Optimisation de protocoles d'échantillonage appliqués aux suivis de la biodiversité et des ressources / Claire Kermorvant ; sous la direction de Frank D’Amico et de Noëlle Bru

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Classification Dewey : 570

D’Amico, Frank (biologiste) (Directeur de thèse / thesis advisor)

Bru, Noëlle (Directeur de thèse / thesis advisor)

Université de Pau et des Pays de l'Adour (1970-....) (Organisme de soutenance / degree-grantor)

École doctorale sciences exactes et leurs applications (Pau, Pyrénées Atlantiques ; 1995-) (Ecole doctorale associée à la thèse / doctoral school)

Laboratoire de mathématiques et de leurs applications (Pau) (Laboratoire associé à la thèse / thesis associated laboratory)

Unité de recherche Recherches et Développements Technologiques (Institut français de recherche pour l'exploitation de la mer) (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : Cette thèse s’intègre dans un contexte où les méthodes utilisées pour la mise en place de suivis environnementaux sont souvent problématiques et peuvent mener à des résultats controversables. L’objectif est de proposer une méthodologie adaptable à la plupart des suivis environnementaux qui permettra aux utilisateurs de produire des suivis scientifiques efficaces ou d’optimiser des suivis déjà en place. Nous avons développé une méthodologie qui permet à l’utilisateur de fixer la précision qu’il veut sur ses résultats d’estimation et qui lui renvoie un protocole d’échantillonnage optimal associé à un nombre d’unités statistiques à échantillonner. Une fois le nombre de points connu, il est simple d’estimer le coût de mise en place dela procédure d’échantillonnage sélectionnée sur le terrain.Nous sommes partis de la définition même de la performance d’un protocole d’échantillonnage pour élaborer une méthodologie sous forme de procédure séquentielle qui permet de tester, puis de choisir, le protocole le plus performant pour chaque étude. Plus un protocole d’échantillonnage est performant, moins il nécessite d’unités statistiques pour atteindre une précision voulue. La méthodologie présentée permet donc, pour une (ou des) précision(s) désirée(s) sur les résultats, de déterminer puis de comparer le nombre optimal d’unités statistiques à échantillonner pour différents protocoles. La première étape de la procédure développée nécessite de recréer mathématiquement la population statistique la plus représentative possible de la population étudiée. Ensuite, les différentes combinaisons protocole d’échantillonnage / nombre d’unités statistiques sont simulées puis comparées. Cela permet d’obtenir le meilleur rapport coût-efficacité pour une étude nécessitant un échantillonnage dans un objectif d’inférence, autrement dit, de baisser son prix tout en garantissant une précision adéquate.Les objectifs de cette thèse ont été atteints : la méthode à été développée puis testée sur trois cas d’études. Le premier est la mise en place d’un suivi efficace lorsqu’il n’existe pas de données disponibles. L’exemple utilisé est celui de la mise en place du suivi du moustique tigre sur l’agglomération de Bayonne-Anglet-Biarritz. L’espèce est en début d’invasion dans cette zone et il n’existe donc quasiment pas de données de suivi. Nous avons récupéré les données de détection dans des villes méditerranéennes, les avons modélisées et avons appliqué le modèle à l’agglomération d’intérêt pour ensuite y définir un protocole de suivi optimal.Le second cas d’étude est l’optimisation d’un suivi lorsque seulement une saison de données est disponible. L’exemple est celui du suivi de la palourde dans le bassin d’Arcachon. Ce suivi est effectué tous les 2 ans depuis 2006, nous avons travaillé sur une seule année de données et prouvé qu’il était possible d’optimiser ce suivi. C’est-à-dire baisser son coût de 30% en gardant une précision assez bonne sur les résultats pour être en capacité de mettre en place des mesures de gestion adaptées. Nous avons ensuite travaillé sur toutes les données depuis 2006 pour proposer une optimisation de ce suivi pérenne dans le temps.

Résumé / Abstract : Developing robust, and reliable, environmental surveys can be a challenge because of the inherent variation in natural environmental systems. This variation, which creates uncertainty in the survey results, can lead to difficulties in interpretations. The objective of this thesis was to develop a general framework, adaptable to environmental surveys, to improve scientific survey-results. We have developed a method that allows the user, by defining their desired level of accuracy for the survey results, to develop an efficient sampling design with a minimal sample size.Once the sample size is known, calculating total cost of the survey becomes straightforward. We start from the definition of sampling design performance and build a method for comparison and assessment of an optimal sampling design. As a rule of thumb, the more efficient a sampling design is, the fewer statistical units are needed to achieve the desired accuracy. With less sampling effort the sampling procedure becomes more cost effective. Our method assists in identifying cost-efficient sampling procedures.In this PhD thesis a general methodology is developed, and it is assessed with three case studies. The first case study involved design of an efficient survey when no prior data are available. Here we used the example of tiger mosquito in the Bayonne-Anglet-Biarritz agglomeration (south-west France). This species has only now started invading this area and therefore there are no site-specific data available. We used data from other French Mediterranean’s cities to model the probability mosquito are present in the Bayonne-Anglet-Biarritz area of interest. We used this modelled-population to assess, compare and select an effective sampling procedure.The second case study was for survey optimization when only one season of data are available. The chosen example was from Arcachon bay’s manila clam survey in western France. This clam-monitoring has been done biennially (i.e. once every two years) since 2006. We applied our general methodology on one-year data and demonstrated that survey costs can be reduced by 30% a year with no loss of accuracy or reduction in resource management information. The third case study was based on optimization of a survey when several seasons of data are available. We used the clam surveyed but here as a multi-year dataset. We proposed a long-term spatial and temporal sampling design for monitoring the clam resource.