Sensibilité des modèles de distribution d'espèces à l'algorithme choisi : cas de Lophira lanceolata et implications pour sa conservation au Burkina Faso
Physio-Géo · 2026 · Volume 22 · 133-157
DOI: 10.4000/16xa8 ↗Kurz gefasst
Fachartikel in der Zeitschrift Physio-Géo, 2026. Verfasst von Fanta Reine Sheirita Tiétiambou und 5 weiteren Autor:innen. Die Arbeit nennt 56 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
Lophira lanceolata est une espèce ligneuse autochtone à usages multiples, utile pour la stabilité des écosystèmes et essentielle pour la subsistance des communautés locales. Face aux effets néfastes de la péjoration climatique sur les habitats naturels, cette étude vise principalement à analyser les divergences entre cinq algorithmes de modélisation de niche écologique et leurs implications pour l'évaluation des habitats favorables de Lophira lanceolata au Burkina Faso. Les projections de la distribution potentielle actuelle et future aux horizons 2050 et 2070 sont utilisées comme support pour comparer la sensibilité des modèles selon différents scénarios climatiques. Les cinq méthodes de modélisation adoptées sont : Generalized Linear Model, Generalized Additive Model, Random Forest, Maximum Entropy et Boosted Regression Trees. Les données d'occurrence de l'espèce, obtenues des bases de Global Biodiversity Information Facility et de Rainbio, ont été filtrées puis croisées avec des variables environnementales sélectionnées sur la base de leur faible colinéarité. Les résultats ont montré que les modèles évalués à l'aide des indices Area under the curve, True skill statistics et kappa sont satisfaisants avec une forte variabilité spatiale selon les algorithmes. Random Forest s'est montré très restrictif, tandis que Boosted Regression Trees a révélé les surfaces les plus favorables. Les précipitations annuelles ont été identifiées comme la variable la plus influente. Dans les aires protégées, Generalized Linear Model et Generalized Additive Model projettent des superficies favorables plus importantes que Maximum Entropy et Random Forest. Les projections révèlent d'importantes divergences dans la distribution future de l'espèce : Random Forest prédit un net déclin des habitats très favorables, Maxent révèle une sensibilité marquée aux scénarios climatiques, alors que Boosted Regression Trees indique une stabilité. Generalized Linear Model et Generalized Additive Model suggèrent une expansion des zones favorables, en particulier sous le scenario MIROC6. Ces divergences parfois radicales selon les algorithmes confrontés, montrent les limites d'un usage non critique des outils de modélisation de niche écologique et appellent à une lecture prudente de leurs sorties pour guider les priorités de conservation de Lophira lanceolata face au changement climatique.
Zitieren
APA
Tiétiambou, F. R. S., Idohou, R., Gahounga, F. J. E. C., Lankoandé, B., Tyano, A., & Ouédraogo, A. (2026). Sensibilité des modèles de distribution d'espèces à l'algorithme choisi : cas de Lophira lanceolata et implications pour sa conservation au Burkina Faso. Physio-Géo, Volume 22, 133-157. https://doi.org/10.4000/16xa8
Vancouver
Tiétiambou FRS, Idohou R, Gahounga FJEC, Lankoandé B, Tyano A, Ouédraogo A. Sensibilité des modèles de distribution d'espèces à l'algorithme choisi : cas de Lophira lanceolata et implications pour sa conservation au Burkina Faso. Physio-Géo. 2026;Volume 22:133-157. doi:10.4000/16xa8
BibTeX
@article{Titiambou2026,
author = {Tiétiambou, Fanta Reine Sheirita and Idohou, Rodrigue and Gahounga, Fabrice Jean Eudes Crédo and Lankoandé, Benjamin and Tyano, Abdoulaye and Ouédraogo, Amadé},
title = {Sensibilité des modèles de distribution d'espèces à l'algorithme choisi : cas de Lophira lanceolata et implications pour sa conservation au Burkina Faso},
journal = {Physio-Géo},
year = {2026},
volume = {Volume 22},
pages = {133--157},
doi = {10.4000/16xa8}
}
EUVIMED