Chapitre 2.2 Flashcards
Comment tenir compte des caractéristiques démographiques propres à des sous-groupes de la population?
- Avec un modèle pour populations structurées, où on structure la population en groupes
Groupes peuvent être fonction de l’âge, du stade de vie ou de la taille
On applique des paramètres démographiques spécifiques au groupe
Deux approches pour étudier la dynamique d’une population structurée
- Tables de survie: approche la plus ancienne
Survie et natalité spécifique à l’âge par cohorte
Cohorte: groupe d’individus nés durant le même intervalle de temps - Matrices
Table de survie
On suit la même cohorte d’individus jusqu’à la mort de tous les individus
(x) = âge (on a k classes d’âge)
N(x) = Nombre d’individus femelles survivant à chaque anniversaire
m(x) = fécondité (= 0.5 x nombre de jeunes par femelle)
l(x) = Survie de la cohorte initiale
S(x) = Probabilité de survie annuelle ( 1) ( ) ( )
l(x)m(x) = Produit de la survie de la cohorte initiale par la fécondité (fécondité spécifique de la classe d’âge)
Taux de reproduction net (R0)
Nombre moyen de femelles produites par chaque femelle survivante au cours de sa vie (formule 2.1)
R0 est par génération et R est par année
R0> R (R0 = R seulement pour générations annuelles)
Temps de génération requis pour transformer R0 en R
(mais temps de génération est difficile à calculer)
Temps de génération de cohorte (Tc)
Âge moyen des parents de tous les jeunes produits par une cohorte
Statistique importante:
Selon l’UICN, une espèce menacée est définie comme une espèce dont les effectifs ↓ de ≥30% en < 3 générations
Calcul du taux d’accroissement (r) à partir d’une table de survie
Voir formule 2.3 et 2.4
La solution exacte de r est donnée par l’équation d’Euler
(Somme de la fécondité spécifique de chaque classe d’âge divisée par son taux d’accroissement est égal à 1)
On ne peut pas isoler r dans cette équation, on doit ajuster sa valeur
Par essai et erreur, on trouve la valeur exacte
T surestimé (r sous-estimé) car plus de jeunes se reproduisent que leurs parents et ils commencent avant la mort des parents
Population en décroissance, T est sous-estimé (et r est surestimé)
L’application des tables de survie comporte plusieurs difficultés
L’application des tables de survie comporte plusieurs difficultés:
Difficulté de suivre une cohorte à cause des mouvements
> Chez les animaux, on manque toujours des individus
Biaisé si on utilise les animaux morts (ex. tués à la chasse)
> On mélange alors les cohortes
Calcul de l’équation d’Euler est fastidieux
Matrices de Leslie
- Matrice carrée (n lignes vecteur = n colonnes matrice)
- Fécondité en 1ère ligne
- Une seule classe d’âge par colonne
- Survie sur la sous-diagonale de la matrice (lignes 2 à k)
- Tout le monde meurt à la dernière classe d’âge (pas obligatoire)
Le produit de M et Nt donne alors N au temps t+1
La taille totale de la population (N) au temps t est obtenue par la somme des N de chaque âge
Important: La matrice de population doit correspondre au cycle vital de l’espèce
Cycle vital et matrices de transition
Comptage avant reproduction (pre-breeding census)
Structuré selon l’âge (Ex: 4 classes d’âges)
Reproduction commence à Ex: 2 ans seulement
Note F=f*s
Propriétés des matrices de transition
Convergence vers une structure d’âge stable
(= proportion d’individus dans chaque classe d’âge)
Si on change N1 et N2 au départ
Convergence vers la MÊME structure d’âge stable (ratio N2/N1)
À chaque matrice correspond une structure d’âge stable différente
Quelque soit la population de départ, on converge toujours vers la MÊME structure d’âge stable
À la structure d’âge à l’équilibre, R (ou λ) est constant. C’est le taux de croissance exponentiel asymptotique (ou à l’équilibre)
À chaque matrice correspond aussi un taux de croissance asymptotique
Équation caractéristique et calcul de λ
Le taux de croissance asymptotique peut être extrait
analytiquement de la matrice
À chaque matrice (M) correspond une équation caractéristique: (M - λI) = 0 (I = matrice identité)
Les solutions de cette équation caractéristique sont appelées valeurs propres (λ), ou racines
On les obtient en calculant le déterminant de la matrice
La plus grande valeur propre, λ, de l’équation est le taux de croissance asymptotique (R)
Le vecteur propre à droite (noté V) associé à λ comporte k éléments (k = nombre de lignes de la matrice)
Les éléments de ce vecteur propre sont directement la structure d’âge stable de la population à l’équilibre
Les modèles matriciels: un outil puissant
Avec seulement des estimés de F et S, on peut savoir si une population croit ou décroit
Ceci peut se faire sans rien connaître des effectifs (N)
Permet de projeter dans le temps l’évolution des effectifs
On peut voir l’effet sur le taux de croissance de changer la valeur des paramètres F ou S
On peut calculer la sensibilité du taux de croissance à chaque paramètre démographique
On assume toutefois par défaut une croissance
exponentielle
Matrices de transition: cas complexes
On peut rendre les modèles matriciels plus complexes en incluant des effets :
Stochastiques
• Ex: tirer des valeurs de paramètres d’une distribution normale à chaque pas dans le temps
Dépendants de la densité
• Ex : fécondité dépendante de la densité de population
–> On divise f par le terme eαNt qui représente l’effet négatif de la densité totale
–> Plus la population (Nt) augmente, plus la fécondité diminue
Dans plusieurs cas (e.g. espèces en déclin, menacées ou exploitées), modèle exponentiel est souvent suffisant