Géoinformatique et géostatistique : un aperçu

Évaluation de la qualité d'estimation d'un paradigme général de catégorisation de l'abondance animale une fois les observations comptabilisées

Niharika Dvivedi*

Les indices d'abondance relative sont largement utilisés pour observer les populations vivantes. Un paradigme général de catégorisation a été développé pour structurer la collecte d'informations et effectuer des analyses de validité. Cette approche est applicable à plusieurs mesures d'observation, avec des observations créées à des stations dans le monde d'intérêt et continues sur plusieurs jours. La formule de variance pour l'indice global a été dérivée en utilisant un modèle mixte linéaire, avec des tests mathématiques appliqués et des intervalles de confiance basés sur des observations à distribution gaussienne présumée. Cependant, plusieurs stratégies d'observation, comme les intrusions pour tracer des parcelles ou des pièges photographiques, impliquent des comptages avec plusieurs zéros, créant des observations de type Poisson. Pour combler cette lacune inférentielle entre les hypothèses analytiques gaussiennes et les informations distribuées selon la loi de Poisson, nous avons évalué, via une étude de simulation de ville à grande échelle, l'estimation de la variance et la couverture de l'intervalle de confiance lorsque l'illation mathématique appliquée gaussienne est appliquée aux informations générées à partir d'une distribution. Le modèle linéaire à effets mixtes a donné de bons résultats dans l'estimation des variances et des intervalles de confiance lorsque les informations de Poisson simulées se situaient dans la fourchette trouvée dans les études de terrain (couverture de l'intervalle de confiance de 88 à 96 %). L'estimation s'est améliorée en augmentant le nombre de jours d'observation. Les taux de couverture de l'intervalle de confiance ont été satisfaisants (même avec peu de jours d'observation) une fois que la variabilité normale était minime, tandis que l'estimation efficace a donné lieu à une excellente variabilité d'une station à l'autre. Ces résultats offrent une base fondamentale pour l'application du paradigme de catégorisation globale aux informations de comptage, renforcent la généralité de l'approche, offrent des informations précieuses pour le style d'étude et rassureront les praticiens quant à la validité de leurs inférences analytiques une fois les informations de comptage traitées