Analyses statistiques

Toutes les analyses statistiques ont été effectuées à l’aide du logiciel R (R Development Core Team 2011). Les données de recouvrement en espèces (arbres, arbustes, herbacées, lichens et mousses) ont été transformées par la méthode d’Hellinger (fonction decostand - librairie vegan en R) afin de réduire l’influence d’un grand nombre de double-zéros et l’influence des espèces rares (Legendre et Legendre 2012). Afin de réduire la variance produite par un échantillonnage très fin dans un milieu bien diversifié, les variables réponses et explicatives échantillonnées sur le terrain à l’échelle de la microplacette (4 m2_{) ont}

été converties en valeurs à l’échelle de la placette (100 m2_{). Les pourcentages de}

recouvrement ont été convertis en calculant la moyenne des trois microplacettes incluses dans chaque grande placette. Aussi, la surface terrière des arbres a été additionnée à la surface terrière moyenne des gaules afin d’avoir une valeur de surface terrière totale pour chaque espèce dans chaque placette.

Une analyse de variance par permutations pour données multivariables (MANOVA par la fonction adonis - librairie vegan) a été utilisée pour déterminer l’influence de

la région et des différents types de milieux aquatiques sur la composition végétale des placettes.

Afin de caractériser la répartition spatiale de la diversité en espèces au sein de l’écotone riverain, la biodiversité a été observée à plusieurs échelles, soit alpha, bêta et gamma (Whittaker 1972). Pour la diversité alpha, la richesse spécifique (nombre d’espèces différentes) de chaque placette a été mise en relation avec la distance à la rive et l’élévation par rapport au niveau de la rive. La diversité gamma a été calculée pour tout le transect en additionnant les diversités alpha de chaque placette et a ensuite été mise en relation avec l’élévation maximale du transect par rapport au niveau de la rive. Des régressions linéaires simples (fonction lm – librairie stats) ont ensuite permis de vérifier la variation en diversité alpha le long des transects et en diversité gamma entre les transects. Pour la diversité bêta, le coefficient des communautés de Jaccard (fonction vegdist - librairie vegan) sous forme de distance (inverse de la similarité) a été calculé pour chaque paire de placettes adjacentes le long du transect. Ces valeurs de diversité bêta ont ensuite été analysées selon la distance à la rive à l’aide de modèles généraux additifs (fonction gam - libraire mgcv) puisque la relation n’était pas linéaire. De même, des modèles généraux additifs ont également permis de modéliser les profils d’élévation à partir de la rive vers les hautes terres propres à chaque type de lac et cours d’eau dans chaque province naturelle.

Nous avons par la suite exploré les types de communautés végétales trouvés dans les différents milieux aquatiques et provinces naturelles. Ces communautés végétales ont été analysées à l’aide d’un arbre de régression multivariable (Multivariate regression tree - MRT ; fonction mvpart - librairie mvpart). Ce type d’analyse a été privilégié aux autres méthodes de groupement car en plus d’être simple d’usage et d’interprétation (Ouellette et al. 2012), il permet de fragmenter les données de végétation en communautés selon les conditions environnementales associées à chaque parcelle. C’est donc une méthode de

variables réponses à de nouveaux sites en fonction de leurs conditions environnementales. Les variables utilisées étaient la province naturelle, le type de lac ou cours d’eau, la topographie, le type de sol, le drainage, l’élévation et la distance à la rive. Une fois l’arbre totalement résolu, une validation croisée à partir de 10 sous-groupes successivement mis à l’écart a permis de déterminer le niveau d’embranchement formant le nombre de groupes à la composition la plus prédictive (Borcard et al. 2011). Toutes ces étapes de formation d’arbres et de validation croisée ont été reprises 1000 fois afin de valider l’ensemble du résultat des validations croisées (Borcard et al. 2011).

Pour ces MRT, les espèces ayant une fréquence de moins de 1 % du nombre total de placettes dans l’échantillon (présence < 7/726 placettes) ont été éliminées (voir liste des espèces échantillonnées et leur fréquence dans le Tableau 2 en annexe). Le nombre de présences a été retenu comme critère de sélection plutôt que l’abondance en recouvrement puisqu’une espèce souvent présente, mais couvrant toujours une petite surface, nous apparaissait plus informative qu’une espèce qui se trouve dans peu d’endroits sur l’ensemble du territoire boréal québécois, mais qui, à ces endroits précis, y est abondante. Le seuil de 1% de présence a été déterminé arbitrairement puisqu’il permettait de restreindre de près de la moitié le nombre d’espèces (99 espèces retenues sur 180 au total) et permettait d’obtenir une distribution de fréquence où la majorité des espèces sont présentes dans plus de 50 placettes. Plusieurs seuils ont été testés, mais seulement les analyses effectuées avec un seuil de 1 % sont présentées.

Une fois les groupements obtenus, l’indice de valeur indicative (fonction Indval incluse dans la fonction MRT – librairie MVPARTwrap) a été employé pour identifier les espèces indicatrices de chaque groupement et bipartition obtenus (Ouellette et al. 2012). Chaque espèce se voyait attribuer un pointage selon le groupement où elle était le plus souvent trouvée (valeur de spécificité) et si elle était fréquente au sein du groupement (fidélité). Une espèce obtenait donc l’indice maximal si elle était présente dans un seul groupe parmi l’échantillon et qu’on la

retrouvait dans tous les sites de ce groupe (Legendre et Legendre 2012). L’espèce était ensuite associée au groupe où son indice était le plus élevé et sa significativité était calculée par un test par permutations (Legendre et Legendre 2012). Les espèces obtenant un seuil de signification α de moins de 0,05 ont été retenues comme espèces indicatrices.

Pour les relevés géomatiques, des analyses de variance pour données univariées par permutations (nombre de permutations par défaut=1000) (ANOVA par fonction lmp - librairie lmper) ainsi que des tests protégés de comparaisons multiples de Tukey (fonction glht - librairie lmper) ont été utilisés pour vérifier si la composition des rives varie selon la province naturelle et le type de milieux aquatiques.