Utiliser des diagrammes de causalité et des modèles de superpopulations pour corriger les biais géographiques dans les données de surveillance 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 Robin Boyd ‘Utiliser des diagrammes de causalité et des modèles de superpopulations pour corriger les biais géographiques dans les données de surveillance de la biodiversité » fait partie des finalistes pour ce prix.

Lisez le blog précédent de Robs sur le journal ici – Ce n’est qu’en comprenant les causes du biais d’échantillonnage que nous pouvons le corriger – Methods Blog

À propos du papier

Quel est le sujet de votre article présélectionné et à quoi cherchez-vous à répondre avec votre recherche ?

La surveillance de la biodiversité s’appuie sur des données collectées sur un échantillon de sites pour tirer des conclusions sur ce qui arrive aux espèces dans l’ensemble du paysage. Extrapoler au-delà de l’échantillon nécessite des hypothèses. Une hypothèse courante est que, parmi les sites présentant certaines caractéristiques, les espèces se portent de manière similaire dans les sites échantillonnés et non échantillonnés. Notre article décrit une méthode pour identifier les caractéristiques du site qui rendent cette hypothèse plausible. Il s’agit essentiellement d’une approche fondée sur des principes de sélection de variables qui peut être utilisée avec n’importe quel modèle statistique et, contrairement aux approches traditionnelles, elle donne la priorité à la réduction des biais plutôt qu’aux performances prédictives au sein de l’échantillon.

Avez-vous été surpris par quelque chose en travaillant dessus ? Avez-vous eu des défis à surmonter ?

Une chose qui m’a surpris, c’est à quel point nos résultats ajustés en fonction des biais différaient des précédents. Pour l’un de nos deux exemples, la petite fritillaire bordée de perles, la tendance estimée de l’abondance a changé de signe. Cela nous a vraiment fait comprendre à quel point nos déductions dépendent des hypothèses que nous formulons.

Quelle sera la prochaine étape dans ce domaine ?

Alors que les décideurs politiques exigent de plus en plus d’informations sur le comportement des espèces à l’échelle locale, les analystes sont de moins en moins intéressés par l’estimation de paramètres décrivant des changements à grande échelle et davantage par les prévisions au niveau du site. Les gens supposent souvent que la prédiction consiste à minimiser les erreurs au sein de l’échantillon. Mais si nous voulons faire des prédictions pour des sites non échantillonnés, nous devons formuler le type d’hypothèse décrite dans ma réponse à la première question. Notre méthode est donc tout aussi applicable à la surveillance et à la prévision locales qu’à l’estimation de paramètres à plus grande échelle.

Quels sont les impacts ou implications plus larges de votre recherche sur les politiques ou la pratique ?

Les gouvernements commencent à fixer des objectifs juridiquement contraignants pour arrêter et inverser le déclin de l’abondance des espèces. La question de savoir si ces objectifs ont été atteints est en fin de compte une question empirique à laquelle on ne peut répondre qu’en utilisant une combinaison des données et hypothèses disponibles. Si nos hypothèses sont plausibles, nous parviendrons alors à des estimations qui reflètent fidèlement les progrès vers les objectifs. Sinon, nous ne le ferons pas. Notre méthode a été conçue spécifiquement pour aider les analystes de données sur la biodiversité à identifier les variables qui, une fois incluses dans leurs modèles, rendent leurs hypothèses plausibles (ou du moins plus plausibles que les alternatives).

À propos de l’auteur

Comment en êtes-vous arrivé à l’écologie ?

J’ai grandi au bord de la mer, ce qui m’a fait découvrir la biologie marine. De là, il n’y a eu qu’un court voyage vers l’écologie plus généralement. Mais si je suis honnête, ce qui me fascine vraiment, c’est la façon dont les choses fonctionnent d’un point de vue théorique.

Quel est votre poste actuel ?

Je suis un écologiste quantitatif travaillant au Centre britannique pour l’écologie et l’hydrologie. Je passe mon temps à développer des théories et des méthodes pour améliorer la surveillance de la biodiversité. C’est au moins l’idée !

Avez-vous poursuivi les recherches sur lesquelles porte votre article ?

Nous avons. Je suis très enthousiasmé par un article théorique que nous venons de soumettre. L’article fait valoir que les diagrammes de causalité constituent un cadre universel permettant d’afficher les hypothèses nécessaires pour répondre aux questions causales, descriptives et prédictives. Nous explorons également la manière dont les grands modèles linguistiques pourraient aider les experts du domaine à construire des diagrammes de cause à effet. Cela faciliterait grandement le déploiement de notre méthode sur davantage d’espèces et d’ensembles de données, ce que nous prévoyons également de faire.

Quel conseil donneriez-vous à quelqu’un dans votre domaine ?

Essayez de ne pas penser exclusivement en termes de modèles statistiques. Définissez plutôt la quantité théorique que vous souhaitez connaître, puis considérez les hypothèses nécessaires pour récupérer sa valeur à partir des données disponibles. Le modèle statistique n’est qu’un outil permettant d’invoquer ces hypothèses pour parvenir à une réponse.