Guide francophone pour la modélisation de niches écologiques

Authors

  • Anais Vignoles

DOI:

https://doi.org/10.17161/bi.v17i.17593

Abstract

(english)

Correlational ecological niche modeling (ENM) is a popular group of methods in the field of distributional ecology and is employed for a variety of applications. Although the conceptual and methodological framework of ENM has been widely described in the literature, there is still no exhaustive synthesis of it in the French language. In this article, theoretical bases of ENM are exposed through a history of the concept of ecological niche as well as its implications for the study of species macroscale distributions. Then, the different steps of ENM are described, emphasizing on the importance of controlling the quality of input data. Various recommendations concerning algorithm choice, model calibration and evaluation as well post-modeling analyses, such as niche comparison and transfer to other periods/regions, are presented. Particular emphasis is placed on 1/ the operation of Maxent and the need for parameter tuning prior modeling, 2/ the importance of the choice of the M calibration area, 3/ the need to take into account accessible environments (M) for model transfer and comparison, and 4/ the importance of evaluating and presenting the variability of models resulting from methodological choices at different stages (occurrence data partitioning, choice of a climate model, choice of algorithm, choice of the calibration area, etc.). To conclude, contextualizing any ENM study in a clear and explicit theoretical and methodological framework is paramount to ensure the pertinence of subsequent interpretations.

Key-words: ecological niche modeling ; good practices ; conceptual framework ; model calibration and evaluation ; model transfer ; model comparison

(french)

La modélisation corrélationnelle de niches écologiques (ENM) est un ensemble de méthodes populaire dans le champ de l’écologie de la distribution d’espèces et est employée pour une multitude d’applications. Si le cadre conceptuel et méthodologique de l’ENM a été largement décrit dans la littérature, il n’existe pas de synthèse exhaustive en langue française. Dans cet article, nous exposons les bases théoriques de l’ENM à travers un historique du concept de niche écologique et ses implications pour l’étude de la distribution macro-géographique des espèces. Nous décrivons ensuite les différentes étapes d’une étude ENM, en insistant tout d’abord sur l’importance de contrôler la qualité des données d’entrées. Différentes préconisations concernant le choix des algorithmes, la calibration et l’évaluation des modèles ainsi que les analyses postérieures, telles que les comparaisons de niches ou le transfert à d’autres périodes/régions, sont présentées. Nous insistons en particulier sur 1/ le fonctionnement de l’algorithme Maxent et la nécessité d’un processus de réglage de ses paramètres, 2/ l’importance du choix de l’aire de calibration M, 3/ la nécessité de prendre en compte les environnements accessibles (M) dans le transfert et la comparaison des modèles, et 4/ l’importance d’évaluer et de présenter la variabilité des résultats en fonction de choix méthodologiques à différentes étapes (partitionnement des données d’occurrences, choix d’un modèle climatique, choix de l’algorithme, choix de l’aire de calibration, etc.). En conclusion, nous rappelons l’importance d’ancrer toute étude employant l’ENM dans un cadre théorique et méthodologique clair et explicite afin de garantir la pertinence des interprétations ultérieures.

Mots-clés : modélisation de niches écologiques ; bonnes pratiques ; cadre conceptuel ; calibration et évaluation des modèles ; transfert de modèles ; comparaison de modèles

Metrics

Metrics Loading ...

Downloads

Download data is not yet available.

Downloads

Published

2022-07-21

Issue

Section

Articles (peer-reviewed)

How to Cite

Vignoles, Anais. 2022. “Guide Francophone Pour La modélisation De Niches écologiques ”. Biodiversity Informatics 17 (July): 67-95. https://doi.org/10.17161/bi.v17i.17593.