1 / 68

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

Réponse des métapopulations à la destruction des habitats : approche spatialisée Alexandre Robert, MNHN. Contexte. Contexte ‘Crise de la biodiversité’. Contexte ‘Crise de la biodiversité’. -extinctions en masse (temps geologiques) -pleistocène ( =[1,806 MA-11000ans]): glaciations.

jaden
Download Presentation

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

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

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

  2. Contexte

  3. Contexte • ‘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. -400 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 l’écologie

  7. Contexte • ‘Crise de la biodiversité’ • Biologie de la conservation • Catégorisation des causes d’extinction

  8. Causes ULTIMES de déclin d’une sp. abondante Causes PROXIMALES Associées aux faibles effectifs Causes d’extinction Anthropiques Catastrophes ENVIRONNEMENTALES

  9. Causes ULTIMES de déclin d’une sp. abondante Causes PROXIMALES Associées aux faibles effectifs STOCHASTIQUES DETERMINISTES

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

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

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

  13. Contexte • ‘Crise de la biodiversité’ • Biologie de la conservation • Catégorisation des causes d’extinction • Dégradation de l’habitat

  14. Quartet du mal • Surexploitation • Introdution d’espèces exotiques • Chaîne d’extinction • Dégradation de l’habitat • Destruction (réduction quantité) • Fragmentation (réduction connectivité)

  15. Contexte • ‘Crise de la biodiversité’ • Biologie de la conservation • Catégorisation des causes d’extinction • Dégradation de l’habitat • 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. f=p5.P.s0 f=p4.P.s0 N5 N1 N2 N3 N4 s1 s2 sa sa sa • 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 0 0 0 f s1 0 0 0 0 s2 0 0 0 0 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. Cas (particulier?) des populations fragmentées Théorie des métapopulations Definition de Levins (1970): population constituée d’un ensemble de sous-populations, chacune d’entre 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)

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

  22. Théorie des métapopulations Généralité -Beaucoup d’espèces ont naturellement un habitat fragmenté ou « patchy », à une certaine échelle spatiale -chez beaucoup d’autres, 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 l’environnement (temps, espace) / ou non Corrélations spatiales, temporelle / ou non

  23. Théorie des métapopulations Généralité -Beaucoup d’espèces ont naturellement un habitat fragmenté ou « patchy », à une certaine échelle spatiale -chez beaucoup d’autres, 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 l’environnement (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 l’extinction locale

  24. Théorie des métapopulations Généralité -Beaucoup d’espèces ont naturellement un habitat fragmenté ou « patchy », à une certaine échelle spatiale -chez beaucoup d’autres, 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 l’environnement (temps, espace) / ou non Corrélations spatiales, temporelle / ou non Questions soulevées Étudier la DYNAMIQUE et la PERSISTENCE de ces métapopulations - importance de lare-colonisation -importance del’extinction locale Dispersion et connectivité Qualité environnement local Taille patch

  25. Buts de la présente étude • Étudier l’impact de 2 sources distinctes de variation environnementale sur la viabilité des métapopulations • Dégradation de l’habitat • Stochasticité environnementale • (variation de la qualité de l’environnement dans le temps et l’espace) • - SE au sens strict (=bonnes et mauvaises années) • - catastrophes (et bonanzas) Catastrophes Fréquence des perturbations Sévérité

  26. Ultime Déterministe (directionnelle) anthropique • Dégradation de l’habitat • Stochasticité environnementale Proximal Stochastique « naturel »

  27. Buts de la présente étude Étudier l’impact de 2 sources distinctes de variation environnementale sur la viabilité des métapopulations …dans un contexte spatialement explicite → distance entre 2 patches ↓ connectivité ↓ corrélation environnementale

  28. Le modèle « région décrite », grille 2D coordonnées xy B patches distribués aléatoirement dans le « range de l’espèce » Région décrite Range de l’espèce patch matrice

  29. Le modèle Dynamique intra-patch, pour chaque patch i: + tirage Poisson sur Ni(t) Régulation densité-dépendante: Troncation simple pour chaque patch i à Ki Ou équation logistique modifiée Ni(t):taille de population patch i au temps t, Ei(t) et Ii(t): nb d’Émigrants et d’immigrants, Ri(t): tx de croissance patch i temps t λ: « tx de croissance déterministe » pour l’espèce, qi(t): qualité de l’environnement local (i) à t Ki: capacité de charge du patch i

  30. Le modèle • Perturbations et calcul de la qualité de l’environnement local qi(t) au temps t, pour chaque patch i: • - À l’année t, P(t) perturbations ont lieu dans la région décrite (distrib de Poisson de paramètre P) • Sont réparties aléatoirement ds l’espace (paramètres xk,yk pour la perturb k) • - « effet » de la perturbation k à une distance x de son « épicentre » donné par - La qualité de l’environnement dans chaque patch i est alors donnée par qi(t): qualité de l’environnement local (i) à t P: espérance annuelle du nb de perturbations dans la région dik: distance entre patch i et perturbation k α : paramètre quantifiant l’amplitude spatiale des perturbations

  31. Le modèle • Patterns de dispersion • Dispersion à émigration inconditionnelle • La proportion d’émigrants est fixe (m): La proportion d’émigrants qui survivent dépend de la présence d’autres patches à proximité du patch de départ: Ei(t): nb d’émigrants partant de i à t E’i(t): nb d’émigrants partant de i à t et qui survivent m: tx fixe d’émigration B: nb de patches dij: distance entre patches i et j β : paramètre quantifiant l’accroissement de la mortalité avec la distance de dispersion

  32. Dispersion à émigration inconditionnelle (suite) • La proportion de dispersants arrivant à i parmi les émigrants de j est donnée par Et le nb total d’immigrants arrivant à i est E’i(t): nb d’émigrants partant de i à t et qui survivent B: nb de patches dij: distance entre patches i et j β : paramètre quantifiant l’accroissement de la mortalité avec la distance de dispersion

  33. Patterns de dispersion 2) Dispersion à émigration conditionnelle C’est le même principe, mais: β ne quantifie plus un « coût » à la dispersion distance dépendant mais une «décision de disperser ou pas » distance dépendante c représente le coût de la dispersion, devenu indépendant de la distance (coût à l’établissement) ( Ii(t) est finalement calculé de façon similaire au cas de la disp inconditionnelle ) Ei(t): nb d’émigrants partant de i à t E’i(t): nb d’émigrants partant de i à t et qui survivent m: tx fixe MAXIMAL d’émigration B: nb de patches dij: distance entre patches i et j

  34. 1ers résultats Effet de la taille du range de l’espèce sur la viabilité Perturbations totalement corrélées entre tous les sites Temps extinct. Moy. Perturbations non corrélées Taille du range

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

  36. 1ers résultats Effet de la taille du range de l’espèce sur la viabilité Temps extinct. Moy. Taille du range

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

  38. 1ers résultats Effet de la taille du range de l’espèce sur la viabilité Toutes conditions étant égales par ailleurs, existence d’un range optimal, intermédiaire de distribution dans l’espace Dispersion effective faible Auto-correlation spatiale forte

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

  40. 1ers résultats Effet de la taille du range de l’espèce sur la viabilité Toutes conditions étant égales par ailleurs, existence d’un range optimal, intermédiaire de distribution dans l’espace Trade-off entre connectivité et asynchronies locales → Prise en compte de ce trade-off pour étudier des questions classiques en biologie des métapopulations

  41. La question du SLOSS: contexte Métapopulations: systèmes largement conditionnés par une dynamique d’extinctions / recolonisations locales → lorsque l’on tient compte de contraintes biologiques, la viabilité de l’ensemble du système n’est pas nécessairement maximisée lorsque la viabilité à l’échelle 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

  42. 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

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

  44. 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

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

  46. 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

  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 Many small patches

  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 Species range Many small patches ?

  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 Species range Many small patches Many small patches ? ?

More Related