HAL Id: hal-02816409
https://hal.inrae.fr/hal-02816409
Submitted on 6 Jun 2020
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Estimation de la dynamique spatio-temporelle d’une métapopulation sur réseau. Application au colza
Florence Carpentier, Fabien Laroche, Catherine Laredo, Sylvie Huet
To cite this version:
Florence Carpentier, Fabien Laroche, Catherine Laredo, Sylvie Huet. Estimation de la dynamique
spatio-temporelle d’une métapopulation sur réseau. Application au colza. Colloque Ecologie 2010,
Sep 2010, Montpellier, France. 28 diapos. �hal-02816409�
Estimation de la dynamique spatio-temporelle d’une m´ etapopulation sur r´ eseau. Application au colza
Florence Carpentier, Fabien Laroche, Catherine Lar´ edo, Sylvie Huet
MIA INRA JOUY
3 septembre 2010
Agro-ecosyst` eme
I Contrˆ oler les flux de g` enes (pollen, graines)
I Risques de contaminations :
F sauvages ⇒ cultiv´ ees : qualit´ e agronomique
F cultiv´ ees ⇒ sauvages : ex OGM (transg` enes)
Colza
I tr` es r´ epandu en Europe
I grande capacit´ e de dispersion (pollen)
I repousse dans les champs (banques de graines, repousses)
I habitats (semi-)naturels : bordures champs et routes
⇒ Risques de contamination ´ elev´ es
Contexte
Populations f´ erales :
populations bordures de routes et chemins Dynamique des populations f´ erales :
D´ eterminer les sources :
I Immigration : champs, camions
I Auto-recrutement : populations, banques de graines Capacit´ e de persistence
Evaluer rˆ ole de ces populations
relais ou r´ eservoir de g` enes cultiv´ es (OGM)
Les populations f´ erales colza
D´ elimitation difficile
I densit´ e tr` es variable
I variable dans le temps
R´ eseau routier Habitat fragment´ e Champs
I source importante
I varient (espace et temps)
Particularit´ es des populations f´ erales
Mod` eles spatialement explicites en ´ ecologie (Hanski et al. 98)
Th´ eorique M´ etapopulation Paysage
ensemble de patch favorables diff´ erents degr´ es d’isolement M´ etapopulation sur R´ eseau :
Chaque route d´ ecompos´ ee en segments r´ egulier (3m)
M´ etapopulation sur r´ eseau
Aire ´ etudi´ ee :
I 42 km 2 centr´ e sur Selommes (Loir et Cher)
I 90 routes ∼ 70 000 segments de 3 m
7 ann´ ees cons´ ecutives d’observations (2000-2006)
Chaque ann´ ee, sur l’ensemble du r´ eseau routier sont observ´ es : Populations en ´ et´ e
I ensemble d’individus s´ epar´ es par <10m
I coordonn´ ees GPS
I effectifs Champs
I Position
I Entre 80 et 100 champs (11 ` a 14% de l’aire ´ etudi´ ee)
Les donn´ ees initiales
Populations
Pr´ esence-Absence Densit´ e
Population k n individus
1
1 1
1
1
1
1
1
1 1 0
1 0
0
0
0 0 0 0 0
0
Population k n individus n/3 n/3 0 0
0
0
0 0 0 0 0
0 n/3
Cr´ eation du jeu de donn´ ees
projection sur les segments
Champs cod´ es en pr´ esence-absence :
1
1 1
1
1
1
1
1
1 1
1
0 0 0 0 0 0
0
CHAMPS 1
Cr´ eation du jeu de donn´ ees
projection sur les segments
Notations
I Z i,n , la pr´ esence ou l’absence de population sur le segment i ` a l’ann´ ee n
I Z n , l’ensemble des observations sur l’ann´ ee n
Mod´ elisation de la d´ ependance temporelle
I mod` ele auto-r´ egressif
Pr(Z 1 = z 1 , ..., Z N = z N |Z 0 = z 0 ) =
N
Q
n=1
Pr(Z n = z n |Z n−1 = z n−1 ) Mod´ elisation de la d´ ependance spatiale :
I Ind´ ependance spatiale des r´ ealisations Pr(Z n = z n |Z n−1 = z n−1 ) = Q
i
Pr(Z n,i = z n,i |Z n−1 = z n−1 )
I Mais spatialement li´ ees aux travers des covariables (Z n,i |Z n−1 ) ∼ Bern(p i,n )
logit(p i,n ) = δ + γ/4 P
k ∈V (i)
Z n−1,k + /2 P
k∈V 0 (i)
C n−1,k + ζ/2 P
k∈V 0 (i)
C n,k
Le mod` ele Pr´ esence-Absence
Notations
I Z i,n , la pr´ esence ou l’absence de population sur le segment i ` a l’ann´ ee n
I Z n , l’ensemble des observations sur l’ann´ ee n Mod´ elisation de la d´ ependance temporelle
I mod` ele auto-r´ egressif
Pr(Z 1 = z 1 , ..., Z N = z N |Z 0 = z 0 ) =
N
Q
n=1
Pr(Z n = z n |Z n−1 = z n−1 )
Mod´ elisation de la d´ ependance spatiale :
I Ind´ ependance spatiale des r´ ealisations Pr(Z n = z n |Z n−1 = z n−1 ) = Q
i
Pr(Z n,i = z n,i |Z n−1 = z n−1 )
I Mais spatialement li´ ees aux travers des covariables (Z n,i |Z n−1 ) ∼ Bern(p i,n )
logit(p i,n ) = δ + γ/4 P
k ∈V (i)
Z n−1,k + /2 P
k∈V 0 (i)
C n−1,k + ζ/2 P
k∈V 0 (i)
C n,k
Le mod` ele Pr´ esence-Absence
Notations
I Z i,n , la pr´ esence ou l’absence de population sur le segment i ` a l’ann´ ee n
I Z n , l’ensemble des observations sur l’ann´ ee n Mod´ elisation de la d´ ependance temporelle
I mod` ele auto-r´ egressif
Pr(Z 1 = z 1 , ..., Z N = z N |Z 0 = z 0 ) =
N
Q
n=1
Pr(Z n = z n |Z n−1 = z n−1 ) Mod´ elisation de la d´ ependance spatiale :
I Ind´ ependance spatiale des r´ ealisations Pr(Z n = z n |Z n−1 = z n−1 ) = Q
i
Pr(Z n,i = z n,i |Z n−1 = z n−1 )
I Mais spatialement li´ ees aux travers des covariables (Z n,i |Z n−1 ) ∼ Bern(p i,n )
logit(p i,n ) = δ + γ/4 P
k ∈V (i)
Z n−1,k + /2 P
k∈V 0 (i)
C n−1,k + ζ/2 P
k∈V 0 (i)
C n,k
Le mod` ele Pr´ esence-Absence
Notations
I Z i,n , la pr´ esence ou l’absence de population sur le segment i ` a l’ann´ ee n
I Z n , l’ensemble des observations sur l’ann´ ee n Mod´ elisation de la d´ ependance temporelle
I mod` ele auto-r´ egressif
Pr(Z 1 = z 1 , ..., Z N = z N |Z 0 = z 0 ) =
N
Q
n=1
Pr(Z n = z n |Z n−1 = z n−1 ) Mod´ elisation de la d´ ependance spatiale :
I Ind´ ependance spatiale des r´ ealisations Pr(Z n = z n |Z n−1 = z n−1 ) = Q
i
Pr(Z n,i = z n,i |Z n−1 = z n−1 )
I Mais spatialement li´ ees aux travers des covariables (Z n,i |Z n−1 ) ∼ Bern(p i,n )
logit(p i,n ) = δ + γ/4 P
k ∈V (i)
Z n−1,k + /2 P
k∈V 0 (i)
C n−1,k + ζ/2 P
k∈V 0 (i)
C n,k
Le mod` ele Pr´ esence-Absence
Plus pr´ ecis´ ement,
la probabilit´ e pr´ esence/absence est mod´ elis´ ee lin´ eairement selon :
Population ann´ ee n − 1 dans dans le voisinage
γ/4 P
k∈V (i)
Z n−1,k
Champ ann´ ee n − 1 dans le voisinage
/2 P
k ∈V 0 (i)
C n−1,k
Champ ann´ ee n dans le voisinage
ζ/2 P
k∈V 0 (i)
C n,k
Voisin
Voisin opposé Voisin Segment i
Le mod` ele Pr´ esence-Absence
Plus pr´ ecis´ ement,
la probabilit´ e pr´ esence/absence est mod´ elis´ ee lin´ eairement selon :
Population ann´ ee n − 1 dans dans le voisinage
γ/4 P
k∈V (i)
Z n−1,k
Champ ann´ ee n − 1 dans le voisinage
/2 P
k ∈V 0 (i)
C n−1,k
Champ ann´ ee n dans le voisinage
ζ/2 P
k∈V 0 (i)
C n,k
Voisin
Voisin opposé Voisin Segment i
CHAMPS année n ou n-1
Voisin Voisin Segment i
CHAMPS année n ou n-1
F.Carpentier (MIA INRA JOUY) Colza 3 septembre 2010 10 / 18
Le mod` ele Pr´ esence-Absence
Notations
I Y n ∗ , ensemble des observations non nulles
I Y i,n ∗ , densit´ e de population sur le segment i ` a l’ann´ ee n
I Y n , ensemble des observations sur l’ann´ ee n
Hypoth` eses identiques
I D´ ependance temporelle
Pr(Y 1 ∗ = y 1 , ..., Y N ∗ = y N |Y 0 = y 0 ) =
N
Q
n=1
Pr(Y n ∗ = y n |Y n−1 ∗ = y n−1 )
I Ind´ ependance spatiale
Pr(Y n ∗ = y n |Y n−1 ∗ = y n−1 ) = Q
i
Pr(Y n,i ∗ = y n,i |Y n−1 ∗ = y n−1 )
Le mod` ele densit´ e non nulle
Mod` ele
(Y n,i ∗ |Y n−1 ∗ ) ∼ log N (µ i,n , τ ) E (Y n,i ∗ |Y n−1 ∗ ) = δ + γ
4 X
k∈V (i)
Y n−1,k + 2
X
k ∈V 0 (i)
C n−1,k + ζ 2
X
k∈V 0 (i)
C n,k
Remarques :
I Y n−1 et non pas seulement Y n−1 ∗
I Mod` ele lin´ eaire sans fonction de lien (U (0, 50))
⇒ interpr´ etation directe des param` etres
F γ taux de reproduction des populations f´ erales
F contribution des champs n (perte lors des semis)
F ζ contribution des champs n − 1 (dispersion)
F δ apport ext´ erieur
I Param` etres moyens et ”efficaces”
Le mod` ele densit´ e non nulle
Donn´ ees r´ eduites :
10 routes parmi les 90 du site 5 000 segments sur les 70 000 R´ esultats obtenus par MCMC (jags)
Pr´ esence-Absence Pr(Z i,n = 1|E ) Apport Ext´ erieur
Z v (i),n−1 = 0, C v(i),n = 0, C v(i),n−1 = 0 1.1% [1.0,1.2]
Populations n dans V (i)
Z v (i),n−1 = 1, C v(i),n = 0, C v(i),n−1 = 0 1.3% [1.0,1.6]
Z v (i),n−1 = 4, C v(i),n = 0, C v(i),n−1 = 0 2.5 % [1.17,4.9]
Champs n
Z = 0, C = 1, C = 0 0.8% [0.6,1.0]
Premiers R´ esultats
Donn´ ees r´ eduites :
10 routes parmi les 90 du site 5 000 segments sur les 70 000 R´ esultats obtenus par MCMC (jags)
Pr´ esence-Absence Densit´ e > 0 Pr(Z i,n = 1|E ) Contribution
Apport Ext´ erieur 1.4 [1,2]
Z v (i),n = 0, C v(i),n = 0, C v(i),n−1 = 0 1.1% [1.0,1.2]
Populations n dans V (i) 0.6 [0.02,3.7]
Z v (i),n−1 = 1, C v(i),n = 0, C v(i),n−1 = 0 1.3% [1.0,1.6]
Z v (i),n−1 = 4, C v(i),n = 0, C v(i),n−1 = 0 2.5 % [1.17,4.9]
Champs n 5.1 [2.3,9.1]
Z v (i),n−1 = 0, C v(i),n = 1, C v(i),n−1 = 0 0.8% [0.6,1.0]
Champs n − 1 0.27 [0.01,1.13]
Z = 0, C = 0, C = 1 3.6% [3.2,4.0]
Premiers R´ esultats
Nouveau mod` ele : δ n + γ n
4 X
k ∈V (i )
Y n−1,k + n 2
X
k∈V 0 (i)
C n−1,k + ζ n 2
X
k ∈V 0 (i)
C n,k Pr´ esence-Absence Densit´ e non nulle
0.05 0.10 0.15
●
●
●
●
●
●
●
●
●
●
●
Global (IC) 2001 Autres années
●●
●
●●
●
● ●
●