10 outils d’analyse multivariée utilisés en écologie

Etudier la biodiversité n’est pas toujours du gâteau 🎂. Voici un guide rapide.

Les écologues sont souvent confrontés à des tableaux de données volumineux et complexes : variables environnementales, abondances d’espèces, traits fonctionnels, variables de comportement, etc.

Comment explorer tout ça ? Voici un guide de méthodes statistiques exploratoires multivariées couramment utilisées en écologie.

Ce guide exclut les méthodes de classification ou clustering.

🐢 Explorer un seul tableau de données

• Analyse en Composantes Principales (ACP) : tableau de variables quantitatives environnementales (colonnes) mesurées sur plusieurs sites ou échantillons (lignes) ; Tableau de traits fonctionnels quantitatifs (colonnes) mesurés sur plusieurs espèces (lignes).

• Analyse Factorielle des Correspondances (AFC) : tableau d’abondances ou de présences/absences d'espèces à travers des sites. Possibilité d'exécuter une analyse non-symétrique, si on suppose une relation de dépendance entre les lignes et les colonnes. Exemple : les communautés dépendent des sites.

• Detrended Correspondence Analysis (DCA) : AFC adaptée à des données avec beaucoup de zéros, ou avec un effet gradient fort.

• Analyse des Correspondances Multiples (ACM) : tableau d'individus (en lignes) et de comportements qualitatifs (en colonnes).

🐝 Explorer deux tableaux de données 

• Analyse Canonique des Correspondances (CCoA) : Expliquer un tableau de communautés (sites / espèces) par une matrice de variables environnementales (sites / variables). On assume que les liens sont unimodaux (niche écologique).

• Analyse de Redondance (RDA) : Expliquer un tableau de communautés (sites / espèces) par une matrice de variables environnementales (sites / variables). On assume que les liens sont linéaires.

• ADONIS et ANOSIM : expliquer un tableau de communautés (sites / espèces) en fonction de facteurs environnementaux (un peu comme dans une ANOVA).
  

🐰 Trois tableaux de données

• Analyse RLQ : Explorer le lien entre des traits fonctionnels d’espèces et des variables environnementales mesurés sur des sites, en passant par la matrice d’abondance des espèces sur les sites.

Graphique : analyse RLQ couplée à une classification des espèces selon leurs traits fonctionnels (Bolson Dala-Corte et al. 2016, Freshwater Biology).

🐛 Plusieurs tableaux de données

• Analyse Factorielle Multiple (AFM) : explorer les liens entre plusieurs matrices (plusieurs tableaux de communautés, variables environnementales, traits fonctionnels….).

Côté R, vous trouverez tous ces outils dans les packages ade4, vegan et FactoMineR.

Avez-vous besoin d’un accompagnement en analyse de données écologique, sous R ou XLSTAT ? faites signe, j'arrive ! 😉