Abstract: Les statisticiens peuvent être amenés à étudier précisément des données spatialisées, par exemple la distribution des revenus des ménages, l’implantation sectorielle d’établissements industriels ou commerciaux, la localisation des établissements scolaires au sein des villes, etc. Des réponses peuvent être apportées grâce à des analyses menées à une ou plusieurs échelles géographiques prédéfinies comme au niveau des quartiers, des arrondissements ou des îlots. Toutefois, il est tentant de vouloir préserver la richesse des données individuelles et travailler en conservant la position exacte des entités étudiées. Si tel est le cas, cela revient pour un statisticien à élaborer des analyses à partir de données géolocalisées sans procéder à une quelconque agrégation géographique. Les observations sont appréhendées comme des points dans l’espace et l’objectif est de caractériser ces distributions de points. Comprendre et maîtriser des méthodes statistiques qui traitent ces informations individuelles et
spatialisées permet de travailler sur des données qui sont aujourd’hui de plus en plus accessibles et recherchées car elles fournissent des analyses très précises sur les comportements des acteurs économiques (ELLISON et al. 2010 ; BARLET et al. 2013). Dans ce cadre d’analyse, plusieurs questions méthodologiques importantes se posent alors au statisticien qui dispose de jeux de points à analyser : comment représenter et caractériser spatialement de telles données en utilisant des milliers voire des millions d’observations ? Quels outils statistiques existent et peuvent être mobilisés pour étudier ces observations relatives aux ménages, salariés, firmes, magasins, équipements ou déplacements par exemple? Comment prendre en compte les caractéristiques qualitatives ou quantitatives des observations étudiées? Comment mettre en évidence des éventuelles attractions ou répulsions entre les points ou entre différents types de points? Comment peut-on évaluer la significativité des résultats obtenus? etc. Ce chapitre a pour but d’aider le statisticien à apporter des résultats statistiquement robustes à
partir de l’étude de données spatialisées qui ne reposent pas sur un zonage prédéfini. Pour ce faire, nous nous appuierons sur une revue de la littérature des méthodes statistiques qui permettent de caractériser des distributions de points et nous expliciterons les enjeux associés. Nous expliquerons à partir d’exemples simples les avantages et les inconvénients des approches les plus souvent retenues. Le code sous R fourni permettra de reproduire les exemples traités.

Abstract: Étant donné le risque d'extinction accru des niveaux trophiques supérieurs en réponse aux changements environnementaux, la compréhension des mécanismes qui déterminent l’importance des prédateurs dans les fonctions clés de l’écosystème est essentielle. Les broméliacées à réservoirs sont des plantes capables d’absorber une partie de l’azote recyclé par les communautés de micro et macro-organismes aquatiques qu’elles hébergent dans les réservoirs d’eau entre leurs feuilles. Ces plantes ont été utilisées comme habitat dans lesquelles nous avons recréé différentes configurations de communautés aquatiques. En serres, l’apport de proies terrestres enrichies en 15N a permis de déterminer quelle configuration de communauté permet le recyclage le plus rapide de l’azote, en utilisant les broméliacées comme « intégrateurs ». Au laboratoire, nous avons testé l’influence d’un prédateur chassant à l’interface eau-air sur la quantité de proies terrestres entrant dans l’ «écosystème broméliacée ». Nos résultats montrent que (i) les prédateurs chassant à l’interface eau-air ont permis une augmentation de l’entrée de nutriments allochtones, (ii) les micro-organismes ont joué un rôle essentiel dans le recyclage de cet l’azote, et (iii) les prédateurs ont permis d’accélérer ce recyclage, d’autant plus qu’ils sont restés longtemps dans la plante. Nos résultats donnent un aperçu des mécanismes qui peuvent déterminer l’importance des effets « top-down » et « bottom-up » sur le cycle des nutriments dans d’autres systèmes.

Abstract: Dans un objectif de recherche des déterminants de la spatialisation des services rendus par les écosystèmes forestiers, les questions de définition des unités paysagères de référence et les changements d’échelles sont primordiaux. Nous avons opéré dans la continuité du travail fourni récemment en Guyane par la carte des habitats (Guitet, à paraître), définition qui part du postulat qu’une typologie géomorphologique, donc une approche paysagère, permet de définir des conditions homogènes représentatives d’un habitat (composition floristique, structure…). C’est ainsi que 6 grandes formations géomorphologiques regroupent 12 unités paysagères, constituées de 84 unités de reliefs. Nous avons profité des inventaires du site de Counami (411 placettes de 0.3 ha sur 12 240 ha) comme cas d’étude, nous plaçant ainsi sur une unité de relief particulière représentative d’un habitat spécifique. Cet inventaire systématique à fort taux de sondage, est un cadre idéal pour tenter d’expliquer les structures forestières en fonction des conditions environnementales. Ainsi chaque parcelle a été caractérisée, lors de sa création dans les années 1999, par un certain nombre de descripteurs écologiques semi-quantitatifs, auxquelles nous avons ajouté des variables issues du SIG et de la télédétection. L'objectif de la présente étude est de définir les variables environnementales qui permettent d’expliquer la variabilité spatiale de la biomasse à l’échelle d’un massif. Un fort gradient de biomasse se dessine le long de la toposéquence du massif de Counami. De la même sorte, de nombreuses variables
semblent liées à cette topographie, nous incitant ainsi à définir des stations forestières caractérisées par la position topographique, amenant à une autre segmentation du territoire à une échelle plus fine. Les variables qui expliquent en partie la spatialisation des niveaux de biomasse sont principalement : la position topographique et les pentes, la carte des chablis, l’hydromorphie apparente pour les bas-reliefs et l’hydromorphie sous-terraine pour les reliefs, l’encaissement localisé, les grandes formations forestières, l’indice SIWSI (Short Infrared Water Stress Index) et l’indice EVI (MODIS-Enhanced Vegetation Index). D’autres indices pressentis comme intéressants, ont eu des résultats décevants : carte des zones inondables, HAND (MODIS-Height Above Nearest Drainage). Les objectifs à plus longs termes sont de tester ces variables, et d’en intégrer d’autres (conditions climatiques par exemple) pour comprendre la variabilité spatiale de la biomasse dans les autres unités de reliefs et unités paysagères afin d’aboutir à une carte de la biomasse à l'échelle de la Guyane.