Graphical and latent variable models for species community modelling in ecology

La compréhension des processus à l'œuvre dans la distribution des espèces est un objectif majeur en écologie et un enjeu critique pour prédire les effets des changements environnementaux sur la biodiversité et pour concevoir des stratégies de conservation. Ces processus (dispersion, facteurs abiotiques, interactions biotiques) ne peuvent généralement pas être directement observés et doivent être inférés à partir de données d'observation, principalement des données de distribution de communautés d'espèces et des données environnementales. La complexité de ces processus et de la combinaison de leurs effets rend difficile leur analyse.

            

En écologie des communautés, les Joint Species Distribution Models (JSDMs) sont une des méthodes les plus récemment développées pour aborder ces questions. Généralement fondés sur des modèles multidimensionnels à variables latentes, ils représentent simultanément la distribution de toutes les espèces d'une communauté ainsi que ses liens avec les variables environnementales, et infèrent un réseau de corrélations inter-espèces résiduelles (marginales ou partielles). Ces corrélations constituent un réseau d'association d'espèces qui permet d'identifier des motifs de co-occurrences.

            

D'un point de vue statistique, ces approches requièrent des modèles capables de s'adapter aux données de communautés d'espèces (type, surdispersion, zéro-inflation), de représenter adéquatement leur relation avec les covariables ainsi que les corrélations inter-espèces. De tels modèles exigent le développement de méthodes d'inférence appropriées, une tâche difficile dans un contexte multidimensionnel avec des variables latentes. Pour intégrer les réseaux d'association d'espèces, les modèles graphiques peuvent être combinés aux modèles utilisés afin de représenter les données. Ils offrent un cadre précieux pour figurer des corrélations et les relier à des relations de dépendances conditionnelles. Toutefois, ces modèles permettent uniquement d'identifier des motifs statistiques et nécessitent d'être traduits d'un point de vue écologique, un travail complexe, avec des interprétations sujettes à débat.

            

Nous développons des modèles originaux qui combinent modèles graphiques (pour représenter des réseaux d'association) et modèles multidimensionnels à variables latentes (pour représenter des données de distributions) tout en intégrant différents types de clustering de variables. Ces modèles ont plusieurs champs d'application et pourraient notamment être utiles dans le cadre de JSDMs pour y inclure la modélisation de groupes d'espèces.  Ensuite, nous étudions différents obstacles à la modélisation de communautés d'espèces et à l'interprétation des résultats des modèles statistiques utilisés. Nous montrons que la modélisation de la zéro-inflation dans les données de communautés d'espèces peut être critique pour l'analyse de réseaux d'association d'espèces inférés par des JSDMs. Nous étudions enfin la relation entre les interactions biotiques de compétition / facilitation et les corrélations inférées par JSDMs. Nous montrons que ces interactions peuvent être identifiées par les corrélations qu'elles induisent dans les données, mais seulement de manière partielle et à condition que les modèles en jeu remplissent un certain nombre de critères. 

            

Cette thèse a pour objectif d'aborder des enjeux de méthodologie et d'interprétation. Nous défendons une analyse rigoureuse des liens entre motifs  statistiques et interprétation écologique et proposons des modèles statistiques qui pourraient ouvrir de nouvelles perspectives pour la modélisation de structures de dépendances multidimensionnelles, avec des applications en écologie et au-delà.