Zone lichens Zone Pelveties Exemple théorique de profil topographique

Slides:



Advertisements
Présentations similaires
Couche limite atmosphérique
Advertisements

La notion d’espèce.
Généralisation de la comparaison de moyennes par Analyse de la variance (ANOVA)
I) mesure et erreurs de mesure 1) le vocabulaire à connaitre
Chapitre 6. Introduction à l’échantillonnage Les sondages Notions fondamentales Fluctuations d’échantillonnage d’une moyenne Théorème central limite C6-1.
Utilisation du logiciel EduStat © Analyse classique d’items L’examen du rapport.
Notions de statistiques et d’analyse de données
Et maintenant, le mode : fastoche !
Suites ordonnées ou mettre de l’ordre
Epidémiologie.
Corrélation et régression linéaire simple
Analyse, Classification,Indexation des Données ACID
GENETIQUE ET EVOLUTION
Statistiques descriptives univariées
Les distributions en classes
Interprétation des indicateurs?
Comparaison de deux pourcentages.
Résultats et discussion
1° La Terre et les objets du système solaire.
Puissance et Radio Fréquence
Présentation Campagnes Tubes Passifs - CA/AG du 09/1014
Loi Normale (Laplace-Gauss)
Etude de l’influence des palmiers sur la régénération de la forêt
4°) Intervalle de fluctuation :
LES INDICATEURS DE SANTE INDICATEURS DE SANTE Pr. KELLIL M.
1°) Un nombre y est-il associé à 3, et si oui lequel ?
Analyse en Composantes Principales A.C.P. M. Rehailia Laboratoire de Mathématiques de l’Université de Saint Etienne (LaMUSE).
Coefficient de corrélation linéaire
Les plans de mélange Les plans d’expérience : Présentée par :
Plans d’expériences: Plans de mélanges
Comment mesurer les inégalités ?
Les indicateurs et la modélisation trophique dans l’approche écosystémique des pêches : une application au suivi des ressources marines de la Guinée. Par.
– La communication : notions de base. – INTRODUCTION : QU’EST-CE QUE LA COMMUNICATION ? I/ LES DIFFÉRENTS TYPES DE COMMUNICATION II/ LES COMPOSANTES DE.
Technologies de l’intelligence d’affaires Séance 12
Résultats et discussion
MOYENNE, MEDIANE et ECART TYPE d’une série statistique
Scénario Quatre hipsters entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones.
4.3 Estimation d’une proportion
Méthode Taguchy Analyse de la variance Anavar
Figure 1: Phalacrocorax carbo maroccanus/lucidus au sein du dortoir
La méthode du simplexe. 1) Algorithme du simplexe  Cet algorithme permet de déterminer la solution optimale, si elle existe, d’un problème de programmation.
Introduction aux statistiques Intervalles de confiance
– La communication notions de base. – INTRODUCTION : QU’EST-CE QUE LA COMMUNICATION ? I/ LES DIFFÉRENTS TYPES DE COMMUNICATION II/ LES COMPOSANTES DE.
ACP Analyse en Composantes Principales
Statistiques. Moyenne, Moyenne pondérée, Tableur et graphiques.
Kamel Bourenane ESSC Univers vivant L’écologie Kamel Bourenane ESSC.
Calculs des incertitudes Lundi 30 Avril 2018 Master de Management de la Qualité, de la Sécurité et de l’Environnement.
Amélioration de la résolution spatiale des sondeurs multifaisceau
Luana Graham-Sauvé Timothy Work
Analyse des Données M.H. ZAIEM.
But : Etudier la distribution des communautés sur l’estran
Apports de la statistique spatialisée
POL1803: Analyse des techniques quantitatives
Enjeu: Herbiers de zostères marines
2.4 La loi de vitesse d’une réaction chimique
Deville Vanessa Marceline Elodie Mouchet Céline
Présentation 8 : Redressement des estimateurs
L’ANALYSE DES DONNEES Samuel MAYOL S. Mayol - L’analyse des données.
Position, dispersion, forme
Moteurs de recherches Data mining Nizar Jegham.
Programme d’appui à la gestion publique et aux statistiques
Conception cartographique
PROGRAMMATION SCIENTIFIQUE EN C
Utiliser le modèle log-linéaire pour mettre au jour la structure du lien entre les deux variables d’un tableau de contingence : un exemple d’application.
Les méthodes quantitatives en éducation
Impact Evaluation 4 Peace March 2014, Lisbon, Portugal 1 Echantillonage pour une Evaluation d’Impact Latin America and the Caribbean’s Citizen Security.
Récapitulation du jour 2ème
II Fonctions polynômes degré 2
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES.
Couche limite atmosphérique
Transcription de la présentation:

Zone lichens Zone Pelveties Exemple théorique de profil topographique avec abondance relative des espèces Point zéro 10 20 30 40 50 60 70 80 mètres Hauteur Q1, Q2, Q3, Q4 Zone F. spiralis failles Zone F. serratus Zone Mastocarpus blocs

1 but: Etudier la distribution des espèces sur l’estran - donner les paramètres descriptifs des assemblages 1 méthode = échantillonnage au sol sur surface délimitée le long d’un transect vertical Questions: La zonation définie « à priori » sur votre transect correspond elle à une successions d’assemblages ? (méthode graphique , indices de similitude, fréquence d’occurence) ? 2) Comment traitez-vous les assemblages spécifiques des cuvettes intertidales ? 3)Présentez et justifiez les regroupements de quadrats qui définissent vos assemblages . Phase exploratoire Phase d’exploitation 4) Quels sont les paramètres descriptifs des assemblages (Indices descripteurs)? 5) Dénommez vos assemblages sur la base des fréquences d’occurrence 6) Calculez l’aire minimale d’échantillonnage pour les assemblages Discussion - Vos données vous permettent-elles de dégager quelques facteurs-clés de la répartition des assemblages ? - Conclusion Votre échantillonnage est sans doute perfectible: proposez un protocole améliorant votre échantillonnage d’un point de vue qualitatif et quantitatif

Définition des communautés: Combien d’assemblages différents ? 3 méthodes: Approche graphique Indices de similarité entre les séries de quadrats Regroupements d’espèces sur les présences dominances (intégration des occurrences) Comparaison des résultats sur les 3 approches ?

A) Approche graphique… Nombre d’espèces cumulées Communauté 5 Communauté 4 Communauté 3 Communauté 2 Communauté 1 N quadrats Infra. Supra. Avec le principe de la courbe cumulative, un plateau peut aussi cacher un assemblage d’espèce d’un sous habitat particulier ...les espèces ayant déjà été échantillonnées dans les UE précédentes.

B) Vérification de l’approche graphique: les indices de similitude (en présence/absence) Z1 100 Z2 Q1 Z3 Q2 Z4 Q3 Z5 ….. Z6 2c a + b a = n espèces du biotope Z 1 b = n espèces du biotope Z2 C = n espèces communes Z1,Z2 Q varie de 0 (absence de similitude) à 100 (identité des 2 milieux) Q= (Indice de Sorensen)

Z1 Z2 Z3 Z4 Z5 Z6 D).... Intégration des abondances relatives de chaque espèce pour les analyses de similtude des zones Z1 / Z2 H’B1 Z3 H’B2 Z4 H’B3 Z5 ….. Z6 Indice de similitude de Blondel H’B = H’ab –0,5 (H’a + H’b) H’a et H’b = Indice de Shannon pour chacune des communautés a et b Hab = indice de Shannon pour les deux communautés regroupées H’B si a est proche de b. Tableau croisé dynamique (indice de similitude de Blondel)

Comment utiliser les indices de similitude ? 1) Tous quadrats 2 à 2: permet de sortir les quadrats très éloignés (selon le gradient vertical) qui possèdent de forts indices de similitudes = Microhabitats particuliers, flaques... 2) Considérer 5 communautés et des quadrats intermédiaires ? Dans quelle communauté les placer ?

*DOMINANCE d’une espèce dans une zone DA(Z) = nA(Z) S n(Z) Na(Z) = nombre d’individus de l’espèce A dans Z n(Z) = nombre d’individus toutes espèces confondues dans Z II ) Indices sur la distribution des espèces (en Présence/Absence) (Toutes les espèces sont considérées à égalité indépendamment de leurs effectifs propres) … *FREQUENCE (occurence d’une espèce) FA (Z) = nA(Z) X 100 (%) n (Z) FA (Z) = fréquence de l’espèce A dans la zone Z NA (Z) = nombre de quadrats comportant l’espèce A N(Z) = nombre total de quadrats *PRESENCE/DOMINANCE d’une espèce à une zone du transect (ceinture algale 1(FA Z1)/ceinture algale 2(FAZ2)/ Ceinture algale 3(FAZ3)/ceinture algale 4(FAZ4)… Pa (Z)= FA(Z1) x 100 (%) FA(Z1)+FA(Z2)+FA(Z3)+FA(Z4) Donne le poids relatif de la fréquence de l’espèce dans une zone donnée par rapport à la somme de ses fréquences dans chacune des zones… En utilisant 5 catégories (arbitraires) Pa (Z) < 0,1 = espèce accidentelle 0,1<Pa (Z) <0,2 = espèce accessoire 0,2<Pa(Z)<0,9 = espèce préférante 0,9<Pa(Z)< 1 = espèce élective Pa (Z) = 1 = espèce exclusive

les présences/dominances (« groupes » d’espèces C) Vérification par les présences/dominances (« groupes » d’espèces « exlusives » à « préférantes » par zone) *PRESENCE/DOMINANCE d’une espèce à une zone du transect PA (Z1)= FA(Z1) x 100 (%) FA(Z1)+FA(Z2)+FA(Z3)+FA(Z4) ... Donne le poids relatif de la fréquence de l’espèce dans une zone donnée par rapport à la somme de ses fréquences dans chacune des zones… En utilisant 5 catégories (arbitraires) Pa (Z) < 0,1 = espèce accidentelle 0,1<Pa (Z) <0,2 = espèce accessoire 0,2<Pa(Z)<0,9 = espèce préférante 0,9<Pa(Z)< 1 = espèce élective Pa (Z) = 1 = espèce exclusive

III) Les indices de diversité, de similitudes… 1) Indices de Sorensen…modulation la richesse spécifique par intégration des effectifs S-1 Log N D = 2c a + b a = n espèces du biotope 1 b = n espèces du biotope 2 C = n espèces communes a,b Q= Q varie de 0 (absence de similitude) à 100 (identité des 2 milieux) S = richesse spécifique N = nombre total d’individus

Indices de diversité et intégration de l’abondance relative de chaque espèce: notion d’équitabilité (« evenness ») Intérêt des divers indices : comparaison globale de peuplements différents (ou du même peuplement à des moments différents). · Simpson Is varie de 1 (une seule espèce présente) à S (toutes les espèces présentes ont la même abondance) N = somme des effectifs des S espèces du peuplement, ni = effectif de l'espèce i pi = abondance relative de l'espèce i dans le peuplement

Indice de Simpson… « concentration de dominance… » Is varie de 1 (une seule espèce présente) à S (toutes les espèces présentes ont la même abondance) N = somme des effectifs des S espèces du peuplement, ni = effectif de l'espèce i pi = abondance relative de l'espèce i dans le peuplement exemple I II III

Indice de Shannon A,B,C… = espèces présentes S = nombre total d’espèces H’ = -( pAlog2pA + PBlog2 pB + pc log2 pc…) H' varie de 0 à log2 S … H’ = 0 si il n’y a qu’une seule espèce dans le peuplement puisque log2 (1) = 0 H’ = max pour S espèces différentes si elles sont toutes dans la même proportion 1/S H’ max = - (S x 1/S) log2 (1/S) = - log2 (1/S) = log2 (S) EQUITABILITE E = H’ /H’ max ou H’/ log 2 S E maximal pour un peuplement équilibré E minimal avec une espèce « super-dominante »

N I N II N III Effectifs biotope I II III richesse spécifique 27 16 15 Indice Shannon (H') 1,25 0,93 0,82 Equitabilité 0,8 0,7 0,6 Indice Simpson 20,4 7,5 6,32 I N II N III

Valeur des entropies partielles ? log2 (x) = Log 10 (x) = = 0.7 / 0.3 = 2.33 Log10(2) 5 espèces 100 individus 5 espèces 60 individus 50,4,2,2,2 Pi ? 50,28,11, 9,2 Pi ? Valeur des entropies partielles ? H’ = 1,79 E = 0,75 H’ = 0,94 E = 0,4

Première réflexion sur la moyenne… Valeur de l’échantillon: 1, 2, 3, 6 n = 4 prélèvements Moyenne: m = 3 ……………dispersion des données ? Somme des écarts à la moyenne (1-3) + (2-3) + (3-3) + (6-3) = 0..! Somme des carrés des écarts à la moyenne (variance) SCE = (1-3)2 + (2-3)2 + (3-3)2 + (6-3)2 = 14 …………… Variance estimée de la population S2 = SCE/ (n-1) = 4,667 = 1,08 Erreur standard de la moyenne es = (S2/n) Moy = 3 + 1,08

Composition spécifique des communautés! Les descripteurs des communautés…suivant un gradient vertical …selon les faciès ? Communauté 1 Communauté 2 Communauté 3 Communauté 4 Communauté 5 Faciès, microhabitat, Zonation sur l’estran Richesse spécifique Dénomination ‘espèces exclusives, préférantes... Nbre/sp / phylums Densité moy. ind/phylums Richesse spécifique moyenne/phylum Richesse spécifique moy/guilde/ trophique Indices de diversité... (Typologie = cuvettes fissures blocs cailloutis %couverture) algale Composition spécifique des communautés!

- Notion d’aire minimale 10 espèces Retour sur la méthode… 5 prélèvements A B C D E F G H I J 1 + 2 3 4 5 - Notion d’aire minimale t! i! (t-i)! Cit = Pour t prélèvements, le nombre de combinaisons de i prélèvements est C Combinaison de 1 prélèvement = 1,2,3,4,5 C = 5!/1!x4! = 5 8,8,7,6,7 moy = 7,2 Combinaison de 2 prélèvements= 12, 13, 14, 15, 23, 24, 25, 34, 35, 45 C = 5!/2!x3!= 10 9, 10, 8, 9, 10, 9, 10, 10, 9, 9, moy = 9,3 Combinaison de 3 prélèvements C= 5!/3!x2! = 10 123 124 125 134 135 145 234 235 245 345 moy = 9,8 Combinaison de 4 prélèvements ……………………………………………... …… moy = 10 Combinaison de 5 prélèvements ………………………………………………….. moy = 10

Conception du rapport = 1 document unique relié !!! (5 pages) + annexes Introduction () Présente les objectifs, la ligne directrice du rapport. Matériels et méthodes (1/2 page) Le site, le coefficient l’heure au point 0, La méthode transect + quadrats : orientation, longueur, nombre de quadrats, surface d’un quadrat (?), espèces, morpho-espèces, typologie faciès, estimation etc.. Résultats (3 pages) Tableaux ou figures avec légendes; commentaires descriptifs et déductions principales ou hypothèses Discussion (1 page) Fiabilité des résultats, réponses aux questions posées avec support bibliographique Conclusion() Ouverture sur l’amélioration des techniques, la biodiversité de l’estran Annexes = Profil topographique + tableau de contingence....

Les estimations... Transformer le % de recouvrement observé en estimation du nombre d’individus  (nombre de « stipes») Quelles espèces : Fucus vesiculosus Fucus serratus Balanes: Morphotype « 4 plaques » Morphotype « 6 plaques » l Etude de la liaison entre 2 variables: x = % et Y= Nombre d’individus ( ou stipes) Régression de type 1 : Y = ax + b (droite de régression) Régression de type 2: Y = ax2 + bx + c Régression de type logarithmique, exponentielle... = METHODE DE REGRESSION

Régression d’ajustement: C’est la droite qui minimise Masse Régression d’ajustement: C’est la droite qui minimise la somme des carrés des écarts (distances) entre les variables x,y Coefficient de corrélation (R): Est-ce que la droite de régression s’éloigne de la droite parfaite (X=y) R = P0 Sx Sy Po = Coefficient ditrecteur de la droite de régression Sx , Sy : écart type à la moyenne des variables x, y. R varie entre -1 (liaison totale et négative) et +1 (liaison totale et positive) N stipes Y= 2,02 x – 0,01 (Schwartz, 1993)

Plus la surface de la Gorgone est grande, plus la photographie « sous estime  » la surface réelle

Comment présenter un rapport ? Comment commenter une courbe ou un tableau ?