Thèse soutenue par Nasrin Amini Tehrani, le 8 février 2021, Institut des sciences de la Terre (ISTE)
Il est universellement admis que le monde perd de la biodiversité en raison de la pression croissante des activités anthropiques. Les populations d’espèces vulnérables sont de plus en plus réduites, ce qui entraîne une perte de biodiversité mondiale et, par conséquent, l’extinction d’espèces. Il est donc urgent d’examiner les facteurs qui affectent la répartition des espèces et de comprendre comment les facteurs de changement environnemental influent sur la répartition des espèces.
Les modèles de distribution des espèces (SDMs) pourraient être utilisés comme outil clé pour prévoir l’adéquation des habitats aux espèces, puis appliqués à des fins de prise de décision et suggérer et soutenir la prise de décision en matière de conservation. Divers facteurs (par exemple, la taille de l’échantillon, la technique de modélisation, la variable environnementale) et les erreurs/biais (c’est-à-dire les fausses présences/absences) ont été constatés pour influencer la performance prédictive des espèces et de l’ensemble des SDM (c’est-à-dire les S-SDMs). Il est donc essentiel d’examiner comment ces facteurs qui affectent la prévision de la distribution des espèces pourraient être améliorés.
Dans le premier chapitre de ma thèse, j’ai développé une approche de modélisation multi-échelle qui utilise des variables focales à différentes échelles pour évaluer l’efficacité de chaque prédicteur, puis nous avons contenu la collection finale de variables pour créer un ensemble de petits modèles d’ensemble (ESMs) et générer des cartes de distribution des espèces comme outil de conservation. Les résultats de notre analyse montrent que les variables les plus importantes se trouvaient dans le groupe des variables bioclimatiques comprenant « Bio11 » (température moyenne du trimestre le plus froid), et « Bio 4 » (température saisonnière), et les ESMs pourraient être une méthode solide et complète pour mieux comprendre l’écosystème dans un environnement très hétérogène.
Dans le deuxième chapitre, j’illustre l’analyse pour examiner comment les SDM des oiseaux peuvent être développées et utilisées pour extraire les EBV spatiales des oiseaux au niveau régional. J’ai démontré que l’adéquation calculée par les SDMs pouvait être utilisée comme une de « distribution spatiale des espèces » EBV (SD EBV) et pouvait illustrer la qualité de l’habitat et l’impact du climat et des tendances d’utilisation des terres sur les populations d’oiseaux et faciliter le suivi et la conservation des oiseaux dans le temps et l’espace.
Enfin, dans mon troisième chapitre, j’ai étudié et analysé deux approches différentes (mise en commun des données et intégration des données basées sur des modèles) pour l’incorporation de divers ensembles de données sur les oiseaux afin de déterminer le meilleur ensemble de données sur les oiseaux pour la prévision de la distribution des espèces dans les Alpes de Suisse occidentale. Mon analyse a montré que la collecte de données sur l’intégration de données basée sur un modèle pourrait être plus précise qu’une approche de mise en commun de données.
