Spatial analyses of ecological count data: a density map comparison approach
Résumé
Die Analyse der räumlichen Muster in den Verteilungen von Populationen kann dazu beitragen, entscheidende grundlegende ökologische Prozesse abzuleiten. Hier stellen wir eine Methode zur räumlichen Analyse von Zähldaten mit dem Namen MAPCOMP (MAP COMParison) vor. Sie basiert auf der Berechnung der Hellinger-Distanz zwischen der Dichteverteilung der Beobachtungen und der Dichteverteilung der Untersuchungsintensität. Die statistischen Tests auf räumliche Homogenität basieren auf Permutationen der Beobachtungszahlen über die Probestellen und auf nützlichen Eigenschaften der Hellinger-Distanz. Wir ermittelten die Effizienz von MAPCOMP, indem wir verschiedene Typen und Anordnungen der Cluster von Individuen simulierten und die Leistung von MAPCOMP mit der der klassischen red–blue SADIE-Methode verglichen. Die beiden Methoden wurden auch auf Fänge von Apfelwicklerlarven in Obstplantagen angewendet. Dank seiner, verglichen mit SADIE, besseren theoretischen Eigenschaften konnte MAPCOMP effektiv räumliche Inhomogenität selbst bei geringen Individuenzahlen aufdecken, wenn die Cluster auf quadratischen oder rechteckigen Gittern verteilt und mehr oder weniger nah am Rand positioniert waren. MAPCOMP erschien nicht sehr empfindlich gegenüber Randeffekten zu sein. Ein weiterer Vorteil von MAPCOMP ist ein Bandbreitenparameter, der es erlaubt, die räumlichen Ausdehnung der Heterogenität, so vorhanden, abzuschätzen
Analysing spatial patterns of population distributions may help to infer the decisive underlying ecological processes. Here we propose a method adapted to the spatial analysis of count data. Named MAPCOMP (MAP COMParison), it is based on the calculation of a formal distance, the Hellinger distance, between the density map of counts and the density map of sampling effort. Statistical tests of spatial homogeneity are based on count permutations across sampling sites and on valuable properties of the Hellinger distance. We assessed the efficiency of MAPCOMP by simulating different types and locations of clusters of individuals and compared its performance to the classical red–blue SADIE method, used as a reference. The two methods were also compared with respect to counts of codling moth larvae in orchards. Thanks to its better theoretical properties than SADIE, MAPCOMP was efficient in detecting spatial inhomogeneity when clusters were located on square or elongated spatial domains and more or less close to the edges, even for small sample sizes. It also appeared not very sensitive to edge effects. Another advantage of MAPCOMP is a bandwidth parameter that allows assessing the spatial extent of heterogeneity, if any
Origine : Fichiers produits par l'(les) auteur(s)
