Page 1
Les effets Allee démographiques :évidence empirique & détection
Stephen Gregory
ExaminateurChargé de recherche, INRAM. Xavier Fauvergue
DirecteurDirecteur de recherche, CNRSM. Franck Courchamp
ExaminateurProfesseur, Université Paris-SudM. Paul Leadley
JURY:
ExaminatriceProfesseur, Imperial College LondonMme. EJ Milner-Gulland
RapporteurProfesseur, USDAM. Andrew LiebholdRapporteurDirecteur de recherche, CNRSM. Jean-Michel Gaillard
Page 2
Contexte
I. Qu’est-ce qu’un effet Allee démographique ?
II. Sont-ils fréquents dans la nature ?
III. Comment mieux les détecter ?
IV. L’effet Allee & les chauves-souris
Discussion
Page 3
Contexte
I. Qu’est-ce qu’un effet Allee démographique ?
II. Sont-ils fréquents dans la nature ?
III. Comment mieux les détecter ?
IV. L’effet Allee & les chauves-souris
Discussion
Page 4
Con
text
eLa morue Gadus morhua (Canada)
La pêcheindustrielle
La pêcheartisanale
Page 5
Con
text
eLa morue Gadus morhua (Canada)
Population disparue en 1992
La pêcheindustrielle
La pêcheartisanale
Page 6
Con
text
eRoselin Carpodacus mexicanus (USA)
Expansion
Etablissement
Page 7
Con
text
eRoselin Carpodacus mexicanus (USA)
Explosion démographique en 1960
Expansion
Etablissement
Page 8
Con
text
eL’effet Allee peut faire chuter ou exploser les populations
Page 9
Con
text
e
Un effet Allee est caractérisé par:
>> L’effet Allee est vu dans deux sens
Une « fitness » réduite dans une population diminuée
L’effet Allee peut faire chuter ou exploser les populations
Page 10
Con
text
eLa « fitness » augmente lorsque la population augmente…
Page 11
La « fitness » augmente lorsque la population augmente…B
ackg
roun
d Espèces invasives
Page 12
Con
text
eLa « fitness » diminue lorsque la population diminue…
Page 13
Con
text
e
Espèces menacées
La « fitness » diminue lorsque la population diminue…
Page 14
Contexte
I. Qu’est-ce qu’un effet Allee démographique ?
II. Sont-ils fréquents dans la nature ?
III. Comment mieux les détecter ?
IV. L’effet Allee & les chauves-souris
Discussion
Page 15
Deux types d’effet Allee : la définition de « fitness »
L’effet Allee élémentaire
L’effet Allee démographique
Qu’
est-c
e qu
’un
dAE
?
Page 16
Deux types d’effet Allee : la définition de « fitness »
L’effet Allee élémentaire• La fitness individuelle• e.x. nombre des œufs
L’effet Allee démographique
Qu’
est-c
e qu
’un
dAE
?
Page 17
Deux types d’effet Allee : la définition de « fitness »
L’effet Allee élémentaire• La fitness individuelle• e.x. nombre des œufs
L’effet Allee démographique• La fitness de la population• e.x. taux de croissance• dAE
Qu’
est-c
e qu
’un
dAE
?
Page 18
L’effet Allee faible
L’effet Allee fort
Qu’
est-c
e qu
’un
dAE
?La puissance d’un effet Allee : dAE
Page 19
L’effet Allee faible• Taux de croissance
positif à petite N
L’effet Allee fort
Qu’
est-c
e qu
’un
dAE
?La puissance d’un effet Allee : dAE
Page 20
L’effet Allee faible• Taux de croissance
positif à petite N
L’effet Allee fort• Taux de croissance
négatif à petite N
Qu’
est-c
e qu
’un
dAE
?La puissance d’un effet Allee : dAE
Page 21
L’effet Allee démographique et fort (dAE)Q
u’es
t-ce
qu’u
n dA
E ?
• dAE fort peut induire un taux de croissance négatif et conduire àune spirale d’extinction
Page 22
Objectif de la thèseQ
u’es
t-ce
qu’u
n dA
E ?
Page 23
Objectif de la thèse
D’évaluer la fréquence de l’effet Allee démographique dans lespopulations naturelles…
… et de voir si cette fréquence estaffectée par les méthodes et donnés utilisés.
Qu’
est-c
e qu
’un
dAE
?
Page 24
Contexte
I. Qu’est-ce qu’un effet Allee démographique ?
II. Sont-ils fréquents dans la nature ?
III. Comment mieux les détecter ?
IV. L’effet Allee & les chauves-souris
Discussion
Page 25
Les
dAE
s so
nt-il
s ré
pand
us ?
Etudes précédentes sur les dAEs
Page 26
dAEs dans 20 populations< 1 %3269PlusieursdAEs dans toutes les populations100 %11Plantes
Petites populationsNon14PoissionsdAEs dans 112 stocks34 %330PoissionsPetites populationsNon25PhoquesdAE "possible” dans plusieurs stocks?128PoissonsPetites populationsNon11OiseauxdAEs dans 3 stocks commerciaux< 3 %128Poissons
DétailsdAE ?# PopsTaxa
Les
dAE
s so
nt-il
s ré
pand
us ?
Etudes précédentes sur les dAEs
Page 27
• La plupart des études focalisées sur 1 taxon
dAEs dans 20 populations< 1 %3269PlusieursdAEs dans toutes les populations100 %11Plantes
Petites populationsNon14PoissionsdAEs dans 112 stocks34 %330PoissionsPetites populationsNon25PhoquesdAE "possible” dans plusieurs stocks?128PoissonsPetites populationsNon11OiseauxdAEs dans 3 stocks commerciaux< 3 %128Poissons
DétailsdAE ?# PopsTaxa
Les
dAE
s so
nt-il
s ré
pand
us ?
Etudes précédentes sur les dAEs
Page 28
• La plupart des études focalisée sur 1 taxon
• >5% dAEs avec des méthodes « différentes »
dAEs dans 20 populations< 1 %3269PlusieursdAEs dans toutes les populations100 %11Plantes
Petites populationsNon14PoissionsdAEs dans 112 stocks34 %330PoissionsPetites populationsNon25PhoquesdAE "possible” dans plusieurs stocks?128PoissonsPetites populationsNon11OiseauxdAEs dans 3 stocks commerciaux< 3 %128Poissons
DétailsdAE ?# PopsTaxa
Les
dAE
s so
nt-il
s ré
pand
us ?
Etudes précédentes sur les dAEs
Page 29
• La plupart des études focalisée sur 1 taxon
• >5% dAEs avec des méthodes « différentes »
>>> But : améliorer les taxa et les méthodes
Les
dAE
s so
nt-il
s ré
pand
us ?
dAEs dans 20 populations< 1 %3269PlusieursdAEs dans toutes les populations100 %11Plantes
Petites populationsNon14PoissionsdAEs dans 112 stocks34 %330PoissionsPetites populationsNon25PhoquesdAE "possible” dans plusieurs stocks?128PoissonsPetites populationsNon11OiseauxdAEs dans 3 stocks commerciaux< 3 %128Poissons
DétailsdAE ?# PopsTaxa
Etudes précédentes sur les dAEs
Page 30
« Théorie générale » développée par Alan Berryman - quatredynamiques de populations principales :
Sélection des modèles : « Théorie générale » de lacroissance d’une population
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 31
« Théorie générale » développée par Alan Berryman - quatredynamiques de populations principales :
= Pas de croissanceMarchealéatoire
Sélection des modèles : « Théorie générale » de lacroissance d’une population
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 32
« Théorie générale » développée par Alan Berryman - quatredynamiques de populations principales :
= Pas de croissance
= Croissance constante
Marchealéatoire
Exponentiel
Sélection des modèles : « Théorie générale » de lacroissance d’une population
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 33
« Théorie générale » développée par Alan Berryman - quatredynamiques de populations principales :
= Pas de croissance
= Croissance constante
= Croissance réduite lorsque la population est grande
Marchealéatoire
Densité dépendancenégative
Exponentiel
Sélection des modèles : « Théorie générale » de lacroissance d’une population
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 34
« Théorie générale » développée par Alan Berryman -quatre dynamiques de populations principales :
= Pas de croissance
= Croissance constante
= Croissance réduite lorsque la population est grande
= Croissance réduite lorsque la population est petite
Marchealéatoire
Densité dépendancenégative
Exponentiel
L’effet Allee
Sélection des modèles : « Théorie générale » de lacroissance d’une population
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 35
Mesure des preuves dAE
« Théorie générale » adaptée : modèles simples + l’effet Allee =modelès …
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 36
« Théorie générale » adaptée : modèles simples + l’effet Allee =modelès …
+ l’effet Allee
Densité dépendancenégative
Exponentiel ExponentielAllee
Densité dépendancenégative Allee
MarchealéatoireLe
s dA
Es
sont
-ils
répa
ndus
?Mesure des preuves dAE
Page 37
« non-Allee » « Allee »
Densité dépendancenégative
Exponentiel ExponentielAllee
Densité dépendancenégative Allee
Marchealéatoire
Modèle nul =Les
dAE
s so
nt-il
s ré
pand
us ?
Mesure des preuves dAE
« Théorie générale » adaptée : modèles simples + l’effet Allee =modelès …
Page 38
Comparer l’évidence pour les modèles ‘non-Allee’ vs ‘Allee’ du tauxde croissance de 1198 plantes & animaux :
Les
dAE
s so
nt-il
s ré
pand
us ?
GPDD
Page 39
Comparer l’évidence pour les modèles ‘non-Allee’ vs ‘Allee’ du tauxde croissance de 1198 plantes & animaux :
• Séries temporelles tirées d’une grande base de donnéess’appelée « Global Population Dynamics Database »
Les
dAE
s so
nt-il
s ré
pand
us ?
GPDD
Page 40
Comparer l’évidence pour les modèles ‘non-Allee’ vs ‘Allee’ du tauxde croissance de 1198 plantes & animaux :
• Séries temporelles tirées d’une grande base de donnéess’appelée « Global Population Dynamics Database »
• 1198 espèces différentes (une série temporelle par espèces)
Les
dAE
s so
nt-il
s ré
pand
us ?
GPDD
Page 41
Comparer l’évidence pour les modèles ‘non-Allee’ vs ‘Allee’ du tauxde croissance de 1198 plantes & animaux :
• Séries temporelles tirées d’une grande base de donnéess’appelée « Global Population Dynamics Database »
• 1198 espèces différentes (une série temporelle par espèces)
• La durée moyenne des séries : 22 ans
Les
dAE
s so
nt-il
s ré
pand
us ?
GPDD
Page 42
Comparer l’évidence pour les modèles ‘non-Allee’ vs ‘Allee’ du tauxde croissance de 1198 plantes & animaux :
• Séries temporelles tirées d’une grande base de donnéess’appelée « Global Population Dynamics Database »
• 1198 espèces différentes (une série temporelle par espèces)
• La durée moyenne des séries : 22 ans
Les
dAE
s so
nt-il
s ré
pand
us ?
GPDD
36 3037115152255603
Page 43
2 mesures d’évidence :
Les
dAE
s so
nt-il
s ré
pand
us ?
Mesure des preuves dAE
Page 44
2 mesures d’évidence :
• Évidence empirique (wAICc) = log vraisemblance ajusté et relatifaux autres modèles• mesure relative (%)
Les
dAE
s so
nt-il
s ré
pand
us ?
Mesure des preuves dAE
Page 45
2 mesures d’évidence :
• Évidence empirique (wAICc) = log vraisemblance ajusté et relatifaux autres modèles• mesure relative (%)
• meilleur modèle (n) = modèle avec le plus de wAICc• mesure absolue
Les
dAE
s so
nt-il
s ré
pand
us ?
Mesure des preuves dAE
Page 46
2 mesures d’évidence :
• Évidence empirique (wAICc) = log vraisemblance ajusté et relatifaux autres modèles• mesure relative (%)
• meilleur modèle (n) = modèle avec le plus de wAICc• mesure absolue
e.x.
*
55
Densitédépendance
négative
15
Densitédépendance
négative Allee
n
1005520wAICc
TotaleExponentiel
AlleeExponentielMarche aléatoire
Les
dAE
s so
nt-il
s ré
pand
us ?
Mesure des preuves dAE
Page 47
Résultats : 3 exemples d’espèces
Apeirasyringaria
Ovibosmoschatus
Taux
de
croi
ssan
ce d
e la
pop
ulat
ion
Taille de la population
Les
dAE
s so
nt-il
s ré
pand
us ?
Légende :Marche aléatoireExponentielExponentiel AlleeDensité dépendance négativeDensité dépendance négative Allee
Cupidominimus
Page 48
Résultats : résumé
RW EX EXAE ND NDAE
Évidence empirique
Légende :Marche aléatoireExponentielExponentiel AlleeDensité dépendance négativeDensité dépendance négative Allee
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 49
Résultats : résumé
Évidence empirique
Légende :Marche aléatoireExponentielExponentiel AlleeDensité dépendance négativeDensité dépendance négative Allee
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 50
Résultats : résumé
Évidence empirique
RW EX EXAE ND NDAE
Meilleur modèle
Légende :Marche aléatoireExponentielExponentiel AlleeDensité dépendance négativeDensité dépendance négative Allee
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 51
Résultats : résumé
Légende :Marche aléatoireExponentielExponentiel AlleeDensité dépendance négativeDensité dépendance négative Allee
Évidence empirique
Meilleur modèle
Les
dAE
s so
nt-il
s ré
pand
us ?
12 %
<1 %
Page 52
Conclusion : dAEs sont raresLe
s dA
Es
sont
-ils
répa
ndus
?
Page 53
Conclusion : dAEs sont rares
• dAEs sont rares, peut-être à cause de :
– mécanismes « contre-dAE » comme compétition réduite– les populations n’ont pas montré un dAE pendant la période
observée
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 54
Conclusion : dAEs sont rares
• dAEs sont rares, peut-être à cause de :
– mécanismes « contre-dAE » comme compétition réduite– les populations n’ont pas montré un dAE pendant la période
observée
• D’autres analyses suggèrent d’autres raisons :
– sources d’erreurs peuvent augmenter la variabilité– les méthodes statistiques utilisées n’ont pas pu détecter un dAE
dans une série temporelle de forte variabilité
Les
dAE
s so
nt-il
s ré
pand
us ?
Page 55
Conclusion : dAEs sont rares
• dAEs sont rares, peut-être à cause de :
– mécanismes « contre-dAE » comme compétition réduite– les populations n’ont pas montré un dAE pendant la période
observée
• D’autres analyses suggèrent d’autres raisons :
– sources d’erreurs peuvent augmenter la variabilité– les méthodes statistiques utilisées n’ont pas pu détecter un dAE
dans une série temporelle de forte variabilité
• Un dAE a été détecté dans 13 espèces qui n’en présentaientpas auparavant, mais :
– les modèles étaient choisis pour leur généralité– les modèles étaient les mauvais descripteurs de la croissance de
ces populationsLes
dAE
s so
nt-il
s ré
pand
us ?
Page 56
Contexte
I. Qu’est-ce qu’un effet Allee démographique ?
II. Sont-ils fréquents dans la nature ?
III. Comment mieux les détecter ?
IV. L’effet Allee & les chauves-souris
Discussion
Page 57
Com
men
t mie
ux le
s dé
tect
er ? Les dAEs génèrent de la variabilité
Page 58
Les dAEs génèrent de la variabilité
• L’étude précédente montre que dAEs sont rares à cause d’une fortevariabilité dans les séries temporelles analysées
Com
men
t mie
ux le
s dé
tect
er ?
Page 59
Les dAEs génèrent de la variabilité
• L’étude précédente montre que dAEs sont rares à cause d’une fortevariabilité dans les séries temporelles analysées
• dAEs se manifestent dans les populations dont la taille diminue (ouaugmente)
Com
men
t mie
ux le
s dé
tect
er ?
Page 60
Les dAEs génèrent de la variabilité
• L’étude précédente montre que dAEs sont rares à cause d’une fortevariabilité dans les séries temporelles analysées
• dAEs se manifestent dans les populations dont la taille diminue (ouaugmente)
• Séries temporelles qui présentent un dAE possèdent des tailles depopulations très différentes & donc une forte variabilité
Com
men
t mie
ux le
s dé
tect
er ?
Page 61
Une forte variabilité masque la détection d’un dAEC
omm
ent m
ieux
les
déte
cter
?
Page 62
Série temporelle de faible variabilité montredensité dépendance négative
Une forte variabilité masque la détection d’un dAEC
omm
ent m
ieux
les
déte
cter
?
Page 63
Série temporelle de variabilité moyennemontre un dAE
Une forte variabilité masque la détection d’un dAEC
omm
ent m
ieux
les
déte
cter
?
Page 64
Série temporelle de forte variabilité montremarche aléatoire
Une forte variabilité masque la détection d’un dAEC
omm
ent m
ieux
les
déte
cter
?
Page 65
Questions & méthodesC
omm
ent m
ieux
les
déte
cter
?
Page 66
Questions & méthodes
• La forte variabilité peut-elle masquer un dAE ?
1. Simuler des séries temporelles à partir d’un modèle dAEavec des valeurs de variabilité variées
2. Essayer de détecter dAE en utilisant les modèles decroissance précédents
3. Mesurer l’évidence empirique pour chaque modèle
• Peut-on surmonter ce problème en combinantplusieurs séries temporelles ?
1. Combiner plusieurs séries temporelles simulées et répéterles étapes 2. & 3.
2. Tester cette méthode avec les données réellesCom
men
t mie
ux le
s dé
tect
er ?
Page 67
Questions & méthodes
• La forte variabilité peut-elle masquer un dAE ?
1. Simuler des séries temporelles à partir d’un modèle dAEavec des valeurs de variabilité variées
2. Essayer de détecter dAE en utilisant les modèles decroissance précédents
3. Mesurer l’évidence empirique pour chaque modèle
• Peut-on surmonter ce problème en combinantplusieurs séries temporelles ?
1. Combiner plusieurs séries temporelles simulées et répéterles étapes 2. & 3.
2. Tester cette méthode avec les données réellesCom
men
t mie
ux le
s dé
tect
er ?
Page 68
Questions & méthodes
• La forte variabilité peut-elle masquer un dAE ?
1. Simuler des séries temporelles à partir d’un modèle dAEavec des valeurs de variabilité variées
2. Essayer de détecter dAE en utilisant les modèles decroissance précédents
3. Mesurer l’évidence empirique pour chaque modèle
• Peut-on surmonter ce problème en combinantplusieurs séries temporelles ?
1. Combiner plusieurs séries temporelles simulées et répéterles étapes 2. & 3.
2. Tester cette méthode avec les données réellesCom
men
t mie
ux le
s dé
tect
er ?
Page 69
Méthodes : comment calculer RC
omm
ent m
ieux
les
déte
cter
?
Page 70
Pour chaque ST*, comparecomptage en année t et
t+1. A-il augmente ?
Com
men
t mie
ux le
s dé
tect
er ? Méthodes : comment calculer R
* ST = série temporelle
Page 71
Pour chaque ST*, comparecomptage en année t et
t+1. A-il augmente ?
Com
men
t mie
ux le
s dé
tect
er ? Méthodes : comment calculer R
Tracer le % de comptagesqui ont augmentés en
fonctionne de leur taille enannée t
* ST = série temporelle
Page 72
Les données réelles : les chauves-sourisC
omm
ent m
ieux
les
déte
cter
?
Page 73
Les données réelles : les chauves-souris
• 2 espèces de pipistrelle très proches :
– Pipistrelle pygmée– Pipistrelle commune
Com
men
t mie
ux le
s dé
tect
er ?
Page 74
Les données réelles : les chauves-souris
• 2 espèces de pipistrelle très proches :
– Pipistrelle pygmée– Pipistrelle commune
• La pygmée pourrait être sensible à un dAE (par rapport à la commune) :
– elles se rassemblent dans de grands groupes– elles sont philopatriques (elles restent dans le même nid)
Com
men
t mie
ux le
s dé
tect
er ?
Page 75
Les données réelles : les chauves-souris
• 2 espèces de pipistrelle très proches :
– Pipistrelle pygmée– Pipistrelle commune
• La pygmée pourrait être sensible à un dAE (par rapport à la commune) :
– elles se rassemblent dans de grands groupes– elles sont philopatriques (elles restent dans le même nid)
• Hypothèses
dAE dans r ?(ST individuelle)
Commune Pipistrellus pipistrellusDonnées simulées
Pygmée Pipistrellus pygmaeus
dAE dans R ?(ST combinée)
Espèces de chauves-souris
Com
men
t mie
ux le
s dé
tect
er ?
Page 76
Résultats : meilleur détection des dAEs avec RC
omm
ent m
ieux
les
déte
cter
?
Page 77
RWEXNDAE
Donnéessimulées
Résultats : meilleur détection des dAEs avec RC
omm
ent m
ieux
les
déte
cter
?
Pipistrellepygmée
Pipistrellecommune
sqrt( ) sqrt( ) sqrt( )
Sér
ies
tem
pore
lles
Indi
vidu
elle
s (r
)
Page 78
Sér
ies
tem
pore
lles
com
biné
es (R
)
RWEXNDAE
Pipistrellepygmée
Pipistrellecommune
Résultats : meilleur détection des dAEs avec RC
omm
ent m
ieux
les
déte
cter
?
Donnéessimulées
) ) )
Sér
ies
tem
pore
lles
Indi
vidu
elle
s (r
)
sqrt( sqrt( sqrt(
Page 79
Sér
ies
tem
pore
lles
com
biné
es (R
)S
érie
s te
mpo
relle
sIn
divi
duel
les
(r)
RWEXNDAE
Résultats : meilleur détection des dAEs avec R
dAE dAEdéclinExponentiel
Donnéessimulées
Com
men
t mie
ux le
s dé
tect
er ?
Pipistrellepygmée
Pipistrellecommune
sqrt( ) sqrt( ) sqrt( )
Page 80
Conclusion : la variabilité peut masquer les dAEsC
omm
ent m
ieux
les
déte
cter
?
Page 81
Conclusion : la variabilité peut masquer les dAEs
• Une population de faible variabilité est proche de sa capacité decharge et montre une densité dépendance négative
Com
men
t mie
ux le
s dé
tect
er ?
Page 82
Conclusion : la variabilité peut masquer les dAEs
• Une population de faible variabilité est proche de sa capacité decharge et montre une densité dépendance négative
• Une population de forte variabilité va fluctuer fortement et montre unemarche aléatoire
Com
men
t mie
ux le
s dé
tect
er ?
Page 83
Conclusion : la variabilité peut masquer les dAEs
• Une population de faible variabilité est proche de sa capacité decharge et montre une densité dépendance négative
• Une population de forte variabilité va fluctuer fortement et montre unemarche aléatoire
• Les deux situations empêchent la détection d’un dAE
Com
men
t mie
ux le
s dé
tect
er ?
Page 84
Conclusion : la variabilité peut masquer les dAEs
• Une population de faible variabilité est proche de sa capacité decharge et montre une densité dépendance négative
• Une population de forte variabilité va fluctuer fortement et montre unemarche aléatoire
• Les deux situations empêchent la détection d’un dAE
• On peut combiner plusieurs séries temporelles dans une mesurequalitative de la croissance d’une population - R (Tobin et al 2007)
Com
men
t mie
ux le
s dé
tect
er ?
Page 85
Conclusion : la variabilité peut masquer les dAEs
• Une population de faible variabilité est proche de sa capacité decharge et montre une densité dépendance négative
• Une population de forte variabilité va fluctuer fortement et montre unemarche aléatoire
• Les deux situations empêchent la détection d’un dAE
• On peut combiner plusieurs séries temporelles dans une mesurequalitative de la croissance d’une population - R (Tobin et al 2007)
• En utilisant R, on peut « retrouver » un dAE dans les sériestemporelles de forte variabilité
Com
men
t mie
ux le
s dé
tect
er ?
Page 86
Conclusion : la variabilité peut masquer les dAEs
• Une population de faible variabilité est proche de sa capacité decharge et montre une densité dépendance négative
• Une population de forte variabilité va fluctuer fortement et montre unemarche aléatoire
• Les deux situations empêchent la détection d’un dAE
• On peut combiner plusieurs séries temporelles dans une mesurequalitative de la croissance d’une population - R (Tobin et al 2007)
• En utilisant R, on peut « retrouver » un dAE dans les sériestemporelles de forte variabilité
• R est recommandé à la recherche d’un dAE si les données sont demauvaises qualités mais suffisantesC
omm
ent m
ieux
les
déte
cter
?
Page 87
Contexte
I. Qu’est-ce qu’un effet Allee démographique ?
II. Sont-ils fréquents dans la nature ?
III. Comment mieux les détecter ?
IV. L’effet Allee & les chauves-souris
Discussion
Page 88
Chauves-souris : animaux sociauxL’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 89
• Les chauves-souris constituent un grand grouped’espèces sociales (1100+ espèces)
• Il y a beaucoup de comportements sociaux :– rassemblement pour la thermorégulation– reproduction coopérative– l’échange d’informations– …
Chauves-souris : animaux sociauxL’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 90
• Les chauves-souris constituent un grand grouped’espèces sociales (1100+ espèces)
• Elles ont beaucoup de comportements sociaux :– reproduction coopérative– l’échange d’informations– rassemblement pour la thermorégulation– …
Chauves-souris : animaux sociauxL’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 91
• Les chauves-souris constituent un grand grouped’espèces sociales (1100+ espèces)
• Elles ont beaucoup de comportements sociaux :– reproduction coopérative– l’échange d’informations– rassemblement pour la thermorégulation– …
• Comportements sociaux ont besoin >2 individus
Chauves-souris : animaux sociauxL’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 92
• Les chauves-souris constituent un grand grouped’espèces sociales (1100+ espèces)
• Elles ont beaucoup de comportements sociaux :– reproduction coopérative– l’échange d’informations– rassemblement pour la thermorégulation– …
• Comportements sociaux ont besoin >2 individus
• Les chauves-souris peuvent être sensibles aux dAEs
Chauves-souris : animaux sociauxL’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 93
Pourquoi les chauves-souris ?L’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 94
Pourquoi les chauves-souris ?
• 9 espèces ont été surveillées annuellement enAngleterre depuis 1977 ; beaucoup de données
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 95
Question & méthodesL’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 96
Question & méthodes
• Est-ce que les chauves-souris montrent un dAE ?
Pour chaque espèce :
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 97
Question & méthodes
• Est-ce que les chauves-souris montrent un dAE ?
Pour chaque espèce :
– Les données étaient traitées statistiquement pour enlever l’effetde facteurs densité indépendants :
• Météo : température & précipitation• Une tendance temporelle à cause de la destruction d’habitat
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 98
Question & méthodes
• Est-ce que les chauves-souris montrent un dAE?
Pour chaque espèce :
– Les données étaient traitées statistiquement pourenlever l’effet de facteurs densité indépendants :
• Météo : température & précipitation• Une tendance temporelle à cause de la destruction d’habitat
– R calculé des données « traitées » & « non-traitées »
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 99
Question & méthodes
• Est-ce que les chauves-souris montrent un dAE ?
Pour chaque espèce :
– Les données étaient traitées statistiquement pour enlever l’effetde facteurs densité indépendants :
• Météo : température & précipitation• Une tendance temporelle à cause de la destruction d’habitat
– R calculé des données « traitées » & « non-traitées »
– R analysé avec 3 des modèles précédents
• Pas d’Exponentiel parce que les données étaient traitées avec unetendance annuelle ≈ (dé)croissance Exponentiel
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 100
Résultat : exemple pipistrelle pygmée
Légende:Marche aléatoireDensité dépendance négativeL’effet Allee
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 101
Résultat : exemple pipistrelle pygmée
Densité dépendance négativeL’ef
fet A
llee
& la
cha
uves
-sou
ris
Données non traitées
Page 102
L’ef
fet A
llee
& la
cha
uves
-sou
ris Résultat : exemple pipistrelle pygmée
Page 103
L’ef
fet A
llee
& la
cha
uves
-sou
ris
L’effet Allee
Données traitées
Résultat : exemple pipistrelle pygmée
Page 104
Résultats: résuméL’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 105
Résultats: résumé
• 44.4 % (4 sur 9) des chauves-souris ont montré un dAE ; un %très important par rapport aux autres études
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 106
Résultats: résumé
• 44.4 % (4 sur 9) des chauves-souris ont montré un dAE ; un %très important par rapport aux autres études
• Les 4 espèces présentant un dAE forment des groupes de taillesplus importantes
– Un grand groupe est peut-être indicatif d’un dAE
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 107
Résultats: résumé
• 44.4 % (4 sur 9) des chauves-souris ont montré un dAE ; un %très important par rapport aux autres études
• Les 4 espèces présentant un dAE forment des groupes de taillesplus importantes
– Un grand groupe est peut-être indicatif d’un dAE
• La révélation d’un dAE chez 2 espèces est sensible à la météo
– température & précipitation doivent être pris en compte dansl’analyses des comptages de chauves-souris
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 108
Résultats: résumé
• 44.4 % (4 sur 9) des chauves-souris ont montré un dAE ; un %très important par rapport aux autres études
• Les 4 espèces présentant un dAE forment des groupes de taillesplus importantes
– Un grand groupe est peut-être indicatif d’un dAE
• La révélation d’un dAE chez 2 espèces est sensible à la météo
– température & précipitation doivent être pris en compte dansl’analyses des comptages de chauves-souris
• L’exclusion du modèle Exponentiel n’a pas changé les résultats
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 109
Conclusions : les « perils of sociality »L’
effe
t Alle
e &
la c
hauv
es-s
ouris
Page 110
Conclusions : les « perils of sociality »
• Les espèces sociales, e.x. les chauves-souris, peuvent êtresensibles aux dAEs
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 111
Conclusions : les « perils of sociality »
• Les espèces sociales, e.x. les chauves-souris, peuvent êtresensibles aux dAEs
• Les comportements de rassemblement ne protègent pas lesespèces d’un dAE
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 112
Conclusions : les « perils of sociality »
• Les espèces sociales, e.x. les chauves-souris, peuvent êtresensibles aux dAEs
• Les comportements de rassemblement ne protègent pas lesespèces d’un dAE
• Le nombre d’espèces sociales qui sont sensibles à un dAE estgrand
– e.g. 44 % de 1100 espèces de chauves-souris représente 488espèces !
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 113
Conclusions : les « perils of sociality »
• Les espèces sociales, e.x. les chauves-souris, peuvent êtresensibles aux dAEs
• Les comportements de rassemblement ne protègent pas lesespèces d’un dAE
• Le nombre d’espèces sociales qui sont sensibles à un dAE estgrand
– e.g. 44 % de 1100 espèces de chauves-souris représente 488espèces !
• D’autres études sur les espèces sociales sont recommandées…
L’ef
fet A
llee
& la
cha
uves
-sou
ris
Page 114
Contexte
I. Qu’est-ce qu’un effet Allee démographique ?
II. Sont-ils fréquents dans la nature ?
III. Comment mieux les détecter ?
IV. L’effet Allee & les chauves-souris
Discussion
Page 115
Dis
cuss
ion
Qu’est-ce que l’on retient de cette thèse ?
Page 116
Dis
cuss
ion
• dAEs sont rares
Qu’est-ce que l’on retient de cette thèse ?
Page 117
Dis
cuss
ion
• dAEs sont rares
• La rareté des dAEs peut-être un artefact des méthodes statistiques oudes données utilisées
Qu’est-ce que l’on retient de cette thèse ?
Page 118
Dis
cuss
ion
• dAEs sont rares
• La rareté des dAEs peut-être un artefact des méthodes statistiques oudes données utilisées
• La mesure du taux de croissance qui est calculée à partir de plusieursséries temporelles (R) détecte très bien un dAE
Qu’est-ce que l’on retient de cette thèse ?
Page 119
Dis
cuss
ion
• dAEs sont rares
• La rareté des dAEs peut-être un artefact des méthodes statistiques oudes données utilisées
• La mesure du taux de croissance qui est calculée à partir de plusieursséries temporelles (R) détecte très bien un dAE
• Démonstration empirique - les chauves souris :
– un dAE était détecté chez la pipistrelle pygmée en utilisant R, où laméthode traditionnelle ne l’a pas détecté
– L’analyse de 9 autres espèces de chauves-souris avec R a montré laprésence d’un dAE chez 44 % ; un % très fort
Qu’est-ce que l’on retient de cette thèse ?
Page 120
Dis
cuss
ion
• dAEs sont rares
• La rareté des dAEs peut-être un artefact des méthodes statistiques oudes données utilisées
• La mesure du taux de croissance qui est calculée à partir de plusieursséries temporelles (R) détecte très bien un dAE
• Démonstration empirique - les chauves souris :
– un dAE était détecté chez la pipistrelle pygmée en utilisant R, où laméthode traditionnelle ne l’a pas détecté
– L’analyse de 9 autres espèces de chauves-souris avec R a montré laprésence d’un dAE chez 44 % ; un % très fort
• Le % important de dAEs chez les chauves-souris suggère que lesautres espèces sociales sont sensibles à un dAE
Qu’est-ce que l’on retient de cette thèse ?
Page 121
Dis
cuss
ion
Les lacunes
Page 122
Dis
cuss
ion
Les lacunes
• Les analyses utilisées sont «frequentist»; d’autres méthodes, e.g.Bayesian, pourrait donner des résultats différents
Page 123
Dis
cuss
ion
Les lacunes
• Les analyses utilisées sont «frequentist»; d’autres méthodes, e.g.Bayesian, pourrait donner des résultats différents
• Les 1198 séries temporelles sont géographiquement biaisées (dans lenord)
Page 124
Dis
cuss
ion
• Les analyses utilisées sont «frequentist»; d’autres méthodes, e.g.Bayesian, pourrait donner des résultats différents
• Les 1198 séries temporelles sont géographiquement biaisées (dans lenord)
• Toutes les analyses étaient des séries temporelles ; les donnéesindividuelles et les données expérimentales peuvent aussi révéler desdAEs
Les lacunes
Page 125
Dis
cuss
ion
• Les analyses utilisées sont «frequentist»; d’autres méthodes, e.g.Bayesian, pourrait donner des résultats différents
• Les 1198 séries temporelles sont géographiquement biaisées (dans lenord)
• Toutes les analyses étaient des séries temporelles ; les donnéesindividuelles et les données expérimentales peuvent aussi révéler desdAEs
• Cette thèse a focalisé sur les espèces sociales mais, e.x. :– reproduction sexuelle– prédation
peuvent faire manifester un dAE chez n’importe espèce
Les lacunes
Page 126
Dis
cuss
ion
Conclusion de thèse
Page 127
Dis
cuss
ion
Conclusion de thèse
La recherche de l’effet Allee démographique est plutôtthéorique, peut-être due à des difficultés dans sa détection.
Cette thèse nous aide à comprendre pourquoi ils sont difficilesà détecter.
En plus, elle présente une méthode pour mieux les détecter.
Page 128
Dis
cuss
ion
Conclusion de thèse
La recherche de l’effet Allee démographique estplutôt théorique, peut-être due à des difficultésdans sa détection.
Cette thèse nous aide à comprendre pourquoi ilssont difficiles à détecter.
En plus, elle présente une méthode pour mieux lesdétecter.
J'espère que ce travail… conduira à plus d’étudesempiriques sur l’effet Allee démographique.
Page 129
Dis
cuss
ion
Perspectives
Page 130
Dis
cuss
ion
Perspectives
Deux questions claires sortent de ce travail :
1. R est-elle utile à la recherche d’autres dynamiques depopulations ?
Page 131
Dis
cuss
ion
Perspectives
Deux questions claires sortent de ce travail :
1. R est-elle utile à la recherche d’autres dynamiques depopulations ?
2. Les espèces sociales sont-elles plus sensibles aux dAE ?
Page 133
Dis
cuss
ion
R est une mesure récemment publiée par Tobin et al. 2007 (EcologyLetters 10: 36-43)
R
Page 134
Dis
cuss
ion
R est une mesure récemment publiée par Tobin et al. 2007 (EcologyLetters 10: 36-43)
• Adaptée à utiliser « data binning » ; les comptages similaires sontrassemblés dans des « bins » qui décrient leurs tailles (Freedman Diaconismethod)
R
Page 135
Dis
cuss
ion
R est une mesure récemment publiée par Tobin et al. 2007 (EcologyLetters 10: 36-43)
• Adaptée à utiliser « data binning » ; les comptages similaires sontrassemblés dans des « bins » qui décrient leurs tailles (Freedman Diaconismethod)
• Tobin et al. (2007) ont utilisé « locally weighted regression » : ici, Ranalysée avec les modèles de dynamique prédéterminés
R
Page 136
Dis
cuss
ion
R est une mesure récemment publiée par Tobin et al. 2007 (EcologyLetters 10: 36-43)
• Adaptée à utiliser « data binning » ; les comptages similaires sontrassemblés dans des « bins » qui décrient leurs tailles (Freedman Diaconismethod)
• Tobin et al. (2007) ont utilisé « locally weighted regression » : ici, Ranalysée avec les modèles de dynamique prédéterminés
• Question : R peut-elle différencier entre plusieurs modèles decroissance de population ? à tester…
R
Page 137
Dis
cuss
ion
R est une mesure récemment publiée par Tobin et al. 2007 (EcologyLetters 10: 36-43)
• Adaptée à utiliser « data binning » ; les comptages similaires sontrassemblés dans des « bins » qui décrient leurs tailles (Freedman Diaconismethod)
• Tobin et al. (2007) ont utilisé « locally weighted regression » : ici, Ranalysée avec les modèles de dynamique prédéterminés
• Question : R peut-elle différencier entre plusieurs modèles decroissance de population ? à tester…
• Bon à savoir : On peut calculer R avec les séries temporelles courtes ;les ST doivent avoir > 2 nonzero observations
R
Page 138
Dis
cuss
ion
Les espèces sociales & l’effet Allee
Page 139
Dis
cuss
ion
Les chauves-souris montrent un fort % de dAEs mais, s’applique-t-il aux autres espèces sociales ?
Les espèces sociales & l’effet Allee
Page 140
Dis
cuss
ion
Les chauves-souris montrent un fort % de dAEs mais, s’applique-t-il aux autres espèces sociales ?
• Des études récentes suggèrent que le rassemblement en groupediminue la chance qu’il se manifeste un dAE
Les espèces sociales & l’effet Allee
Page 141
Dis
cuss
ion
Les chauves-souris montrent un fort % de dAEs mais, s’applique-t-ilaux autres espèces sociales ?
• Des études récentes suggèrent que le rassemblement en groupediminue la chance qu’il se manifeste un dAE
• Les chauves-souris se regroupent pour se reproduire, et cesanalyses ont révélées des dAEs
Les espèces sociales & l’effet Allee
Page 142
Dis
cuss
ion
Les chauves-souris montrent un fort % de dAEs mais, s’applique-t-ilaux autres espèces sociales ?
• Des études récentes suggèrent que le rassemblement en groupediminue la chance qu’il se manifeste un dAE
• Les chauves-souris se regroupent pour se reproduire, et cesanalyses ont révélées des dAEs
• On devrait utiliser R à la recherche des dAEs chez d’autresespèces sociales : e.x. les suricates ou les lycaons
Les espèces sociales & l’effet Allee
Page 143
Dis
cuss
ion
Les chauves-souris montrent un fort % de dAEs mais, s’applique-t-ilaux autres espèces sociales ?
• Des études récentes suggèrent que le rassemblement en groupediminue la chance qu’il se manifeste un dAE
• Les chauves-souris se regroupent pour se reproduire, et cesanalyses ont révélées des dAEs
• On devrait utiliser R à la recherche des dAEs chez d’autresespèces sociales : e.x. les suricates ou les lycaons
• R devrait être utile à la détection des dAEs chez les espèces nonsociales
Les espèces sociales & l’effet Allee
Page 144
[email protected]
Thanks :
Jean-Michel Gaillard, Sandy Liebhold, EJ Milner-Gulland, XavierFauvergue & Paul Leadley
Franck Courchamp & other collaborators
Donna Harris, Liz & Dave Gregory
Céline Bellard, Elsa Bonnaud, Laetitia Giraud et all in bâtiments362 & 360
Page 145
Notes and extra slides
Page 146
Bet
ter d
etec
ting
dAE
sCalculating R
t3
t2
t1
t3t4
t2
t1
t3
t2
t1
t3
t2
t1
t4
t3
t2
t1
t3
t2
t1
t3
t2
t1
t4
t3
t2
t1
t3
t2
t1
-t3
t2
-t4
t3
t2
-t3
t2
-NY-YYN-YYR
Page 147
Bet
ter d
etec
ting
dAE
sCombining time series improves detection
RWEXNDAE
Indi
vidu
altim
e se
ries
Top-
rank
mod
els
Page 148
Soprano pipistrelle Common pipistrelle Simulated
Bet
ter d
etec
ting
dAE
sCombining time series improves detection