Université Claude Bernard Lyon 1 - Kora

L'indice de qualité de l'habitat permet la comparaison des modèles. Cet indice est utilisé pourétablir la carte de répartition potentielle de la population. Pour cela un seuil est défini lorsquel'utilisation des cellules d'une qualité donnée dépasse ce qui est attendu (c'est-à-dire lafréquence de cellules disponibles pour cette classe de qualité). Sur la carte de répartitionpotentielle, toutes les cellules dont la valeur d'habitat est supérieure au seuil serontconsidérées comme des présences et toutes celles dont la valeur d'habitat est inférieure auseuil seront considérées comme des absences.Une fois les trois méthodes ajustées, deux indices permettent de les comparer. Le premier estproposé par Boyce et al. (2002). Ils partent du principe qu'un bon modèle doit prédire uneutilisation de plus en plus forte par rapport à ce qui est attendu, à mesure que la qualité del'habitat est élevée. Pour tester ce principe, l'indice de qualité obtenu est divisé en 10 classeségales. Pour chaque classe on calcule l'utilisation relative, donnée par le rapport du nombre decellules utilisées sur le nombre de cellules disponibles. Un test de corrélation de Spearmanentre l'utilisation relative et le rang des classes d'indices donne alors une bonne approximationdu pouvoir de discrimination du modèle. Pour obtenir une mesure plus robuste du pouvoir deprédiction du modèle, l'utilisation de données indépendantes (c'est-à-dire non utilisées pourajuster le modèle) est fortement recommandée (Fielding & Bell, 1997, Pearce & Ferrier,2000). Les données indépendantes sont obtenues par validation croisée, une approche moinsrigoureuse que celle consistant à utiliser des données réellement indépendantes (Pearce &Ferrier , 2000) mais très utile pour des jeux de données limités en taille. Le jeu de données estalors partitionné en 5 de manière aléatoire. Chaque partition a successivement le rôle de jeude données test, alors que tout le reste est utilisé pour ajuster le modèle. Le test de corrélationde Boyce et al. (2002) est répété sur chaque partition test et la moyenne de la corrélation estretenue.La deuxième méthode est celle de l'aire minimale prédite (MPA : Minimal Predicted Area)proposée par Engler et al. (2004). Le principe est qu'un bon modèle basé sur unéchantillonnage de type disponibilité/présence devrait prédire une aire minimale de présenceaussi faible que possible (par le principe de parcimonie), l'aire minimale incluant unmaximum des présences initiales de la population (par exemple 90%). Pour cela, il suffit decompter le nombre de cellules qui ont une valeur d'habitat supérieure au seuil correspondantau quantile 10% des valeurs d'habitat des cellules de présence initiales.13