Produksi atlas fauna yang baik (burung, kupu-kupu, reptil, dll.) membutuhkan “tekanan prospeksi” yang baik. Bagaimana mendefinisikan “tekanan prospek” ini (atau “tekanan pengamatan”) dan bagaimana mendeteksi sektor yang kurang prospek?
Apa itu “tekanan prospek” dan bagaimana Anda mengukurnya?
Atlas fauna di atas segalanya adalah kumpulan peta distribusi spesies di wilayah tertentu. Misalnya: Breeding Bird Atlas of Brittany, Reptile Atlas of Loire-Atlantique, dll. Untuk membuat peta ini, wilayah tersebut dipotong menjadi kotak, yang disebut “jerat”. Mata jaring ini paling sering berukuran 10 km kali 10 km. Ketika suatu spesies diamati di suatu lokasi, pengamatan ini dilaporkan ke mata jaring yang bersangkutan. Kehadiran spesies pada sel grid hampir tidak cocok untuk diskusi ketika identifikasi spesies sudah pasti. Pertanyaan utama di mana kualitas atlas bergantung adalah: apakah tekanan pencarian kita cukup untuk dapat menegaskan bahwa sel-sel kosong sesuai dengan ketidakhadiran dan bukan dengan cacat dalam pencarian. Dengan kata lain: sementara keberadaan suatu spesies di suatu wilayah hanya memiliki satu kemungkinan makna, ketidakhadirannya selalu dipertanyakan.
Tekanan mencari prospek sesuai dengan upaya yang dilakukan untuk memastikan ada atau tidak adanya spesies di wilayah tertentu. Upaya tersebut dapat berupa:
kuantitatif: jumlah hari survei, jumlah pengamat, area yang disurvei, dll. kualitatif: keterampilan/pengalaman pengamat, keragaman lingkungan yang disurvei, teknik yang digunakan (foto trap, analisis pelet penolakan, deteksi akustik kelelawar, dll.)
Oleh karena itu kami memahami bahwa sangat sulit untuk mengukur tekanan pencarian calon pelanggan ini: akankah pencarian calon naturalis yang berpengalaman selama satu jam seminggu akan lebih efektif daripada pengamat yang kurang berpengalaman yang lebih sering berada di lapangan? Apakah dua pengamat dua kali lebih efektif dari satu?
Inilah sebabnya mengapa penulis atlas umumnya mencoba mendefinisikan tekanan prospeksi a posteriori, dengan menganalisis data dan referensi silang, misalnya, jumlah pengamatan dengan jumlah spesies yang ditemukan.
Jumlah spesies sesuai dengan jumlah data: pendekatan klasik namun terbatas
Sebuah metode klasik analisis terdiri dalam membangun hubungan antara jumlah data per sel dan jumlah spesies yang ditemukan. Kita hampir selalu mendapatkan kurva (karena jumlah spesies terbatas) dari tipe: Jumlah spesies = A*ln (jumlah data) – B (contoh di bawah)
Contoh hubungan jumlah spesies / jumlah data untuk atlas yang terdiri dari seratus mata jaring
Kami kemudian mengidentifikasi titik belok dan mencatat: “Di luar x pengamatan, jumlah data yang dibutuhkan untuk mendeteksi spesies baru meningkat dengan cepat”. Ini masih dapat diterjemahkan sebagai berikut: “Jaringan yang memiliki lebih dari x pengamatan dapat dianggap cukup berprospek”. Di bawah ambang batas ini maka akan menjadi daerah yang kurang prospektif…
Metode ini memiliki kelemahan serius. Pertama-tama, sebenarnya tidak ada hubungan matematis antara jumlah data dan jumlah spesies, di mana kemudian dengan korelasi yang lemah. Misalnya, Anda dapat mengamati Robin yang sama setiap hari di kebun Anda dan dengan demikian meningkatkan jumlah data sebanyak 365 tanpa meningkatkan kualitas pencarian calon pembeli di mesh Anda secara signifikan.
Tetapi di atas semua itu, ambang batas yang digunakan dalam metode ini bersifat arbitrer: tidak ada yang memastikan bahwa pencarian calon pelanggan tidak cukup di bawah sejumlah titik data tertentu dan cukup di atas ambang batas ini.
Metode baru yang diusulkan oleh BET
Oleh karena itu kami telah mengembangkan metode yang bebas dari jumlah data dan jumlah spesies per sel. Untuk ini, kami terinspirasi oleh “teori informasi” Shannon, yaitu pengukuran kuantitas informasi yang terkandung dalam sekumpulan data. Dalam kasus kami, kumpulan data ini adalah tabel ada/tidaknya persilangan mata jaring dan spesies. Bagi Shannon, informasi adalah ukuran ketidakpastian yang dihitung dari probabilitas suatu peristiwa. Semakin rendah kemungkinan suatu peristiwa terjadi, semakin banyak informasi yang ditawarkan kejadiannya kepada kita.
Dalam kasus atlas keanekaragaman hayati, beberapa spesies sangat tersebar luas dan lainnya sangat langka. Jika kita ambil contoh reptil:
kehadiran kadal dinding pada jaring memberi kita sedikit informasi karena spesies ini sangat umum dan kami berharap dapat menemukannya di mana-mana Kehadiran coronelle halus pada jaring memberi kita lebih banyak informasi karena spesies ini lebih langka
Dan secara timbal balik:
tidak adanya kadal dinding pada jaring memberi kita banyak informasi tidak adanya coronelle halus pada jaring memberi kita lebih sedikit informasi
Metode yang dikembangkan oleh BET pada tahun 2020 didasarkan pada fakta tak terbantahkan yang diketahui oleh para naturalis: beberapa spesies lebih langka daripada yang lain. Tidak adanya spesies yang sangat umum tidak memiliki arti yang sama dengan tidak adanya spesies langka.
Kadal dua baris: spesies yang umumnya melimpah. Menurut teori informasi, ketidakhadirannya memberikan informasi penting!
Bagaimana cara kerja metode PAC?
Kami membaptis metode PAC kami: Probabilitas Absen Kumulatif. Ini terdiri dalam menghitung probabilitas bahwa beberapa spesies secara bersamaan absen dari sel yang sama. P (tidak adanya kumulatif) = P (tidak ada spesies 1) x P (tidak ada spesies 2) x … x P (tidak ada spesies n).
Probabilitas ini dibandingkan dengan probabilitas unit: P unit = 1 / jumlah jahitan. Hal ini memungkinkan kita untuk melihat apakah kombinasi spesies yang tidak ada secara statistik mungkin (= jika dapat dicapai pada setidaknya satu sel) atau jika secara statistik tidak mungkin.
Hasilnya ditafsirkan sebagai berikut:
jika P (absen kumulatif) / unit P > 1 ini berarti bahwa situasinya memungkinkan secara statistik dan oleh karena itu prospeknya memuaskan jika P (absen kumulatif) / unit P < 1 ini berarti situasinya tidak mungkin secara statistik dan oleh karena itu tidak mungkin. ada kekurangan prospek
Semakin rendah indeks PAC, semakin besar under-prospecting:
Indeks PAC antara 1 dan 0,1 = level 1 kurang prospek (= sedikit) Indeks PAC antara 0,1 dan 0,01 = level 2 kurang prospek (= sedang) Indeks PAC antara 0,01 dan 0,001 = level 3 kurang prospek (= kuat) dll.
Praktekkan
Untuk menunjukkan cara kerja indeks kita, mari kita ambil contoh atlas reptil di wilayah fiktif yang terdiri dari 100 mata jaring. Sepuluh spesies reptil telah diidentifikasi, dengan frekuensi sebagai berikut:
Contoh (fiktif) tabel frekuensi kemunculan 10 spesies reptil untuk menggambarkan metode peluang tidak hadir kumulatif
Kami melihat bahwa kemungkinan Kadal Tembok hilang dari jaring adalah rendah. Ini terjadi pada 2 jahitan saja. Di sisi lain, kemungkinan tidak adanya ular hijau dan kuning tinggi. Tidak adanya spesies ini memberi tahu kita sedikit tentang kemungkinan prospek yang kurang baik.
Sekarang mari kita perhatikan (tabel di bawah) trio “Ular hijau dan kuning / Kadal Vivipar / Ular Viperine”. Probabilitas bahwa ketiga spesies ini tidak hadir secara bersamaan dari sel yang sama adalah 0,94*0,88*0,65 = 0,53768. Oleh karena itu, ketidakhadiran kumulatif ini harus terjadi secara statistik pada 54 dari 100 sel atlas kami. Ketiadaan kumulatif dari 3 spesies ini bukan tidak mungkin, justru sebaliknya. Oleh karena itu tidak ada alasan untuk mencurigai under-prospecting jika 3 spesies ini tidak ada dan yang lainnya ada.
Sekarang mari kita ambil kuartet “Kadal dua baris / ular rumput / cacing lambat / ular Aesculapian”. Probabilitas ketidakhadiran kumulatif adalah 0,001323. Oleh karena itu, ketidakhadiran kumulatif ini harus secara statistik terjadi lebih dari 0,1323 mesh… yaitu tidak pernah. Dengan demikian menunjukkan anomali pada jerat di mana itu terjadi. Anomali ini dapat diartikan sebagai under-prospecting.
Kurang prospektif… atau yang lainnya?
Kami baru saja melihat bahwa ketidakhadiran kumulatif tertentu merupakan anomali statistik. Penyebab paling jelas dari anomali ini adalah underprospecting. Jika Anda dihadapkan dengan jaring di mana semua spesies tidak ada, insting pertama Anda adalah bertanya pada diri sendiri apakah itu benar-benar telah diprospek!
Namun, kita tidak boleh mengesampingkan kemungkinan bahwa sebuah sel memiliki kondisi ekologis yang cukup asli untuk mengecualikan banyak spesies, dan khususnya spesies yang sangat umum. Misalnya, dalam skala nasional: reptil paling umum di Prancis (kadal dua baris, kadal dinding, cacing lambat yang rapuh) tidak ada di Corsica. Tapi itu tidak berarti bahwa Corsica berprospek buruk. Jadi waspadalah terhadap interpretasi yang terburu-buru, terutama pada atlas skala nasional.
Terakhir, pengalaman menunjukkan bahwa mata jaring yang terletak di pinggiran wilayah studi sering kali muncul sebagai “di bawah prospek”. Tapi itu tidak benar-benar masuk akal sejauh mata jaring tepi ini, dipotong oleh garis pantai atau oleh batas administratif, hanya setengah mata jaring, seperempat mata jaring atau bahkan sepersepuluh mata jaring. Dalam hal ini, apa gunanya mengajukan pertanyaan tentang under-prospecting? Mata jaring yang hanya mencakup 10 km² tanah tidak dapat dibandingkan dengan jaring “lengkap” yang mencakup 100 km².
Kesimpulan
Metode Cumulative Absence Probabilities (CAP) memungkinkan untuk menetapkan ambang objektif di bawah mana mesh dapat dianggap sebagai under-prospected. Semakin rendah indeks PAC, semakin tidak memuaskan prospeknya. Di bawah 1, kita dapat menganggap bahwa ada kekurangan prospek kecuali penyebab biogeografis murni (seperti kepicikan) dapat menjelaskan anomali statistik. Oleh karena itu, metode kami adalah alat yang berguna dan apriori efektif tetapi tidak menghilangkan pemikiran.
