ANR · 2018
GAMBAS — Nouvelles avancées dans la modélisation de la biodiversité et des services écosystémiques : améliorations statistiques et pertinences écologiques des modèles de distribution multi-espèces
Les changements globaux sont à l’origine d’une modification des écosystèmes et de leurs fonctionnements ce qui se traduit directement par l’extinction d’espèces et le changement de composition fonctionnel et indirectement par l’altération des services qu’ils délivrent. La modélisation des effets de ces changements sur la biodiversité et les services écosystémiques est un champ de recherche actif qui suscite des attentes fortes de la part des agences de conservation nationales ou internationales, des gestionnaires de la biodiversité ou encore des associations de conservation. Pourtant la plupart de ces modèles ignorent des mécanismes simples comme les interactions biotiques. Or, la biodiversité n’est pas simplement la somme des espèces qui la constituent, elle est aussi le fruit de leurs interactions qui forment des assemblages avec des caractéristiques fonctionnelles et évolutives variables tout en partageant les mêmes conditions environnementales. Les modèles ne prenant pas en compte ces mécanismes fondamentaux risquent de produire des prédictions erronées quant à l’impact du changement global sur la biodiversité et les services. Combler ce manque nécessite des approches multi-échelles qui englobent différents champs de l’écologie et de la statistique et cela en accord avec les décideurs politiques pour s’assurer que les résultats de la recherche soient mis en œuvre. Des modèles statistiques récents – appelés modèles de distribution multi-espèces (MDME) – permettent de comprendre et de prédire la distribution des espèces sur la base de données environnementales et spatiales tout en tenant compte de l’effet des autres espèces. Ces modèles structurent la biodiversité de manière hiérarchique à l’échelle de l’espèce, du groupe fonctionnel ou de la communauté et permettent de prendre en compte les dépendances entre espèces au travers, par exemple de leurs phylogénies. Ils généralisent et unifient les approches classiquement utilisées en écologie des communautés et en biologie de la conservation et sont désormais employés aussi pour modéliser les synergies ou compromis entre les services écosystémiques. Aussi prometteur soient-ils, un certain nombre de verrous importants sont à lever tant sur le plan écologique que statistique. Premièrement, il manque une classification et une nomenclature claire notamment associée aux hypothèses écologiques et statistiques sur lesquelles ils reposent. Deuxièmement, ces modèles doivent encore être testés de manière rigoureuse sur des données réelles et simulées. Ils permettent, par exemple, d’estimer des corrélations entre espèces. Celles-ci sont-elles le reflet des interactions entre espèces ? Troisièmement, des outils mathématiques doivent être développés pour mieux relier ces modèles aux différents domaines de l’écologie ou encore pour les utiliser de façon plus efficace et plus sûre. Enfin, les MDME, qui restent à l’heure actuelle des objets de recherche, n’ont encore été que peu confrontés à des questions pratiques telles que l’identification de zones de conservations ou encore la création de nouveaux indicateurs de biodiversité. Dans GAMBAS, nous analyserons plus particulièrement cinq jeux de données, qui seront à la fois source d’inspiration et formeront les premiers cas concrets d’application de nos développements. Le projet GAMBAS rassemble un collectif composé d'écologues intéressés par les aspects quantitatifs et de mathématiciens orientés vers l’écologie. Ils sont accompagnés par un groupe d’experts composés pour une part de chargés de mission des ministères, pour une autre de personnalités de la société civile. Ensemble, ils se sont donnés pour objectif de développer les MDME et de promouvoir leur utilisation dans les domaines de l’écologie des communautés, de la biogéographie ou encore de la biologie de la conservation.
Structures participantes de Université Paris-Saclay
Provenance des données
Sources : scanR. Données consolidées le 27/10/2026. Une erreur ? Elle se corrige dans la source d’origine (HAL, RNSR, annuaire) ; voir comment.