Analyse de l’habitat du Lynx dans le sud des Carpates

Une étude de cas pour que les étudiants acquièrent les connaissances de base sur la modélisation des habitats des faunes sauvages en se basant sur des données Open Source.

Introduction

Défié, pour la première fois, d’utiliser la modélisation basée sur un SIG, un groupe d’étude formé d’étudiants en sylviculture de l’Université pour le Développement Durable d’Eberswalde (HNEE) a fait une recherche bibliographique sur les conditions favorables d’habitat et de comportement du Lynx d’Europe (Lynx lynx). Pour le module “Application des SIG en Gestion des Ressources Naturelles”, dirigé par Prof. Mund, les étudiants se sont rapidement rendus compte de la complexité du sujet, tout particulièrement en ce qui concerne les possibilités d’adaptation des espèces en fonction des changements environnementaux. Avec le peu de littérature en anglais publiée sur l’habitat du lynx en Roumanie, nous avons progressé dans notre projet en utilisant les données libre d’accès et les logiciels Open Source, dans le but d’établir une connaissance conceptuelle de la modélisation de l’habitat, d’approfondir nos compétences dans l’utilisation d’outils SIG très communs et, tout en faisant, de créer un modèle expert de base.

Méthodologie

Toutes les données acquises ont été traitées avec QGIS 2.6 et 2.8, projetées en ETRS89 / ETRS-LAEA et stockées selon la directive INSPIRE pour adhérer aux normes de l’UE. Un index discret des poids global a été défini et appliqué à toutes les données.

Figure 1: Workflow - Lynx habitat expert model

Figure 1 : Organigramme - Modèle expert pour l’habitat du Lynx

Description de l’organigramme

  • Zone d’Intérêt [Étape I - II] : Une emprise minimum [α] est créée à partir de zones sélectionnées de parcs nationaux en prenant une zone tampon de 10 kilomètres. L’emprise est ensuite découpée le long des contours du Danube (dérivés de Corine Land Cover 2006). D’autres outils de découpage [β] sont utilisés sur toutes les données additionnelles en tant qu’étape de préparation initiale (Figure 2)
  • Modèle d’Adéquation de la Couverture des Sols [Étape IX] : [γ] Les entrées III et IV ont été transformées en shapefiles par l’utilisation de la fonction #Polygonize interne. Les données de Corine Landcover (2006) ont été reclassées en utilisant le calculateur de champs pour grouper en classes d’utilisation de terrain et assigner les valeurs d’index respectives. Un traitement similaire a été appliqué aux données de Hansen Forestcover (2000), en n’extrayant que les zones dont la couverture est égale ou supérieure à 75%. Le sous-modèle IX a été produit en utilisant les fonctions #Fusionner Shapes pour combiner III avec IV et #Rasterize

Note : les classes de couverture des sols ont été groupées par présence possible de lynx et activité humaine. Bien que techniquement d’origine ancienne, les informations liées aux valeurs de couverture forestière ont été intégrées de manière à indiquer l’amélioration de l’habitat et comme un exemple général de combinaison de sets de données spatiales

  • Modèle d’Adéquation de l’Habitat [Étape X] : [δ] un Index d’Adéquation de l’Élévation a été dérivé d’AsterDEM 2.0 [VI] et, avec l’index de densité de Population [V], ont été intégrés dans le modèle final d’adéquation de l’habitat (Figure 3) en utilisant le #Calculateur Raster
Cover Suitability Model * Population Density Index * Elevation Suitability Index

Note : En définissant la forêt (>= 75% de couverture) comme meilleur habitat et en utilisant les données d’élévation pour réduire les valeurs d’index au-dessus de la limite présumée des arbres est conceptuellement lié à l’habitat du cerf comme proie principale

  • Modèle d’Accessibilité des Chasseurs Potentiels [ Étape XI] : Appliquant l’outil d”#Analyse de terrain [ε], une couche de pentes a été extraite des données du MNE et combinée [η] avec la couche des distances à partir des routes, qui a été produite par le traitement des données raster des routes de OSM avec la fonction de #Proximité et les valeurs d’index attribuées en utilisant les valeurs de #Reclassification de grille
.
                      Slopelayer
Road distance * ( 1 + ----------- )
                         100
  • Le Modèle de la Valeur de Conservation [Étape XII]: est le résultat de la #Fonction du calculateur raster: (Figure 4)
(Habitat Suitability Model * Hunter Accessibility Model)
--------------------------------------------------------
                       2

Note : Le modèle d’Accessibilité du Chasseur devrait indiquer la possibilité décroissante que les chasseurs ont d’accéder à la zone en fonction de la distance croissante aux routes et de l’augmentation de la pente

Figure 2, 3 and 4

Figure 2, 3 et 4

Conclusion

En observant le résultat final (Figure 3), l’analyse de l’habitat potentiel apparaît comme un succès et plus important, la modélisation de base n’a pas été aussi difficile qu’escomptée initialement. Notre choix d’ajouter un sous-modèle pour l’accessibilité des chasseurs nous a permit d’implémenter une autre dimension dans la gestion de l’évaluation de l’habitat. Cette dernière peut être intégrée dans le scénario existant et utilisée pour déterminer les besoins de protection selon différents aspects somme le développement des infrastructures. Néanmoins, des données d’habitat cruciales telles que la structure forestière (qui a la meilleure adaptation d’habitat) ne peuvent pas être déterminées selon les jeux de données disponibles ainsi qu’en combinant les comportements complexes des espèces. Ce résultat doit être interprété comme étant un résultat simple et incomplet. Les facteurs supplémentaires non couverts à ce stade sont la mortalité due aux routes, la difficulté de parcours du terrain ainsi que la population précise de proies potentielles.

Au delà de son caractère de logiciel libre et gratuit, QGIS a été sujet à un important développement ces dernières années. Nous avons un retour positif sur l’intégration de la boîte à outils, permettant l’utilisation de nombreux outils GRASS ou SAGA, même pour les utilisateurs inexpérimentés. Aucune erreur de compatibilité n’a été rencontrée malgré l’utilisation de nombreux versions différentes. L’absence de restrictions administratives est un avantage avéré lorsqu’on travaille de manière intuitive avec des jeux de données. Nous sommes impatients de voir les prochaines améliorations notamment en ce qui concerne le modeleur graphique intégré.

Références

  • Kaczensky, P., Chapron, G.,von Avrx, M., Huber, D., Andrén, H. & Linnell, J. (December 2012): Status, management and distribution of large carnivores in Europe. Document European Commission.
  • Schadt, S., Revilla, E., Wiegand, T., Knauer, F., Kaczensky, P., Breitenmoser, U., Bufka, L., Cerveny, J., Koubek, P., Huber, T., Stanisa, C. & Trepl, L. (2002): Assessing the suitability of central European landscapes for the reintroduction of Eurasian lynx. Article Journal of Applied Ecology.
  • Salvatori, V. (2004): Conservation areas for large carnivores in the Carpathian Mountains. PhD Thesis.
  • Podgórski, T., Schmidt, K., Kowalczyk, R. & Gulczyñska, A. (2008): Microhabitat selection by Eurasian lynx and its implications for species conservation. Acta Theriologica 53: 97–110.
  • Boutros, D. (March 2002): Characterization and assessment of suitability of Eurasian lynx (Lynx lynx) den sites. KORA Report No. 12e, Diploma thesis.

Auteurs

Angela Dichte, Luca Ehrminger, Silvana Garcia Travesi Reyes, Tobias Hoppe et David Winger sont des étudiants de maîtrise en Gestion Internationale des Écosystèmes Forestiers, Anne Gnilke travaille chez German Forestry et Henri Hiltunen est un étudiant en échange de l’Université des Sciences Appliquées de Mikkeli, Finlande. Prof. Mund enseigne les SIG et la Télédétection à HNE Eberswalde depuis 2010 et a fourni conseils et soutien technique pour ce projet.

Veuillez contacter Luca.Ehrminger(at)hnee.de, David.Winger(at)hnee.de, ou Prof.Dr.Jan-Peter Mund: Jan-Peter.Mund(at)hnee.de pour de plus amples informations.