Réduction d’échelle spatio-statistique avec quantification de l’incertitude dans la modélisation de la biodiversité – Methods Blog
Tout au long du mois de mars, nous présentons articles présélectionnés pour le prix Robert May 2025. Le Prix Robert May est récompensé chaque année par la British Ecological Society pour le meilleur article sur les méthodes en écologie et évolution rédigé par un auteur en début de carrière. L’article de Xiaotian Zheng ‘Réduction d’échelle spatio-statistique avec quantification de l’incertitude dans la modélisation de la biodiversité » fait partie des finalistes pour ce prix.
À propos du papier
Quel est le sujet de votre article présélectionné et à quoi cherchez-vous à répondre avec votre recherche ?
Comprendre et prévoir la perte sans précédent de biodiversité constitue l’un des plus grands défis auxquels l’humanité est confrontée. Relever ce défi implique de quantifier l’incertitude dans l’inférence sur la biodiversité, par exemple pour la prise de décision liée à la gestion de la conservation et à l’évaluation des risques. Notre article aborde une source clé d’incertitude qui découle de la réduction d’échelle des données climatiques régionales d’une résolution grossière à une résolution fine. La réduction d’échelle révèle des détails locaux et des modèles spatiaux qui peuvent ne pas être réellement présents et qui comportent donc une certaine incertitude. Dans cet article, nous étudions les conséquences de l’ignorance de l’incertitude de réduction d’échelle pour l’inférence sur la biodiversité à l’aide d’une analyse de variance. Nous proposons un protocole en deux étapes dans lequel les données à résolution grossière sur les variables explicatives du climat sont d’abord réduites avec une quantification de l’incertitude par échantillonnage de Monte Carlo. Dans la deuxième étape, les échantillons réduits sont incorporés dans un modèle linéaire généralisé (GLM). Nous appelons ce protocole en deux étapes CORGI (Change Of Résolution in GLM Inference).
Avez-vous été surpris par quelque chose en travaillant dessus ? Avez-vous eu des défis à surmonter ?
Il s’est avéré que l’intégration de l’incertitude de réduction d’échelle dans les modèles linéaires généralisés n’était pas triviale. Comme nous le montrons dans l’étude de simulation, une approche simple incluant directement des échantillons réduits peut conduire à des inférences biaisées et invalides. Pour résoudre ce problème, nous avons introduit une décomposition spatiale par erreur de Berkson pour les échantillons réduits. Cette décomposition permet de propager correctement l’incertitude de réduction d’échelle dans des modèles linéaires généarisés.
Quelle sera la prochaine étape dans ce domaine ?
La prochaine étape consiste à développer des approches de réduction d’échelle qui repoussent les limites de ce qui peut être réalisé en termes de résolution spatiale, tout en quantifiant de manière appropriée l’incertitude. Ceci est crucial pour l’inférence et l’évaluation à grande échelle de la biodiversité. Il est également nécessaire de développer des protocoles pour inclure correctement l’incertitude de réduction d’échelle dans des modèles autres que les modèles linéaires généarisés, afin de prendre en charge un large éventail d’applications scientifiques.
Quels sont les impacts ou implications plus larges de votre recherche sur les politiques ou la pratique ?
La communauté appelle de plus en plus à cesser d’ignorer l’incertitude cartographique dans les sciences de la biodiversité. Notre travail contribue en fournissant un moyen pratique de quantifier l’incertitude et de la propager dans des analyses ultérieures. Pour ce faire, nous générons des échantillons de Monte Carlo de modèles de biodiversité (par exemple, des cartes) à l’aide d’échantillons de Monte Carlo de climat réduit. Cela offre des conseils pratiques pour les recherches en cours et futures sur l’inférence de la biodiversité, ainsi que pour la gestion et l’élaboration des politiques, afin de prendre en compte non seulement les meilleures estimations ou prévisions, mais également l’incertitude qui y est associée découlant de la réduction d’échelle du climat.
À propos de l’auteur
Comment en êtes-vous arrivé à l’écologie ?
J’ai étudié pour mon doctorat à l’Université de Californie à Santa Cruz, un campus situé sur une colline boisée, entouré de séquoias et surplombant la baie de Monterey. Vivre et étudier dans cet environnement riche en habitats naturels a progressivement suscité mon intérêt pour l’écologie. Plus tard, une opportunité postdoctorale en Australie pour travailler sur la biodiversité et le changement climatique afin de protéger l’Antarctique a transformé cette première inspiration en réalité.
Quel est votre poste actuel ?
Cet article a été rédigé alors que j’étais chercheur postdoctoral à l’Université de Wollongong, où mon poste était soutenu par la subvention SR200100005 du Conseil australien de la recherche SRIEAS pour sécuriser l’avenir environnemental de l’Antarctique. Je suis maintenant professeur adjoint à l’Université de Géorgie.
Avez-vous poursuivi les recherches sur lesquelles porte votre article ?
Oui! Je travaille actuellement sur l’amélioration des aspects informatiques du modèle pour accélérer le processus de réduction d’échelle. Je développe également des logiciels afin que les chercheurs puissent facilement appliquer notre méthode de réduction d’échelle et propager l’incertitude associée dans des analyses basées sur des modèles linéaires généralisés.
Quel conseil donneriez-vous à quelqu’un dans votre domaine ?
Je dirais qu’avoir un état d’esprit collaboratif peut mener nos recherches bien plus loin que prévu, et que nous devrions toujours essayer de sortir de notre zone de confort et continuer à apprendre de nouvelles choses en cours de route.