Non-stationnarité et approches locales pour modéliser les distributions de la faune

RÉSUMÉ Malgré un intérêt croissant pour la modélisation des distributions des espèces, relativement peu d'attention a été portée à l'autocorrélation spatiale et à la non-stationnarité. L'autocorrélation spatiale (la tendance pour des emplacements adjacents à être plus similaires que ceux éloignés) et la non-stationnarité (la variation des relations modélisées dans l'espace) sont probablement des propriétés communes des systèmes écologiques. Cet article se concentre sur la non-stationnarité et utilise deux techniques locales, la régression géographiquement pondérée (GWR) et la modélisation à coefficients variables (VCM), pour évaluer son impact sur les prédictions du modèle. Nous étendons deux études publiées, l'une sur la présence-absence des alouettes calandres en Espagne et l'autre sur la richesse en espèces d'oiseaux en Grande-Bretagne, pour comparer GWR et VCM avec la modélisation linéaire généralisée (GLM) et la modélisation additive généralisée (GAM) plus usuelles. Pour les données de l'alouette calandre, GWR et VCM ont produit des modèles de meilleur ajustement que GLM ou GAM. VCM, en particulier, a donné une autocorrélation spatiale significativement réduite dans les résidus du modèle. GWR a montré que les prédicteurs individuels devenaient stationnaires à différentes échelles spatiales, indiquant que les distributions sont influencées par des processus écologiques opérant à plusieurs échelles. VCM a pu prédire l'occurrence avec précision sur des données indépendantes de la même zone géographique que les données d'entraînement, mais pas au-delà, tandis que GAM a produit de bons résultats dans toutes les zones. Les prédictions individuelles des méthodes locales différaient souvent substantiellement des modèles globaux. Pour les données de richesse en espèces, VCM et GWR ont produit de bien meilleures prédictions que la régression ordinaire. Nos analyses suggèrent que les modélistes interpolant des données pour produire des cartes pour des actions pratiques (ex. conservation) devraient envisager des méthodes locales, tandis qu'elles ne devraient pas être utilisées pour l'extrapolation vers de nouvelles zones. Nous soutenons que les méthodes locales sont complémentaires aux méthodes globales, révélant des détails des associations d'habitat et des propriétés des données que les méthodes globales moyennent et omettent.