Fermer

26/08/2022

Obtenir des données pour en faire plus pour la biodiversité — ScienceDaily


Les écologistes de la Michigan State University ont développé un cadre mathématique qui pourrait aider à surveiller et à préserver la biodiversité sans se ruiner.

Ce cadre ou modèle prend des données à faible coût sur des espèces relativement abondantes dans une communauté et les utilise pour générer des informations précieuses sur leurs voisins plus difficiles à trouver. Le journal Biologie de la conservation a publié la recherche sous forme d’article Early View le 25 août.

« L’un des plus grands défis de la surveillance de la biodiversité est que les espèces qui vous préoccupent le plus ont tendance à être les moins abondantes ou ce sont les espèces les plus difficiles à observer lors de la collecte de données », a déclaré Matthew Farr, l’auteur principal du nouveau rapport. . « Ce modèle peut être vraiment utile pour ces espèces rares et insaisissables. »

Farr, maintenant chercheur postdoctoral à l’Université de Washington, a aidé à développer le modèle en tant qu’étudiant au doctorat dans le laboratoire d’écologie quantitative d’Elise Zipkin au Collège des sciences naturelles de MSU.

« Il y a beaucoup d’espèces dans le monde et beaucoup d’entre elles manquent de données », a déclaré Zipkin, professeur agrégé de biologie intégrative et directeur du programme d’écologie, d’évolution et de comportement de MSU, ou EEB. « Nous développons des approches pour estimer plus rapidement ce qui se passe avec la biodiversité, quelles espèces sont en difficulté et où, dans l’espace, devons-nous concentrer nos efforts de conservation. »

Après avoir validé le modèle avec l’aide d’antilopes forestières en Afrique, les chercheurs affirment qu’il pourrait être appliqué à une variété d’autres animaux répondant à certains critères.

« Le modèle ne fonctionne pas pour tous les types d’espèces. Ce n’est pas une panacée », a déclaré Zipkin. « Mais quand cela fonctionne pour une communauté, nous pouvons en apprendre beaucoup plus sur les espèces membres sans beaucoup de données. »

La « magie » du modèle

Pour son nouveau modèle, l’équipe de Zipkin s’est concentrée sur ce qu’on appelle les données de détection-non-détection qui permettent de savoir si un animal donné est détecté ou non dans un habitat donné.

« Ce sont essentiellement les données les moins chères et les plus faciles à collecter », a déclaré Zipkin. « Vous allez à un endroit, attendez et voyez quels animaux sont là et n’avez besoin que d’enregistrer quelles espèces sont vues. »

Les chercheurs recueillent ces données visuellement en personne ou avec des pièges photographiques à faible coût à détection de mouvement qui prennent des photos lorsqu’ils sont déclenchés par un animal. Les chercheurs analysent ensuite les photos pour enregistrer les données de détection et de non-détection au fil du temps.

Il y a cependant des compromis. Bien que relativement bon marché et faciles à collecter, les données de détection et de non-détection ne fournissent pas autant d’informations que les chercheurs et les défenseurs de l’environnement le souhaitent. Historiquement, cela a nécessité des approches d’observation intensives telles que le marquage et le suivi des animaux.

« Cela nous permet de calculer toutes sortes de choses sur les animaux et leurs communautés, mais ces données sont chères et difficiles à obtenir », a déclaré Zipkin. « Pour certaines espèces, c’est impossible. »

L’équipe de MSU s’est rendu compte que, pour les bons animaux, ils pouvaient utiliser une compréhension du comportement animal et des statistiques pour combler le manque d’informations en extrayant plus d’informations sur les données de détection et de non-détection.

« Pour certaines espèces, ce sont les meilleures données que vous puissiez obtenir », a déclaré Farr. « Maintenant, nous pouvons en tirer plus. »

Cela peut sembler magique – certains collègues de Zipkin l’ont même dit – mais il n’y a rien de surnaturel dans le modèle. Comme une grande partie de la science, c’est le résultat d’un travail acharné, d’une collaboration et d’un renforcement des efforts antérieurs dans le domaine.

L’histoire du nouveau modèle a ses racines en 2003 avec les chercheurs J. Andrew Royle et James D. Nichols. Le duo a mis au point un lien mathématique entre l’abondance d’une espèce et la probabilité de la détecter.

À l’époque, Royle était chercheur au US Fish and Wildlife Service et Nichols au US Geological Survey. Tous deux sont des anciens de la MSU : Royle a obtenu son baccalauréat en 1990 et Nichols a obtenu son doctorat en 1976.

« C’est intéressant », a déclaré Farr, dont la conseillère actuelle, Sarah Converse, a également obtenu un baccalauréat de l’État du Michigan avant de devenir professeur associé à l’Université de Washington. « Où que vous alliez dans ce domaine, les gens ont un lien avec l’État du Michigan. »

Après avoir publié le modèle Royle-Nichols, Royle a rejoint l’USGS, où il travaillait avec Zipkin avant de rejoindre MSU en 2014. En 2016, l’équipe de Zipkin a fait évoluer le modèle Royle-Nichols pour estimer des choses comme les taux de survie et de reproduction pour un seul espèces utilisant la chouette rayée comme étude de cas.

Travaillant dans le laboratoire de Zipkin avec le soutien de la National Science Foundation, Farr est passé à l’étape suivante en reliant la dynamique des populations de différentes espèces au sein des mêmes communautés.

« Le modèle permet aux informations d’espèces plus communes d’informer sur ce qui se passe avec les espèces rares et insaisissables », a déclaré Farr. « Le modèle repose sur les points communs entre les espèces, mais permet toujours des variations. »

Pour développer le modèle, l’équipe a dû faire certaines hypothèses, comme que les espèces ciblées étaient territoriales et ne voyageaient pas beaucoup. Les chercheurs ont ensuite dû trouver des espèces réelles qui correspondent à ces hypothèses pour valider leur modèle.

« Nous savions que cela fonctionnerait pour certains types de communautés, mais ces communautés existaient-elles dans la vraie vie ? » dit Zipkin.

« C’est l’un des plus grands défis dans le développement de modèles », a déclaré Farr. « Vous développez le modèle dans le vide avec des simulations exécutées dans des conditions parfaites. Vous devez montrer ce qu’il peut faire dans une situation réelle. »

« C’est à ce moment-là que Tim O’Brien a tendu la main et a dit: » J’ai vos animaux «  », a déclaré Zipkin.

Les données du plongeur

Timothy O’Brien est un écologiste à la retraite au Kenya qui a travaillé avec la Wildlife Conservation Society, une organisation non gouvernementale ou une ONG, et un expert en pièges photographiques. Dans le cadre de ce qu’on appelle le programme d’évaluation et de surveillance de l’écologie tropicale, ou TEAM, il a aidé à normaliser la façon dont les pièges photographiques sont utilisés pour rendre leurs données aussi puissantes que possible.

Il connaissait le travail de Zipkin en 2016 et a appris qu’elle élargissait le modèle pour inclure plusieurs espèces sur plusieurs saisons. Il soupçonnait que les antilopes forestières, notamment celles connues sous le nom de céphalophe, fourniraient le cas de test parfait.

Non seulement le comportement des céphalophes correspondait aux hypothèses du modèle, mais O’Brien avait aidé à surveiller les animaux pendant des années à l’aide de pièges photographiques. Duikers a présenté un cas de conservation intéressant et important.

« Le céphalophe qui vit dans les forêts tropicales, c’est la viande de brousse la plus recherchée d’Afrique », a déclaré O’Brien. « Si les populations de céphalophe sont en déclin, c’est généralement à cause des gens qui chassent la viande de brousse. »

La viande de brousse est la viande de n’importe quel animal sauvage et c’est une source importante de nourriture et de revenus pour de nombreuses communautés. Mais la chasse est peu réglementée et est financièrement incitée par les marchés qui vendent de la viande de brousse. La combinaison peut être dévastatrice pour les populations de céphalophes.

Avec le modèle de MSU et les données sur les céphalophes de TEAM, l’équipe a évalué la dynamique de la population d’un total de 12 espèces d’antilopes – certaines plus abondantes que d’autres – dans six parcs nationaux d’Afrique, où les céphalophes sont protégés. Les données couvraient des périodes allant de quatre à 11 ans.

« Nous n’avons pas vu le niveau de déclin de la population de céphalophe que vous attendez lorsque la chasse est un problème », a déclaré O’Brien. « Je dirais que les parcs remplissent leur fonction en ce qui concerne les céphalophe. »

Dans l’ensemble, les populations de céphalophe étaient pour la plupart stables, mais les chercheurs ont détecté des déclins de population dans environ 20 % des combinaisons d’espèces et de parcs qu’ils ont examinées. Encore une fois, les déclins n’étaient pas si importants pour suggérer que le céphalophe était trop chassé dans les parcs, mais les chercheurs veulent toujours comprendre ce qui se passe dans ces cas.

« Nous avons découvert que la cause des changements était davantage les différences entre les parcs qu’entre les espèces », a déclaré Zipkin. « Nous n’avons pas encore identifié les causes exactes, mais nos résultats pourraient nous aider à le faire. »

« Matt et Elise ont emmené ce modèle dans un tout nouvel avion », a déclaré O’Brien. « J’ai vraiment apprécié la collaboration. »

Charles Yackulic, statisticien de recherche à l’USGS, a également contribué au projet, qui a été soutenu par la NSF, la WCS, Conservation International, la Smithsonian Institution et la Gordon and Betty Moore Foundation.

« Ce projet est un excellent exemple d’une université, d’un gouvernement et d’ONG travaillant ensemble », a déclaré Zipkin.



Source link