Cette thèse explore la compréhension du mouvement animal en écologie sous un angle statistique, un aspect crucial pour diverses applications pratiques telles que la réintroduction d'espèces, la planification de campagnes de vaccination et la surveillance des transports de particules. Pour ce faire, elle se fixe plusieurs objectifs majeurs. Dans un premier volet, la thèse se concentre sur la modélisation de l'approche directionnelle du mouvement animal. Cela implique l'intégration d'un nombre variable de facteurs environnementaux dans la trajectoire des animaux, en utilisant notamment un modèle de régression angulaire. Ces facteurs, appelés « cibles », sont essentiels pour une compréhension approfondie du mouvement des animaux. Un deuxième objectif consiste à élaborer des modèles multi-états pour tenir compte de la diversité des comportements animaux. Ces modèles permettent d'associer différents comportements à des états non observés, une tâche complexe en termes d'inférence étant donné que la vraisemblance des données dépend de l'ensemble des états, qui restent cachés. Par exemple, un modèle de Markov caché est utilisé dans l'approche directionnelle pour prédire le mouvement des caribous. En parallèle, la thèse vise à développer une régression logistique conditionnelle multi-états pour l'approche de type choix discret. Cette méthode permet de prédire les choix des animaux en fonction des attributs du paysage, en uniformisant autant que possible les deux approches pour en exposer les forces et faiblesses respectives. Enfin, les avancées méthodologiques découlant de ces travaux sont présentées afin de comprendre les améliorations notables pour analyser le mouvement des animaux avec des modèles multi-états. Ainsi, la thèse s'inscrit dans une démarche visant à améliorer la compréhension du mouvement animal en intégrant des facteurs environnementaux et des comportements multi- états. Elle offre également des outils pratiques pour l'analyse des données de trajectoires animales, ce qui pourrait avoir un impact significatif dans le domaine de l'écologie. / This thesis explores the understanding of animal movement in ecology from a statistical perspective, a crucial aspect for various practical applications such as species reintroduction, vaccination campaign planning, and monitoring particle transport. To this end, it sets several major objectives. Firstly, the thesis focuses on modeling the directional approach to animal movement. This involves integrating a variable number of environmental factors into the animals' trajectories, notably using an angular regression model. These factors, called "targets," are essential for a thorough understanding of animal movement. A second objective is to develop multi-state models to account for the diversity of animal behaviors. These models allow for associating different behaviors with unobserved states, a complex task in terms of inference since the likelihood of the data depends on the set of states, which remain hidden. For example, a hidden Markov model (HMM) is used in the directional approach to predict caribou movement. Concurrently, the thesis aims to develop a multi-state conditional logistic regression for the discrete choice approach. This method allows predicting animal choices based on landscape attributes, standardizing both approaches as much as possible to highlight their respective strengths and weaknesses. Finally, the methodological advances following this work are presented to understand the significant improvements in analyzing animal movement with multi-state models. Thus, the thesis aims to enhance the understanding of animal movement by integrating environmental factors and multi-state behaviors. It also offers practical tools for analyzing animal trajectory data, which could have a significant impact in the field of ecology.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/153564 |
| Date | 05 November 2024 |
| Creators | Nicosia, Aurélien |
| Contributors | Duchesne, Thierry, Rivest, Louis-Paul |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | 1 ressource en ligne (xv, 137 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0027 seconds