Résumé: L’étude du rôle de la biodiversité pour le fonctionnement et la stabilité des écosystèmes est devenue une sous-discipline majeure en écologie. De plus en plus, les écologistes abordent les grands complexes de données biologiques dans un cadre mécanistique visant à comprendre les patrons de distribution d’abondance d’espèces largement tributaire des échelles spatiale et temporelle de caractérisation. En raison de l’étendue de ces échelles d’investigation, souvent les manipulations expérimentales ne peuvent être réalisables ou possibles. Heureusement, l’analyse des patrons de biodiversité a beaucoup progressé ces dernières années, si bien qu’on assista à l’émergence de nombreuses méthodes particulièrement bien adaptées aux caractéristiques numériques de ce type de données. Notre but est d’élever les compétences des étudiants de deuxième et troisième cycle qui sont intéressés par l’analyse des patrons de biodiversité ou de l’étude des relations faune/flore vs habitat. Ce cours mettra l’emphase sur des techniques d’analyses alternatives à celle déjà enseignée à l’UQAM ou ailleurs à Montréal. Finalement, il s’agit avant tout d’un cours pratique qui, nous l’espérons, aidera les étudiants et chercheurs en écologie à mieux décrire et, par conséquent comprendre, les patrons de biodiversité.
Le cours va considérer 3 volets majeurs de la biodiversité :
- les techniques de classification des communautés et l’inférence des mécanismes de structuration des communautés;
- l’implication des échelles (spatiale et temporelle) avec une attention particulaire sur les liens entre les processus ayant cours à l’échelle des communauté et ceux opérant davantage à l’échelle des paysages et;
- le développement des modèles plausibles causales de l’interaction entre la biodiversité et la fonction écosystémique.
Spécifiquement nous allons donner une introduction à :
Classification de communauté (Timothy Work) : « non-metric scaling » et les applications associées come la PERMANOVA (permutation based non-parametric ANOVA), CART (classification and regression trees) et MRT (multivariate regression trees), « random forests » et autres techniques qui sont développés spécifiquement pour des données d’observation ou l’on retrouve une « surabondance de zéro » qui sont observé régulièrement dans les communautés avec beaucoup d’ espèces rares.
Scaling (Alain Leduc) : « point pattern analysis vs quadrat size analysis », méthodes d’interpolation spatiale, détection de bordure, détection et implication de l’autocorrelation, patch (Fragstat) vs pattern analysis de la configuration des paysages.
Modèles causale des interactions (Micheal Papaik) : une comparaison des modèles écologiques basés sur la théorie de probabilité et de vraisemblance, modèles causaux comme path analysis, d-sep et les modèles d’équations structurales.
Structure du cours: Nous anticipons que les sujet suivants seront discutés dans un cours s’échelonnant sur 10 semaines. Le cours sera composé de discussions et de séances pratiques. Les séances de discussion d’une durée de 3 heures, auront lieu une fois par semaine (matin ou après-midi). Ces séances seront consacrées à la présentation de différentes techniques et aux critères menant à leur sélection. Les séances de laboratoire d’une durée de 2 heures chaque semaine se tiendront dans un laboratoire d’informatique où les étudiants devront acquérir des compétences en situations réelles de traitement de donnée. On utilisera le langage de programmation R.