Biodiversité & écologie

Les écologues collectent des relevés d’occurrences : quelle espèce a été observée, où, quand, en quelle quantité. La structure standard est un CSV à plusieurs colonnes : espece, site, date, abondance (parfois aussi lat/lon, observateur, météo…).

Voici un relevé pédagogique d’essences forestières sur 3 sites (A, B, C) en mai-juin 2024. Sauvegardez-le sous releve.csv :

espece,site,date,abondance
Quercus_robur,site_A,2024-05-12,18
Quercus_robur,site_A,2024-06-15,22
Quercus_robur,site_B,2024-05-12,5
Fagus_sylvatica,site_A,2024-05-12,12
Fagus_sylvatica,site_A,2024-06-15,15
Fagus_sylvatica,site_B,2024-05-12,28
Pinus_sylvestris,site_B,2024-05-12,9
Pinus_sylvestris,site_C,2024-05-12,35
Acer_pseudoplatanus,site_A,2024-05-12,4
Acer_pseudoplatanus,site_C,2024-05-12,8
Betula_pendula,site_C,2024-05-12,42
Betula_pendula,site_C,2024-06-15,38
Picea_abies,site_C,2024-05-12,11
Sorbus_aucuparia,site_B,2024-05-12,3
Corylus_avellana,site_A,2024-06-15,7

La donnée brute est « plate » : une ligne par observation. Mais pour l’analyse, on a besoin d’une structure pivotée : par site, quelles espèces présentes ? C’est exactement ce que fait un groupBy en SQL, ou un defaultdict(set) en Python.

La richesse spécifique (notée S) est l’indicateur de diversité le plus simple : combien d’espèces différentes observées. C’est un proxy intuitif mais limité : un site avec 10 espèces dont 9 très rares et 1 ultra-dominante a un S = 10, mais une diversité fonctionnelle plus pauvre qu’on imagine.

Les indices de Shannon et Simpson (étapes 5 et 6) corrigent ce biais.

Les indices de diversité (Shannon, Simpson) reposent sur les proportions, pas les comptes bruts. Pour chaque site, il nous faut p_i = n_i / N où n_i est le total d’individus de l’espèce i et N le total de tous individus du site.

Cette étape pose les fondations des deux suivantes.

L’indice de Shannon H′ mesure l’incertitude associée à l’identité d’un individu pris au hasard dans la communauté :

H' = -Σ p_i · ln(p_i)

Plus H′ est grand, plus la communauté est diverse et équilibrée :

• H′ ≈ 0 → une espèce domine ;
• H′ ≈ ln(S) → toutes les espèces sont en proportions égales (cas idéal).

Forêts tempérées typiques : H′ entre 1.5 et 3.5.

L’indice de Simpson mesure la probabilité que deux individus prélevés au hasard appartiennent à la même espèce :

D = Σ p_i²

La forme « diversité » est l’indice de Gini-Simpson 1 − D : probabilité que les deux individus diffèrent. Entre 0 (un seul taxon présent) et près de 1 (très diversifié).

Simpson est moins sensible que Shannon aux espèces rares — il met plus de poids sur les dominantes. Les deux sont complémentaires.

Comment savoir si deux sites partagent des espèces ? L’indice de Jaccard est la mesure historique :

J(A, B) = |A ∩ B| / |A ∪ B|

Entre 0 (aucune espèce en commun) et 1 (composition identique). C’est le même indice utilisé en machine learning pour comparer des ensembles ou en bibliométrie pour des listes de mots-clés.

Sept briques posées. Reste à les assembler en un script de terrain : prendre n’importe quel CSV d’occurrences au format espece,site,date,abondance et produire un rapport de diversité utilisable dans un mémoire ou un rapport d’étude d’impact.