La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Réponse des métapopulations à la destruction des habitats : approche spatialisée Alexandre Robert, MNHN.

Présentations similaires


Présentation au sujet: "Réponse des métapopulations à la destruction des habitats : approche spatialisée Alexandre Robert, MNHN."— Transcription de la présentation:

1 Réponse des métapopulations à la destruction des habitats : approche spatialisée Alexandre Robert, MNHN

2 Contexte

3 -Crise de la biodiversité

4 Contexte -Crise de la biodiversité -extinctions en masse (temps geologiques) -pleistocène (=[1,806 MA-11000ans]): glaciations -temps géologiques = disparition de 1 espèce de vertébrés tous les 50 à 100 ans dernières années = 1 espèce tous les 2,7 ans.

5 Contexte -Crise de la biodiversité -Biologie de la conservation

6 Contexte -Crise de la biodiversité -Biologie de la conservation Réponse de la communauté scientifique aux changements environnementaux qui menacent la biodiversité Science multi-disciplinaire, mais dominée par lécologie

7 Contexte -Crise de la biodiversité -Biologie de la conservation -Catégorisation des causes dextinction

8 Causes ULTIMES de déclin dune sp. abondante Causes PROXIMALES Associées aux faibles effectifs AnthropiquesCatastrophes ENVIRONNEMENTALES Causes dextinction

9 Causes ULTIMES de déclin dune sp. abondante Causes PROXIMALES Associées aux faibles effectifs DETERMINISTES STOCHASTIQUES

10 Causes ULTIMES de déclin dune sp. abondante Causes PROXIMALES Associées aux faibles effectifs DETERMINISTES STOCHASTIQUES Anthropiques Stochasticité démographique Effets Allee Catastrophes

11 Causes ULTIMES de déclin dune sp. abondante Causes PROXIMALES Associées aux faibles effectifs DETERMINISTES STOCHASTIQUES Anthropiques Stochasticité démographique Effets Allee Catastrophes ENVIRONNEMENTALES INTRINSEQUES

12 Causes ULTIMES de déclin dune sp. abondante Causes PROXIMALES Associées aux faibles effectifs DETERMINISTES STOCHASTIQUES Anthropiques Stochasticité démographique Effets Allee Catastrophes ENVIRONNEMENTALES INTRINSEQUES Démographiques / écologiques Génétiques

13 Contexte -Crise de la biodiversité -Biologie de la conservation -Catégorisation des causes dextinction -Dégradation de lhabitat

14 Quartet du mal Surexploitation Introdution despèces exotiques Chaîne dextinction Dégradation de lhabitat Destruction (réduction quantité) Fragmentation (réduction connectivité)

15 Contexte -Crise de la biodiversité -Biologie de la conservation -Catégorisation des causes dextinction -Dégradation de lhabitat -Outils:- disciplines: démographie, génétique, écologie comportementale -échelles: populations, communautés, … -modélisation, analyses de données, …

16 PVA (Population Viability Analysis): Modèle mathématique ou algorithmique qui reproduit certains processus populationnels (surtout démographiques) pour inférer des estimations quantitatives de paramètres associés à la viabilité des pops - statuts de conservation (IUCN) - priorités - études de faisabilité - comparaisons stratégies de gestion

17 PVA (Population Viability Analysis): Modèle mathématique ou algorithmique qui reproduit certains processus populationnels (surtout démographiques) pour inférer des estimations quantitatives de paramètres associés à la viabilité des pops - statuts de conservation (IUCN) - priorités - études de faisabilité - comparaisons stratégies de gestion Modèles en croissance globale

18 PVA (Population Viability Analysis): Modèle mathématique ou algorithmique qui reproduit certains processus populationnels (surtout démographiques) pour inférer des estimations quantitatives de paramètres associés à la viabilité des pops - statuts de conservation (IUCN) - priorités - études de faisabilité - comparaisons stratégies de gestion Modèles en croissance globale Modèles structurés en âges ou stades sasa s1s1 N2N2 N3N3 s2s2 N5N5 f=p 5.P.s 0 N4N4 N1N1 sasa sasa f=p 4.P.s f s s s3 sa

19 PVA (Population Viability Analysis): Modèle mathématique ou algorithmique qui reproduit certains processus populationnels (surtout démographiques) pour inférer des estimations quantitatives de paramètres associés à la viabilité des pops - statuts de conservation (IUCN) - priorités - études de faisabilité - comparaisons stratégies de gestion Modèles en croissance globale Modèles structurés en âges ou stades Modèles individu-centrés …

20

21 Cas (particulier?) des populations fragmentées Théorie des métapopulations Definition de Levins (1970): population constituée dun ensemble de sous-populations, chacune dentre elles ayant une espérance de vie limitée et étant soumise à une balance stochastique entre extinctions et recolonisations Définition + générale: système de populations locales (patches) connectées par des individus dispersant (Hanski & Gilpin 1991)

22 Théorie des métapopulations Généralité -Beaucoup despèces ont naturellement un habitat fragmenté ou « patchy », à une certaine échelle spatiale -chez beaucoup dautres, la fragmentation a une origine anthropique La mélitée du plantain (Melitaea cinxia)

23 Théorie des métapopulations Généralité -Beaucoup despèces ont naturellement un habitat fragmenté ou « patchy », à une certaine échelle spatiale -chez beaucoup dautres, la fragmentation a une origine anthropique Types de modèles Dynamique intra-patch explicite / ou non (« patch occupancy models ») Analytiques / simulations numériques Avec dispersion / ou non Spatialement explicites / ou non Variabilité de la qualité de lenvironnement (temps, espace) / ou non Corrélations spatiales, temporelle / ou non

24 Théorie des métapopulations Généralité -Beaucoup despèces ont naturellement un habitat fragmenté ou « patchy », à une certaine échelle spatiale -chez beaucoup dautres, la fragmentation a une origine anthropique Types de modèles Dynamique intra-patch explicite / ou non (« patch occupancy models ») Analytiques / simulations numériques Avec dispersion / ou non Spatialement explicites / ou non Variabilité de la qualité de lenvironnement (temps, espace) / ou non Corrélations spatiales, temporelle / ou non Questions soulevées Étudier la DYNAMIQUE et la PERSISTENCE de ces métapopulations - importance de la re-colonisation -importance de lextinction locale

25 Théorie des métapopulations Généralité -Beaucoup despèces ont naturellement un habitat fragmenté ou « patchy », à une certaine échelle spatiale -chez beaucoup dautres, la fragmentation a une origine anthropique Types de modèles Dynamique intra-patch explicite / ou non (« patch occupancy models ») Analytiques / simulations numériques Avec dispersion / ou non Spatialement explicites / ou non Variabilité de la qualité de lenvironnement (temps, espace) / ou non Corrélations spatiales, temporelle / ou non Questions soulevées Étudier la DYNAMIQUE et la PERSISTENCE de ces métapopulations - importance de la re-colonisation -importance de lextinction locale Dispersion et connectivité Qualité environnement local Taille patch

26 Buts de la présente étude Étudier limpact de 2 sources distinctes de variation environnementale sur la viabilité des métapopulations -Dégradation de lhabitat -Stochasticité environnementale (variation de la qualité de lenvironnement dans le temps et lespace) - SE au sens strict (=bonnes et mauvaises années) - catastrophes (et bonanzas) Fréquence des perturbations Sévérité Catastrophes

27 -Dégradation de lhabitat -Stochasticité environnementale Ultime Déterministe (directionnelle) anthropique Proximal Stochastique « naturel »

28 Buts de la présente étude Étudier limpact de 2 sources distinctes de variation environnementale sur la viabilité des métapopulations …dans un contexte spatialement explicite distance entre 2 patches connectivité corrélation environnementale

29 Le modèle « région décrite », grille 2D coordonnées xy B patches distribués aléatoirement dans le « range de lespèce » Région décrite Range de lespèce patch matrice

30 Le modèle Dynamique intra-patch, pour chaque patch i: Régulation densité-dépendante: Troncation simple pour chaque patch i à K i Ou équation logistique modifiée Ni(t):taille de population patch i au temps t, Ei(t) et Ii(t): nb dÉmigrants et dimmigrants, Ri(t): tx de croissance patch i temps t λ: « tx de croissance déterministe » pour lespèce, qi(t): qualité de lenvironnement local (i) à t Ki: capacité de charge du patch i + tirage Poisson sur Ni(t)

31 Le modèle Perturbations et calcul de la qualité de lenvironnement local q i (t) au temps t, pour chaque patch i: - À lannée t, P(t) perturbations ont lieu dans la région décrite (distrib de Poisson de paramètre P) - Sont réparties aléatoirement ds lespace (paramètres xk,yk pour la perturb k) - « effet » de la perturbation k à une distance x de son « épicentre » donné par q i (t): qualité de lenvironnement local (i) à t P: espérance annuelle du nb de perturbations dans la région d ik : distance entre patch i et perturbation k α : paramètre quantifiant lamplitude spatiale des perturbations - La qualité de lenvironnement dans chaque patch i est alors donnée par

32 Le modèle Patterns de dispersion 1)Dispersion à émigration inconditionnelle La proportion démigrants est fixe (m): E i (t): nb démigrants partant de i à t Ei(t): nb démigrants partant de i à t et qui survivent m: tx fixe démigration B: nb de patches d ij : distance entre patches i et j β : paramètre quantifiant laccroissement de la mortalité avec la distance de dispersion La proportion démigrants qui survivent dépend de la présence dautres patches à proximité du patch de départ:

33 1)Dispersion à émigration inconditionnelle (suite) La proportion de dispersants arrivant à i parmi les émigrants de j est donnée par Ei(t): nb démigrants partant de i à t et qui survivent B: nb de patches d ij : distance entre patches i et j β : paramètre quantifiant laccroissement de la mortalité avec la distance de dispersion Et le nb total dimmigrants arrivant à i est

34 Patterns de dispersion 2) Dispersion à émigration conditionnelle Cest le même principe, mais: β ne quantifie plus un « coût » à la dispersion distance dépendant mais une «décision de disperser ou pas » distance dépendante E i (t): nb démigrants partant de i à t Ei(t): nb démigrants partant de i à t et qui survivent m: tx fixe MAXIMAL démigration B: nb de patches d ij : distance entre patches i et j c représente le coût de la dispersion, devenu indépendant de la distance (coût à létablissement) ( I i (t) est finalement calculé de façon similaire au cas de la disp inconditionnelle )

35 1ers résultats Effet de la taille du range de lespèce sur la viabilité Perturbations totalement corrélées entre tous les sites Perturbations non corrélées Taille du range Temps extinct. Moy.

36 1ers résultats Effet de la taille du range de lespèce sur la viabilité Perturbations totalement corrélées entre tous les sites Perturbations non corrélées Taille du range Temps extinct. Moy.

37 1ers résultats Effet de la taille du range de lespèce sur la viabilité Taille du range Temps extinct. Moy.

38 1ers résultats Effet de la taille du range de lespèce sur la viabilité Taille du range Temps extinct. Moy.

39 1ers résultats Effet de la taille du range de lespèce sur la viabilité Toutes conditions étant égales par ailleurs, existence dun range optimal, intermédiaire de distribution dans lespace Auto-correlation spatiale forte Dispersion effective faible

40 Pattern robuste à différents coûts, taux et modalités de dispersion Taille du range Temps extinct. Moy. Dispersion inconditionnelleDispersion conditionnelle

41 1ers résultats Effet de la taille du range de lespèce sur la viabilité Toutes conditions étant égales par ailleurs, existence dun range optimal, intermédiaire de distribution dans lespace Trade-off entre connectivité et asynchronies locales Prise en compte de ce trade-off pour étudier des questions classiques en biologie des métapopulations

42 La question du SLOSS: contexte Métapopulations: systèmes largement conditionnés par une dynamique dextinctions / recolonisations locales lorsque lon tient compte de contraintes biologiques, la viabilité de lensemble du système nest pas nécessairement maximisée lorsque la viabilité à léchelle du patch est maximisée débats portant sur la maximisation de la viabilité du système Le SLOSS (Single Large Or Several Small?) Le FLOMS (Few Large Or Many Small?) Questions fondamentales en Ecologie évolutives Applications importantes: Reserve design

43 La question du SLOSS: contexte Etudes de modélisation menées sur la question du SLOSS (ou du FLOMS) depuis + de 20 ans Conclusion: la stratégie SL (single large) est généralement considérée comme optimale

44 Mais résultats malgré tout très contrastés, pas de consensus Ovaskainen 2002, Theor Pop Biol

45 Problèmes associés aux modèles Dispersion (et donc le coût qui y est associé) souvent négligée dans le cas du SL Modèles rarement spatialisés Pas de lien explicite (trade-off) entre connectivité et corrélation spatiale

46 Utilisation du présent modèle pour la question du FLOMS: Nouveau questionnement Comment passe t-on de FL (few large) à MS (many small)?

47 Utilisation du présent modèle pour la question du FLOMS: Nouveau questionnement Comment passe t-on de FL (few large) à MS (many small)? Few large patches Species range

48 Utilisation du présent modèle pour la question du FLOMS: Nouveau questionnement Comment passe t-on de FL (few large) à MS (many small)? Few large patches Many small patches Species range

49 Utilisation du présent modèle pour la question du FLOMS: Nouveau questionnement Comment passe t-on de FL (few large) à MS (many small)? Few large patches Many small patches ? Species range

50 Utilisation du présent modèle pour la question du FLOMS: Nouveau questionnement Comment passe t-on de FL (few large) à MS (many small)? Few large patches Many small patches ?? Species range

51 Utilisation du présent modèle pour la question du FLOMS: Nouveau questionnement Comment passe t-on de FL (few large) à MS (many small)? Few large patches Many small patches Density option Range option Species range

52 Utilisation du présent modèle pour la question du FLOMS: Résultats Dispersion inconditionnelle, A (B=1) =400; λ=1.15 ; P=7.0 ; α=0.021 ; β = 0.15, m=0.01 Nombre optimal de patches Capacité de charge globale K tot Density option

53 Utilisation du présent modèle pour la question du FLOMS: Résultats Dispersion inconditionnelle, A (B=1) =400; λ=1.15 ; P=7.0 ; α=0.021 ; β = 0.15, m=0.01 Nombre optimal de patches Capacité de charge globale K tot Density option Range option

54 Utilisation du présent modèle pour la question du FLOMS: Résultats Dispersion conditionnelle, A (B=1) =400; λ=1.15 ; P=7.0 ; α=0.021 ; β = 0.15, m=0.01 Nombre optimal de patches Capacité de charge globale K tot Density option Range option

55 A (B=1) =400; λ=1.15 ; P=7.0 ; α=0.021 ; β = 0.15, m=0.05 Utilisation du présent modèle pour la question du FLOMS: Résultats Nombre optimal de patches Capacité de charge globale K tot Density option Range option Dispersion inconditionnelleDispersion conditionnelle

56 Résultats principaux sur la question du FLOMS: Le niveau optimal de fragmentation (nb de patches optimal) augmente avec la capacité de charge globale K tot (e.g., Reed, 2004)

57 Résultats principaux sur la question du FLOMS: Le niveau optimal de fragmentation (nb de patches optimal) augmente avec la capacité de charge globale K tot (e.g., Reed, 2004) Existence dune interaction qualitative entre K tot, niveau optimal de fragmentation et définition du FLOMS (Range vs Density option)

58 Résultats principaux sur la question du FLOMS: Le niveau optimal de fragmentation (nb de patches optimal) augmente avec la capacité de charge globale K tot (e.g., Reed, 2004) Existence dune interaction qualitative entre K tot, niveau optimal de fragmentation et définition du FLOMS (Range vs Density option) La stratégie optimale (FL ou MS) dépend de la définition du FLOMS (Range vs Density option): - DENSITY: stratégie FL (viabilité maximisée pour peu de gros patches) - RANGE: stratégie MS (viabilité maximisée pour bcp de petits patches)

59 Résultats principaux sur la question du FLOMS: Le niveau optimal de fragmentation (nb de patches optimal) augmente avec la capacité de charge globale K tot (e.g., Reed, 2004) Existence dune interaction qualitative entre K tot, niveau optimal de fragmentation et définition du FLOMS (Range vs Density option) La stratégie optimale (FL ou MS) dépend de la définition du FLOMS (Range vs Density option): - DENSITY: stratégie FL (viabilité maximisée pour peu de gros patches) - RANGE: stratégie MS (viabilité maximisée pour bcp de petits patches) Conclusion robuste aux variations des paramètres de lespèce et de lenvironnement (λ,P,α,β,m,c)

60 La conclusion à la question « few large or many small » varie qualitativement selon que lon se place dans la configuration « density » ou « range » nécessité de redéfinir, daffiner cette problématique. notamment, en spécifiant dans quel cas de figure on se trouve (Range ou density) Few large patches Many small patches Density option Range option Species range

61 Peut on utiliser ce modèle at faire cette distinction (Range ou density) pour dautres questions que la question du FLOMS / SLOSS ? Few large patches Many small patches Density option Range option SLOSS and FLOMS problems

62 Peut on utiliser ce modèle at faire cette distinction (Range ou density) pour dautres questions que la question du FLOMS / SLOSS ? Abundant habitat Reduced habitat Few large patches Many small patches Density scenario Range scenario Density option Range option Habitat destructionSLOSS and FLOMS problems

63 Peut on utiliser ce modèle at faire cette distinction (Range ou density) pour dautres questions que la question du FLOMS / SLOSS ? Point de départ: 100% dhabitat, caractéristiques de lespèce optimale par rapport à lenvironnement Temps dextinction moyen Quantité dhabitat

64 Temps dextinction moyen Peut on utiliser ce modèle at faire cette distinction (Range ou density) pour dautres questions que la question du FLOMS / SLOSS ? Point de départ: 100% dhabitat, caractéristiques de lespèce optimale par rapport à lenvironnement Réduction de la quantité dhabitat accroissement de la quantité dhabitat Quantité dhabitat

65 Peut on utiliser ce modèle at faire cette distinction (Range ou density) pour dautres questions que la question du FLOMS / SLOSS ? Density option Temps dextinction moyen Quantité dhabitat

66 Peut on utiliser ce modèle at faire cette distinction (Range ou density) pour dautres questions que la question du FLOMS / SLOSS ? Density option Range option Temps dextinction moyen Quantité dhabitat

67 Peut on utiliser ce modèle at faire cette distinction (Range ou density) pour dautres questions que la question du FLOMS / SLOSS ? Density option Range option Accroissement dhabitat + favorable par laccroissement du Range diminution dhabitat + délétère par diminution de la densité Temps dextinction moyen Quantité dhabitat

68 Conclusion générale En biologie de la conservation, la spécificité est souvent recherchée ( sciences + fondamentales) Un certain niveau de réalisme est requis, y compris en ce qui concerne les questionnements les plus théoriques et généraux dans le cadre de travaux théoriques sur la dynamique des métapopulations la spatialisation des modèles est nécessaire au questionnement même utilisation croissante de modèles numériques


Télécharger ppt "Réponse des métapopulations à la destruction des habitats : approche spatialisée Alexandre Robert, MNHN."

Présentations similaires


Annonces Google