OCAPI - Observation de la biodiversité par des caméras plus intelligentes | FEREC 2020

OCAPI – Observation de la biodiversité par des Caméras Plus Intelligentes Lauréat de l’appel à projets 20 20 Fondation FEREC « Intelligence artificielle (IA) appliquée aux infrastructures en service » 21 / 30 Figure 10 : Histoires de détection simulées constituées par les 10 occasions d’échantillonnages sur chacun des 24 sites équipés d’appareils photographiques 3.3.2.3 Ajustement du modèle d’occupation aux données simulées Les modèles d’occupations sont construits sous R à l’aide du package Unmarked (Fiske and Chandler 2011). 4 modèles sont construits et comparés à l’aide de leurs critères d’information d’Akaike (AIC) (Akaike 1974) . Le modèle présentant l’AIC la plus faible est considéré comme étant le meilleur modèle et 2 modèles dont la différence d’AIC serait inférieure à 2 sont considérés équivalents (Burnham and Anderson 2002). Les modèles sont construits en intégrant l’effort de détection (nombre d’appareils par site d’échantillonnage) et la fréquentation du site par les animaux comme covariables de l’occupation ( Tableau 3) . Tableau 3 : Récapitulatif des modèles d’occupation construits et de leurs scores d’AIC Code modèle Effort Fréquentation AIC M0 Constant Constante 127,7 Meff Variable Constante 129,1 Mfreq Constant Variable 118,3 Mcpt Variable Variable 119,7 Les modèles Mfreq et Mcpt ne sont pas significativement différents et présentent les plus faibles AIC, suggérant dans notre cas, une importance limitée de l’ effort de détection. Pour la suite des travaux, c’est le modèle Mcpt qui a été retenu pour établir les cartes d’occupation.