NOTION DE METAPOPULATION

Slides:



Advertisements
Présentations similaires
Croissance démographique et croissance économique
Advertisements

PROPAGATION SPATIO-TEMPORELLE D’UNE MINEUSE ET DE SES PARASITOIDES
Projections démographiques
La Cyclostationnarité Aspects théoriques et application au Diagnostic
Processus de croissance dans un modèle de dynamique de population structuré en longueur Michel Bertignac et Stéphanie Mahévas Laboratoire RH, Lorient Laboratoire.
Localisation fine de QTL par déséquilibre de liaison Simon BOITARD Durée : octobre 2003-septembre 2006 Laboratoire : BIA (biométrie et intelligence artificielle)
Matrices.
Récifs artificiels dans un cadre bioeconomique spatial
Reconnaissance de la parole
Les nouveaux immigrants et léconomie ethnique : les dix premières années de résidence au Québec dune cohorte dimmigrants Jean Renaud Karine Bégin 72 e.
Module SIG-Santé 15. Modélisation Marc SOURIS
Le modèle de croissance de Solow
Situation des immigrés sur le marché du travail
Incorporation des effets compétitifs dans les programmes d’élevage afin d’améliorer les performances et le bien-être animal Dederen Priscilla Groupe.
Demand-side factors in optimal land conservation choice Amy W. Ando *, Payal Shah in Ressource and Energy Economis.
ELABORATION DE SCENARII (Groupe II). 1. ASPIRATION DE LA POPULATION Couverture totale du pays; Satisfaction totale de la population consommatrice vis-à-vis.
Réponse des métapopulations à la destruction des habitats : approche spatialisée Alexandre Robert, MNHN.
RAPPORT SPECIAL IPCC SUR LA GESTION DES RISQUES DE CATASTROPHES ET DE PHÉNOMÈNES EXTRÊMES POUR LES BESOINS DE LADAPTATION AU CHANGEMENT CLIMATIQUE Cherif.
Simulation du contrôle biologique
Description génétique de deux lignées de lapins sélectionnés
Exemple en dynamique de population
Dynamique des populations et structures spatiales contexte, démarche, exemple, perspectives.
Méthodes de prévision (STT-3220) Section 4 Concepts fondamentaux de séries chronologiques Version: 8 novembre 2004.
Pablo Inchausti Marie-Agnès Coutellec Yvan Lagadeuc
ELEMENTS DE COURS 1. LERIDON H., TOULEMON L. (1997) – Démographie. Approche Statistiques et dynamique des populations. Paris, Economica. 2. FALISSARD.
Autres exemples de modèles
LA LOI DE HARDY-WEINBERG ET LA MICROÉVOLUTION
La croissance des populations
Dispersion de gènes et structures génétiques spatiales
Forces dinteraction variables stabilisatrices de la distribution spatiale dune communauté marine S. A. Navarete et al. Ecology letters (2006) S. Augustine.
Explaining the explosion: modelling hybrid invasions Hall et al 2006.
Étude darticle Multiple scales of genetic connectivity in a brooding coral on isolated reefs following catastrophic bleaching Par J. N. UNDERWOOD, L. D.
L’étude des populations
« Geographical genetics » Epperson 2003
LA PLACE DE LA PERSONNE AGEE DANS LA SOCIETE
CHAPITRE 2 LES SITUATIONS FONCTIONNELLES
Introduction aux équations différentielles ordinaires (EDO)
1. Modèle original: G= r S (1-S/K)r = constante = Taux de croissance Modification du modèle de l’Île de Pâques incluant une diminution du taux de croissance.
LA LOI DE HARDY-WEINBERG ET LA MICROÉVOLUTION
Dynamique des ligneux dans les écosystèmes tropicaux
STRUCTURES TOURBILLONNAIRES ET DISSIPATION D'ENERGIE
Caswell 2001 Sinauer Associates
Théorème de la limite centrale l’inférence statistique
Le belge : une espèce en voie de disparition ? Un contexte démographique dans les leçons de mathématiques. CREM, Nivelles, 07/05/08 Johan Deprez cfr.
L'atome quantique préambule.
La thermodynamique statistique
Micro-intro aux stats.
Biodiversité du passé Groupe 2.
Séance d’information du CRIES d’Ile-de-France
Point méthodologie: méthode capture-recapture
Calendrier (sur MathSV)
Couche limite atmosphérique
Ecologie du Paysage Jonathan Lenoir (MCU),
L'atome quantique préambule.
GENETICS AND CONSERVATION BIOLOGY
Rappels sur les fonctions et les suites aléatoires
LA LOI DE HARDY-WEINBERG ET LA MICROÉVOLUTION
Stratégies optimales pour le déploiement des variétés résistantes Modélisation analytique de la durabilité des résistances Pietravalle S. van den Bosch.
LA PYRAMIDE DES AGES NE MERITE PLUS SON NOM
L’écologie des populations
Le concept de consanguinité
Contraception au cours du parcours de vie
La transition démographique
La croissance des populations
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :15 1 GLM Exemples.
« Ecologie et dynamique des populations » Unité de Pathologie Végétale
Le mariage mixte, une solution contre la dépression ? Nathalie MACHON, Muséum National d’Histoire Naturelle CESCO : CEntre des Sciences de la COnservation.
Composantes de base en démographie
Economie des migrations Olivier Bouba-Olga 1.
L'atome quantique préambule.
Transcription de la présentation:

NOTION DE METAPOPULATION

Dynamique de Populations Fécondité Survie Estimation de paramètres C-M-R Modèles démographiques (Leslie-Lewis) Gestion, Conservation Appliqué

Trois constats Concept de Métapopulation

Métapopulation Définition d’une métapopulation Une métapopulation est un ensemble de populations locales qui sont susceptibles de s’éteindre et qui sont connectées entre elles par la migration. La persistance de la métapopulation dépend d’un équilibre stochastique entre les extinctions locales et la recolonisation de sites vacants.

Métapopulation

Types de métapopulations « îles-continent » « source-puits »

Types de métapopulations

Métapopulation Extinction Causes stochastiques Stochasticité démographique Stochasticité génétique stochasticité environnementale Catastrophes naturelles Causes déterministes

Temps avant extinction: modèle de Foley Métapopulation Temps avant extinction: modèle de Foley

Probabilité d’extinction: modèle de Foley Métapopulation Probabilité d’extinction: modèle de Foley Risque d’extinction :

Probabilité d’extinction: effet de la taille de population Métapopulation Probabilité d’extinction: effet de la taille de population

Métapopulation Probabilité d’extinction: effet du taux de croissance et de sa variance

Temps avant extinction: modèle de Lande Métapopulation Temps avant extinction: modèle de Lande avec

Métapopulation Probabilité d’extinction: scénario de Caughley

E diminue lorsque A augmente Métapopulation Probabilité d’extinction: scénario de Caughley La capacité d’accueil est une fonction puissance de la surface du patch : K = DA E diminue lorsque A augmente

Métapopulation Probabilité d’extinction: scénario de Caughley

Métapopulation

Migration - Colonisation Métapopulation Migration - Colonisation Deux processus: Migration (dispersion) Causes à l’échelle locale Causes à l’échelle de la métapopulation Colonisation

Efficacité de la migration Métapopulation Efficacité de la migration Effet de la distance de dispersion Effect de la connexion physique (présence de corridors)

Métapopulation

Métapopulation Migration La probabilité qu’un patch vacant accueille des immigrants diminue exponentiellement avec son isolement :

La colonisation est une fonction du nombre d’immigrants : Métapopulation Colonisation La colonisation est une fonction du nombre d’immigrants :

Métapopulation Colonisation Mij = mjijPij

Métapopulation Colonisation Le nombre d’immigrants dépend de la connectivité Si du patch i

Métapopulation Dynamique Modèle à deux populations en temps continu Cas général

Métapopulation Dynamique Modèle à deux populations en temps continu Cas simple

Modèle à deux populations en temps continu Métapopulation Dynamique Modèle à deux populations en temps continu K1 = 50 K2 = 250 r1 = r2 = 2 m = 1  = 0 (lignes continues)  = 0,9 (lignes pointillées)

Modèle à deux populations en temps continu Métapopulation Dynamique Modèle à deux populations en temps continu K1 = 50 K2 = 250 r1 = r2 = 2 m1 = 0,3 m2 = 1 (lignes pointillées)

Métapopulation Dynamique Modèle à deux populations en temps continu

Modèle à deux populations en temps continu Métapopulation Dynamique Modèle à deux populations en temps continu  < 1 K1 = 50 K2 = 250 r1 = r2 = 2 m = 1 1 = 1 = 0,1  = 0 (lignes continues)  = 0,5 (lignes pointillées)

Modèle à deux populations en temps continu Métapopulation Dynamique Modèle à deux populations en temps continu K1 = 50 K2 = 250 r1 = r2 = 2 m = 1 1 = 0,1 et 2 = 1  = 0 (lignes continues)  = 0,5 (lignes pointillées)

Métapopulation Dynamique Modèle à deux populations en temps discret Equilibre si r < 2 Modèle de Ricker

Métapopulation Dynamique Modèle à deux populations en temps discret Cyclique si 2 < r < 2,5 Modèle de Ricker

Métapopulation Dynamique Modèle à deux populations en temps discret Chaotique si r > 2,5 Modèle de Ricker

Métapopulation Dynamique Modèle à deux populations en temps discret Modèle de Ricker r = 3 Connexion à t = 100

Métapopulation Dynamique Modèle de Levins (temps continu) t1 ti tn

Modèle de Levins (temps continu) Métapopulation Dynamique Modèle de Levins (temps continu)  Analogie avec le modèle logistique La métapopulation persistera si c > e

Métapopulation Dynamique Modèle en « îles-continent » t1 ti tn

Métapopulation Dynamique Modèle en « îles-continent » (temps continu)  La métapopulation persiste tant qu’il y a de la colonisation

Modèles spatialement explicites Métapopulation Dynamique Modèles spatialement explicites e t+1 a) Modèles à maillage t (1-e)Rc>e 1-e (y-x)

Modèles spatialement explicites Métapopulation Dynamique Modèles spatialement explicites b) Modèle réaliste simple t 1-pi pi t+1 Ci(t) ei

Modèles spatialement explicites Métapopulation Dynamique Modèles spatialement explicites b) Modèle réaliste simple

Modèles spatialement explicites Métapopulation Dynamique Modèles spatialement explicites c) Modèles à fonction d’incidence 1- ci 0 1 1-ei ei ci

(t+1) = (t)P Métapopulation Dynamique Modèles spatialement explicites c) Modèles à fonction d’incidence (t+1) = (t)P

Modèles spatialement explicites Métapopulation Dynamique Modèles spatialement explicites d) Modèles de populations subdivisées en temps discret Rappel cycle de vie dans la cas d’une population 1 2 3 4 j Sites Modèle de Leslie-Lewis

Modèles spatialement explicites Métapopulation Dynamique Modèles spatialement explicites d) Modèles de populations subdivisées en temps discret 1 2 3 4 j Sites 1 2 3 4 k

Modèles spatialement explicites Métapopulation Dynamique Modèles spatialement explicites d) Modèles de populations subdivisées en temps discret nombre de nouveaux-nés femelles dans le site j par femelle d’âge i dans le site k

Modèles spatialement explicites Métapopulation Dynamique Modèles spatialement explicites d) Modèles de populations subdivisées en temps discret proportion de survivants dans le site j parmi les femelles d’âge i-1 dans le site k

Métapopulation Dynamique d) Modèles de populations subdivisées en temps discret

N*(t+1) = M N*(t) Métapopulation Dynamique d) Modèles de populations subdivisées en temps discret N*(t+1) = M N*(t) (np,1) (np,np) (np,1) Det (M – I) = 0   taux de multiplication de la métapopulation N*(t) est le vecteur propre à droite  structure d’âge stable par site