Connectivité multi-échelles : défis et opportunités de la modélisation hiérarchique et des suivis non-invasifs

Connectivity across scales: challenges and opportunities of hierarchical modelling and non-invasive monitoring

• Auteur / Autrice : Maëlis Kervellec
• Direction : Olivier Gimenez
• Type : Projet de thèse
• Discipline(s) : EERGP-Biologie et Ecologie Evolutives
• Date : Inscription en doctorat le ; Soutenance le 07/11/2024
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau
• Partenaire(s) de recherche : Laboratoire : CEFE - Centre d'Ecologie Fonctionnelle et Evolutive
• Jury : Président / Présidente : François Sarrazin
• Jury : Examinateurs / Examinatrices : Olivier Gimenez, Angela K. Fuller, Céline Clauzel, Aurélie Coulon, Richard Bischof, Cécile VANPé
• Jury : Rapporteurs / Rapporteuses : Angela K. Fuller, Céline Clauzel

Mots clés

Mots clés libres

Connectivité du paysage

Distance paysagère

Dynamique des populations

Écologie statistiques

Grands carnivores

Modèles de distribution d'espèce

Ecological distance

Landscape connectivity

Large carnivores

Population dynamics

Species distribution models

Statistical ecology

Résumé

L’intégrité des habitats est chaque jour un peu plus fragilisée par les activités humaines, perturbant les processus écologiques à toutes les échelles. Dans ce contexte, maintenir la connectivité du paysage, définie comme le degré auquel le paysage facilite ou empêche le mouvement entre des zones de ressources, est devenue une problématique centrale dans les plans de gestion des populations. Cependant, sa modélisation demeure un défi méthodologique, puisqu’elle varie entre les espèces, les individus, le temps et l’espace. Ma thèse vise à proposer des outils de modélisation permettant d’explorer la variabilité de la connectivité du paysage entre échelles à partir de données de suivi non-invasif, tout en intégrant l’incertitude inhérente aux suivis des populations. Concrètement, nous avons utilisé des modèles d’occupation et des modèles spatialisés de capture recapture (SCR) intégrant les distances paysagères pour modéliser la résistance du paysage aux déplacements, avec comme cas d’étude trois espèces de carnivores : L’ours brun (Ursus arctos), le lynx boréal (Lynx lynx) et la loutre d’Europe (Lutra lutra). Ma thèse se compose de quatre articles abordant la connectivité du paysage, de l’utilisation du paysage par les individus au sein de leur domaine vital au cours d’une année (Article I et II), à son déplacement entre les années (Article III), jusqu’à la recolonisation de population entre décennies (Article IV). L’article I exploite au mieux le suivi de l’ours brun dans les Pyrénées et démontre le coût de la densité de routes sur l’utilisation du paysage par les modèles SCR. L’article II étend ce travail à un cadre bayésien, révélant la variabilité des réponses à la résistance des routes au sein de la population. L’article III se place à une échelle plus large et présente la première intégration de distance non-euclidienne dans les modèles SCR en populations ouverte. Enfin, l’article IV introduit la théorie des circuits dans les modèles d’occupation, démontrant son intérêt pour l’étude de la recolonisation du lynx boréal et de la loutre d’Europe en France. Plus généralement, nous illustrons l’apport des suivis non-invasifs combinés aux modèles hiérarchiques pour estimer la connectivité du paysage. Les modèles hiérarchiques fournis- sent ainsi un cadre méthodologique unifié pour (1) propager l’incertitude des données biologiques aux cartes de connectivités, (2) apporter une compréhension mécaniste de la connectivité du paysage et (3) faciliter la reproductibilité des analyses. Les perspectives de developpement de ces modèles sont prometteuses, et ouvrent la voie à l’intégration d’autres distances paysagères ou encore à une estimation simultanée de la connectivité à plusieurs échelles.

Habitat integrity is increasingly threatened by human activities, disrupting ecological processes at all scales. In this context, maintaining landscape connectivity, defined as the degree to which the landscape facilitates or impedes movement among resource patches, has become a key issue in population management plans. However, quantifying connectivity remains an analytical challenge, as it varies between species, individuals, time and space. My objective is to develop modelling tools to explore the variability of landscape connectivity across scales from non-invasive monitoring data, while addressing the uncertainty inherent in population monitoring. Specifically, I used occupancy models and spatial capture-recapture (SCR) models, incorporating ecological distances to assess landscape resistance to movement. I applied these models to three carnivore species: the brown bear (Ursus arctos), the Eurasian lynx (Lynx lynx), and the Eurasian otter (Lutra lutra). My thesis comprises four articles that examine landscape connectivity from individual movement within home ranges over a year (Articles I and II), to home range movement between years (Article III), and species recolonisation over decades (Article IV). Article I integrates multiple sources of data to make the most of Pyrenean brown bear monitoring data and quantify the resistance of road density on space use using SCR models. Article II extends this work with a Bayesian framework, revealing the importance of individual variability in connectivity within the population. Article III presents the first integration of non-Euclidean distance into open population SCR models. Finally, Article IV brings circuit theory into occupancy models, demonstrating its value for studying the recolonisation of the Eurasian lynx and Eurasian otter in France. Our research illustrates the benefits of combining non-invasive monitoring with hierarchical models to assess landscape connectivity. These models offer a unifying framework for (1) propagating uncertainty from biological data to connectivity maps, (2) providing a mechanistic understanding of landscape connectivity and (3) facilitating reproducibility of analyses. Future modelling holds promise for incorporating additional ecological distances and for simultaneous estimation of connectivity across scales.