Les Sentinelles du Climat

Nous avons utilisé les données d’occurrence actuelles de l’atlas Societas Europaea Herpetologica (SHE)  et les données mises à jour  à une résolution de grille de 50 × 50 km (grille UTM officielle de l’Agence européenne de l’environnement ; www.eea.europa.eu). Les données d’occurrence ont été utilisées comme coordonnées du barycentre de la grille. Les données correspondent à 1472 mailles dont seules 1327 ont été finalement utilisées pour les modélisations (longitude inférieure à 30° ouest).

Nous avons pu créer un partenariat avec l’AHE (Asociación Herpetológica Española) afin d’avoir accès à l’ensemble des observations disponible à une échelle spatiale de 1 km² représentant 205 observations réalisé entre 1997 et 2019. Nous avons également pu avoir accès aux données européennes publiées de Horreo et al.  et devons mettre en place un partenariat pour avoir accès aux données issues des travaux Yann Surget-Grobas notamment dans le cadre de sa thèse .

À l’échelle France, en plus des données Nouvelle Aquitaine, nous avons pu bénéficier des données de Jean-François Le Galliard issues de l’extraction SINP (données transmises par l’INPN-plateforme nationale du SINP – 16/02/2018), les données du CEBC-CNRS (années 2009/2010 ; Laure Isaac, Marc-Antoine Marchand et Michaël Guillon), des données des travaux de recherche de David Rozen‐Rechels (24 populations, ) et d’Andréaz Dupoué (126 observations, Dupoué et al. (2020)).

Nous allons ou sommes déjà en cours de prise de contact/partenariat avec Nature Midi Pyrénées, avec l’Observatoire des Reptiles d’Auvergne, avec le CEFE – EPHE ainsi que Yann Surget-Grobas afin de pouvoir une densité d’observation comparable à l’échelle de l’ensemble de l’aire d’étude.

Nous avons pu réaliser un conventionnement avec l’ensemble des partenaires associatifs de la région Nouvelle Aquitaine qui sont : Cistude nature (Ex région Aquitaine), Groupe Mammalogique et Herpétologique du Limousin (Ex région Limousin). Sur l’ensemble du territoire, cela représente 495 données pour la forme ovipares (dont 495 données précises) et 1139 données pour la forme vivipare (dont 478 données précises)

Nous avons utilisé des simulations à haute résolution spatiale basées sur le modèle LMDZHR (PMIP2), qui a reconstruit le climat actuel (période avant 2000) et du dernier maximum glaciaire (LGM, environ -21 k années avant présent) en utilisant un modèle de circulation générale avec une grille étirée sur l’Europe (résolution d’environ 60 km) . Cette simulation offre une grande échelle de variables climatiques mensuelles et a été validée par une reconstruction basée sur le pollen qui permet d’avoir des prévisions solides sur les conditions climatiques LGM .

Nous avons utilisé uniquement les variables estivales comme période cruciale pour l’activité biologique et la dynamique des populations. Seules trois variables climatiques ont été retenues comme facteurs pertinents et en lien directe avec les contraintes physiologiques et comportementales des espèces : (i) la température maximale quotidienne moyenne à deux mètres du sol (t2m_maxS, °C), (ii) le rayonnement solaire quotidien moyen incluant la nébulosité à la surface (solsS, W / m²) et (iii) le bilan hydrique quotidien moyen (wabS, kg / (s * m²) est calculé comme la différence entre les précipitations totales quotidiennes moyennes et l’évaporation effective quotidienne moyenne .

L’ensemble des variables climatiques disponibles et issues de différentes sources : Météo France (méthode AURELHY 1971-2000, ; simulations ALADIN 52, ), simulations ALADIN 63 v2 (version EUROCORDEX , version FR adjust par la méthode Verfaillie  et PVGIS (© European Communities, 2001-2020 ) pourront être utilisées. L’ensemble représente des variables possédant une résolution spatiale de 12 km à 1 km. Le travail de sélection de variable est en cours de finalisation mais concernera vraisemblablement, la température estivale (tmax et tmin), l’irradiation estivale, les précipitations annuelles et l’humidité spécifique.

Afin de maximiser à la fois la qualité temporelle et spatiale des modélisations et ainsi valoriser l’ensemble des variables disponibles, notamment dans un objectif de projection temporelle, nous allons appliquer l’approche dites du « delta change method » d’après Mosier et al. . Cette approche permet d’utiliser à la fois les simulations ALADIN 52 et ALADIN 63 pour avoir les meilleurs scénarios de changements du climat en cohérence avec le programme et d’utiliser également les variables climatiques (décrivant le climat du passé récent) les plus précises spatialement. Par exemple, au niveau des Pyrénées, l’utilisation de cette méthode de descente d’échelle permet de conserver la résolution spatiale la plus fine (1km²) montrant l’effet du relief sur le climat alors que ces subtilités ne s’expriment pas dans les simulations ALADIN (8 km de résolution). Cette méthode permet au terme de faire une descente d’échelle spatiale des simulations ALADIN 52 dans le futur de 8 km à 1km de résolution spatiale en intégrant les effets du relief ainsi que les subtilités régionales présentes sur la période de référence du passé récent.

Afin d’intégrer des variables d’habitats, deux informations seront également utilisées spécifiquement à l’échelle de la région afin d’avoir les données d’observations les plus précises spatialement : la fermeture du milieux et l’humidité des sols. La fermeture du milieu est issue de la densité de la biomasse ligneuse vivante aérienne pour l’année 2000 avec une précision de 30 m, dérivée de nombreuses études . La probabilité pour l’habitat d’être une zone humide allant de 0 à 3, 4 étant les zones inondées, a été obtenu avec une précision de 50 m, calculé à partir d’informations pédologiques et hydrogéologiques .

Nous avons utilisé une méthode se basant sur un ensemble de différentes méthodes statistiques se basant sur un consensus de prédictions prenant en compte les incertitudes liées aux choix des méthodes . BIOMOD est une plateforme de calcul donnant un ensemble de prédictions et d’incertitudes de la répartition des espèces . Cette méthode est implémentée dans R 2.15.3 (R Development Core Team 2011) dans le pack “BIOMOD”. Nous avons utilisé 8 techniques de modélisation différentes : 1) les modèles linéaires généralisés ou GLM, 2) les modèles généralisés additifs ou GAM, 3) les régressions adaptatives multivariées de spline ou MARS, 4) l’analyse d’arbre de classification ou CTA, 5) l’analyse discriminante en mélange ou MDA, 6) les réseaux de neurones artificiels ou ANN, 7) les modèles généralisés fortifiés ou GBM et 8) les « random forests » ou RF.

En parallèle avec les axes précédents, la modélisation préliminaire de la répartition à l’échelle de la Nouvelle Aquitaine a été développée en 2018 et mise à jour en 2019 sur l’ensemble de la Nouvelle-Région Nouvelle-Aquitaine. De forts gradients climatiques ont été mis en évidence à l’échelle de la Région.

Ce travail préliminaire de modélisation de niche écologique a été réalisé par l’intermédiaire du logiciel MaxEnt (Maximum Entropy Species Distribution Modeling, Version 3.4.1) . De par l’objectif exploratoire de cette étude, l’utilisation du logiciel s’est basée sur des répétitions d’analyses. Cette méthode utilise les répétitions d’une même analyse mais en sélectionnant au hasard à chaque fois parmi les observations de présence un nouveau jeu de données équivalent en nombre nommé « Bootstrap ». Cette méthode permet de conserver l’ensemble du jeu de données d’observations par l’accumulation des répétitions mais également de juger de l’incertitude des prédictions liée notamment aux variables environnementales. Cette approche peut calculer les probabilités de présence calculée à partir de toutes les répétitions (min, médiane, moyenne, max, écart type) sans pouvoir déterminer un seuil sur des prédictions binaires (présence/absence). Ainsi, dans le souci de compris entre le temps de calcul et la qualité des prédictions, 10 réplicas ont été réalisés par la méthode de « Bootstrap ». Les prédictions des 10 modèles sont exprimées en probabilités de présence. La répartition potentielle de l’espèce a été assimilée aux valeurs maximums des probabilités de présence obtenues sur les 10 prédictions.

Des modélisations définitives seront produites en 2021 en reprenant la méthode développée et décrite dans ce document pour les échelles Europe et France.