Évaluation de la robustesse de deux nouvelles méthodes d'estimation de la densité utilisant des pièges photographiques automatisés

RÉSUMÉ: La plupart des estimateurs de densité utilisés pour le suivi des populations se basent sur des données de capture-marquage-recapture (CMR), qui nécessitent la reconnaissance individuelle, souvent obtenue via des méthodes relativement invasives et coûteuses de marquage. Certaines méthodes récemment développées permettent désormais d’estimer la densité sans avoir recours à la reconnaissance individuelle, permettant de s’affranchir du volet coûteux et énergivore du marquage individuel. Ainsi, le random encounter model (REM) et le spatial presence-absence model (SPA) sont deux de ces méthodes utilisant des pièges photographiques automatisés. Non seulement ces méthodes sont non-invasives, mais elles permettent d’estimer une abondance à faible coût. L’utilisation des méthodes REM et SPA nécessite cependant une connaissance a priori des paramètres de vitesse moyenne (REM) et de superficie moyenne des domaines vitaux (SPA) de la population cible. Malgré leur potentiel intéressant, peu d’études jusqu’à ce jour comparent la performance de ces méthodes avec des méthodes plus connues. Dans le but de développer une méthode peu coûteuse et fiable pour estimer la population d’ours noir (Ursus americanus) dans le Parc national Forillon, nous avons 1) évalué la fiabilité des méthodes SPA et REM et 2) évalué l’impact de l’utilisation de paramètres a priori ne provenant pas de la population étudiée pour paramétrer le REM et le SPA. Pour ce faire, nous avons implanté dans le Parc Forillon un échantillonnage par CMR, puis nous avons élaboré parallèlement des designs de pièges photographiques permettant d’utiliser les méthodes SPA et REM. Nous avons ainsi comparé les résultats des estimateurs utilisant le CMR aux estimés obtenus par SPA et REM. \nAfin de répondre au deuxième objectif, les paramètres a priori pour les deux méthodes ont été calculés à partir de cinq populations précédemment suivies par télémétrie et les estimés ont été recalculés avec ces paramètres. Les méthodes SPA et REM n’étaient pas significativement différentes des méthodes de CMR, mais seul le REM offrait une précision comparable au CMR. Le REM et le SPA se sont avérés robustes aux variations des paramètres a priori sous certaines conditions. Le REM constituerait donc un substitut fiable et peu coûteux au CMR conventionnel afin d’estimer la densité de la population d’ours noir. -- Mot(s) clé(s) en français : Piège photographique, Random Encounter model, Spatial Presence-Absence model, Capture-marquage-recapture spatialement explicite, analyse bayésienne. -- ABSTRACT: Most density estimators used for population monitoring are based on capture-recapture (CR) data that are often based on the individual recognition, implying invasive costly marking techniques and individual tagging. Recently, new methods have been developed to estimate density without individual recognition. Two of these methods are the random encounter model (REM) and the spatial presence-absence model (SPA), which both based on camera traps data. These methods are non-invasive and allow to estimate density at a low cost. However, the REM and SPA methods respectively require prior knowledge of average speed (for REM) and home-range size parameters (for SPA) of the studied population. Despite their interesting potential, few studies have compared their respective performance with that of better-known methods. In order to develop an inexpensive and reliable method to estimate the population density of black bears (Ursus americanus) in Forillon National Park, we 1) assessed the reliability of the SPA and REM methods and 2) evaluated the impacts of using priors gathered in different populations on both estimates calculated with these camera-trap methods. \nWe installed a CR sampling system in the Forillon National Park along with two camera-trap designs to use the SPA and REM methods. We compared estimates obtained by CR to those yielded by SPA and REM. For the second objective, we used prior parameters using telemetry monitoring of five bear populations and compared the resulting density estimates to assess the range of variation associated with the changes in priors for the two camera-trap methods. The estimates obtained from the SPA and REM methods were not significantly different from those yielded by the CR methods, but only the REM provided an accuracy comparable to CR methods. The REM and SPA were found to be robust to variation in prior parameters under certain conditions. We then conclude that REM could be a reliable and inexpensive substitute for conventional CR to estimate density of black bear populations. -- Mot(s) clé(s) en anglais : Camera trap, Random Encounter model, Spatial Presence-Absence model, Spatial Capture-Recapture, Bayesian analysis.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.