Caractérisation des communautés végétales d'une réserve de Miombo en relation avec la faune (Lubumbashi, RDC)

4.3. Analyse des données

4.3.1. Caractérisation des communautés floristiques Classification en communautés floristiques

Afin de réaliser la classification en communautés floristiques, une ordination a été effectuée avec le logiciel R. Selon le type de facteurs et le maintien de la distance souhaitée, les méthodes d'ordination vont être différentes. Il existe des cas où le maintien des distances exactes entre objets n'est pas la priorité. L'objectif est de représenter les objets dans un espace à peu de dimensions (2-3 par exemple). Le but dans ce cas est de placer les objets dissemblables les plus éloignés possible et les semblables le plus proche possible les uns des autres ; cette méthode est appelée « nonmetric multidimensional scaling » (NMDS). Les axes résultant de cette méthode sont donc arbitraires, il ne représente rien de concret (Legendre and Legendre 1998). C'est cette méthode NMDS que nous allons utiliser. L'ACP n'est pas réalisable pour notre jeu de données car le nombre de 0 dans nos données d'abondance est trop important.

Tableau 7 : Format du jeu de données en vue d'une utilisation du logiciel R

	sp.A sp.A sp.A sp.B sp.B sp.B arbustive arborée dominante arbustive arborée dominante
Placette_1 Placette_2 Placette_3	Contribution spécifique

Chaque espèce est traitée différemment selon les strates : l'espèce A sera considérée séparément selon la strate arbustive (inférieure à 7 m de hauteur), la strate arborée dominée (entre 7 et 14 m de hauteur) et la strate arborée dominante (supérieure à 14 m de hauteur). Les hauteurs choisies sont un mètre inférieures à ce qui est reporté dans la majorité de la

27

littérature à ce sujet (Smith and Allen 2004) : ce choix est dû au jeune âge de la zone d'étude. Ensuite, le nombre de pieds de chaque espèce par placette sera divisé par le nombre total de pieds présents dans la placette afin de se baser sur la contribution spécifique de chaque espèce dans chaque placette. Ces données d'abondance subiront pour finir une transformation logarithmique [log(x+1)] afin de prendre en compte la contribution des espèces peu abondantes à la variation floristique des communautés. Le format des données est présenté au tableau 7.

Dans cette analyse, le « coefficient de dissimilarité Bray-Curtis » sera utilisé (Legendre and Legendre 1998). L'avantage de ce coefficient est que les dissimilarités entre les espèces abondantes contribuent de la même manière que celles entre les espèces rares, ce qui est particulièrement intéressant lorsqu'on travaille avec des données normalisées d'abondance spécifique (pour des informations complémentaires, voir Bray and Curtis 1957; Legendre and Legendre 1998; Clarke, Somerfield et al. 2006).

La fonction utilisée dans R pour l'ordination est la suivante (database = le jeu de données ; k = le nombre de dimension de l'espace, dist = le coefficient de distance utilisé, trymax = le nombre maximal de runs que le logiciel doit exécuter, x et y sont décidés par l'opérateur) :

metaMDS (database, k=x, dist= "bray", trymax=y)

Cette fonction va nous donner une répartition des parcelles dans un espace à 2 dimensions, ainsi que si souhaité, les coordonnées (scores) de chaque point dans cet espace.

A partir de ces coordonnées, un regroupement de placettes (clustering) va être effectué à l'aide de la méthode K-means dans le logiciel R. La fonction que cette méthode tente de minimiser est présentée à l'équation 1 : la somme du carré des écarts (EK²). Elle calcule la distance de chaque objet d'un groupe au centroïde de ce même groupe ; le centroïde d'un groupe d'objets peut être défini comme l' « objet-type » du groupe (Legendre and Legendre 1998).

Équation 1 : Equation de la méthode K-means

? ek² = la somme au carré des distances séparant chaque objet d'un groupe k du centroïde de ce même groupe

? yij (k) = descripteur (axe) yj pour l'objet i du groupe k

? mj^(k) = valeur moyenne du descripteur j parmi tous les membres du groupe k

La formule que nous allons utiliser dans R est la suivante (x et y = respectivement nombre minimal et nombre maximal de groupes, iter = nombre d'itérations, criterion = critère pour déterminer la meilleure option⁸) :

cascadeKM(scores, x, y, iter = 100, criterion = 'calinski')

⁸ Par défaut, le critère utilisé dans R est le critère de Calinski-Harabasz (`calinski'). Il est possible d'utiliser le « simple structure index » (`ssi').

28

Espèces indicatrices et espèce abondantes des communautés floristiques

La détermination des espèces abondantes est un indicateur asymétrique : leur présence ne peut pas être prédite dans tous les sites du groupe mais elles contribuent à la spécificité de ce dernier. Les espèces indicatrices quant à elles sont un indicateur symétrique : leur présence contribue à la spécificité de la communauté et celle-ci peut prédire la présence de ces espèces (Dufrêne 2004). Un bonne espèce indicatrice devrait être trouvée principalement dans une communauté d'une typologie particulière et être présente sur toutes les parcelles de celle-ci (Legendre and Legendre 1998).

Pour définir les espèces indicatrices, nous allons calculer l'indice IndVal (indicator value index) via le logiciel IndVal⁹. Cet indice se base uniquement sur la comparaison des fréquences et des abondances au sein d'une espèce ; sa valeur n'est donc pas influencée par l'abondance des autres espèces (Legendre and Legendre 1998). L'indice combine l'abondance relative de l'espèce avec sa fréquence relative d'occurrence dans les différents groupes. Sa formule est présentée à l'équation 2 (Dufrêne 2004).

Équation 2 : Equations utilisées par le logiciel IndVal

? Nij = nombre moyen d'individus de l'espèce i dans le groupe j

? Ni = somme des nombres moyens d'individus de l'espèce i parmi tous les

groupes

? Nij = nombre de sites du groupe j où l'espèce i est présente

? Ni = nombre total de sites dans le groupe j

? IndValij = indice IndVal pour l'espèce i du groupe j

Dans ces équations (équation 2), _Aij représente donc en réalité une mesure de spécificité, alors que _Bij est une mesure de fidélité¹⁰.

L'indice est maximal (100 %) lorsque tous les spécimens d'une même espèce se situent dans un seul groupe de parcelles et quand cette espèce est présente dans toutes les parcelles d'un même groupe (Legendre and Legendre 1998; Dufrêne 2004).

Afin d'avoir également les espèces abondantes de chaque communauté, un simple calcul d'abondance relative du nombre de pieds de l'espèce i pour communauté sera effectué.

Les espèces indicatrices et les espèces abondantes seront donc déterminées pour chaque communauté et pour les trois modalités suivantes : le peuplement par strate, le peuplement global et la régénération.

⁹ Disponible sur le site http://old.biodiversite.wallonie.be/outils/indval/

¹⁰ Affinité d'une espèce de plante pour une association végétale

29