The Unified Neutral Theory of Biodiversity and Biogeography

Slides:



Advertisements
Présentations similaires
Intervalles de confiance
Advertisements

Introduction à l’analyse
Chapitre I : Rappels Chapitre II: Eléments d’échantillonnage (Tassi, Chap. 2, Kauffmann, Chap. 5 et 6) Chapitre III: L’information au sens de Fisher (Kauffmann,
Soutenance du stage de DEA.
Probabilités et statistiques au lycée
Des modèles statistiques non-linéaires à effets mixtes et leurs extensions pour analyser la réponse de « la » biodiversité à des variables écologiques.
Fig. 5.1 Fig. 5.1 Règles d’assemblage d’une communauté représentées sous forme de filtres emboités (Lortie et al., 2004)
Fig. 3.1 Distribution des valeurs de (a) surface spécifique foliaire (SSF), (b) hauteur maximale de la plante et (c) masse des graines, disponibles dans.
STATISTIQUE INFERENTIELLE L ’ESTIMATION
Introduction aux statistiques
Inférence statistique
Les TESTS STATISTIQUES
Tests de comparaison de pourcentages
Récifs artificiels dans un cadre bioeconomique spatial
Les TESTS STATISTIQUES
Échantillonnage-Estimation
5 La Loi de Laplace Gauss ou loi Normale
Modèles d’écosystèmes de poissons coralliens
Les tests d’hypothèses
Statistiques et Probabilités au lycée
Traitement de données socio-économiques et techniques d’analyse :
UNE APPROCHE EXPÉRIMENTALE
The Unified Neutral Theory of Biodiversity and Biogeography
Développement d’un modèle de dynamique des populations structuré en longueur – Application au merlu de l’Atlantique Nord-Est Hilaire Drouineau (EMH)‏ Directrice:
Une approche non-paramétrique pour caractériser les changements récents dans les séries temporelles d'indices de population Verena Trenkel et Marie-Joëlle.
1 - Construction d'un abaque Exemple
Réponse des métapopulations à la destruction des habitats : approche spatialisée Alexandre Robert, MNHN.
Groupe 1: Classes de même intervalle
Howell, Chap. 1 Position générale
1.Un rang de données multicolores 2. Deux permutations des n premiers entiers 3. b permutations des k premiers entiers 4. Choix de n points dans [0,1]
UE – 41 : Invasion et transferts biologiques Centre dOcéanologie de Marseille Présentation de larticle: Interactions between resource availability and.
Matthieu Foll 28 aout 2008 Journées MAS
Prise en compte des données avec excès de zéros
Commentaires sur les biais écologiques et les échelles non emboîtées
Autres exemples de modèles
UE 41: Invasions et transferts biologiques
Environmental fluctuations can stabilize food web dynamics by increasing synchrony David A. Vasseur and Jeremy W. Fox Ecology Letters, 2007 Présenté par:
ACCELERATION DE PARTICULES DANS LES ERUPTIONS SOLAIRES
L’étude des populations
Objectifs du chapitre sur les distributions déchantillonnage Comprendre la relation entre les distributions déchantillonnage et les tests dinférence statistique.
Comment Calculer la Biodiversité
« Geographical genetics » Epperson 2003
à partir de données géo-référencées zero-inflated
8ème forum halieumétrique, La Rochelle, Juin Rémi Vergnon
The Unified Neutral Theory of Biodiversity and Biogeography
Invasive ctenophore Mnemiopsis leidyi in the Caspian Sea: feeding, respiration, reproduction and predatory impact on the zooplancton community Finenko.
The Unified Neutral Theory of Biodiversity and Biogeography
Mesures de position Ils s’expriment dans la même unité que les observations Moyenne et moyenne pondérée Exemple : on dispose du nombre moyen d’enfants.
Méthodes de Biostatistique
La Biodiversité et sa Mesure
1 Introduction à la théorie des tests. 2 Plan I- choix entre 2 paramètres de tendance centrale Choix entre 2 proportions pour un caractère qualitatif.
Dynamique des ligneux dans les écosystèmes tropicaux
Caswell 2001 Sinauer Associates
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
Physiologically Structured Population Models. Modèle de population non structurée Un exemple de modèle Ressource Consomateur classique: Rozenweig – McArthur:
Principales distributions théoriques
1 Naissance selon les jours de la semaine - Comment se répartissent les naissances : données recueillies dans un lycée. -Quelques éléments plus généraux.
L’écologie.
Intervalles de fluctuation et de confiance. Dans une population, la proportion d’individus ayant un caractère donné est notée p Population.
Comprendre les liens entre biodiversité et services des écosystèmes
L’écologie et le projet de la rivière des Mille-Îles
MODULE FTH 2007 Diversité génétique
1 L2 STE. Test du χ2 d’adéquation/conformité: Il s'agit de juger de l'adéquation entre une série de données statistiques et une loi de probabilité définie.
MENU 1 Modèles de choix.
ECHANTILLONAGE ET ESTIMATION
Distributions d’échantillonnage pour des proportions
Introduction aux statistiques Intervalles de confiance
Chapitre 4 Statistique descriptive 1. Echantillonnage statistique population On appelle population, un ensemble d’individus auquel on s’intéresse échantillon.
Bienvenue au cours MAT-350 Probabilités et statistiques.
Transcription de la présentation:

The Unified Neutral Theory of Biodiversity and Biogeography Stephen P. Hubbell (2001) Chapitre 2 On current theories of relative species abundance Monographs in Population Biology - 32

Relative Species Abundance Historique des principales avancées théoriques et empiriques de l’étude de « relative species abundance »

Relative Species Abundance Approche INDUCTIVE Ajustement des observations par une loi de probabilité (sans tenir compte d’explication théorique du phénomène)  empirique Approche DEDUCTIVE Hypothèse sur l’organisation des communautés écologiques  loi de probabilité

L’approche inductive -1 Corbet (1941), Fisher et al. (1943) S = Log-series S avec n individus = α xn/n Beaucoup d’espèces rares Peu d’espèces communes

L’approche inductive -1 Xi : nombre d’individus échantillonnés dans une espèce donnée i suit une loi de Poisson P(λi) où λi est l’abondance attendue de l’espèce i Probabilité qu’une espèce i choisie aléatoirement ait une abondance λi suit une loi Gamma γ(k) Xi ~ P(λi) avec λi ~ γ(k)  Xi ~ Binomiale négative (k, α) Espèces absentes (trop rares) non observées  Binomiale négative « zéro tronquée » (k  0)  Distribution log-series (α) Nb d’espèces avec n individus = α xn/n avec 0 < x < 1

L’approche inductive -1 S = nombre d’espèces = α [-ln(1-x)] N = nombre total d’individus = α x/(1-x) S = α ln(1 + N/α) (Chave et al. 2004) α : - alpha de Fisher, - une mesure de la diversité spécifique, - théoriquement indépendant de la taille de l’échantillon

L’approche inductive -2 Preston (1948) Log-series de Fisher ajustent mal les données quand les espèces intermédiaires sont plus fréquentes que les espèces rares. Log-normale espèces rares espèces intermédiaires

L’approche inductive -2 X : souvent en cloche, non normale, dissymétrique Log X : distribution normale X : distribution log-normale

L’approche inductive -2 En pratique, construction de la log-normale en regroupant les abondances d’espèces dans des classes d’octaves : Octave R = intervalle [2R-1 ; 2R] (ex. 1er octave [1 ; 2], …) O 1 [1 ; 2] 2 [2 ; 4] 3 [4 ; 8] 4 [8 ; 16] X 5 6 7 8 9 10 11 12 13 14 15 16 Y 20 25 30 35 28 24 45 130 74 X  échelle logarithmique de base 2 représentée par échelle d’octaves X – log2(X)  octaves

L’approche inductive -2 Distribution log-normale centrée autour du mode (R=0) et réduite ( valeurs négatives) Log-normale canonique S = S : nombre d’espèce dans mode (S0), dans Rth octave (SR)

L’approche inductive -3 log-series (Fisher) vs log-normale (Preston) Log-series : artefact d’une taille d’échantillon petite ; distribution tronquée des abondances relatives, comprenant seulement les espèces les plus communes  confondue avec fin log-normale Log-normale : ajuste généralement mieux que log-series les distributions « relative species abundance » (grande taille éch.)

L’approche déductive -1 McArthur (1957, 1960) Pattern de la log-normale pour ajuster « relative species abundance » tellement ubiquiste  existence d’un mécanisme général sous-jacent Recherche d’une théorie simple basée sur la niche pour produire une distribution log-normale. Hypothèse : abondance relative d’une espèce est proportionnelle à la fraction totale de la ressource qu’elle utilise + partitionnement aléatoire des ressources. Ressource simulée par un bâton (stick)

L’approche déductive -1 Ex. : S=10 espèces se répartissant une ressource de 100 unités. Simulation 1 (S-1) Random point  S longueur segment Random 10 25 30 33 63 65 77 85 94 Longueur 10 15 5 3 30 2 12 8 9 6 … et segments ordonnés du plus court au plus long Bâton cassé (broken stick) … 2 3 5 6 8 9 10 12 15 30 n simulations  loi de distribution de la longueur du segment i  abondance de l’espèce i.

L’approche déductive -2 Motomura (1932) redécouvert par Whittaker (1965) Hypothèse : abondance relative d’une espèce est proportionnelle à la fraction totale de la ressource qu’elle utilise + partitionnement non aléatoire des ressources mais partitionnement hiérarchique des ressources (espèces colonisent un milieu les unes après les autres). Communauté de plantes avec forte dominance Modèle de « niche-preemption » (Whittaker 1965)

L’approche déductive -2 Ex. : n espèces se répartissant une ressource de 1 unité, en se la fractionnant à chaque étape d’une fraction k (ex. k=0.5) Sp. 2 Sp. 1 Sp. 4 Ricklefs & Miller 2000 Ressource (abondance) de l’espèce i = k(1-k)i-1 Sp. 3

Synthèse Dominance-diversity curve (Whittaker, 1965) Communes Rares Broken stick Log-normale Préemption Communes Rares

Synthèse Non adéquation entre : Les approches INDUCTIVE (Log-series, Log-normale) Et les approches DEDUCTIVES (Broken-stick, niche-preemption) Cause : Log-normale = produit de la multiplication d’interactions de processus aléatoires de la croissance. A nuancer : Broken-stick = cas particulier du modèle de Fisher (Chave 2004, Cohen 1968) k  0 : Log-series k  1 : Broken stick

Limites-1 Approches DEDUCTIVES Partitionnement de la ressource (aléatoire, k) pas clairement relié à des mécanismes compétitifs ou biologiques ; ne prennent pas en compte les échelles spatiales et temporelles. Nombre d’espèces (S) = paramètre libre Théories STATIQUES et NON DYNAMIQUES (naissance, mort, dispersion)

Limites-1 Approches DEDUCTIVES : STATIQUE Pas de connexion entre ces théories et la théorie des « Island biogeography » (MacArthur & Wilson, chap. 1) Pas de connexions entre ces théories et les théories classiques de dynamique en écologie des communautés (Lotka-Volterra, modèles proies-prédateurs).

Limites-2 Approches INDUCTIVES : Log-normale Taille plus grande des échantillons  Distributions observées de « relative species abundance » rarement log-normales Beaucoup d’espèces rares et très rares Mal ajustées par log-normale … mais bien prédites par unified theory (zero-sum multinomial)

Bibliographie complémentaire Introduction de Chave (2004), Yin et al. (2005) Chave, J. (2004). Neutral theory and community ecology. Ecology Letters 7, 241-253. Yin, Z. Y., Peng, S. L., Ren, H., Guo, Q. F., and Chen, Z. H. (2005). LogCauchy, log-sech and lognormal distributions of species abundances in forest communities. Ecological Modelling 184, 329-340.