MaxGeeking Out Sur MaxEnt\/Modélisation des espèces en présence uniquement

Sunny_ENR

Extra ! Extra ! Lisez tout à ce sujet ! 

Modélisation prédictive en présence uniquement<\/A> (alias MaxEnt) est maintenant disponible dans ArcGIS 2.9 et je suis TELLEMENT EXCITÉE. Pourquoi est-ce un grand événement ? Eh bien, d'une part, c'est tout simplement super amusant... 

Ok mais vraiment - c'est excitant parce qu'il y a de nombreux phénomènes qui se produisent et nous savons où ils se sont produits mais pas nécessairement où ils NE SE SONT PAS produits. Comme Bigfoot, par exemple. (Je plaisante... ou pas ?)  

Pour les biologistes de la faune (y compris ceux qui étudient la cryptozoologie), les botanistes ou autres -ologues cherchant à comprendre où quelque chose POURRAIT être... ou plus précisément, où les conditions pourraient se produire pour soutenir la présence dudit phénomène... mais ils ne savent que où il existe déjà<\/EM>, la modélisation MaxEnt est extrêmement utile. 

Comment ça fonctionne ? <\/STRONG>

Je ne suis pas mathématicienne, mais si vous voulez connaître les détails techniques, vous pouvez lire la documentation<\/A>. Ou vous pouvez mettre en copie l'équipe @GeoSpatialAnalysis<\/a> dans votre réponse. Ha ! 

Mais voici ma version de comment ça fonctionne : 

Disons que j'ai une espèce végétale rare et que je n'ai qu'une poignée de populations connues. On m'a chargé de planifier mon travail sur le terrain pendant sa saison de floraison et je veux maximiser mon temps en ciblant les recherches dans des endroits où l'espèce POURRAIT se trouver. Peut-être que je sais quelques choses sur ce qu'elle semble préférer - une géologie spécifique, la proximité d'un ruisseau, une pente pas trop raide, et OH ! peut-être certaines caractéristiques de l'habitat. Super ! 

Vous pouvez intégrer toutes ces données sous-jacentes dans ArcGIS Pro : une couche géologique, exécuter une accumulation de distance sur une couche de ruisseau, dériver une pente et intégrer des données de couverture terrestre. En plus de cela, intégrons nos données de présence pour notre espèce d'intérêt. 

Maintenant - nous allons exécuter l'outil MaxEnt, ce qui revient essentiellement à demander à la machine d'examiner où la présence se produit, considérer les ensembles de données sous-jacents qui pourraient EXPLIQUER pourquoi cette espèce est ici et pas là, puis noter le reste de notre zone d'étude en fonction de la proximité avec des critères similaires correspondants. Un meilleur score signifie une probabilité plus élevée que les bonnes conditions puissent se produire pour que cette espèce soit également trouvée là-bas. 

Quelles sont quelques considérations ?

<\/STRONG><\/P>Encore une fois, je recommande totalement de lire la documentation pour les détails, mais en bref, je dis toujours aux gens que l'exécution de cet outil nécessite en fait de connaître quelque chose sur le phénomène contre lequel vous essayez de l'appliquer. 

Pourquoi ? Parce que modéliser quoi que ce soit - en utilisant MaxEnt ou autre - nécessite des itérations. Vous devez le faire plusieurs fois. Voici un bon exemple : j'ai une fois exécuté MaxEnt sur une espèce de salamandre et j'ai obtenu un TRÈS BON résultat la première fois que j'ai lancé le modèle. MAIS... quand j'ai réellement regardé la sortie et pas seulement le score, j'ai réalisé que le modèle avait détecté ce qu'on appelle un "biais d'échantillonnage"... J'avais beaucoup d'enregistrements près des ROUTES, parce que je m'arrêtais avec le camion, descendais et échantillonnais, puis trouvais un enregistrement. Donc ma première exécution m'a dit QUE LES ROUTES SONT GÉNIALES POUR LES SALAMANDRES ! 

Oups. J'ai dû éliminer mon biais d'échantillonnage par amincissement (un outil disponible dans l'outil Presence-only Prediction dans ArcGIS Pro) et le relancer, puis commencer à examiner mes variables explicatives (géologie, pente, etc.) et me demander "Cette couche aide-t-elle du tout mon modèle ?" et décider si je voulais la garder ou non. C'est assez facile à faire, car dans votre sortie, vous obtenez de petits graphiques pour chacune de vos variables explicatives qui vous indiquent quel attribut de cette variable importe le plus et dans quelle mesure il influence le modèle. 

Plutôt génial, non ? 

Et vous pouvez faire cela pour les plantes, les animaux ou d'autres types de phénomènes ! C'est TELLEMENT FACILE et super puissant et a énormément d'utilisations potentielles (corridors fauniques, je vous regarde !)  

Pour plus d'informations consultez cet article de blog<\/A>. <\/P>

Patesj_dev

This is awesome! When I was working on my master's on Spiraea virginiana, I did some modeling using presence-only data in GIS but felt like it needed much more rigor in order to be able to support conclusions. It's great that ESRI is enhancing the capabilities in the tools to support the need.