais toutes ces espèces appartiennent à la même population.
2.2.4 Analyse de la structure spatiale des sous-populations
L’objectif de cette analyse est de connaître la structure spatiale ou le mode de répartition des
individus des différentes sous-populations dans la parcelle. Ceci permet d’appréhender la
complexité des systèmes dans lesquels se déroulent nos travaux. Chaque arbre était représenté
par un point. Il s’agit de savoir si les semis de points (différentes sous-populations) sont
repartis selon une structure aléatoire, régulière ou agrégée. Pour chaque sous-population la
fonction L(r) de Besag a été utilisée (Goreaud, 2000). Cette fonction est une méthode basée
sur les distances. Elle permet de dire si la structure spatiale d’un semis de point est régulière
ou agrégée pour plusieurs distances r. La fonction L(r) dérive de la fonction K de Ripley.
Cette fonction caractérise la structure de voisinage autour d’un point. Elle est utilisée pour un
processus de ponctuel homogène et isotrope de densitéλ.
K(r) = λ -1 E(r)
Où E(r) est l’espérance du nombre de points à l’intérieur d’une distance r d’un point
quelconque du semis de points.
L’intensité moyenne des points λ peut être estimée par leur densité n/A, où n est le nombre
total de points et A la surface totale échantillonnée.
Pour le processus de Poisson (distribution aléatoire), qui sert d'hypothèse nulle, l'espérance du
nombre de voisins E(r) =λπ r², et donc K(r)= πr². Pour un processus agrégé, les points ont en
moyenne plus de voisins que pour l'hypothèse nulle, et donc K(r)>πr². Inversement, pour un
processus régulier, les points auront en moyenne moins de voisins que pour l'hypothèse nulle,
et K(r)