Sampling strategies and abundance estimation

  • Aide
  • Recherche
  • Facebook
  • Twitter
Formation

Formation continue et reprise d'études

Formation continue et reprise d'études

Consultez la liste des formations proposées dans le cadre de la formation continue : formations diplômantes, certifications, préparations, formations courtes et formations sur mesure

Lire la suite

Actualités

Sampling strategies and abundance estimation

Présentation

Parce qu’il n’est en général pas possible de lancer un suivi sur un écosystème dans son intégralité, ou sur l’intégralité d’une population, recourir à l'échantillonnage est indispensable. Mais sa théorie est complexe et plusieurs spécialistes de l'environnement n'y sont pas formés.  De ce fait, de nombreux programmes souffrent d'un manque de définition dans la problématique, dans la formulation d'hypothèses, dans l’élaboration du plan d'échantillonnage adapté avec pour conséquence immédiate une qualité des données discutable. Un traitement inadapté des données et le recours à des modèles incorrectement spécifiés sans compréhension de la théorie sous-jacente concourt à augmenter la discutabilité des résultats. Une mauvaise méthode a de nombreux effets indésirables en cascade qui peuvent conduire à l'échec du programme.

Il est donc indispensable de connaître d’une part, quelques aspects théoriques essentiels d’échantillonnage et de modélisation des données et, d’autre part, quelques méthodes reproductibles et robustes utilisables par les praticiens. La clé est d’être au minimum conscient de plusieurs aspects critiques comme la définition des variables d’intérêt à suivre, la taille d'échantillon, biais, précision, compromis entre taille suffisante d'échantillon et coût financier raisonnable pour les financeurs.

Connaissances

Différencier les deux approches classiques « design-based » et  « model-based » des théories d'échantillonnage. Connaitre les bases de la modélisation dans les cadres fréquentiste ou bayésien. Connaitre la terminologie et la théorie sous-jacente : estimation, estimateur, vraisemblance, biais, précision etc. Savoir concevoir un plan d’échantillonnage adapté (accent mis sur les aspects spatiaux). Être conscient de l’imperfection dans la détection d’espèces lors de suivis et savoir intégrer ce paradigme dans des modèles hiérarchiques d’occupation ou d’abondance. 

Contenu de l'enseignement :

Introduction aux stratégies d'échantillonnage     (13h) C. Kermorvant      
Approfondissement d’aspects utiles de modèles simples et complexes   (12 h)   B. Liquet
Imperfection de la détection d’espèces, modèles d'occupation et d’abondance (15h)      F. D'Amico

Applications à la gestion :
Méthodes d'estimation des oiseaux et mammifères marins (3h) I. Castege         
Estimation des stocks de bivalves (2h)   N. Caill Milly
Estimation des stock piscicoles lacustres (3h)      A. Desnos   

Savoir-faire

Bases techniques de programmation avec des packages R (https://www.r-project.org) associés à la sélection spatiale d’échantillons (spsurvey, SDraw) et au traitement de données de présence-absence et d’abondance (unmarked). R est l’environnement privilégié dans cette UE ; logiciel libre pour l'informatique statistique et les graphiques, il fonctionne sur une grande variété de plates-formes UNIX, Windows et MacOS.

        

Objectifs

Les objectifs sont d'aider tout praticien souhaitant définir un plan d'échantillonnage en milieu aquatique et tirer un nombre d'échantillons pour leur enquête lorsque l'inférence sur l'ensemble de la population est recherchée.

Cette UE comporte des aspects théoriques et des applications à la gestion.

Conditions d'admission

Pré-requis indispensables

Au plan théorique : probabilités et statistiques inférentielles, bases de la modélisation.
Au plan technique : maitrise de l’environnement R (https://www.r-project.org)

Volume horaire

  • Travaux Dirigés : 42h
  • Travaux Pratique : 6h

Examens

100% contrôle continu

Bibliographie

Ressources complémentaires

MacKenzie, D. I., J. D. Nichols, J. A. Royle, K. H. Pollock, L.L. Bailey, and J. E. Hines (2018). Occupancy Estimation and Modeling - Inferring Patterns and Dynamics of Species Occurrence. 2nd Edition. Elsevier Publishing. https://www.mbr-pwrc.usgs.gov/software/presence.html

Lohr S. (2020). Sampling: Design and Analysis - 2nd edition, is now published by Chapman & Hall/CRC Press. https://www.sharonlohr.com/sampling-design-and-analysis 

Kermorvant C., Coube S., D’Amico F., Bru N & Caill-Milly N. (2020). Sequential process to choose efficient sampling design based on partial prior information data and simulations. Spatial Statistics, 38, 100439, ISSN 2211-6753, https://doi.org/10.1016/j.spasta.2020.100439.

Kermorvant C., D’Amico F., Bru N., Caill-Milly N. & Robertson B. (2019). Spatially balanced sampling designs for environmental surveys. Environmental Monitoring and Assessment 191:524 / https://doi.org/10.1007/s10661-019-7666-y

Fiske, I. & Chandler, R. 2011. Unmarked: An R Package for Fitting Hierarchical Models of Wildlife Occurrence and Abundance. 43:23.

D’Amico F., Kermorvant C., Sanchez J.M. & Arizaga J. (2020). Optimal sampling design to survey riparian bird populations with low detection probability. Bird Study, DOI: 10.1080/00063657.2020.1784090

En bref

Crédits ECTS 5.0

Nombre d'heures 48.0

Niveau d'étude BAC +5

Contact(s)

Composante

Responsable(s)

MAITRE DE CONFERENCES DES UNIVERSITES D'amico Frank

Collège STEE - Sciences Anglet -
1 Allée du Parc Montaury
64600 ANGLET
Tél : +33 559574459

Email : frank.damico @ univ-pau.fr

Lieu(x)

  • Anglet