Notre numéro de novembre est maintenant disponible ! – Blog des méthodes
Ce problème contient les dernières méthodes en écologie et évolution. Lisez pour découvrir les articles vedettes de ce mois-ci et l’article derrière notre couverture !
En vedette
Frontières actuelles de la surveillance acoustique passive des chauves-souris
La surveillance acoustique passive des chauves-souris est utilisée dans un nombre croissant d’études en recherche appliquée et fondamentale. Malgré la publication de recommandations de bonnes pratiques, plusieurs débats non résolus persistent sur les possibilités et les limites offertes par la surveillance acoustique passive des chauves-souris. Ici, les auteurs proposent une évaluation complète des limites et des possibilités de la surveillance acoustique passive des chauves-souris, identifiant les lacunes dans les connaissances et les obstacles à la pratique, et mettent en évidence de nouveaux concepts et idées susceptibles de révolutionner nos pratiques en tant que communauté.
Release the HOGS : Une approche non supervisée d’extraction, de classification et de géoréférencement de marqueurs pour les données sur la biodiversité
Les grandes bases de données sur la biodiversité fournissent des informations clés sur les schémas de répartition, mais leur couverture temporelle peut être limitée. Ici, les auteurs présentent le système de géoréférencement des occurrences historiques (HOGS), un protocole Python qui isole les marqueurs d’occurrence des cartes de distribution, les attribue à des groupes taxonomiques et géoréférence chaque image par rapport à un système de coordonnées de base, produisant ainsi des coordonnées latitude-longitude pour toutes les occurrences de marqueurs cartographiées. Le nouveau protocole de géoréférencement permet la génération rapide de données d’occurrence à partir de cartes historiques, fournissant des données de référence ou de répartition améliorées pour les espèces et des entrées pour la modélisation de niches écologiques dans les études biogéographiques, évolutives et de conservation.
Quantification des modèles macro-évolutifs de moyenne et de variance des traits avec des modèles phylogénétiques à l’échelle de localisation
Les méthodes comparatives phylogénétiques traditionnelles se concentrent principalement sur la modélisation des valeurs moyennes des traits, négligeant souvent la variabilité et l’hétéroscédasticité qui peuvent fournir des informations essentielles sur la dynamique évolutive. Ici, les auteurs introduisent des modèles phylogénétiques à l’échelle de localisation, un nouveau cadre qui analyse conjointement l’évolution des moyennes et des variances des traits. Cette double approche capture l’hétéroscédasticité et les changements évolutifs dans la variabilité des traits, permettant la détection de clades présentant des variances différentes et révélant des modèles d’adaptation, de diversification et de contraintes évolutives. Ce cadre fournit un outil puissant pour explorer les modèles macroévolutifs et peut être utilisé pour réévaluer les données comparatives précédemment publiées, offrant ainsi de nouvelles perspectives sur les mécanismes à l’origine de la diversité de la vie.
Capteurs versus géomètres : comparaison de la surveillance acoustique passive, du piégeage photographique et de la surveillance par observateur pour les mammifères terrestres
Bien que la surveillance acoustique passive ait donné des résultats prometteurs pour les oiseaux, son application dans les évaluations de la biodiversité des mammifères a été peu testée. Dans cette étude, les auteurs ont comparé la surveillance acoustique passive (combinée aux intégrations BirdNET) à la surveillance traditionnelle basée sur des observateurs et au piégeage par caméra pour évaluer la biodiversité des mammifères terrestres sur plusieurs années sur une vaste échelle spatiale dans l’est de l’Australie. Les auteurs concluent qu’une approche combinée améliorera probablement la surveillance future de la biodiversité, offrant une compréhension plus détaillée des écosystèmes et soutenant des pratiques de conservation efficaces.
Des outils essentiels mais des biais négligés : l’intelligence artificielle et la classification scientifique citoyenne affectent les données des pièges photographiques
Le piégeage photographique génère de vastes ensembles de données d’images nécessitant une classification avant l’inférence écologique en aval, mais l’influence des erreurs de classification sur les analyses ultérieures est souvent négligée. Les performances de classification peuvent varier considérablement en fonction de la méthode de classification, des espèces, des conditions d’éclairage et d’autres facteurs contextuels. Cette étude visait à évaluer la variabilité des performances de classification entre différentes méthodes : une méthode de classification scientifique citoyenne et deux classificateurs d’IA (EfficientNet et DeepFaune) à l’aide d’une retenue étiquetée par des experts de 51 588 images réparties dans sept classes capturées jour et nuit. Les résultats des auteurs soulignent la nécessité d’améliorer la précision de la classification et d’intégrer explicitement l’incertitude de classification dans les modèles écologiques pour garantir la fiabilité de la surveillance automatisée des pièges photographiques.
Un cadre pluraliste pour mesurer, interpréter et décomposer l’hétérogénéité en méta‐analyse
Mesurer l’hétérogénéité, ou l’incohérence, entre les tailles d’effet est une étape cruciale pour interpréter les preuves méta-analytiques dans divers groupes taxonomiques et contextes spatio-temporels. Cependant, les écologistes et les biologistes évolutionnistes interprètent souvent les effets moyens globaux (effets moyens sur la population) comme cohérents d’un contexte à l’autre, sans quantifier ni interpréter correctement l’hétérogénéité. Ici, les auteurs présentent une approche pluraliste qui vise à quantifier l’hétérogénéité en introduisant des mesures complémentaires, dont chacune décompose l’hétérogénéité en variances au sein de l’étude, entre études et entre espèces (espèces et phylogénétiques). Pour démontrer les avantages de l’utilisation combinée de ces mesures, les auteurs synthétisent les estimations d’hétérogénéité à partir de 512 méta-analyses écologiques et évolutives.
Image de couverture
L’image montre un kangourou roux (Osphranter rufus) dans l’est de l’Australie qui regarde curieusement pendant que nous installons des enregistreurs audio autonomes. Ces appareils captent le paysage sonore d’un territoire, permettant ainsi de suivre la biodiversité par l’écoute. Cette méthode, appelée surveillance acoustique passive (PAM), a le potentiel de permettre d’économiser beaucoup de temps et d’argent pour des études complètes de la faune, mais elle s’est fortement concentrée sur les oiseaux. Notre objectif était de tester et de comparer le PAM pour des évaluations à grande échelle et à long terme de la biodiversité des mammifères terrestres. Nous voulions savoir si le PAM associé à une IA à apprentissage profond était capable et efficace de détecter des mammifères terrestres tels que ce marsupial australien emblématique. Crédit image : Sebastian Hoefer.
Lire l’article complet ici.