Abbie Gail Jones
Projet
Modèles de répartition d’espèces intégrés pour bases de données volumineuses : connaissances et répartitions spatiales d’une application à grande échelleDes connaissances relatives à la description de distributions spatiales d’espèces sont indispensables pour toute initiative de conservation écologique. Cependant, les bases de données de répartitions d’espèces existantes sont rarement systématiques ou complètes, et elles contiennent de nombreux biais taxonomiques et spatiaux. À cet égard, les modèles de répartition d’espèces (en : SDM) sont régulièrement utilisés. En joignant les données d’occurrence d’une espèce à des prédicteurs climatiques et socioéconomiques dans un algorithme corrélatif, les SDMs peuvent prédire avec plus de précision les présences et les absences d’une espèce dans un habitat. Malgré leur utilité, les SDMs demeurent vulnérables à certains biais. En particulier, ils sont sensibles aux biais spatiaux (ex., une région systématiquement sur- ou sous-échantillonnée pour de raisons quelconques) ou taxonomiques (ex. des espèces systématiquement sur- ou sous-échantillonnées) dans les bases de données publiques fréquemment utilisées. Ces biais peuvent causer des prédictions imparfaites et peuvent par conséquence nuire aux efforts de conservation en causant un gaspillage de ressources. La nouvelle modélisation intégrée « S2BaK », une nouvelle approche de SDM, représente une méthode d’estimation de répartition d’espèces améliorée. Après la création de SDMs traditionnels, S2BaK combine les observations stochastiques d’espèces (très communes) avec des relevés systématiques de placettes (plus rares) dans un « Noyau d’ajustement de biais » (en : BaK, estimation des composantes du biais) pour ajuster les prédictions modélisées. Les résultats d’une application de tels modèles au Panama (une région avec des données fortement biaisées) ont démontré une amélioration nette des prédictions en comparaison des modèles traditionnels, et ce, particulièrement dans des provinces indigènes sous-échantillonnées. Tout au long de mon doctorat, j’effectuerai des nouvelles applications du modèle S2BaK avec pour but de créer et d’interpréter des cartes d’informations végétales géographiques précises et complètes. Le premier chapitre de mon projet concernera une application de S2BaK européenne, offrant des estimations de répartitions ajustées pour toutes les espèces de plantes continentales de l’Europe. Dans mon deuxième chapitre, je me pencherai sur la question de la superposition géographique et environnementale de différentes formes de biodiversité (ex. biodiversité fonctionnelle de traits d’espèces vs biodiversité phylogénétique), de services écosystémiques, et d’aires protégées existantes en Europe. Finalement, mon troisième chapitre concernera une application canadienne de S2BaK. Considérant son importante superficie et la rareté de données sur une vaste proportion de terres centrales et nordiques, le Canada offre une occasion parfaite pour étendre l’utilité des ajustements de biais BaK. Ce dernier projet sera complété en collaboration avec CICADA et la Première Nation Crie Wemindji, incorporant leur savoir traditionnel autochtone dans la modélisation. En résumé, ma thèse offrira les estimations de répartitions de biodiversité végétales les plus spécifiques, complètes, et précises à date, avec des estimations ajustées selon les biais taxonomiques et spatiaux omniprésents dans les jeux de données disponibles. Ces cartes d’informations géographiques seront essentielles pour répondre aux multiples questions écologiques quant à la réaction du paysage aux changements anthropogéniques.
