|
|
|
||||
|
||||||
|
|
|
|
|
||
|
|
|
|
|
|
||
|
||||||
 |
|
|
|
Réflexions sur les modèles expérimentaux des études de surveillance par parcelle - Document de travail
|
| Table des matières : | Page |
| Page couverture | 1 |
| Avant-propos | 3 |
| Sommaire | 3 |
| Introduction | 3 |
| Historique | 4 |
| Utilisation de méthodes normalisées de surveillance par parcelle | 6 |
| Élaboration d'un plan d'étude | 7 |
| Assurance de la qualité | 9 |
| Considérations statistiques pour la surveillance de parcelles forestières | 10 |
| Avant les travaux sur place; Conception de l'étude | 12 |
| Après les travaux sur place; Types de données | 18 |
| Méthodes d'analyse | 19 |
| Mesures d'association et de diversité pour une seule parcelle | 20 |
| Méthodes pour plusieurs parcelles | 22 |
| Gestion de l'information | 24 |
| Sécurité | 27 |
| Conclusions | 28 |
| Recommandations | 28 |
| Références | 29 |
| Lectures recommandées | 31 |
| Liste des figures | Page |
| Protocole de surveillance de parcelles forestières RESE de 20 x 20 m et activités connexes des stations d'échantillonnage |
5 |
Ce document de travail a été rédigé grâce à la collaboration de divers praticiens et experts du domaine de la surveillance par parcelle. Nous tenons à remercier de façon spéciale Mme Lee-Ann Hayek, mathématicienne-statisticienne principale du Smithsonian Institute, auteur de l'examen approfondi et global des approches statistiques pour la surveillance par parcelle, avec la contribution de Dan Kehler, de Parcs Canada. Il faut aussi noter la contribution de Marlene Doyle, du Bureau de coordination du Réseau d'évaluation et de surveillance écologiques (RESE) d'Environnement Canada, et celle de Sally O'Grady, de Parcs Canada, pour l'examen de la gestion de l'information. Nous tenons également à remercier Hedy Armour, du Centre de service de l'Atlantique de Parcs Canada, qui a fait des recherches documentaires et de la distribution des documents.
Enfin, les auteurs tiennent à remercier ceux qui ont présenté des commentaires et des suggestions pendant la planification, la préparation et l'examen de ce document de travail, notamment Hague Vaughn, Chris McCarthy, Brian Craig, Ann Henderson, Ashok Lumb, Peter Jones, Stephen Malay et Andy Sharp, ainsi que Mark Gillis, Paul Zorn, Francisco Dallmeier, Patricia Roberts-Pichette et Lynn Gillespie, qui ont participé aux discussions téléphoniques pendant la préparation du document.
Ce document de travail rédigé pour Environnement Canada porte sur les questions de la définition des points à examiner et sur la conception de l'échantillonnage dans le cadre du protocole de surveillance par parcelle de la biodiversité de la végétation terrestre du Réseau d'évaluation et de surveillance écologiques (RESE) d'Environnement Canada. On a déterminé le contenu de ce document grâce à un dialogue entre les chercheurs, les spécialistes et les coordonnateurs de programmes, par Internet et par téléphone (appels ou téléconférences). Un certain nombre de ces personnes nous ont offert leur aide de leur plein gré dans leur domaine d'expertise pour la rédaction de ce document.
Pour que ce rapport soit le plus utile possible, on a choisi des points de vue qui peuvent intéresser toute une gamme de lecteurs, par exemple les chercheurs et les gestionnaires responsables de systèmes de surveillance nationaux, les éducateurs et les travailleurs sur le terrain, dans un contexte régional ou international. Bien que les auteurs examinent les divers aspects de la surveillance des parcelles forestières, notamment la planification, la méthodologie expérimentale et l'analyse, ainsi que la gestion des opérations sur place et de l'information, on reconnaît que ce document ne présente qu'un aperçu d'une question fort complexe.
On présente des recommandations sur l'importance de la normalisation et de la collaboration pour répondre aux exigences de la planification, de la collecte des données, de l'analyse et de l'assurance de la qualité, ainsi qu'aux besoins en formation.
Dans le contexte d'un environnement naturel et humain en perpétuel changement, de l'apparition d'agents de stress à l'échelle mondiale, de la perte de biodiversité et de la prolifération d'espèces exotiques, on peut apprendre beaucoup de choses par la surveillance à long terme des écosystèmes du Canada. Il est évident que des changements dans l'état et la santé de nos forêts peuvent avoir des impacts socioéconomiques significatifs sur les communautés urbaines et rurales, ainsi que sur l'économie en général. Des informations exactes sur les changements des écosystèmes forestiers peuvent faciliter leur compréhension et la planification de mesures correctives à l'échelle communautaire, et elles permettent de prendre des décisions bien fondées en matière de gestion des ressources.
À cause de l'ampleur du défi à relever pour comprendre ces changements dans un environnement mondial et leurs effets sur nos écosystèmes forestiers locaux, il faut maintenir en permanence une collaboration générale entre les chercheurs et les praticiens de la surveillance, comme le fait le Bureau de coordination du Réseau d'évaluation et de surveillance écologiques (RESE) d'Environnement Canada. Pour couvrir tous les aspects de cette tâche, il faut aussi obtenir la collaboration d'organismes régionaux, provinciaux, nationaux et internationaux, ainsi que des gestionnaires des ressources, des étudiants et des gens dans nos communautés.
Pour l'étude des questions à examiner et pour mieux comprendre les fonctions de l'écosystème forestier et les effets des facteurs d'agression anthropiques et naturels, il est indispensable d'utiliser toute une panoplie de protocoles d'échantillonnage de manière coordonnée et scientifiquement bien fondée. Ce document de travail examine l'utilisation des parcelles de surveillance forestière comme outil pour évaluer les changements dans la biodiversité et dans l'écosystème, et il présente des réflexions sur la planification et les modèles expérimentaux.
Dans le contexte du protocole de surveillance des parcelles du RESE, on examine l'importance du travail d'équipe, tant au niveau des organismes et des institutions qui collaborent à des études mondiales par parcelle qu'à celui des équipes sur place qui collectent les données. Cet examen devrait être utile aux gestionnaires et aux chercheurs qui sont responsables des systèmes de surveillance nationaux, ainsi qu'aux éducateurs et aux organisations non gouvernementales qui prévoient utiliser les parcelles à l'étude pour mieux comprendre la biodiversité locale ou régionale et les changements des forêts. Ces discussions sont destinées à poser des jalons et à stimuler la réflexion pour une planification efficace des projets d'étude par parcelle et pour l'évaluation des projets existants, ainsi que pour les efforts soutenus de surveillance à long terme.
Il est important de noter que ce rapport ne présente qu'un aperçu des exigences relatives à la surveillance par parcelle. Par contre, les discussions sur la portée réelle des méthodes mathématiques et des techniques d'analyse, ainsi que sur les technologies de télédétection et des systèmes d'information géographique, dépassent le cadre de cette étude. Pour des informations supplémentaires sur ces sujets, voir la section 12, Lectures recommandées.
Bien que de nombreuses études par parcelle aient été effectuées par des organisations du monde entier dans le cadre de programmes d'inventaires forestiers, ce n'est que depuis relativement peu de temps qu'on utilise des parcelles permanentes pour l'évaluation de la biodiversité, des processus forestiers et des facteurs d'agression des écosystèmes. En Europe, on en utilisait dès le XIXe siècle. Le Forest Service des États-Unis a commencé à faire des études par parcelle au cours des années 1930. Alors que les études initiales cherchaient notamment à déterminer le volume des arbres sur pied, au cours des années 1950, on a élargi leur champ d'application de manière à y inclure l'évaluation des processus forestiers. Par la suite, diverses études de surveillance par parcelle ont porté sur les impacts d'agents perturbateurs uniques comme les insectes ravageurs et les maladies, et d'autres ont évalué leur impact sur des éléments particuliers de l'écosystème forestier (Scott, 1997).
Le Smithsonian Institute a élaboré le protocole SI/MAB pour des parcelles d'un hectare. (25 quadrats de 20 x 20 m), en collaboration avec l'Organisation des Nations Unies pour l'éducation, la science et la culture (UNESCO) (F. Dallmeier et J. A Comisky, 1998). Par la suite, ce format a été adopté par le programme RESE d'Environnement Canada pour l'évaluation de la biodiversité au Canada, dans le cadre de la Convention internationale sur la diversité biologique. Plus récemment, le programme RESE (P. Roberts-Pichette et L. Gillespie) a élaboré le protocole actuel de surveillance de parcelles de 20 x 20 m pour la strate arborée du couvert, ainsi qu'un ensemble d'autres méthodes normalisées, pour mesurer la biodiversité et les éléments écosystémiques dans un contexte canadien (figure 1). Le Service canadien des forêts a mis en ½uvre l'Inventaire forestier national du Canada, axé sur des études par parcelle (M. D. Gillis, A. Y. Omule et T. Brierly, 2005).
Figure 1. Protocole de surveillance de parcelles forestières RESE de 20 x 20 m et activités connexes des stations d'échantillonnage
1a W=O
1b- Modèle de la station
2- Point de vitesse de dégradation
3- Débris ligneux
4- Quadrat de 20 x 20 m
5- Essences, DHP, hauteur, état, santé, direction de la chute
6-
Phénologie de la végétation
Phénologie des glaces
Abondance des salamandres
Invertébrés aquatiques
7- Abondance des anoures
Diversité aviaire
Diversité des lichens
Qualité de l'eau des lacs et des cours d'eau
8- Enregistreur de données sur la température du sol
9- Inventaire des vers fouisseurs à trous dénombrables
10- Inventaire des vers avec des bandes flip and strip de 25 x 50 cm
11 Aire de 2 x 2 m (semis et arbustes) avec aire enclavée de 1 x 1 m (plantes de couverture)
(http://www.eman-rese.ca/rese/ecotools/studydesign/studydesign.html?lang=f&language=francais)
La surveillance à long terme à l'aide de parcelles d'étude peut fournir d'importantes informations sur la structure et la diversité forestière, notamment sur l'occurrence et la distribution des espèces, les conditions, la mortalité, le recrutement, les taux de croissance, la longévité des essences, ainsi que sur des processus écosystémiques connexes. Combinée à des mesures d'autres variables, notamment des processus en rapport avec le sol, le microclimat et la biodiversité, qui utilisent des protocoles normalisés, la surveillance peut fournir des informations propres au site sur les facteurs d'agression et sur divers rapports dans l'écosystème forestier, ainsi que sur l'ensemble des terres, en théorie.
La parcelle de 20 x 20 m recommandée par le RESE (fig. 1) sert d'unité de surveillance pour diverses configurations d'unités multiples et de grilles, selon les besoins des divers plans d'échantillonnage. Du point de vue de l'analyse des données, cette unité peut être mise à l'échelle et utilisée dans des formats plus petits ou plus grands de parcelles métriques, selon le contexte. Toutefois, pour l'application de cette méthode de mesure avec une efficacité optimale, il faut bien comprendre les objectifs du projet, l'utilisation de modèles d'échantillonnage statistiquement valables, les coûts, la logistique et les aspects pratiques.
Selon Elzinga et al. (1998), la surveillance des ressources naturelles est « la collecte et l'analyse d'observations ou de mesures répétées pour évaluer les changements des conditions et les progrès en fonction d'objectifs de gestion ou d'étude ». On peut considérer que la surveillance est une activité de recherche très lente. Selon Oakley et al. (2003), la conception d'un projet de surveillance est comme un tatouage : elle doit être bien faite du premier coup, parce que tout changement ultérieur ne peut être que difficile et pénible, surtout s'il est important.
De nos jours, le domaine de l'évaluation et de la surveillance de la biodiversité est confronté à un grand nombre de défis. En effet, on peut maintenant évaluer de grands ensembles de données écologiques dans un cadre géospatial et temporel commun. Avec un protocole approprié de normalisation et de gestion de l'information, il est maintenant possible d'aligner un nombre presque infini d'ensembles de données afin d'obtenir des analyses globales pour un site, qui présentent sous un nouvel éclairage les modes de fonctionnement et de changement des écosystèmes. Alors qu'il est important que les méthodes de surveillance par parcelle ainsi élaborées soient bien fondées scientifiquement et utilisent des procédures fiables normalisées, on doit aussi reconnaître que le travail d'équipe pluridisciplinaire est essentiel pour la planification des projets et l'échantillonnage, ainsi que pour le stockage et l'évaluation des données.
On note des exemples de projets d'étude par parcelle qui n'ont pas abouti parce qu'ils n'ont pas été conçus ou planifiés adéquatement. Bien des efforts de surveillance par parcelle ont été perdus parce que la justification de ces activités n'avait pas été clairement établie, que les protocoles n'avaient été ni décrits de manière concise, ni respectés, que le modèle d'échantillonnage était inapproprié pour les questions à examiner, ou parce que l'emplacement des sites d'échantillonnage avait été marqué et consigné d'une façon inadéquate pour leur identification, ce qui empêchait des comparaisons entre les sites après quelque temps. Avant de partir en forêt avec une équipe enthousiaste de praticiens de la surveillance, les chercheurs doivent faire en sorte que les exigences relatives aux informations soient bien définies, et qu'un ensemble adéquat de méthodes d'échantillonnage soit choisi et utilisé de façon efficace.
Afin d'optimiser l'utilité à court et à long terme des activités de surveillance, il est recommandé d'élaborer, pour chaque étude de surveillance, un plan qui définit les objectifs de l'étude et qui explique le choix du système d'échantillonnage, et qui établit les protocoles de collecte des données, ainsi que les procédures de gestion de l'information à utiliser. Ce plan doit tenir compte des aspects pratiques et des difficultés des activités d'échantillonnage sur place à long terme. On présente ci-dessous des étapes importantes pour l'élaboration d'une stratégie de surveillance par parcelle.
A)Appliquer une approche d'étude pluridisciplinaire en équipe pour l'ensemble du processus de planification et de mise en ½uvre du projet de surveillance. Obtenir la collaboration de professionnels (écologistes, mathématiciens-statisticiens, gestionnaires de l'information et spécialistes des taxons étudiés). Consulter les universités et les établissements d'enseignement technique de la région. Au Canada, le Bureau de coordination du programme RESE d'Environnement Canada est une importante source d'informations sur la surveillance par parcelle pour les intervenants locaux et les organisations environnementales non gouvernementales. Avec des procédures appropriées de formation et d'assurance de la qualité en place, les bénévoles et les étudiants peuvent aussi collaborer à l'installation et à la surveillance de sites des parcelles forestières, tout en élargissant leurs connaissances sur la biodiversité, les fonctions des écosystèmes et les principes des mesures scientifiques.
B)Définir les objectifs de l'étude et formuler les questions à examiner, ainsi que les hypothèses associées, en fonction des informations requises. Établir des objectifs selon les besoins des clients et des programmes locaux, régionaux ou nationaux. Déterminer quelles sont les informations requises, qui en a besoin, et pourquoi.
C)Effectuer une étude de la documentation et faire des consultations en mettant l'accent sur l'identification des éléments physiques et biologiques, et des processus des écosystèmes d'intérêt. Déterminer et documenter les facteurs climatologiques, géographiques, géologiques, topographiques, hydrologiques et socioéconomiques, ainsi que ceux qui ont trait à la biodiversité, et déterminer les facteurs pertinents pour bien comprendre la question à examiner.
D)Identifier les agents perturbateurs connus des écosystèmes (naturels et anthropiques), la succession naturelle prévue et d'autres variables temporelles. Si l'impact associé à l'échantillonnage pose problème, prendre des mesures afin de le réduire au minimum. Si on doit effectuer des activités de surveillance multitaxons sur un seul site, il faut une bonne planification pour atténuer les impacts possibles.
E)Compte tenu des informations spécifiques requises pour l'analyse des questions à examiner, déterminer si l'échantillonnage spatial par parcelle est un outil approprié. Si c'est le cas, planifier le régime d'échantillonnage des parcelles requis pour obtenir des résultats scientifiquement bien fondés. (La section 5 examine plus en détail divers points de l'échantillonnage statistique.)
F)Définir les exigences relatives à la gestion de l'information pour faciliter l'élaboration de la stratégie d'échantillonnage, la collecte et la gestion des données, ainsi que l'analyse des résultats. Créer un cahier documentaire conforme aux exigences de sûreté des projets. (On trouvera dans la section 6 un examen plus détaillé des questions de gestion de l'information.)
G)Évaluer toute la gamme des outils disponibles pour obtenir et gérer les données essentielles, notamment la télédétection, les technologies d'analyse géospatiale, les enregistreurs de données sur les microclimats et les dispositifs électroniques personnels d'enregistrement. L'échantillonnage automatisé peut être utile pour surveiller des variables importantes, bien que les coûts, l'étalonnage des équipements, l'entretien et la protection puissent devenir des points importants.
H)Évaluer la logistique de l'échantillonnage pour garantir sa faisabilité du point de vue pratique. Évaluer et définir l'utilité de projets pilotes pour l'essai des protocoles et des équipements, et rédiger des lignes directrices pour les questions de variabilité et d'effort d'échantillonnage.
I)Définir les indicateurs de performance pour la réalisation des objectifs à court et à long terme de l'étude (c.-à-d. des choix bien informés, des données disponibles pour référence ultérieure, etc.)
J)Déterminer et décrire les questions juridiques, politiques et logistiques à long terme associées aux études sur des terres publiques ou privées. Pour un choix donné de stratégies d'échantillonnage, déterminer si les sites d'échantillonnage sélectionnés resteront sûrs et accessibles pour la prise de mesures ultérieures.
K)Établir les conséquences de ces choix sur le plan des coûts, notamment pour le niveau des effectifs et leur formation pendant la durée du projet de surveillance. La planification doit assurer la continuité à long terme de l'activité de surveillance.
L'assurance de la qualité consiste à fournir le niveau de preuve requis pour établir un climat de confiance entre tous les intéressés, de sorte que les mesures qui doivent garantir la qualité soient prises efficacement. Les meilleures des intentions des praticiens de l'étude ne peuvent remplacer ni l'application de normes rigoureuses, ni celle des principes de l'assurance de la qualité dans l'ensemble des processus d'installation, d'échantillonnage, de gestion et d'évaluation des données pour les parcelles.
Le travail requis pour la préparation d'une parcelle d'étude demande de vastes connaissances et souvent des efforts physiques considérables, et il faut habituellement un certain nombre de travailleurs. Les cas de mesures inexactes et d'activités non conformes aux protocoles en milieu de travail sont plus probables si l'équipe de l'étude n'a pas reçu une formation adéquate, ou si elle est mal coordonnée, inexpérimentée ou peu motivée. Parce que certaines analyses nécessitent des procédures répétées qui doivent être effectuées par des personnes différentes, on doit insister encore davantage sur l'importance d'obtenir des résultats de qualité de façon régulière.
Il faut donc des équipes bien structurées et bien menées dans lesquelles les tâches de chaque personne sont bien définies, et des procédures d'assurance de la qualité sont essentielles pour le maintien de normes rigoureuses de collecte et de compilation des données. Avant qu'une équipe ne commence l'installation des vraies parcelles, il est recommandé de prévoir un exercice de formation qui aborde tous les aspects du travail, afin que chacun soit en mesure de comprendre et d'appliquer correctement les protocoles. Il est essentiel qu'il y ait sur place une personne qui connaisse bien l'échantillonnage des parcelles pour garantir que les procédures seront utilisées efficacement.
On peut réduire les erreurs en utilisant des feuilles normalisées d'enregistrement de données (ou des interfaces d'enregistrement numérique équivalents) assorties d'instructions pour l'application du protocole. Il convient de revérifier les résultats et d'utiliser des procédures répétées pour l'échantillonnage et l'enregistrement numériques des données. Des programmes de protocole d'étude par parcelle comme BIOMON produisent des métadonnées intégrées et un répertoire des données documenté pendant la création des cartes à liste de vérification sur place, qu'on doit vérifier systématiquement dans le cadre du processus d'installation des parcelles.
Il faut que les limites des parcelles soient vérifiées selon les règles de l'art pour que les résultats puissent être utilisés avec d'autres données géoréférencées. Une parcelle mal délimitée est comme une maison bâtie sur des fondations irrégulières.
L'identification des espèces doit être exacte. Un biologiste qualifié ou des personnes qui connaissent bien les espèces végétales doivent garantir que les espèces ont été identifiées correctement. Une collection d'échantillons témoins peut faciliter la confirmation des différentes espèces, notamment pour l'analyse génétique, tout comme des photographies des espèces in situ et du site.
Si on doit atteindre un niveau élevé d'assurance de la qualité, il faut utiliser des principes de gestion de l'information bien fondés au cours de la collecte et de l'organisation des données. Il est important d'avoir recours aux services d'un gestionnaire de l'information qualifié à toutes les étapes d'un projet d'échantillonnage, et il est essentiel de compiler systématiquement les données numériques et de prévoir des modalités appropriées pour apporter des corrections et des mises à jour, tout comme d'utiliser les procédures prévues pour assurer la sûreté du stockage des données dans des lieux centraux et ailleurs, selon les besoins.
Introduction
Comme l'ensemble du document de travail, la présente section met l'accent sur la nécessité de la normalisation. L'un des principaux buts des inventaires sur place et des études de surveillance forestière est d'obtenir des données comparables pour l'analyse de la biodiversité et l'élucidation des tendances des populations, des cas d'extinction d'espèces locales et des impacts anthropiques. Sans une normalisation de la méthodologie, on ne peut attribuer les différences observées à des changements réels dans la composition des espèces. Toutefois, cette normalisation ne suppose pas que les parcelles forestières doivent toutes être identiques du point de vue de la taille ou des caractéristiques, ou qu'on doive en examiner un nombre identique pour chaque étude. Des méthodes de conception statistique assurent leur comparabilité si on tient compte de certains aspects et si la méthodologie est cohérente dans l'ensemble de l'étude. Il faut toutefois souligner certains de ces aspects, qui sont décrits ci-dessous.
Plan de la section
Il semble qu'un grand nombre de personnes croient que les statistiques sont, au mieux, un mal nécessaire pour décrire et analyser des données de surveillance de parcelles forestières obtenues sur le terrain. Dans cette section, on présente des informations spécifiques et générales qui montrent que l'utilisation des méthodes statistiques est essentielle pour tous les aspects de la surveillance de parcelles forestières. Le plan de cette section suit de près les étapes d'une étude. En commençant par les étapes requises avant les travaux sur place, on met l'accent sur la définition des questions à examiner en fonction des opérations, sur des considérations relatives à la conception de l'étude, ainsi que sur des problèmes de collecte des données et de méthodologie. On conclut par un bref aperçu de certains des problèmes les plus communs ayant trait à l'analyse des données statistiques après la collecte des données.
Les activités essentielles des programmes de surveillance forestière sont l'étude de la répartition des essences dans l'espace et dans le temps, combinée à l'étude des facteurs abiotiques et biotiques pertinents et qui ont une valeur explicative dans un contexte évolutif. Les processus, tâches et questions abordés dans cette étude sont essentiellement quantitatifs. En effet, notre moyen d'observation de base est le dénombrement. Idéalement, on devrait compter tous les arbres dans une zone ou une population cible, mais cela est rarement possible ou pratique. Si une population cible (ou une zone cible) est grande, difficile d'accès ou si les fonds et le personnel sont limités, seule une portion de cette cible sera examinée; il s'agit de la population échantillon ou de l'échantillon (p. ex. parcelle, quadrat). On peut estimer une ou plusieurs caractéristiques de la cible à l'aide de cet échantillon. Par inférence statistique à partir d'un ou de plusieurs échantillons, on peut proposer des généralisations pour certaines caractéristiques de l'ensemble de la population.
Toutefois, dans le cas de la recherche sur le terrain, il existe toujours une certaine incertitude. Elle peut être attribuée à l'échantillonnage d'une portion d'un ensemble, au caractère essentiellement variable de la nature, à l'ignorance ou même à des causes de type déterministe d'origine naturelle, mais inconnues. Cependant, une simple connaissance de cette incertitude ne suffit pas; ce n'est qu'en déterminant ses caractéristiques qu'on peut en tenir compte pour les activités de surveillance forestière. En utilisant des méthodes statistiques appropriées dans le contexte des hypothèses sur lesquelles elles sont basées, on peut mesurer le degré et le profil de l'incertitude des valeurs estimées en termes probabilistes. Un examen statistique des parcelles forestières utilisées comme échantillons permet d'obtenir des valeurs fondées sur la théorie des probabilités, qui permettent elles-mêmes de tirer, avec un niveau de confiance connu, des conclusions sur le degré d'incertitude.
Terminologie écologique et statistique
Malheureusement, il existe une certaine confusion dans la terminologie des divers domaines de la statistique, de l'écologie, de la botanique et de la foresterie. Si un écologiste examine ou dénombre le contenu d'une parcelle ou d'un quadrat, il s'agit pour lui d'une tâche d'échantillonnage, et le résultat est un échantillon. Or, au sens strict, il s'agit d'un échantillon biologique. Cependant, pour le statisticien, il s'agit d'une observation, et non d'un échantillon statistique. Il est essentiel de comprendre cette distinction pour éviter la confusion. Donc, un point ou un quadrat peut être décrit comme une observation statistique ou comme un échantillon biologique. Ainsi, la parcelle forestière ou le quadrat est l'unité d'échantillonnage. Par ailleurs, un échantillon statistique peut être formé de plus d'un échantillon biologique ou de plus d'une observation. Dans ce cas, le nombre total de parcelles (n dans le sous-ensemble ou dans l'« échantillon », N dans la population) forme un échantillon statistique, même si les chercheurs parlent de « n échantillons ». Par exemple, si un chercheur sur le terrain compte les arbres dans cinq parcelles, il parlera de cinq échantillons, alors que pour un statisticien, il s'agit d'un seul échantillon constitué de cinq observations. Il faut donc être prudent pour bien distinguer ces notions.
Conception de l'étude
Il peut arriver que l'étape de la conception d'une étude soit plus importante que les étapes de la collecte et de l'analyse des données. Si la conception d'une étude incorpore des causes d'invalidité, il faudra peut-être rejeter toutes les données obtenues. Toutefois, si elle est bien fondée et appropriée, mais que les données sont entachées d'une erreur de mesure ou n'ont pas été analysées correctement, il sera peut-être possible de corriger les résultats. De plus, comme il est probable que la conception de l'étude déterminera les méthodes analytiques qui seront utilisées, on examine ci-dessous certains de ses aspects qui sont essentiels pour l'élaboration d'un programme de surveillance forestière ou d'une étude de portée générale.
Énoncé des buts et objectifs
Le ou les buts de l'étude doivent être exposés de façon claire et précise avant le début des travaux sur place. L'approche et la méthodologie sur le terrain dépendent au premier chef du but précis de l'étude. Par exemple, si le but est simplement de compiler une liste d'espèces pour une parcelle mal étudiée, un simple inventaire pourra suffire. Toutefois, si des comparaisons des abondances relatives sont requises, il faudra alors examiner plusieurs parcelles dans une cadre temporel ou spatial élargi.
Formulation des questions à examiner
La recherche sur la diversité forestière fait appel à une description des phénomènes observés sur le terrain, ainsi qu'à une étude contrôlée (dans la mesure du possible) et objective de ces phénomènes et de leurs rapports mutuels. Il est essentiel que ce processus permette d'obtenir des hypothèses vérifiables, ou des hypothèses de travail pour lesquelles on peut formuler des plans de vérification. Dans cette démarche, l'énoncé des hypothèses peut être une pierre d'achoppement. Il arrive souvent qu'on dise que les données ont été collectées sans hypothèse particulière, juste pour l'enrichissement des connaissances. Toutefois, quand il est sur le terrain pour collecter des données, un chercheur a toujours une raison ou un but, qu'on peut énoncer sous forme d'hypothèse et qui est vérifiable dans la plupart des cas. Par exemple, le but déclaré d'un relevé effectué dans la région montagneuse de la Cordillère montagnarde, l'une des trois principales écozones du Canada, était d'observer deux espèces de pins (le pin tordu et le pin ponderosa). Pour ce relevé, les questions à examiner peuvent être liées à des différences de niche ou à des interactions entre les espèces. Par ailleurs, les hypothèses à vérifier pour ces questions pourraient être, par exemple : est-ce que les proportions de ces espèces sont semblables? Est-ce que les abondances des espèces sont semblables pour des microhabitats différents dans cette région? Le but recherché est d'obtenir, à partir des relevés, des énoncés quantitatifs vérifiables par des tests. Toutefois, il est important de noter que ces énoncés quantitatifs ou hypothèses de travail ont une valeur intrinsèque (Hayek, 1994), qu'ils soient traités par des tests statistiques ou non. En effet, pour soumettre une hypothèse à un test statistique, il faut parfois un niveau d'effort dont la valeur ne peut être justifiée, compte tenu du but recherché par un chercheur ou un gestionnaire. Par exemple, si on ne s'intéresse qu'à une seule caractéristique d'un lieu, une étude descriptive pourra suffire.
Échantillons représentatifs et sélection des sites
Pour la conception des études de surveillance forestière, il faut tenir compte de deux éléments supplémentaires. Le premier est la sélection de la ou des parcelles pour l'échantillonnage et le deuxième, les tâches d'échantillonnage destinées à déterminer les attributs des individus observés dans ces parcelles (nombre, densité, interactions, caractère morphologique, etc.). Dans ces deux cas, et peu importe l'objectif particulier de l'étude, les échantillons doivent être biologiquement représentatifs de la population cible examinée. La validité inférentielle de toute étude de ce genre repose non seulement sur des hypothèses statistiques, mais aussi sur la mesure dans laquelle l'échantillon représente la population choisie (Hayek, 2004). En théorie, les données forestières obtenues devraient refléter toutes les caractéristiques pertinentes de la population cible. En pratique, les observations de l'échantillon doivent inclure toutes les caractéristiques importantes pour l'étude.
Prenons le cas, par exemple, du facteur de distribution spatiale des essences. Si les arbres sont répartis de façon homogène, il est assez facile d'obtenir un échantillon représentatif contenant toutes ou presque toutes les espèces d'intérêt, dans des proportions semblables à celles de la population cible dont elles ont été tirées. Dans ce cas-là, les chances de représentativité augmentent pour les grands nombres de données sur les individus, et on peut laisser au chercheur le soin de déterminer la taille de la parcelle ou du quadrat. Bref, la précision des valeurs estimées des proportions des espèces et de leur nombre augmente en relation directe avec la taille des échantillons dans le cas des populations à distribution homogène.
Cependant, pour une population grumeleuse ou mal répartie, il est beaucoup plus difficile d'obtenir un échantillon représentatif. Dans des conditions hétérogènes, il faut recenser un grand nombre de parcelles ou de quadrats, plutôt que de se fier exclusivement à un petit nombre d'échantillons de grande taille (Hayek et Buzas, 1997).
Il faut noter que le terme « représentatif » n'est pas l'équivalent de « typique ». On ne demande pas au chercheur de ne sélectionner que des unités (ou des individus, parcelles, quadrats ou peuplements) « typiques » ou exemplaires pour l'échantillon. Si des sites sont choisis de cette façon peu représentative (échantillonnage par choix raisonné), on n'a alors que des arguments d'ordre subjectif pour justifier l'applicabilité des résultats des sites échantillonnés à d'autres peuplements cibles.
Il faut aussi noter qu'on peut croire, par exemple, que le fait de ne sélectionner que les sites qui sont les plus à risque (sites sentinelles), ou que l'utilisation d'un nombre limité de sites si les ressources sont trop limitées pour une étude complète, sont des types d'échantillonnage par choix raisonné. Toutefois, ce n'est pas toujours le cas, parce que ces sites, s'ils sont sélectionnés au hasard dans un groupe d'autres sites rares ou à risque du même type, peuvent être jugés représentatifs et faire l'objet d'une analyse statistique.
Biais et randomisation
Les statistiques fournissent l'infrastructure nécessaire pour un effort de surveillance ou des recherches de type quantitatif si on respecte les lignes directrices et si on réduit au minimum les erreurs méthodologiques et les autres facteurs qui menacent la validité de l'étude. Pour cela, il est essentiel d'éviter les biais pendant l'obtention des échantillons appropriés. Ces biais sont dus à des erreurs systématiques (et non aléatoires) dans les observations. Alors que les erreurs aléatoires se neutralisent mutuellement, des erreurs systématiques ou non aléatoires peuvent être à l'origine de biais. Le mode d'échantillonnage par choix raisonné examiné ci-dessus introduit un biais dès la conception de l'étude, et les échantillons qui en résultent sont sujets à une influence non aléatoire due au chercheur. Pour une étude bien conçue, il faut que les processus de sélection des échantillons soient exempts de biais. Il en va de même pour toutes les procédures sur le terrain. Les biais des procédures sont notamment dus à des définitions inexactes, à des erreurs d'enregistrement, à la fatigue de l'observateur et à des problèmes relatifs au modèle de l'étude.
On peut aussi introduire un biais par l'emploi d'une procédure statistique biaisée, même si habituellement ce type de biais est facilement corrigé. Par exemple, la densité moyenne d'un échantillon est une estimation non biaisée de la valeur de la population, alors que la variance de l'échantillon est biaisée. Toutefois, on peut appliquer facilement une simple correction numérique. Enfin, les erreurs de mesure sont dues à des biais méthodologiques. Il peut s'agir, par exemple, d'un biais dû à un usage inadéquat ou peu cohérent de l'équipement, à une erreur du chercheur sur place, à un manque de formation ou enfin, à la variabilité naturelle, qui peut être étrangère à l'étude et ainsi, non mesurée pour celle-ci. On peut réduire au minimum ou éliminer les erreurs de mesure par la normalisation (Stork et al., 1995).
Un grand nombre de chercheurs croient qu'il n'est pas nécessaire de soumettre leurs données d'observation à une analyse statistique parce que les échantillons n'ont pas été obtenus « au hasard ». Par exemple, s'il faut échantillonner une parcelle ou un quadrat situé le long d'un transect ou d'un gradient donné, ou dans un seul emplacement, ou si les observations ne font état que d'arbres situés près d'arêtes rocheuses, il sera quand même possible d'obtenir un échantillon aléatoire. De plus, on peut facilement traiter par analyse statistique les résultats des techniques les plus utilisées, par exemple les échantillonnages pratiqués uniquement dans des zones dans lesquelles on sait qu'une espèce existe, ou l'utilisation de dispositifs d'échantillonnage dans des quadrats situés près d'un sentier plutôt qu'« au hasard », par exemple sur des falaises (Hayek, 1994; Hayek et Buzas, 1997). Ces exemples montrent bien que le succès d'une étude peut dépendre de la consultation d'experts en statistique.
Pour l'analyse statistique, il n'est pas nécessaire que chaque arbre ait une chance égale d'être sélectionné pour l'échantillon observé, car on met l'accent sur chacun des échantillons biologiques. Par exemple, lorsqu'on échantillonne une parcelle ou un quadrat pour en déterminer la densité, chaque combinaison possible d'échantillons biologiques devrait avoir une chance équivalente de faire partie de l'échantillon statistique sélectionné. Par contre, lorsque l'unité d'échantillonnage principale est une parcelle ou un quadrat, il faut alors accepter tous les individus qu'on y a observés.
Sélection de l'ensemble ou de la population cible à échantillonner
La taille de l'ensemble statistique à échantillonner et celle de la parcelle d'échantillon forestier ne sont souvent limitées que par le temps et les fonds dont dispose le chercheur, ainsi que par son énergie. On peut établir des limites temporelles ou spatiales, mais, dans le réseau canadien, il existe toute une gamme de parcelles déjà établies, notamment des parcelles d'un hectare et des parcelles de 20 x 20 m, et on peut également utiliser des parcelles internationales de 5 ha et de 10 x 10 m. À cause de ces antécédents historiques, on recommande aux chercheurs d'utiliser ces tailles de parcelle normalisées pour l'échantillonnage et le sous-échantillonnage des parcelles, en prévision de comparaisons avec des études antérieures. Par exemple, on peut choisir de diviser une parcelle d'un hectare en zones cibles de 20 x 20 m, ce qui peut être une méthode efficace d'échantillonnage pour certaines études.
Échelle
La taille de la population cible ou de l'ensemble statistique dépend du point de vue du chercheur, ou de considérations ayant trait à la gestion, aux fonds disponibles ou à d'autres limites. On peut préférer le choix d'une seule parcelle forestière de grande taille, dans laquelle on sélectionne ensuite des échantillons (observations statistiques), ou bien, au contraire, plusieurs petites parcelles qu'on utilise ensuite comme échantillons biologiques ou comme observations statistiques. De même, une étude peut mettre l'accent sur une population locale, une seule espèce ou plusieurs phylums. Il n'y a pas d'échelle « correcte » ou normalisée.
On met en évidence des profils à toutes les échelles. À une échelle suffisamment grande, même les catégories d'arbres les plus communes peuvent présenter un aspect grumeleux, alors qu'à plus petite échelle, cette texture peut disparaître complètement. Beaucoup d'espèces présentent une périodicité saisonnière, et il peut être avisé de choisir un modèle d'étude de type saisonnier, avec des temps d'échantillonnage coïncidant avec le milieu de chaque saison ou avec le maximum de la saison de reproduction. Quoi qu'il en soit, ce qui importe, c'est de planifier une étude de façon utile, de manière à ce que les échelles spatiales et temporelles mettent en évidence des profils d'intérêt, s'ils existent.
Les points principaux dont il faut tenir compte pour la conception de l'étude est que la population cible doit être choisie en fonction de l'échelle utile, quelle qu'elle soit, et que les échantillons doivent être de taille suffisante ou répartis sur une période ou sur une zone suffisante pour permettre la détermination des profils d'intérêt, s'ils existent.
Normalisation
Il n'y a pas d'approche magique « normalisée » pour la surveillance forestière. Toutefois, sans la normalisation de certains aspects du modèle, les comparaisons sont impossibles. Par exemple, pour les études sur la richesse des espèces, parce que le nombre d'espèces observées est lié de façon fonctionnelle au nombre d'individus observés, la façon la plus simple de garantir la comparabilité des échantillons est de normaliser N, le nombre d'individus. Ainsi, on rend possibles des comparaisons entre des échantillons de lieux différents obtenus par des chercheurs différents. Toutefois, cela n'est pas toujours possible lorsqu'on échantillonne des parcelles. Il faut alors normaliser les parcelles ou la taille des échantillons pour comparer leur diversité et d'autres indices, notamment si l'étude est basée sur des occurrences (Hayek et Buzas, 1997). On peut obtenir cette normalisation au cours de la conception de l'étude, sinon pendant l'étape de l'analyse par inférence (p. ex. avec des méthodes de raréfaction).
Nécessité des échantillons multiples
L'utilisation d'échantillons multiples est une caractéristique essentielle de la conception de l'étude. Elle permet d'obtenir un niveau de confiance adéquat pour nos estimations et nos déclarations inférentielles; elle permet aussi de réduire au minimum certains facteurs locaux. À cause de la forte variation inhérente aux populations forestières naturelles, il faut que les estimations de cette variance soient basées sur un certain nombre d'échantillons biologiques multiples, plutôt que sur des échantillons uniques.
Le concept de la « pseudoréplication » a soulevé la controverse depuis son introduction par Hurlbert en 1984. On a dit qu'il s'agissait d'une « erreur » commune qui augmente le risque d'une erreur statistique de type I (alpha) dans la conception des études de surveillance. Toutefois, il ne s'agit pas vraiment d'une erreur ou d'un biais, mais plutôt d'un usage répandu, mais tout à fait inapproprié, parce que la notion d'« échantillon pseudomultiple » ne correspond à rien du tout. Il n'existe aucun artifice permettant à un chercheur d'obtenir après coup plusieurs échantillons ou facteurs pour une étude. Soit il fait des échantillonnages multiples, soit il n'en fait pas. Toutefois, on évite facilement toute forme d'inférence injustifiée en observant les quatre principes ci-dessous. Il faut :
Taille de l'échantillon
Une fois qu'on a déterminé comment sélectionner les échantillons, les parcelles, les quadrats ou les individus, il faut déterminer combien il faut en collecter, et à quel intervalle. En général, la taille de l'échantillon dépend des objectifs de l'étude et des variables ou des caractéristiques des unités de l'échantillon dont il faut tenir compte. Il y a deux catégories d'objectifs possibles pour la surveillance : des éléments descriptifs et des éléments inférentiels. Dans le premier cas, la surveillance est un outil purement descriptif et on ne s'intéresse pas aux inférences statistiques, du moins dans un premier temps. Par ailleurs, on peut mettre sur pied un programme de surveillance uniquement destiné à répondre à d'importantes questions écologiques ou économiques et alors, les évaluations quantitatives et statistiques sont d'une importance primordiale. Dans ce cas-là, on effectue souvent la collecte des données à l'aide de procédures normalisées et acceptées, de manière à ce que les données des régions ou des parcelles individuelles puissent servir aux programmes de surveillance des pays, des provinces ou des États. Bien entendu, une étude donnée peut viser plusieurs objectifs en même temps.
On peut examiner la question de la taille de l'échantillon de ces deux points de vue. De nos jours, on utilise souvent une analyse de puissance pour déterminer le nombre de sites d'échantillonnage. Il s'agit d'une méthode appropriée, par exemple lorsque le but de l'étude est de détecter ou de prévoir les tendances, d'établir les rapports entre les espèces ou de comparer les effets de divers traitements. Toutefois, lorsqu'une étude doit servir à des fins purement descriptives, ou lorsqu'elle est faite à des fins descriptives, mais qu'elle doit ultérieurement servir à des fins inférentielles, cette méthode est rarement la plus efficace.
Il faut noter que certains programmes utilisant des logiciels dits « libres » qui n'ont pas été soumis à un examen extérieur par des membres de la communauté des statisticiens peuvent introduire des erreurs importantes et injustifiées. Il en va de même pour tous les programmes utilisés pour des calculs très précis et des analyses de puissance.
Pour effectuer une analyse de puissance, il faut une formation adéquate et des programmes informatiques spécialisés. Souvent, la première étape d'une analyse de puissance passe par la réalisation d'une étude pilote, étant donné que c'est la seule manière d'obtenir des estimations raisonnables aux fins de ces programmes. Les analyses de puissance permettent d'obtenir une taille de l'échantillon estimée pour détecter les effets recherchés, p. ex. des tendances et des interactions. Toutefois, ce nombre total de sites peut être réparti de plusieurs façons dans l'espace et dans le temps. Des considérations d'ordre logistique et économique peuvent être prioritaires. Par exemple, le nombre de sites ou de parcelles est souvent limité par les ressources disponibles ou par la physionomie d'une région. Le choix des sites peut être limité par le type des emplacements, par la taille des habitats d'intérêt ou par la densité de l'espèce préoccupante.
D'autres méthodes plus simples sont disponibles pour les études purement descriptives ou pour les études de surveillance dont les objectifs seront élargis après la collecte des données. On peut les appliquer avec ou sans informations ou études pilotes préalables aux unités d'échantillonnage ou aux régions d'intérêt. Pour une description de ces méthodes, voir le chapitre 5 de l'article de Hayek et Buzas (1997).
Méthodologie d'échantillonnage
Les manuels examinent habituellement les différents types d'échantillonnage probabilistes comme s'ils s'excluaient mutuellement. En effet, on présente l'échantillonnage aléatoire simple (EAS), l'échantillonnage stratifié et l'échantillonnage par grappes, entre autres, comme des approches ou des méthodologies séparées et distinctes. Toutefois, pour clarifier la notion d'EAS, on peut concevoir cette méthode comme un type d'échantillonnage aléatoire non limité, dans laquelle chacune des unités d'échantillonnage déterminées par le chercheur (arbre, quadrat, parcelle ou échantillon biologique individuel) a une chance égale d'être incluse. On peut aussi envisager l'utilisation d'autres méthodes disponibles comme les méthodes d'échantillonnage aléatoires restreintes, selon lesquelles on effectue un échantillonnage aléatoire restreint à certains niveaux ou groupes. Compte tenu de cette panoplie de méthodes d'échantillonnage, Hayek et Buzas (1997) ont présenté la gamme des types communs de méthodes d'échantillonnage probabilistes quantitatives comme une méthodologie d'enquête unifiée qui utilise des méthodologies restreintes et non restreintes. Dans chaque cas, si l'échantillon biologique est l'unité d'échantillonnage (par exemple, la parcelle ou le quadrat pour l'estimation de la densité), l'objectif sera alors de choisir au hasard les échantillons biologiques, et non les individus, dans le cadre d'un échantillonnage aléatoire non restreint.
Toute approche utilisée pour obtenir des échantillons correspondra à un certain profil de variabilité; seuls les échantillons obtenus par un processus aléatoire (restreint ou non), qui donne un profil connu ou identifiable, peuvent être utilisés aux fins des théories et des méthodes statistiques.
Lorsque la méthodologie statistique a connu une certaine vogue grâce au travail de R. A. Fisher en 1921, l'objectif était d'utiliser le caractère aléatoire comme technique pour surmonter un biais, sans égard à la représentativité. On visait surtout à obtenir une estimation de l'erreur, plutôt qu'à établir la signification biologique ou écologique d'un phénomène, qui était implicite. Or, cet échantillonnage aléatoire convenait aux besoins des théories et des méthodes qui ont suivi. On sait maintenant que, compte tenu de la variabilité inhérente, sinon excessive, et des profils distributionnels des populations biologiques, on doit examiner l'échantillon sélectionné du point de vue de son rapport avec la population cible. Grâce à une définition quantitative de la cible de l'échantillonnage combinée au jugement et à l'expérience d'experts, ainsi qu'à certains critères objectifs d'efficience pour l'estimation de la valeur quantitative recherchée (par exemple, la densité, l'abondance ou la diversité), on peut obtenir un échantillon forestier convenable pour les études statistiques.
Sommaire
En somme, en définissant les questions à examiner, les éléments du modèle de l'étude et les méthodes analytiques avant les travaux sur place, on peut tirer un maximum d'avantages des informations qu'on doit rassembler. De plus, ce type d'approche augmente la comparabilité de ces informations avec celles d'autres études, la portée des données obtenues en réponse à diverses questions d'intérêt et l'utilité des données obtenues au fil des ans pour répondre à des questions et préoccupations ultérieures.
Types de données
Les données de surveillance sont constituées de dénombrements d'individus, d'espèces, de genres ou d'autres groupes. Le dénombrement est l'unité de base des mesures écologiques. À eux seuls, les dénombrements permettent d'obtenir une liste d'espèces ou, si on les additionne, une mesure de la richesse d'une ou de plusieurs espèces. On peut aussi combiner les dénombrements et les présenter sous plusieurs formes. Par exemple, lorsque des données d'abondance sont disponibles, on peut attribuer la valeur de 0 aux cas de non-occurrence et la valeur de 1 à toutes les autres valeurs d'abondance (de l'unité au nombre total d'individus observés). Ces ensembles de 0 et de 1 constituent des données d'occurrence. Elles peuvent aussi servir à calculer les densités pour un site ou les proportions absolues ou relatives. L'élément primordial d'une analyse de biodiversité qui utilise des données de surveillance est la taille de l'échantillon utilisé pour les dénombrements d'échantillons, N, et le nombre d'ensembles dans lesquels ces N sont situés, c.-à-d. des parcelles, des quadrats, des espèces, des genres ou des familles, par exemple. Avec ces valeurs, on peut évaluer la structure, la densité, la richesse ou l'uniformité d'une communauté, ou sa diversité alpha, bêta, ou gamma, entre autres choses.
On verse souvent dans une base de données des données écologiques sur la composition chimique, la superficie des feuilles, les facteurs environnementaux et la qualité de l'eau ou du sol. Il s'agit souvent (et parfois exclusivement) de mesures continues. Toutefois, les données collectées dans le cadre de mesures continues peuvent aussi être catégorisées, c.-à-d. classées par groupe ou par catégorie. Par exemple, on peut mesurer la hauteur au-dessus du niveau de la mer directement et définir ensuite des catégories, par exemple une altitude 1) élevée, 2) moyenne ou 3) faible. De plus, on peut observer et enregistrer directement les nombres d'individus et utiliser ensuite des catégories, par exemple des espèces rares, communes ou abondantes, au lieu des comptes de fréquence. En appliquant des points de coupure à des données obtenues en continu, on peut sélectionner des données catégoriques ou des catégories avant d'entreprendre les travaux sur le terrain.
Le terme niveau ou échelle des mesures désigne les différents types de valeurs numériques ou de nombres attribués de manière systématique à des individus, à des événements ou à des échantillons. Les quatre niveaux normalisés sont : le niveau nominal, le niveau ordinal, les intervalles et les ratios. Aux fins de la surveillance forestière, le niveau nominal sert à indiquer des catégories comme mâle ou femelle, pour lesquelles il n'y a pas d'ordre inhérent. On utilise l'échelle ordinale pour des catégories à ordre inhérent. Par exemple, les altitudes peuvent être d'ordre faible, moyen ou élevé, ou on peut répartir l'abondance des espèces selon une échelle de rareté croissante. Les échelles des intervalles et des ratios sont celles utilisées pour les données continues comme les mesures morphologiques et les facteurs environnementaux chimiques, par exemple la profondeur de l'eau ou la hauteur au-dessus du niveau de la mer.
Beaucoup estiment qu'il existe un rapport entre le niveau de la mesure et le bien-fondé de l'application d'une technique statistique. Selon les manuels, on ne peut effectuer des essais paramétriques qu'avec des données continues, et ils ne conviennent ni aux mesures méristiques, ni aux dénombrements ou aux occurrences des espèces.
Malheureusement, beaucoup de praticiens de la surveillance forestière croient qu'il s'agit d'une question d'opinion, étant donné que les statisticiens n'ont jamais réussi à s'entendre sur ce problème en trente ans.
Certains préconisent l'utilisation exclusive d'essais non paramétriques pour les données de niveau nominal et ordinal, alors que les données d'intervalle et de ratio seraient l'apanage exclusif des méthodes paramétriques. Par contre, beaucoup croient que la sélection d'un test statistique est une bonne façon d'atteindre un but ou de répondre à une question adéquatement formulée. Pour ce dernier groupe, il n'est pas nécessaire que l'échelle des données corresponde au type de procédure, parce que l'échelle devient moins importante. Qu'est-ce qu'un écologiste doit faire? Des simulations de Monte Carlo (Baker et al., 1966) ont montré que les différences dans les données d'intervalle et dans les données ordinales avaient une importance négligeable pour les applications statistiques. Par contre, selon beaucoup d'autres études et des chercheurs expérimentés qui ont traité des données écologiques complexes, il n'y a pas de réponse définitive à ce problème de bien-fondé de l'échelle pour les essais, mais on peut tout de même proposer quelques balises, qui devraient contribuer à transformer ce qui est essentiellement un art de la statistique en un ensemble de lignes directrices raisonnables utiles pour l'application des statistiques aux problèmes de surveillance forestière.
Il existe une grande variété de méthodes quantitatives et statistiques qu'on peut utiliser pour analyser et interpréter les données dans les bases de données de surveillance; elles sont si nombreuses qu'il est impossible de les examiner ou même de les énumérer toutes dans ce document. Il n'est pas possible non plus de présenter des règles pour choisir la « bonne méthode » pour l'analyse de tel ou tel ensemble de données, puisqu'il n'y a pas de règles. La prépondérance de méthodes fondées sur des hypothèses inférentielles pour les données de surveillance relève de la catégorie des modèles linéaires généralisés (MLG). Il existe aussi des méthodes exploratoires pour des enquêtes sans hypothèses opérationnelles. Il est conseillé de consulter un expert avant leur utilisation. Le fait qu'un professeur ou un collègue « qui connaît les statistiques » ait utilisé une telle technique pour des données « semblables » ne justifie nullement son application à un autre ensemble de données. On n'examine ci-dessous que les catégories des méthodes descriptives et inférentielles appelées indices ou coefficients, qui sont souvent utilisées pour interpréter des données de surveillance en matière de biodiversité.
Mesures d'association et de diversité pour une seule parcelle
Quand les mathématiciens-statisticiens refusent de présenter un plan d'échantillonnage et d'analyse pour tous les types de données de surveillance, ils ne sont pas uniquement motivés par le souci de préserver leur emploi. Le n½ud du problème, c'est que les théories sont toujours bien ordonnées, mais jamais les données. Même s'il y a une seule question à poser ou une hypothèse à soumettre à l'essai, une technique utilisée pour un ensemble de données peut ne pas être acceptable pour un autre ensemble de données en apparence semblable ou équivalent. C'est surtout pour cette raison qu'on note, dans la documentation écologique, une si forte tendance à utiliser des indices uniques, qui ne nécessitent pas d'hypothèses. On examine brièvement ci-dessous ces deux catégories de mesures, les mesures d'association et les mesures de diversité.
Mesures d'association
Les mesures d'association ou de similarité sont appropriées pour le traitement des données d'occurrence, notamment pour les comparaisons fauniques. La plus commune est le coefficient ou l'indice de Jaccard. Pour obtenir un indice, on peut aussi utiliser des données auxiliaires de surveillance, par exemple la présence ou l'absence de caractères taxonomiques, les états environnementaux, la concordance des observateurs, les propriétés chimiques ou d'autres données catégorisées. En 1994, Hayek a compilé une liste exhaustive de tous les indices de similarité, de correspondance, d'association et de ressemblance, présentée sous forme de tableau, qui montrait les définitions et étiquettes redondantes, ainsi que les propriétés mathématiques de ces indices, et qui permettait de justifier la sélection d'un indice ou d'un coefficient en fonction des objectifs d'une étude de surveillance.
On a conçu plusieurs méthodes descriptives et graphiques pour les cas où un effort de surveillance produit des données pour certains groupes et leur contenu, par exemple pour les individus d'une espèce, les espèces d'un genre ou d'un secteur, ou pour les données de mesure d'effort.
Mesures de diversité
Même si la perception qualitative habituelle de la diversité des espèces est souvent corrélée positivement à la richesse des espèces (nombre d'espèces), cela n'est pas nécessaire ni du point de vue écologique, ni du point de vue mathématique. Par exemple, il peut y avoir des gradients selon lesquels la diversité des espèces augmente, alors que la richesse des espèces diminue. Le dénombrement des espèces, qui mesure un simple aspect quantitatif de la diversité, est un élément de base de toute étude de diversité. Toutefois, le dénombrement des espèces ne peut pas être lié aux définitions théoriques fondamentales de la diversité, car il dépend de la taille de l'échantillon. Même s'il s'agit parfois du meilleur indicateur pour les données des inventaires, il ne représente qu'une facette de l'ensemble de la question de la diversité.
D'autres méthodes qui tentaient d'éliminer cette dépendance à l'égard de la taille de l'échantillon ont utilisé une mesure de richesse des espèces; on obtenait ces mesures en compilant le nombre d'individus observés (N). Si les indices de richesse sont conçus à l'aide de N et S, ils ne fournissent pas d'informations sur la diversité des espèces en général et il est clair qu'ils dépendent aussi de la taille de l'échantillon. Avant l'incorporation de méthodes inférentielles statistiques dans les évaluations écologiques, on traçait la courbe du nombre d'espèces en fonction du nombre d'individus (ou celle des genres en fonction des espèces, etc.), ou encore, en fonction de la superficie des échantillons des études de surveillance, ou de la mesure de l'effort. On les appelait courbe des espèces, courbe espèce - superficie et courbe des espèces - effort, respectivement. Leur forme était approximativement exponentielle, peu importe le groupe taxonomique. La courbe obtenue pour le transformateur logarithmique (quelle que soit la base) des dénombrements des espèces et la mesure de l'abondance est à peu près linéaire. On utilise souvent une ligne de régression afin de prévoir les valeurs des superficies, des efforts ou des nombres d'individus pour lesquelles il n'y a pas d'observations (Gleason, 1922). Toutefois, les estimations des paramètres des courbes ajustées dépendent de l'unité de mesure. Par exemple, une courbe représentant des quadrats mesurés en mètres carrés ne donne des estimations du nombre d'espèces que pour un carré d'un mètre de côté.
En 1968, Sanders a élaboré une méthode dite de la raréfaction afin de rendre la richesse indépendante de la taille de l'échantillon. Cette méthode réduit les échantillons observés à une taille commune minimale. On a ensuite formulé cette condition sur une base probabiliste, mais elle utilise toujours certaines hypothèses qui posent problème en ce qui a trait au rapport entre les assemblages et leurs communautés apparentées. Toutefois, cette méthode peut être utile pour des études comparatives de richesse.
Par des activités de surveillance, on peut obtenir des dénombrements totaux de plusieurs espèces (s) et individus (n) avec des données d'abondance connexes, ni, où i = 1, 2, ... s espèces. Ces valeurs sont utilisées pour calculer diverses mesures de diversité et d'uniformité (ou d'équitabilité) de la distribution. De plus, plusieurs distributions de probabilité bien connues, par exemple, les séries logarithmiques, log-normales et du bâton brisé, ont été ajustées à ces données pour décrire la structure communautaire, et les paramètres de ces distributions ont été utilisés comme indicateurs de diversité. Bien que l'utilisation d'une seule valeur pour tous les échantillons puisse être à l'origine d'erreurs, les chercheurs ont élaboré ces mesures parce qu'ils devaient comparer ces distributions d'abondance. De nos jours, la tendance favorise l'utilisation de mesures d'uniformité pour décrire la distribution des abondances relatives ou de la densité.
Il est clair que la richesse et l'uniformité sont des facettes d'une définition à la fois théorique et pratique de la diversité. On note toutefois une énorme confusion dans la documentation au sujet de ces indices. L'une des principales raisons de cette confusion est que la notion de diversité des espèces dans la documentation repose à la fois sur des définitions très différentes et contradictoires. En effet, il y a plus de 50 ans, Hulbert (1971) a rédigé un document de travail sur le « non-concept » de la diversité des espèces, dans lequel il soutenait qu'on ne pourrait jamais faire la différence entre la richesse et l'uniformité dans un système ou une communauté écologique.
En substance, la plupart des chercheurs seraient d'avis que la notion de diversité fait appel à la richesse et à l'uniformité, ainsi qu'au nombre total d'espèces. Par exemple, la plupart conviendront que l'environnement des tropiques est plus diversifié que celui de l'Arctique canadien et que cette affirmation suppose qu'il y a plus d'espèces dans les tropiques, et que chacune de ces espèces compte en moyenne relativement moins d'individus que les espèces canadiennes. Pourtant, après plus d'un demi-siècle, cette évaluation qualitative n'a pu être traduite en un système d'évaluation quantitatif.
En 1997, Hayek et Buzas ont montré que la richesse et l'uniformité pourraient être séparées s'il n'y avait qu'une seule communauté, et ils ont présenté leur équation de décomposition à cette fin. Ils ont montré que le principal obstacle à surmonter pour obtenir une évaluation adéquate de la diversité était que chacun de ces indices, s'il est calculé pour un seul ensemble de données ou pour un seul point dans le temps, est entaché de vices fondamentaux. Les chercheurs ont négligé deux points critiques pour l'application correcte des mesures de diversité et d'uniformité. D'abord, il faut savoir si les données de surveillance ont été obtenues pour un assemblage unique ou pour plusieurs assemblages ou communautés. Deuxièmement, chaque indice a un rapport fondamental et déterminé avec une distribution statistique sous-jacente pour les abondances relatives des espèces dans l'ensemble de données et pour cette raison, on ne peut l'utiliser sans connaître cette distribution. En effet, les mesures de richesse, d'uniformité de la distribution et de diversité sont toutes interreliées par des équations mathématiques, ce qui devrait être clair puisque ces facteurs sont les meilleurs descripteurs de la structure communautaire d'assemblages, de communautés ou d'efforts d'échantillonnage uniques. Si on connaît la richesse et une mesure de la diversité (p. ex. le H de Shannon, le J de Pielou ou l'y de Simpson) ou de l'uniformité, on connaît alors le troisième indice de ce rapport déterminé. Il s'ensuit que la structure ou la distribution de cette communauté peut être déterminée de façon non équivoque.
Analyse SHE
L'analyse SHE, (S pour richesse, H pour information et E pour uniformité) est une méthode succincte et efficace qui permet d'examiner les changements de la biodiversité en fonction du temps ou de l'espace en compilant les résultats d'échantillons et en examinant la distribution de l'abondance relative (DAR) qui en résulte. Au lieu de calculer un indice unique pour chaque échantillon sans l'aide d'un outil statistique fiable pour les comparer, la méthode SHE évalue toutes les zones échantillonnées comme une seule unité. Il s'agit d'une approche d'évaluation de la biodiversité à la fois théorique et fondée sur l'information, qui présente un aperçu à vaste spectre d'une zone, d'un assemblage ou d'une communauté.
Pour une analyse SHE, on commence par produire des courbes des espèces familières (Colwell et al., 2004). On obtient des valeurs cumulatives de richesse des espèces pour l'ensemble des échantillons à mesure qu'on ajoute de nouvelles espèces pour chaque échantillon successif. Par exemple, si on trouve trois espèces pour les cent premiers arbres du quadrat 1, puis deux autres pour les cent arbres du quadrat 2, les valeurs cumulées de S et de N devraient être de 3-100 et de 5- 200 sur la courbe.
À l'aide de nouveaux calculs mathématiques, Hayek et Buzas (1997; 2005) ont combiné les divers éléments pertinents de la définition et des mesures de diversité, qui étaient examinés séparément jusque-là. Ils ont montré que pour l'évaluation de la diversité d'un site, d'une communauté ou d'un assemblage à l'étude quelconque, il était préférable d'utiliser une approche unifiée basée sur la l'accumulation de données pour l'ensemble du site échantillonné. En effet, si la cible est une seule forêt à l'intérieur de laquelle des quadrats sont échantillonnés, on cumule les valeurs des données sur tous les quadrats afin d'obtenir les inférences les plus efficaces pour cette forêt. Par ailleurs, si une seule parcelle est échantillonnée, l'accumulation des données pour une parcelle ou avec le temps donne l'image la plus complète. L'utilisation avec plusieurs indices ou même avec des techniques inférentielles d'échantillons distincts ou d'analyses parcelle par parcelle ne permet pas d'obtenir une interprétation holistique du milieu naturel.
L'utilisation et l'interprétation des mesures de diversité ou d'uniformité ne sont appropriées que dans les deux conditions suivantes : 1) si on connaît la distribution pertinente des abondances relatives, sous forme d'estimations de probabilité (Hayek et Buzas, 1997), et 2) s'il est clairement établi que les données de surveillance des échantillons proviennent d'une seule communauté ou de plusieurs d'entre elles (Buzas et Hayek, 2005).
Bien qu'on puisse utiliser bon nombre d'autres indices bien connus dans une analyse SHE, la méthode normalisée calcule une valeur de H de Shannon (indice d'information) et le logarithme d'une mesure d'uniformité (E) pour chacune des valeurs cumulées du nombre d'individus des divers échantillons. De nos jours, des raffinements mathématiques ont permis d'obtenir deux catégories de méthodes polyvalentes d'analyse SHE, l'analyse SHEBI pour l'identification des zones ou des communautés écologiques et l'analyse SHECSI pour l'identification des structures communautaires (Hayek et Buzas, 1998).
Courbe biodiversité - Gram
Une courbe biodiversité - Gram ou BDG présente plusieurs aspects, sur un seul ensemble d'axes, du profil de biodiversité de la zone ou population cible (Hayek et al., 2006). On peut tracer dans un seul diagramme la courbe de l'ensemble des mesures de biodiversité en fonction de la densité, de la richesse des espèces, de l'uniformité et de la diversité composée ou de l'abondance relative. Cette courbe reflète le fait que, tout comme le nombre d'espèces dépend (varie en fonction) du nombre d'individus échantillonnés, les mesures de diversité et d'uniformité (H, alpha de Fisher, J, E, etc.) sont des fonctions de N. Cette courbe générale de la biodiversité est un instantané concis et facile à interpréter de la biodiversité de tout ensemble ou zone d'échantillons pour un habitat ou une espèce, dans une communauté ou un assemblage donné.
Sommaire
Si une étude est destinée à obtenir des informations sur plusieurs parcelles, quadrats ou zones forestières, l'application d'indices uniques ne suffira pas à décrire les aspects complexes de la diversité biologique. Si on obtient des dénombrements d'individus à l'intérieur d'espèces, ou d'espèces à l'intérieur de genres, il faudra évaluer les distributions obtenues pour avoir une image complète de la diversité. À l'aide des données obtenues à partir de programmes bien conçus de surveillance par parcelle en fonction de l'espace ou du temps, le cadre méthodologique unifié de l'analyse SHE d'Hayek et Buzas constitue une méthode d'évaluation succincte, mais complète, qui permet de déterminer la diversité biologique de toute zone, population ou communauté cible.
La gestion de l'information est le traitement des informations acquises par une ou plusieurs sources différentes de façon à optimiser l'accès à ces informations. Dans le cadre de ce document de travail, la gestion de l'information décrit un ensemble structuré de processus et de documents qui sont pertinents pour un projet de recherche ou de surveillance. Bien que la valeur de ce processus ait été reconnue par un certain nombre d'organisations, il arrivait souvent qu'on n'en tienne pas compte avant que le projet ne soit déjà avancé et que la tâche de la collecte des documents nécessaires pour le suivi ou la reconstitution du projet ne devienne très ardue, voire impossible.
Une saine gestion de l'information est essentielle pour tout projet de recherche ou de surveillance. La documentation obtenue permet le maintien des informations et des données pertinentes pour leur utilisation à long terme, elle rend possible l'examen du projet et elle peut offrir d'autres avantages pour des raisons qui ne pouvaient être prévues par les initiateurs de l'étude. Toutefois, si les données ne sont pas collectées, stockées et mises à jour d'une façon systématique, leur utilité diminue rapidement, tout comme la crédibilité de l'équipe scientifique dont elles proviennent.
Quelles sont ces exigences d'une saine gestion de l'information? La philosophie adoptée par l'équipe du lieu historique national et du parc national de Kejimkujik consiste à « consigner une quantité minimale de données documentaires essentielles pour enregistrer, comprendre et reconstituer intégralement un projet de recherche ou de surveillance, ce qui donne une valeur maximale à l'étude initiale et à ses données » (Drysdale et O'Grady, 1997). En gardant ce principe à l'esprit, le chercheur doit relever tous les documents et processus qui forment le cahier de documentation, ainsi que la personne ou les personnes responsables de l'assemblage, de la tenue et de la gestion de la documentation du projet. Pour ce rôle, il est préférable de faire appel, dès le début du projet, aux services d'un spécialiste versé dans la gestion de l'information. Si aucun spécialiste n'est disponible pour cette tâche, il faudra alors désigner et former un responsable qui a le temps et la volonté d'examiner le projet dans cette perspective.
Pour les projets de gestion de l'information, un bon cahier doit comporter les éléments suivants : la proposition initiale de l'étude et le plan de l'étude (qui comprend les méthodologies et procédures de collecte des données); les modifications; une évaluation des préoccupations environnementales et des évaluations environnementales obligatoires; le budget (personnel, équipement, installation et entretien); les plans des mesures de sécurité; les approbations des projets; les ententes contractuelles ou des protocoles d'entente conclus avec les organismes partenaires et les propriétaires fonciers; les listes des noms des chercheurs; les évaluations du projet; les données sur le projet, notamment ses métadonnées, la liste des logiciels et enfin, les rapports sur le projet classés selon un système de classification normalisé comme celui de la Bibliothèque du Congrès (Library of Congress). Pour une gestion optimale des données initiales sur les parcelles, il est recommandé d'effectuer le travail aussi près que possible du site d'étude, afin de faciliter les corrections et le dialogue avec les chercheurs.
Les accords relatifs à l'utilisation et à la distribution des données sont un élément important du cadre de gestion de l'information. Pour le soutien des travaux de recherche ultérieurs, il faut encourager le partage des données. Toutefois, étant donné que ces informations peuvent être confidentielles ou visées par des droits d'auteur, les parties en cause doivent s'entendre sur les autorisations requises pour leur diffusion.
On doit archiver toutes ces informations de façon appropriée, de manière à ce qu'elles ne soient accessibles qu'aux personnes autorisées, et des copies de sauvegarde doivent être stockées à l'extérieur du site en cas d'accident.
Informations géospatiales et systèmes de gestion des données
L'enregistrement des données spatiales est visé par un ensemble unique d'exigences essentielles. Le géoréférencement est un processus de référencement des données par rapport à des repères géographiques terrestres, qui consiste à leur attribuer des coordonnées liées aux données cartographiques. Pour la plupart des projets, il faut cartographier les données non seulement pour l'identification des emplacements, mais aussi pour faciliter l'analyse spatiale en fonction d'autres données écologiques. L'importance de la documentation spatiale (modalités de création ou de collecte des coordonnées, avec des précisions sur les projections et les systèmes de référence) est primordiale, car elle influe sur les données d'emplacement.
Une méthode couramment utilisée pour la collecte des coordonnées spatiales fait appel aux technologies GPS. Par exemple, si on utilise une carte à l'échelle de 1 : 50 000 avec une projection de grille UTM et un système de référence NAD83, l'unité GPS doit être réglée selon les mêmes projections cartographiques et selon les spécifications du même système de référence. Dans le cas contraire, les données ne pourront être reportées adéquatement sur cette carte sans traitement supplémentaire. En effet, on a utilisé différents systèmes de projection et de référence pour la collecte des données et la création des cartes, parfois même dans un cadre géographique identique. De plus, il arrive que les diverses administrations d'un même pays utilisent différents systèmes de projection et de référence; on ne saurait trop insister sur l'importance de choisir le bon.
Normes relatives aux données et aux métadonnées
L'utilisation de normes reconnues à l'échelle internationale pour les données et les métadonnées géospatiales améliore la disponibilité, l'accès et le partage des ensembles de données, en plus de faciliter leur harmonisation. Il est important d'élaborer un plan pour la gestion des données à l'étape de la conception d'un programme de surveillance écologique, afin de garantir que tous les aspects de ce projet sont documentés de façon systématique. Une stratégie de gestion des données devrait tenir compte des utilisateurs de ces données et de leurs besoins. Un système de gestion de l'information devrait être structuré de manière à répondre aux besoins des utilisateurs tant pour l'entrée des données que pour leur extraction. On doit tenir compte des besoins actuels et prévus pour les données.
Métadonnées
Un élément essentiel d'un système d'information robuste est la création d'enregistrements de métadonnées. Les métadonnées sont des données sur les données, des descripteurs qui répondent aux questions « quand, où, quoi, pourquoi, comment » pour la collection et l'analyse des échantillons, et qui donnent des renseignements d'ordre qualitatif sur celles-ci. Les métadonnées comportent des informations sur :
la surveillance d'un événement : par qui, quand, période d'échantillonnage;
le modèle d'échantillonnage : nombre et répartition des stations de surveillance, cartes;
les métadonnées du protocole détaillé : étapes du traitement, changements depuis le dernier événement d'échantillonnage;
la qualité des données : formation, certification et expertise des participants;
les codes de données, les hypothèses et les normes utilisés.
Il est important de s'assurer que les données restent liées à leurs métadonnées afin que d'autres puissent les comprendre et les utiliser. Il y a des normes reconnues sur les métadonnées qui assurent une bonne cohérence entre les divers organismes de surveillance pour ce qui est de la saisie et du partage des métadonnées.
(Le Bureau de coordination du RESE est en train de mettre au point un formulaire en ligne simple destiné à la saisie des métadonnées des partenaires, conformément à la norme sur le contenu du profil des données biologiques FDGC. On peut interroger ces métadonnées sur le site Web du programme RESE. Une liste des outils de création des métadonnées est accessible sur le site http://www.nbii.gov/datainfo/metadata/tools/index.html).
Partage et découverte des métadonnées
Le partage des métadonnées facilite la diffusion des connaissances sur les autres activités de surveillance et accroît l'utilité du projet d'étude. Les organismes de surveillance et les autres chercheurs peuvent déterminer les occasions de collaboration et d'utilisation des données, ce qui accroît l'aspect « valeur ajoutée » de l'effort de surveillance.
Il y a plusieurs registres de métadonnées disponibles. Par exemple, on peut interroger en ligne la base de données du site des partenaires et des recherches, qui est accessible sur le site du répertoire du RESE. Le Bureau de coordination du RESE a créé un outil en ligne qui doit aider les partenaires à créer et à partager des enregistrements de métadonnées grâce au répertoire du site. Les informations hébergées dans le répertoire du site du RESE sont compilées automatiquement par le Metadata Clearinghouse de la National Biological Information Infrastructure (NBII) (http://mercury.ornl.gov/nbii/), un registre international de métadonnées biologiques. Ces systèmes doivent archiver automatiquement les métadonnées présentées.
Pour plus d'informations sur les outils requis pour la création de métadonnées conformes aux normes visant les données géospatiales et pour des liens sur les principaux outils de visionnement, visiter le site : http://www.eman-rese.ca/eman/ecotools/gisarea/intro.html.
Outils de gestion des données pour les protocoles RESE
Des outils qui facilitent la gestion des données sont disponibles pour les protocoles recommandés par le RESE. Pour certains protocoles du RESE, on a créé des modèles Excel qui proposent, pour les colonnes et les rangées, un format qui doit faciliter l'analyse des données. En 2006, on a lancé le système de gestion des données du RESE (http://www.on.ec.gc.ca/eman/index.cfm). Ce système permet aux utilisateurs d'entrer et de modifier des données en ligne, de manière à alimenter une base de données nationale globale. Il comporte aussi un outil en ligne qui permet de rechercher, de visionner, de télécharger et de cartographier des données en cours de compilation pour les protocoles normalisés de surveillance des écosystèmes du RESE. Ce système conçu par étapes utilise actuellement les trois protocoles suivants : le protocole de surveillance de la biodiversité de la végétation terrestre du RESE, ainsi que les protocoles Roadside Survey et Backyard Call Count. Au cours de la prochaine étape, on doit rajouter au système de gestion des données un protocole sur la santé des arbres. À plus long terme, ce système doit prendre en compte tous les protocoles de surveillance des écosystèmes du RESE.
La sécurité est une condition très importante dont il faut tenir compte pour la planification et la réalisation de toute étude scientifique. Les déplacements sur le site de l'étude et les tâches d'installation des sites sur les parcelles d'étude peuvent être dangereux. Les parcelles sont souvent très éloignées et elles nécessitent alors l'utilisation d'aides à la navigation comme des cartes et des boussoles. Beaucoup d'organismes et d'entreprises exigent que des plans généraux de mesures de sécurité soient élaborés et présentés par les chercheurs avant d'autoriser un projet. Il est préférable d'élaborer ces plans pour l'ensemble de l'équipe et de manière à ce que tous les participants connaissent bien les dangers possibles de leur milieu de travail.
Un plan des mesures de sécurité doit définir les risques et comporter des mesures pour les réduire; il doit aussi prévoir les équipements requis pour la sécurité et les communications, ainsi que les besoins en formation et des procédures appropriées de collaboration avec les responsables locaux pour les recherches et les interventions d'urgence sur place. Il est préférable que ce plan soit examiné par un responsable de la sécurité désigné pour garantir le respect des pratiques sécuritaires. Tous les membres de l'équipe doivent s'acquitter de leurs obligations avec une diligence raisonnable.
Ce document de travail met l'accent sur les principes de l'examen de la planification des travaux de recherche, ainsi que sur certaines exigences pour une surveillance à long terme efficace et durable des parcelles, dans le contexte du programme de surveillance des parcelles du RESE. On a présenté ces questions afin de stimuler la réflexion et les débats chez une vaste gamme d'intervenants des parcelles d'étude, tant pour les fonctionnaires qui appliquent des systèmes de surveillance nationaux que pour les employés ou les étudiants des petits établissements de recherche qui travaillent sur place à l'installation d'un site sur une parcelle, afin de faciliter l'évaluation de la biodiversité locale ou régionale et des changements dans celle-ci. Toutefois, cet examen n'a fait qu'effleurer un domaine très complexe et difficile.
Un certain nombre de systèmes d'échantillonnage des parcelles de type linéaire et circulaire sont utilisés pour répondre aux besoins en information de disciplines spécifiques, à l'échelle régionale et nationale. Partout où c'est possible, il serait utile de promouvoir la normalisation des données, l'analyse des ensembles de données totalisés et la collaboration à l'échelle mondiale, pour répondre aux besoins en informations sur les principaux facteurs d'agression et sur l'évaluation des changements.
L'ampleur des connaissances et des ressources humaines requises pour cette tâche est considérable. Il est essentiel d'améliorer la collaboration aux niveaux local, national et international pour faciliter l'accès à des ressources adéquates d'expertise et de soutien.
1. La configuration des parcelles forestières de 20 x 20 m et le protocole associé, recommandé par le Réseau d'évaluation et de surveillance écologiques, peut servir d'outil modulaire approprié pour un certain nombre d'applications d'évaluation de la biodiversité et des terres. Cette configuration est compatible avec l'Inventaire forestier national du Canada, qui est également axé sur la surveillance par parcelle (Gillis M. D., A. Y. Omule et T. Brierly, 2005). Le format échelonnable des parcelles peut être appliqué à des éléments plus grands ou plus petits, qui sont utilisés de manière globale et qu'on peut cartographier avec précision.
2. Il faut évaluer, archiver et analyser avec soin les données collectées pour les parcelles de surveillance forestière de 20 x 20 m au format RESE, ainsi que celles collectées pour les quadrats d'évaluation de la biodiversité SI/MAB de 1 ha, parrainées par le RESE, grâce à des systèmes locaux et centralisés de gestion de l'information et aux services d'experts. L'utilisation des systèmes de gestion de l'information du RESE, ainsi que l'archivage des données au niveau du terrain, est essentielle pour réaliser le plein potentiel des études par parcelle.
3. On doit envisager la mise au point d'un système de cote d'assurance de la qualité RESE pour la surveillance par parcelle des diverses initiatives canadiennes. On pourrait ainsi coter les projets et leur attribuer un niveau approprié de certification pour l'atteinte des exigences de qualité. L'évaluation des projets pourrait être faite par un comité local ou régional d'examen par des pairs selon un ensemble normalisé de critères (comme ceux décrits dans ce document de travail), et les projets pourraient recevoir une certification pour l'atteinte des objectifs de qualité du RESE d'Environnement Canada.
4. D'autres démarches de liaison interorganisme aux niveaux régional, national et international seraient utiles pour le développement du concept de l'étude par parcelle, de la normalisation de la collecte des données et des procédures d'analyse. Cette collaboration donnerait accès à des niveaux élevés d'expertise, tout en renforçant la rigueur des études.
5. Le Service canadien des forêts, le RESE d'Environnement Canada et Parcs Canada jouent des rôles significatifs pour la mise en place des techniques de surveillance par parcelle au Canada. Il est essentiel de poursuivre la création de partenariats avec les établissements d'enseignement et les organismes gouvernementaux si l'on souhaite que les études à long terme par parcelle soient utilisées de façon efficace pour évaluer la biodiversité régionale et mondiale et les changements environnementaux. Il serait souhaitable de collaborer davantage avec l'UNESCO, le Smithsonian Institute, les administrations régionales, les éducateurs et l'industrie pour assurer le progrès des discussions scientifiques, ainsi que pour la préparation d'ateliers et d'une conférence sur les évaluations par parcelle et sur les techniques de surveillance.
6. On note un grand besoin de communication des informations sur la conception, l'application et l'analyse des études au vaste réseau de praticiens et d'étudiants qui collaborent aux recherches de surveillance par parcelle. L'élaboration en collaboration d'un guide général pour la surveillance par parcelle, qui présenterait notamment des exemples de tâches et de bonnes pratiques, serait sans doute un outil très utile qui répondrait aux besoins en formation dans un contexte international.
Baker B., O. C .F. Hardyck et L. F. Petrinovich. 1971. Weak measurement versus strong statistics: An empirical critique of S. S. Steven's proscriptions on statistics. Pp 370-381. In B. Lieberman (éditeur) Contemporary Problems in Statistics. Oxford Univ. Press, New York. 1966.
Buzas, M.A. et Hayek L. C. 2005. On richness and evenness within and between communities. Paleobiology 31(2): 199-220.
Colwell, R. K., C. X. Mao et J. Chang. 2004. Interpolating extrapolating and comparing incidence-based species accumulation curves. Ecology 85: 2717-2727.
Connor E. F. et E. D. McCoy. 1979 The statistics and biology of the species-area relationship. American Naturalist. 113:791-833.
Dallmeier F. et J. S. Comiskey. 1998. Forest Biodiversity Research, Monitoring and Modelling Conceptual Background and Old World Case Studies. Smithsonian Institution. Série de l' UNESCO L'homme et la biosphère, Parthenon Publishing Group. Vol 20, chapitre 1.
Drysdale C. et S. O'Grady. 1997. Science Information Management in Kejimkujik National Park; From Theory to Practice. Actes de la Troisième conférence internationale sur la science de la gestion des aires protégées, 12-16 mai 1997, Calgary (Alberta).
Elzinga, C. L., D. W. Salzer et J.W. Willoughby. 1998. Measuring and monitoring plant populations. USDA-Bureau of Land Management Technical Reference 1730-1, Denver, CO.
Gillis, M. D., A. Y.Omule et T. Brierly. 2005. Monitoring Canada's Forests: The National Forest Inventory. Vol. 81, No. 2- The Forestry Chronicle.
Gleason H. A.1922. On the relation between species and area. Ecology 3:158-162.
Hayek, L. C. et M. A. Buzas 2006 The Martydom of St. Lucie: the decimation of a meiofauna. Journal of Foraminiferal Research. 79 (2): 341-352.
Hayek, L. C. 2004. Some considerations for the use of statistical methods in Chrysamelidae, p 147-158. in P. Jolivet, J. A. Santiago-Blay et M. Schmitt (éditeurs) New developments in the Biology of Chrysamelidae, SPB Academic Press Publ., La Haye.
Hayek L. C. et M. A. Buzas 1998. SHE analysis: an integrated approach to the analysis of forest biodiversity. Pp 311-321 in F. Dallmeier et J Comisky (éditeurs) Forest biodiversity research, monitoring and modeling: Conceptual background and Old World case studies. UNESCO and Parthenon, pairs.
Hayek, L. C. et Buzas, M. A. 1997. Surveying Natural Populations. Columbia University Press. NY. 563 pgs. Second printing, déc. 1999.
Hayek, L. C. 1994. Quantitative Analysis of Amphibian Sampling Data. Chapter 9 in Measuring and Monitoring Biological Diversity: Standard Methods for Amphibians. R.Heyer, M. Donnelley, R. McDiarmid, L.C.Hayek et M. Foster (éditeurs) Smithsonian Institution Press.
Hayek, L. C. 1994. Research Design for Quantitative Amphibian Studies. Chapter 4 in Measuring and Monitoring Biological Diversity: Standard Methods for Amphibians. R.Heyer, M. Donnelley, R. McDiarmid, L. C.Hayek et M. Foster (éditeurs) Smithsonian Institution Press.
Hurlbert S. H. 1971 The nonconcept of species diversity: A critique and alternative parameters. Ecology: 52: 577-586.
Martin T. E. 1981 Species-area slopes and coefficients: A caution on their interpretation. American Naturalist. 118:823-837.
Oakley, Karen L., Lisa P. Thomas et Steven G. Fancy. 2003. Guidelines for Long-term Monitoring Protocols. 2003. Wildlife Society Bulletin 2003, 31(4):1000-1003.
Sanders, Howard, L. 1968 Marine Benthic Diversity: A Comparative Study. The American Naturalist. 102(925): 243-282.
Scott, Charles T. 1997. Sampling methods for estimating change in forest resources. In Ecological Applications: v. 8:2, pp. 228-233.
Stork, N. E. 1995. Inventorying and monitoring of Biodiversity. Ch. 7 in Global Biodiversity Assessment. Published for United Nations Environment Programme. Press Syndicate. Université de Cambridge, New York.
Burgman, Mark. 2005. Risks and Decisions for Conservation and Environmental Management. Cambridge University Press.
Buzas, M. A. et Hayek, L. C. 1996. Biodiversity Resolution: an integrated approach. Biodiversity Letters, Londres. 3:40-43.
Drysdale C. et Howell G. 1998. Building a Network for Ecological Research and Monitoring In Canada: Emphasis on SI/MAB Plot-Based Methodology in Kejimkujik National Park. In Forest Biodiversity in North America and South America: Research and Monitoring (vol 21). Dallmeier F. et J. Comiskey, éditeurs. Série de l'UNESCO L'homme et la biosphère, Parthenon Publishing Group. 1998.
Elzinga, Caryl L., Daniel W. Salzer, John W. Willoughby et James P. Gibbs. 2001. Monitoring Plant and Animal Populations. Blackwell Science.
Enhanced Forest Inventory and Analysis Program - National Sampling Design and Estimation Procedures. Southern Research Station GTR SRS-80, juin 2005:
http://www.srs.fs.usda.gov/pubs/gtr/gtr_srs080/gtr_srs080.pdf
Environnement Canada, site Web du Réseau d'évaluation et de surveillance écologiques (RESE)
http://www.eman-rese.ca/eman/ecotools/studydesign/studydesign.html
Fortin, Marie-Josée et Mark Dale. 2005. Spatial Analysis: A Guide for Ecologists. Cambridge University Press.
Geissler P. H. et Trent L. McDonald. 2005. Systematic and Stratified Sampling Designs in Long-term Ecological Monitoring Studies.US Geological Survey, c/o BARC-East, Building 308, Room 126, 10300 Baltimore Avenue, Beltsville (Maryland) 20705.
Green, Roger H. 1979. Sampling Methods and Statistical Methods for Environmental Biologists. John Wiley and Sons.
McDonald, Trent L. 2003. Review of environmental monitoring methods: survey designs. Environmental Monitoring and Assessment. (3):277 92.
Morrison, Michael L., William M. Block, M. Dale Strickland et William L. Kendall. 2001. Wildlife Study Design. Springer-Verlag.
http://nfi.nfis.org/reporting/monitoring/Monitoring_NFI_2005.pdf
Stehman, Stephen V. 1997. A practical sampling strategy for estimating residual stand damage. Can. J. For. Res. 27:1635-1644 (1997).
Nouvel inventaire forestier national fondé sur les parcelles (accepté par le Comité canadien de l'inventaire forestier, sept. 1997).
http://eosd.cfs.nrcan.gc.ca/resources/Background/mark_gillis_new_nfi design_f.html.
Thompson, William L., Gary C. White et Charles Gowan. 1998. Monitoring Vertebrate Populations. Academic Press Inc.
Van Deusen, Paul C. 2005. Stratified forest inventory estimation with mapped plots. Can. J. For. Res. 35:2382-2386 (2005).
Van Deusen, Paul C. 2004. Forest inventory estimation with mapped plots. Can. J. For. Res. 34: 493-497 (2004).
Williams, Michael S. et al. 2001. Accuracy and efficiency of area classifications based on tree tally. Can. J. For. Res. 31: 556-560 (2001).
Williams, Michael S. 2001. Nonuniform random sampling: an alternative method of variance reduction for forest surveys. Can. J. For. Res. 31: 2080-2088 (2001).
Whitman, Andrew A. et John M. Hagan. 2003. Biodiversity Indicators for Sustainable Forestry. Final report to the National Commission on Science for Sustainable Forestry. 14 Maine St. Brunswick (Maine) 04011 http://www.manometmaine.org
Zarnoch, S. J. 2000. Estimating mapped-plot forest attributes with ratios of means. Can. J. For. Res. 30: 688-697 (2000).
|
|
|
