Module de Dynamique des Populations Communautés Professeur Patrice Francour [email protected] 04 92 07 68 32 (Begon et al. 2006) Distribution des Individus en Espèces Idée de base : • décrire une communauté (plusieurs) d’espèces à l’aide d’un indice composite unique (ex : richesse spécifique) est trop simpliste (Begon et al. 2006) Distribution des Individus en Espèces Par contre, une courbe cumulée peut s’avérer utile … Australie Reptiles de petite taille (Thompson et al., 2003) Distribution des Individus en Espèces Par contre, une courbe cumulée peut s’avérer utile … pour calculer le nombre d’espèces présentes (Thompson et al., 2003) Distribution des Individus en Espèces Idée de base : • décrire une communauté (plusieurs) d’espèces à l’aide d’un indice composite unique (ex : richesse spécifique) est trop simpliste • description de la diversité des individus en espèces Diversité = Richesse en espèces + Répartition des individus par espèces Espèce 1 : 10 individus Espèce 2 : 10 individus Espèce 3 : 10 individus Espèce 4 : 10 individus Espèce 5 : 10 individus Espèce 6 : 10 individus Espèce 7 : 10 individus Espèce 8 : 10 individus Espèce 9 : 10 individus Espèce 10 : 10 individus Nb Esp = 10; N Ind. = 100 > plus diversifiée Espèce 1 : Espèce 2 : Espèce 3 : Espèce 4 : Espèce 5 : Espèce 6 : Espèce 7 : Espèce 8 : Espèce 9 : Espèce 10 : 60 individus 20 individus 10 individus 4 individus 1 individu 1 individu 1 individu 1 individu 1 individu 1 individu Nb Esp = 10; N Ind. = 100 Distribution des Individus en Espèces Idée de base : • décrire une communauté (plusieurs) d’espèces à l’aide d’un indice composite unique (ex : richesse spécifique) est trop simpliste • description de la divesité des individus en espèces Diversité = Richesse en espèces + Répartition des individus par espèces Mesures de diversité = mesures de richesse en espèces + mesures de distribution de N entre individus équitabilité Distribution des Individus en Espèces Indices de diversité : • le plus simple, connaissant le nombre (ou la biomasse) des individus, est l’indice (complémentaire) de Simpson (ou de Gini-Simpson) Ps = pour l’espèce i, contribution à l’abondance (biomasse) totale) S = nombre total d’espèce Dans l’article d’origine de Simpson, D représente l’indice de concentration de Simpson E correspond à la probabilité que 2 individus tirés au hasard appartiennent à 2 espèces différentes. D correspond à la probabilité qu’ils appartiennent à la même espèce. E varie entre 0 et 1; une valeur de 0.8 voudra dire que 2 individus tirés au hasard ont une probabilité de 80 d’être différents; le peuplement est donc diversifié. 1 sera atteint pour un nombre infini d’espèces. L’indice 1/E a également été proposé (indice de Hill). Toutefois les propriétés mathématiques de cet indice font qu’il n’est pas plus intéressant que E Dans le cas des études de terrain (échantillon fini), une estimation non biaisée de la diversité selon l’indice de Simpson est E.n/(n-1) Distribution des Individus en Espèces Indices de diversité : • le plus simple, connaissant le nombre (ou la biomasse) des individus, est l’indice (complémentaire) de Simpson (ou de Gini-Simpson) • un autre indice, très couramment utilisé, l’indice de diversité de Shannon En réalité, cette formule avec un log népérien correspond à la formule de Brillouin. A l’origine Shannon a utilisé un logarithme base 2 et non une base e. L’indice de Shannon est plus sensible aux espèces rares que l’indice de Simpson. L’analyse des systèmes complexes est née sous l’impulsion de Shannon, chercheur des laboratoires Bell (problèmes de téléphonie) - théorie de l’information 1 I = f p • La quantité d’information d’un signal est inversement proportionnelle à sa fréquence (ex : feux à 3 couleurs ou 10 couleurs) • Si deux évènements indépendants se produisent, l’information totale fournie doit être égale à la somme des informations apportées par les deux évènements : I(E1 et E2) = I(E1) + I(E2) • Comme la probabilité de co-occurrence E1 et E2 = produit de leurs probabilités, on doit avoir : 1 1 1 f = f( )+ f( ) p1 p2 p1 p2 La seule fonction mathématique à avoir cette propriété est la fonction log; donc : 1 I = log = − log( p ) p Le choix de la base du logarithme est arbitraire (= choix d’échelle) car on passe d’une base à l’autre en multipliant par une constante. On retient, de façon pratique, une base telle que l’information apportée par un jeu « pile ou face » soit de 1 (on est sûr qu’il y aura pile ou face au prochain tirage, car ils sortent chacun avec une probabilité de 1/2). Donc I = 1 = f(1/2) = -log(1/2) = log 2 La seule base à satisfaire log 2 = 1, est la base 2 D’où : I = -log2 p = log2 (1/p) L’unité sera le BIT (binary digit) Remarque : si base e, l’unité est le Nat; si base 10, l’unité est le Hartley (non utilisées en écologie) Sur ces bases, la Théorie de l’Information a été développée pour analyser les systèmes de communication (= systèmes complexes) Si on a S évènements, comme l’information est positive et additive (voir avant), l’information totale qui en résultera sera la somme des informations de chaque évènements (une des propriétés recherchées = additivité). Si chaque événement ne se produit pas forcément, mais apparaît avec une probabilité pi, alors, l’information moyenne qui en résultera sera : ∑ = − p I p p . . log ∑ i i i i 2 i =1 i =1 S S Cette information moyenne n’est rien d’autre que l’Entropie du système ou encore l’indice de diversité de Shannon ! Distribution des Individus en Espèces Equitabilité (régularité, evenness) : • l’équitabilité correspond à la régularité de la distribution des individus entre espèces • importance de 2 groupes d’espèces, les espèces abondantes (fréquemment échantillonnées) et les espèces rares (relativement peu échantillonnées) • mesurer l’équitabilité et la diversité est important La diversité maximale (Shannon) est atteinte quand ps= 1/S avec S = nombre d’espèces. Dans ce cas Hmax = Ln S La régularité (R) ou équitabilité sera alors H/Hmax, soit H/ln S Remarque 1 : si R=H/ln S, alors H = R . Ln S, le produit de la régularité par le nombre d’espèce, les deux composantes de la diversité spécifique définie au début. C’est la raison pour laquelle H est considéré comme un indice hétérogène de diversité Remarque 2 : le complément à 1 de la régularité R correspond à la notion de redondance en théorie de l’information = 1-H/Hmax Distribution des Individus en Espèces Idée de base : • décrire une communauté (plusieurs) d’espèces à l’aide d’un indice composite unique (ex : richesse spécifique) est trop simpliste • description de la diversité des individus en espèces • description de la distribution des individus en espèces Frontier S., Pichot-Viale D. 1993. Ecosystème. p. 296 Distribution des Individus en Espèces Idée de base : • décrire une communauté (plusieurs) d’espèces à l’aide d’un indice composite unique (ex : richesse spécifique) est trop simpliste • description de la diversité des individus en espèces • description de la distribution des individus en espèces autre approche : tenir compte de l’ensemble de la distribution Diagrammes : distribution de fréquence • description empirique (peu d’intérêt) • description par un modèle mathématique (idée préconçue) • donc une comparaison du modèle « observé » par rapport à un modèle mathématique « théorique » permet de savoir si la communauté suit bien les hypothèses initiales (modèle) ou s’en écarte Distribution des Individus en Espèces • Pour avoir un histogramme lissé, il faut un grand nombre d’espèces … difficile • Allure générale donnée alors par courbes de fréquences cumulées Diagrammes Rangs-Fréquences (DRF) • espèces classées par ordre d’abondances décroissantes • à chaque espèce, un Rang est attribué • graphique : Rangs en abscisses et Abondance (absolue ou relative) en ordonnées Frontier S., Pichot-Viale D. 1993. Ecosystème. p. 298 Distribution des Individus en Espèces • Pour avoir un histogramme lissé, il faut un grand nombre d’espèces … difficile • Allure générale donnée alors par courbes de fréquences cumulées Diagrammes Rangs-Fréquences (DRF) • espèces classées par ordre de d’abondances décroissantes • à chaque espèce, un Rang est attribué • graphique : Rangs en abscisses et Abondance (absolue ou relative) en ordonnées • Disparités très fortes entre espèces : courbes à allure hyperbolique • Transformation log : abondance (plus les rangs parfois : recommandé) Allure discriminante des courbes Rangs-Fréquences en log-log en fonction de la diversité spécifique Frontier S., Pichot-Viale D. 1993. Ecosystème. p. 298 Distribution des Individus en Espèces Allure discriminante des cours Rangs-Fréquences en log-log en fonction de la diversité spécifique : • nombre d’espèces • régularité du partage des individus entre espèces Extension de la courbe vers la droite Allure plus ou moins concave ou convexe Information sur l’état du maturité (ou de stress) du système Log Fréquence Stade 1 : juvénile, pionnier et faiblement diversifié; forte dominance des espèces de premiers rangs Stade 2 : début de maturité, allure convexe et diversité maximale Stade 3 : état « climacique » subrectiligne; disparition des espèces de derniers rangs Log Rang Rappel (cours L3) Émergence d’un concept nouveau : l’écosystème F. Clements, un botaniste américain, développe la notion de succession végétale (1916) : à partir d’un substrat nu, sans végétation, des espèces s’installent et, progressivement, le cortège d’espèces change pour aboutir à un stade ultime, nommé climax. Cette « évolution » est-elle orientée ? Stade 1 OUI: Clements - c’est un « organisme » qui évolue et meurt Stade 2 Stades initiaux Stade 3 Stade 4 Stade 5 Stade 6 NON: Gleason (1926) c’est dû au hasard Très débattue, la théorie des successions a cependant été aussi riche en développement que la théorie de Mendel pour la Génétique Stade 7 Climax Description de la végétation sur des coulées de lave âgées de 16, 37, 125 et 800 ans (île de Miyake-jima; Japon) • installation sur la lave nue d’espèces fixatrice d’azote (Aulne) • facilitation (meilleure disponibilité en N) et installation d’autres espèces • formation d’une strate arborée, ombragée • stade final (un châtaignier asiatique) Begon et al. Ecology (2006) A (pionnier): diversité et régularité faibles B (début maturité): diversité et régularité élevées C (vers le climacique): situation intermédiaire, diagramme en partie rectiligne D: diagramme à paliers (mélange de communautés) Frontier S., Pichot-Viale D. 1993. Ecosystème. p. 299 Pêcheries dans le Delta du Niger Première moitié de la campagne de pêche (entre début novembre et début mars) : captures sont assez diversifiées, avec 6 espèces dépassant une contribution relative de 8 %. A cette période de l’année, le cyprinidé Labeo senegalensis, le poisson-chat Clarias sp. et le grand ‘machoiron’ Chrysichthys nigrodigitatus arrivent en tête des captures. Le ‘tilapia’ Oreochromis niloticus n’arrive qu’en cinquième position. Deuxième moitié de la campagne : captures beaucoup moins diversifiées (seulement trois espèces dépassent 8 % d ’apport aux captures) et une prédominance très nette de Oreochromis niloticus (près du quart des captures), suivi par une autre espèce de la même famille, Sarotherodon galilaeus. Les espèces de Cichlidae sont particulièrement ‘résistantes’ à la pêche, notamment du fait de leur capacité d’échappement aux engins… Prépondérance en fin de campagne = toutes les autres espèces de poissons ont été décimées par la pêche. http://www.ier.ml/Coordination/ResForetHalieutiq/ResHalieutique/peche/diag-rang-freq.htm Pollution = Perturbations Utilisation comme « indice » de pollution Warwick, 1986 Milieux non perturbés : dominance d’espèces de stratégie K (forte biomasse, longue durée de vie, peu de descendants, soins aux jeunes), peu nombreuses et proche de la capacité de charge (K). Dominance numérique d’espèces de petite taille, de stratégie r Milieux fortement perturbés : plus de perturbations que de phase de récupération; diminution des espèces de stratégies K au profit, numériquement et pondéralement des espèces de stratégie r Vérification par Warwick et al. (1987) sur de nombreux exemples (perturbés ou pollués). Utilisation comme « indice » de pollution A>=B Si les courbes en biomasse sont au-dessus des courbes en densité (en considérant un cycle annuel complet), la station est peu polluée. Elle est très polluée dans le cas contraire et modérément pollué quand les courbes se superposent. B>A A>B Bandol : amélioration en 1968 et retour à un état moyennement pollué. Prado : état pollué chronique A=B Massé, 2000 (Fig. 5) Distribution des Individus en Espèces Ajustements de modèles mathématiques sur les distributions de fréquences cumulées (DRF) ou non cumulées : • modèle log-normal de Preston • modèle de Motomura • modèle de Mac Arthur (bâton brisé) Ces différents modèles reposent sur des hypothèses simples. Le plus souvent, il est difficile de discriminer statistiquement le meilleur modèle : tous s’appliquent plus ou moins bien – hypothèses de bases trop simples (interprétations naïves) ? Absence de « bons » modèles ? Distribution des Individus en Espèces Distribution log-normale Preston: quand le nombre d’espèce S est élevé dans la communauté, la distribution est très souvent lognormale (forme gaussienne en cloche lorsque les abondances sont exprimées en log) Remarque : les intervalles sont des puissances de 2 (May et McLean, 2007) Distribution des Individus en Espèces Distribution log-normale Preston: quand le nombre d’espèce S est élevé dans la communauté, la distribution est très souvent lognormale (forme gaussienne en cloche lorsque les abondances sont exprimées en log) Pourquoi un modèle aussi fréquent ? si S est élevé, alors de nombreuses interactions se mettent en place; les facteurs vont donc agir de façon multiplicative; mathématiquement, le résultat doit suivre une distribution log-normale (théorème central limite) – on aboutit à une loi normale donc distribution log-normale si Y = Ln(X) est une loi normale d’espérance μ et de variance σ² Attention : un modèle log-normal ne signifie pas que la « communauté » suive un tel modèle. Si les données viennent de plusieurs communautés, la juxtaposition des données peut conduire à une distribution log-normale. Il faut être certain d’avoir une seule et unique communauté ! Distribution des Individus en Espèces Modèle de Motomura Il décrit un alignement rectiligne des points d’un diagramme quand les abondances sont représentées en log et les rangs sans transformation Log N Idée de base : • chaque espèce s’accapare une part k des ressources • la première prend k • la deuxième prend k de ce qui reste, soit k(1-k) • la 3ème k(1-k)² • etc. • l ’espèce de rang r prend k(1-k)r-1 • en log cela donne une droite de pente log(1-k) rang Vérifié assez souvent, mais l’interprétation simple n’est pas suffisante; d’autres phénomènes sous-jacents doivent exister. Souvent, non pas une droite, mais une succession de segments de pentes distinctes. Scarabées échantillonnés dans le Verdon M1: 1060 m d’altitude; M2: 1520, M3: 2020 m, T1: 1670 m, T2: 1920 m Ajustement aux modèles de Motomura: Kolmogorov-Smirnov test, p<0.1 (Errouissi et al, 2004) Distribution des Individus en Espèces Modèle de Mac Arthur Même idée que le modèle précédent (allocation d’énergie), mais pas selon un partage progressif, mais de façon globale et au hasard. Exactement comme si on brisait un bâton de longueur 1 en S (nb espèces) morceaux au hasard. S morceaux coupés au hasard Moyenne Longueur Morceau 1 = Moyenne Longueur Morceau 2 …… = Moyenne Longueur Morceau S Si avant, on classe les S morceaux par ordre décroissant de taille, les moyennes seront également décroissantes Distribution des Individus en Espèces Modèle de Motomura Modèle de Mac Arthur • deux modèles différents mais reposant sur la même idée • existence de ressources limitées dans un milieu • partage de ces ressources entres S espèces, de façon différentes • très différents du modèle log-normal (une valeur de S élevée « suffit ») • lien avec la notion de niche écologique : les conditions abiotiques et biotiques qui permettent la présence d’une espèce (d’après Begon, 2006) Extension à N variables environnementales Hutchinson G.E. 1957 Niche écologique ou niche « hutchinsonienne » Hutchinsonian/ecological niche Niche = hypervolume ou hyperespace à n dimensions Attention : la notion de niche est abstraite et ne reflète pas un espace physiquement délimité (c’est plutôt l’habitat) Distribution des Individus en Espèces Ajustements de modèles mathématiques sur les distributions de fréquences cumulées (DRF) ou non cumulées : • modèle log-normal de Preston • modèle de Motomura • modèle de Mac Arthur (bâton brisé) • modèle de Zipf-Pareto-Mandelbrot Différence avec les modèles précédents : issu d’une théorie de gestion de l’information à l’intérieur d’un système complexe (branche de la théorie de l’information). Modèle systémique Au départ : modèle linguistique de Zipf (G.K. Zipf, linguiste américain, 1902-1950) Distribution des Individus en Espèces • classement des mots d’une langue par ordre de fréquence d’apparition décroissantes • graphique log f en fonction log r : droite de pente négative log fr = -γ.log r + K Pour r = 1, log f1 = K, donc log fr = -γ.log r + log f1 fr = f1 . r-γ • se vérifie dans toutes les langues vivantes (pente voisine de -1) • pas de vérification dans les langues mortes (latin) et le langage enfantin • la loi de Zipf est interprétée comme une optimisation d’un système de signaux acquis au cours de millénaires de communication • cette loi a été retrouvée dans un grand nombre de cas (salaire, taille des villes, capitaux privés, etc) avec des pentes variables : loi de Pareto Distribution des Individus en Espèces • amélioration par Mandelbrot (1953) log fr = -γ.log (r+β) + log f0 fr = f0 . (r + β)-γ log fr β=0 β<0 Quand β tend vers 0, le modèle tend vers la loi de Zipf β>0 log r Rq : β > -1; f0 choisi pour que ∑(fr) = 1; γ > 1 pour assurer cette convergence Distribution des Individus en Espèces • amélioration par Mandelbrot (1953) log fr = -γ.log (r+β) + log f0 fr = f0 . (r + β)-γ • interprétation 1 (1953) : fait intervenir la notion de « coût » d’un signal dans un code de communication. Les signaux les plus « coûteux » sont en même temps les plus rares, sans pour autant disparaître. Le code optimum correspond à une distribution donnée par l’équation de Z-PM • la notion de « coût » n’est pas détaillée (mécanisme, nature, etc) • interprétation 2 (1975; théorie des fractales) : faite dans le domaine de la linguistique, on ne regarde que l’interprétation écologique qui peut en être faite ici – schéma d’apparition des espèces dans un milieu donné Distribution des Individus en Espèces • A, facteur descriptif de l’environnement : plusieurs modalités a1, a2, a3, … • espèce S1 apparaît uniquement pour a1 • probabilité d’apparition de S1 : Pr(S1) = Pr(a1) . Pr(S1/a1) (probabilité conditionnelle) • B, deuxième facteur; espèce S2 si, par exemple, a2 et b1 sont réalisés; alors • Pr(S2) = Pr(a2) . Pr(b1) . Pr(S2/a2,b1) et Pr(S2) < Pr(S1) • les probabilités d’apparition des espèces S3, S4, S5, ….. sont de plus en plus faibles car elles nécessitent des évènements préalables de plus en plus nombreux • l’apparition d’une espèce obéit alors à la loi générale : Pr(Sr) = K . (r + β)-γ • β est lié au nombre de modalité des facteurs A, B, etc. = diversité de l’environnement • γ est lié à la probabilité d’apparition d’une espèce, une fois réalisées toutes conditions préalables = prévisibilité de l’environnement • K répond à la contrainte ∑(fr) = 1 Distribution des Individus en Espèces • la notion de « coût » d’une espèce correspond donc au temps d’évolution nécessaire de l’écosystème pour que les conditions environnementales permettent l’apparition de l’espèce • les distributions de Mandelbrot n’apparaissent que dans des écosystèmes évolués • cela veut dire que la structure multispécifique, en réseau, correspond à une structure optimale de circulation de l’information • de plus cela n’est observé qu’à certaines échelles de temps et d’espace (longue durée, grand espace); l’optimisation ne peut donc être réalisée que sur ces échelles spatio-temporelles Applications (d’après Seuron & Mitchell, 2008) • Encore peu d’applications en écologie (complexité ?). • Liens fréquents entre modèles ZPM et la notion de systèmes auto-organisés (théorie de l’information) Coexistence ou compétition entre Espèces • les espèces rentent en compétition pour des ressources • la notion de niche écologique (voir avant) permet de limiter ces compétitions • la niche est un concept abstrait : niche à n-dimensions au sens de Hutchinson • si les niches sont très proches, il y a compétition et exclusion d’une des deux espèces • si les niches diffèrent, pas de compétition et pas d’exclusion : il y a coexistence d’espèces Superposition des niches écologiques (niche overlap) w : largeur de la niche écologique d : distance entre les niches d/w = niche overlap (May & McLean, 2007; p. 116) Coexistence ou compétition entre Espèces • les espèces rentent en compétition pour des ressources • la notion de niche écologique (voir avant) permet de limiter ces compétitions • la niche est un concept abstrait : niche à n-dimensions au sens de Hutchinson • si les niches sont très proches, il y a compétition et exclusion d’une des deux espèces • si les niches diffèrent, pas de compétition et pas d’exclusion : il y a coexistence d’espèces • comment des espèces possédant des exigences écologiques proches (arbres des forêts tropicales, poissons des récifs coralliens) peuvent-ils coexister ? • notion de trade-off (compromis) : une espèce ne peut pas être bonne partout (sur toutes les dimensions de la niche) • il est donc complexe de faire appel à la notion de niche écologique pour expliquer la coexistence de nombreuses espèces dans le même milieu Coexistence ou compétition entre Espèces • notion de niche écologique non remise en cause; par contre, son application au monde réel est questionnée • théorie neutre de Hubbell (2001) : extrême simplicité; fonctionne au moins pour les forêts tropicales (terrain d’étude de Hubbell), les récifs coralliens, les poissons en Amazonie … • postulat (provocateur en écologie) : les espèces sont fonctionnellement équivalentes – la théorie est donc neutre du point de vue des espèces • limitation de la dispersion : une espèce ne parvient pas dans un site qui lui serait favorable • limitation du recrutement : une espèce ne parvient pas à de développer dans/sur un site favorable • l’installation dépend plus du hasard que de ses capacités propres (niche) • la disparition d’une espèce est aléatoire et n’est compensée que la spéciation • nombreux problèmes soulevés par cette théorie … qui reste séduisante par sa simplicité (notion de parcimonie)