• Aucun résultat trouvé

Package R: SDMPlay

N/A
N/A
Protected

Academic year: 2022

Partager "Package R: SDMPlay"

Copied!
26
0
0

Texte intégral

(1)

Package R: SDMPlay

Species Distribution Modelling Playground

Charlène GUILLAUMOT, Alexis MARTIN

Semin’R, 16 juin 2017

(2)

Species Distribution Modelling?

1

Ÿ Données de présence

Ÿ Descripteurs spaIaux de l’environnement

Cartes de distribuIon potenIelle de l’espèce d’étude

(3)

Species Distribution Modelling?

(4)

Species Distribution Modelling? METHODE

pixel profondeur salinité

présence -1000 4.5 33

présence -40 2.4 33.1

présence -23 2.3 34.1

présence -800 1.4 32.9

background -78 3.3 33.4 background -270 1.2 33.2 background -567 1.3 33.7

background -230 4 32.8

background -84 3.1 32.9

ŸParamètres environnementaux

ŸPoints de présence

ŸPoints de background environnemental ou données d’absences

Algorithmes de

modélisation

(5)

BRT GAM

RandomForest

MaxEnt BIOCLIM

GARP ENFA MARS

Ensemble Models

GLM

5

Species Distribution Modelling? METHODE

(6)

BRT GAM

RandomForest

MaxEnt BIOCLIM

GARP ENFA MARS

Ensemble Models

GLM

6

Species Distribution Modelling? METHODE

SDMPlay

MaxEnt BRT

(7)

Package SDMPlay…

(8)

Package SDMPlay…

(9)

Données de présences d’oursins sur le plateau des Kerguelen

Taxonomie Profondeur Année de collecIon

Campagne

Longitude/ LaItude

Brisaster antarc+cus

Ctenocidaris nutrix

Voir Guillaumot et al. 2016, Zookeys

(10)

Package SDMPlay…

(11)

Données environnementales sur le plateau des Kerguelen

Voir Guillaumot et al. 2016, Zookeys

SIGNIFICANT

NOT SIGNIFICANT

BIOLOGICAL DATA

•  Species selec)on

•  Distribu)on records (presence-only/

presence-absence/abundance)

•  Matching the modelling area with distribu)on records

•  Ecological relevance

•  Quality and type of data (missing values, con)nuous/categorical/discrete)

•  Tes)ng for collinearity

•  Resolu)on

ENVIRONMENTAL DESCRIPTORS

MODEL SELECTION

•  Single vs Ensemble Modelling

•  Modelling performance

(chronological addi)on of new records, transferability)

RECORDS ADDITION

•  Tes)ng for the chronological addi)on of data

•  Tes)ng for the number of occurrence records

•   Tes)ng for the distribu)on of occurrence records

SPATIAL BIAS

•  Tes)ng for sampling bias

•  Tes)ng for spa)al autocorrela)on

TEMPORAL VARIATIONS

•  Tes)ng for environmental changes

PREDICTION PERFORMANCE

•  Tes)ng for predic)on performances

BIAS CORRECTION

Background sampling for spa;al bias correc;on

SPECIES DISTRIBUTION MODELLING

NOT SIGNIFICANT

NOT SIGNIFICANT

SIGNIFICANT SIGNIFICANT

SIGNIFICANT

NOT SIGNIFICANT

Température de surface Température de fond

Salinité de surface Salinité de fond

Chlorophylle Profondeur Géomprhologie

ConcentraIon en oxygène Pente

(12)

Package SDMPlay…

(13)

Fontion SDMtab

pixel profondeur salinité

présence -1000 4.5 33

présence -40 2.4 33.1

présence -23 2.3 34.1

présence -800 1.4 32.9

background -78 3.3 33.4 background -270 1.2 33.2 background -567 1.3 33.7

background -230 4 32.8

background -84 3.1 32.9

Permet de créer la matrice à implémenter dans l’algorithme de modélisaIon

Algorithmes de

modélisation

(14)

Package SDMPlay…

(15)

Fontion SDMdata.quality

Permet vérifier la qualité iniIale de jeu de

données

(16)

Package SDMPlay…

(17)

Fontion delim.area Permet de réduire l’étendue géographique et profondeur des couches environnementales

Ex. réducIon à 1000m

(18)

Package SDMPlay…

(19)

0 5 10 15 20 25 30 35 40

(A) PRESENT (2005-2012) (B) FUTURE (IPCC A2 2100) (C) DISTRIBUTION SHIFTS 45 Ctenocidaris nutrix

-46 -56 DA-B = 0.889 ± 0.02 AUC= 0.813± 0.02

Contribu;on (%) depth sst seafloor temp. sst amp. seafloor temp. amp. sssalinity sssalinity amp. seafloor salinity amp. sediments chl.a geomorphology slopeseafloor oxygen

(D)

Guillaumot et al. (submibed)

Exemple de résultats de modèles

(20)

0 5 10 15 20 25 30 35 40

(A) PRESENT (2005-2012) (B) FUTURE (IPCC A2 2100) (C) DISTRIBUTION SHIFTS 45

Ctenocidaris nutrix

-46 -56

D

A-B

= 0.889 ± 0.02 AUC= 0.813± 0.02

Contribu;on (%) depth sst seafloor temp. sst amp. seafloor temp. amp. sssalinity sssalinity amp. seafloor salinity amp. sediments chl.a geomorphology slopeseafloor oxygen

(D)

Guillaumot et al. (submibed)

Exemple de résultats de modèles

(21)

Package SDMPlay…

(22)

ROC (courbe)= Receiver OperaIng System

AUC (aire sous la courbe): Area Under the ROC Curve

%TP

%FP

Evaluer les modèles

AUC = 0.5 modèle aléatoire AUC > 0.85 bonnes

performances de modélisaIon

(23)

Package SDMPlay…

(24)

AUC= 0.871 ± 0.026 AUC= 0.962 ± 0.013

(A) (B) (C)

Modèles nuls

Evaluer les biais liés à l’effort

d’échanIllonnage…

(25)

Conclusions

-  Package idéal pour une première approche des SDMs -  PraIque pédagogique (TD avec les étudiants)

-  Adapté aux jeux de données de présences-seules

Perspec<ves de développement:

è Ajouter des opIons de bootsrapping (répliquer les modèles)

èUIlisaIon pour des données de présence/absence

(26)

Package R: SDMPlay

Species Distribution Modelling Playground

Charlène GUILLAUMOT, Alexis MARTIN

Semin’R, 16 juin 2017

charleneguillaumot21@gmail.com

Merci pour votre abenIon !

Références

Documents relatifs

Objectif de Icarus (Icarus CAle et Redresse les Unités en Sondages) : proposer un package avec des fonctionnalités spéci�quement dédiées au calage, avec une interface proche

Copy-number signal is segmented by the PELT segmentation method from changepoint package (Killick et al., 2013).. Allele

SC1: main characters (including Valjean), SC2: Bishop Myriel and related characters, SC3: Gavroche and related characters, SC4: rest of the. Nathalie Villa-Vialaneix |

However, as far as we can tell, SOMbrero is the most complete one, with user-friendly features and implementations of variants of the original algorithm for relational data

The sentometrics package implements an intuitive framework to efficiently compute sentiment scores of numerous texts, to aggregate the scores into multiple time series, and to use

Having briefly discussed the applicability of quantum interaction it is obvious to extend the entanglement of concepts and contexts toward an ecological approach to

C’est pourquoi ce stage propose de s’int´eresser au probl`eme du mariage maximal avec une approche strictement ou fortement stabilisante.. 2 Objectifs

La suite du stage sera une ´ etude algorithmique compl` ete (i.e. ´ ecriture, preuve et analyse d’algorithmes) pour r´ epondre ` a un probl` eme de service (on peut par