Un dernier colloque...

La semaine passée, chose bien excitante, j’ai vécu (1) le colloque final de mon groupe de recherche au nom interminable: la Chaire de recherche industrielle CRSNG en aménagement intégré des ressources de l’île d’Anticosti. En fait, « ma » chaire, c’est la 3e chaire suite d’une chaire fondée en 2001. C’est un grand accomplissement et j’ai envie de vous en parler un peu plus aujourd’hui sous forme de questions et réponses.

Pourquoi une chaire de recherche à Anticosti ?

Étonnamment, je n’ai jamais abordé dans ce blogue la situation particulière d’Anticosti (2). Rapidement, un chocolatier français a acheté l’île à la fin du 19e siècle (3). Pour en faire un paradis de la chasse, il a introduit plusieurs espèces d’animaux, dont le fameux cerf de Virginie. En l’absence de prédateurs pour les cerfs adultes et en présence d’une ressource alimentaire abondante, les populations de cerfs ont augmenté, augmenté, augmenté ! Tant et si bien que le broutement du cerf empêche maintenant la régénération naturelle de la forêt et notamment des sapins.

Hors de l’île, le sapin n’est pas une si bonne ressource pour les cerfs. Mais lorsqu’il n’y a plus rien d’autre, c’est tout de même mieux que des épinettes. Bref, si les forêts ne se régénèrent plus, il n’y aura plus de nourriture (en hiver) pour le cerf à long terme. Pour préserver les populations de cerf (parce qu’on aime la chasse), il a fallu penser à un aménagement intégré des ressources qui favoriserait la régénération des sapins. Un tel aménagement requière des connaissances scientifiques et voilà, la chaire de recherche est née ! Plus de détails à ce sujet sont disponibles sur le site web de la chaire.

C’est gros comment, la chaire ?

Au fil des ans, ce fut variable. Pour le cycle qui vient de se terminer, on parle de 13 chercheurs associés, provenant d’universités et de ministères provinciaux et fédéraux. Au total, 36 étudiants (maîtrise, doctorat, postdoctorats) auront effectué un projet au sein de la Chaire. C’est sans compter les nombreux assistants de terrain du Cégep et du baccalauréat (comme moi !).

Moi en 2008 qui capture une souris

Moi en 2008 qui capture une souris

Quels sont les principaux accomplissements de la Chaire ?

Je vous invite à aller regarder les différentes capsules de vulgarisation que les étudiants de la 3e chaire ont préparées pour célébrer la fin. Celle du directeur de la chaire résume les différents cycles de la chaire. Nous avons mis beaucoup de travail pour vous expliquer rapidement et simplement nos projets… si vous aimez, n’hésitez pas à les partager !

Mais je crois que le plus grand accomplissement est la compréhension d’un système. Est-ce qu’on sait tout sur le cerf et son impact sur Anticosti ? Non, mais trois cycles ont permis de faire le tour des principaux points. Je suis particulièrement heureuse de pouvoir faire des liens entre ce que j’étudie et les projets actuels et antérieurs. C’est une chance que de pouvoir travailler dans un système connut pour aller plus loin dans l’interprétation de ses résultats !

(1) Vécu, parce que ça a été intense ! Et une bonne occasion d’améliorer mes capacités de réseautage.

(2) Ma prochaine idée de blogue ?

(3) Une histoire qui ne s’invente pas…

Ma thèse en 172 secondes: une pratique

Aujourd'hui, une vidéo (et probablement pour la dernière fois)! Pour plus d'infos sur le concours Ma thèse en 180 secondes, c'est par ici.

*Mise à jour: Ma thèse en 180 seconde me vaut de passer à la finale universitaire, le 30 mars prochain! Je vous tiendrai au courant de la suite.

La diapo qui accompagne ma présentation. Les photos de coupe forestières sont de Jean-Pierre Tremblay

Une correlation surprenante...

La semaine passée, je présentais une affiche scientifique au colloque du Centre d’Études Nordiques (CEN). Malheureusement, j’étais en vacances et je n’ai pas pu être à côté de mon affiche pour l’expliquer. Je me reprends en la partageant ici. Gardez-en tête que ces résultats n’ont pas encore été révisés par des pairs ! Je travaille présentement sur ce chapitre de ma thèse.

En gros, quel est le résultat principal dans cette affiche ? La consommation de sapin baumier par le cerf de Virginie est corrélée (1) avec la qualité des épinettes blanches et des sapins présents dans un rayon de 50 m. Plus il y a de fibres dans les sapins et épinettes, moins il y a de ramilles broutées sur les sapins environnants. Cette relation n’est pas surprenante parce qu’on sait que les cerfs évitent les arbres riches en fibres [1]. Mais pourquoi la qualité d’une ressource évitée par le cerf (les épinettes blanches) serait-elle corrélée avec la consommation de sapin ? Je propose 2 hypothèses : 1- les secteurs avec des épinettes riches en fibres sont évités par le cerf ; 2- le haut contenu en fibre des épinettes est corrélé avec une composante du sapin que l’on n’a pas encore mesurée. Et il pourrait y avoir d’autres bonnes raisons !

My poster at last CEN meeting. Keep in mind that those results have not been peer-reviewed (yet). Questions or comments? Ask them below or email me: e.champagne.1(at)gmail.com

(1) Une corrélation n’indique pas un lien de cause à effet. Bref, c’est une relation à examiner !

[1] Sauvé, D. G. et S. D. Côté. 2007. Winter forage selection in white-tailed deer at high density: balsam fir is the best of a bad choice. Journal of Wildlife Management 71: 911-914.

La recherche à regarder

J'ai regardé deux reportages de grande qualité cette semaine, les deux portant sur mes lieux d'études. Je vous les conseille fortement.

Premièrement, un reportage de Vice sur l'exploration à l'île d'Anticosti. Le reporter ne semblait pas avoir une opinion a priori sur le sujet et nous permet de créer notre opinion. Rarement ais-je vu des images d'Anticosti aussi vraies, belles et authentiques.

Deuxièmement, un segment entier de la Semaine Verte sur les travaux de Caribou Ungava, le groupe de recherche de mon projet de maîtrise. On y voit Baie Déception, là où j'ai découvert le Nord, mon directeur et mon codirecteur. L'équipe de tournage a passé beaucoup de temps avec les chercheurs et ça parait. On y explique bien la situation de caribou et l'information scientifique est correctement rendue. Vous pouvez trouver la vidéo ici.

Bon visionnement!

Interlude de programmation : l’élégance mystérieuse des listes

Je me tourne les pouces pendant que mon code est en train de rouler dans R (1). Alors, autant vous parler de l’utilisation des listes dans ce logiciel et de ma nouvelle fonction préférée, lapply! Je vous avertis, c’est un billet plus technique, mais qui pourra peut-être intéresser des gens.

J’ai découvert récemment combien une liste peut être utile dans R. On peut y mettre des vecteurs ou des fichiers de données. En soi, la liste ne me semblait pas très utile, c’est pourquoi je ne l’avais jamais utilisée.

Mais admettons que vous voulez effectuer une même opération sur plusieurs variables ou sur plusieurs fichiers de données. Vous pouvez ranger ces variables ou ces fichiers dans une liste et effectuer en une seule ligne la même opération sur tous les éléments de la liste! Mettons ça un peu plus concret, mais pas trop (c’est un interlude, pas un cours de programmation) :

Vous voulez changer aléatoirement les valeurs d’une variable dans votre fichier de données. Mais vous voulez faire cette opération 100 fois! Et bien vous n’avez qu’à créer une liste comprenant 100 fois votre jeu de données en utilisant lapply et utiliser encore une fois la fonction pour randomiser cette colonne :

>a <- c(1, 2, 3, 4, 5)
>b <- c(45, 34, 50, 100, 64)
>test <- data.frame(a, b) #On crée un fichier avec deux colonnes a et b
>#On crée une liste qui contient 2 copies du fichier
>test2 <- lapply(1:2,function(x) test)
>test2
[[1]]
a b
1 145
2 234
3 350
4 4 100
5 564

[[2]]
a b
1 145
2 234
3 350
4 4 100
5 564
>#Et on randomize la colonne a! 
>test3 <- lapply(test2, function(df) transform(df, a = sample(a))) 
>test3
[[1]]
  a   b
1 145
2 534
3 250
4 3 100
5 464

[[2]]
  a   b
1 345
2 534
3 150
4 4 100
5 264

Je n’aurais jamais réussi la dernière partie sans de l’aide sur Stack Overflow.

Ça a l’air d’être un exemple inutile. Mais non! Ça arrive souvent qu’on veuille redistribuer aléatoirement une variable pour faire plusieurs itérations (répétitions) d’une analyse. Ça peut permettre de vérifier si les résultats sont dus à des processus aléatoires.

(1)    Pour les non-initiés, j’ai lancé une analyse. Quand les analyses sont longues, l’ordinateur ne les fait pas instantanément. C’est plate.

Interlude de programmation

Avis aux lecteurs n’utilisant jamais les statistiques : ce texte n’est pas pour vous. J’y décris un problème auquel je me suis heurtée et la solution à laquelle je suis arrivée. Ça peut avoir l’air plate, mais peut-être que ça aidera quelqu’un, un jour.

J’analyse présentement des données qui ont une distribution binomiale négative. La distribution binomiale négative et la distribution de poisson, contrairement à la distribution normale, ne sont pas symétriques. En fait, elles s’étirent comme une queue de poisson.

La distribution négative binomiale, sous forme de GIF (Merci Wikipedia https://en.wikipedia.org/wiki/Negative_binomial_distribution)

La distribution négative binomiale, sous forme de GIF (Merci Wikipedia https://en.wikipedia.org/wiki/Negative_binomial_distribution)

Le problème : l’analyse statistique que j’utilise (modèle linéaire généralisé mixte) a comme supposition que nos données se présentent sous la forme d’une distribution normale.

La solution : certaines fonctions des logiciels statistiques ont des fonctions particulières pour tenir compte de ces distributions non normales. Dans le logiciel SAS, c’est la fonction GLIMMIX. Dans R, on a l’option glmer.nb.

Le nouveau problème : mes modèles ne convergent pas (1), autant avec SAS qu’avec le logiciel R.

Nouvelle solution : la fonction glmmadmb (package glmmADMB, R) permet aussi de faire des modèles avec distribution binomiale négative. Et ça marche!

Le nouveau nouveau problème : Les autres fonctions que j’utilise, comme une me permettant de faire de la sélection de modèle, ne sont pas compatibles avec glmmadmb. Aussi, c’est dur à dire glmmadmb.

Nouvelle nouvelle solution (comme un modèle, les problèmes, c'est itératif) : j’ai écrit mon propre code pour faire un tableau de sélection de modèles. Je me suis fortement inspirée du package AICcmodavg et du cours que j'ai suivi avec son auteur, Marc Mazerolle (2). Probablement pas la fonction la plus élégante, mais la voici :

  #Tout d'abord, créer une liste des modèles (Modlist) pour la sélection ainsi qu'une liste de noms de modèles (Modnames)

  table.sel <- function(Modlist, Modnames){
    Out <- data.frame(cbind(Modnames, unlist(lapply(Modlist, "[[", "npar")), unlist(lapply(Modlist, FUN= AIC)),
            unlist(lapply(Modlist, "[[", "loglik"))), stringsAsFactors = FALSE)
    colnames(Out) [1:4] <- c("Names", "K", "AIC", "LogL")
    order <- order(Out$AIC)
    Out <- Out[order, ]
    Out$AIC <- as.numeric(Out$AIC)
    Out$LogL <- as.numeric(Out$LogL)
    Out$K <- as.numeric(Out$K)
    Out$Delta_AIC <- abs(ave(Out$AIC,FUN=function(x)x[1]-x))
    Out$ModelLik<-exp(-0.5*Out$Delta_AIC)
    Out$AICWt<-Out$ModelLik/sum(Out$ModelLik)
    print(Out)
  }

  tab <- table.sel(Modlist= Modlist, Modnames= Modnames)

Il est possible assez aisément de transformer le code pour sélectionner des AICc

Ajout (29-06-2015): Finalement, j'ai du changer de types d'analyses que je faisais et j'ai donc tout fait ça...pour rien ! Mais peut-être que mon expérience vous inspirera/vous sera utile !

(1) Si vous ne connaissez pas les statistiques et que vous lisez toujours, les modèles linéaires généralisés sont une équation. Le logiciel statistique essaie, avec plusieurs essais, de résoudre l’équation. Si après plusieurs itérations il n’y réussit pas, on dit que le modèle ne converge pas.

(2) Plutôt que d'utiliser mon code, utilisez ses excellentes fonctions. À moins d'être pris avec une distribution binomiale négative.

La méta-analyse et moi, partie I

Je veux tellement vous parler du premier chapitre de mon doctorat! C'est un premier pas vers la fin, ou le début de la fin... peut-être.

Mais avant de vous expliquer ce que j'ai fait, j'ai envie de vous parler de la technique que j’ai utilisée, la méta-analyse. Les méta-analyses sont très sexy actuellement (1) et les quotidiens rapportent souvent leurs résultats, car elles sont très utilisées en médecine. Par exemple, pour confirmer l’absence de lien entre l’autisme et les vaccins.

Qu'est-ce qu'une méta-analyse? 
C'est une étude qui synthétise de façon quantitative les résultats de plusieurs études. 

La grand-mère de la méta-analyse est la revue de littérature. On lit ce qui a été fait sur un sujet et on base ses conclusions sur l'ensemble des études. La mère de la méta-analyse est le « comptage de vote » : six études disent que ce traitement marche, deux disent qu'il ne marche pas, donc, ça doit fonctionner. Vous admettrez que ça ne fait pas très sérieux.

La méta-analyse prend les résultats des différentes études et les analyse quantitativement, en utilisant des méthodes statistiques. Plus puissant qu'une revue de littérature, plus près de la réalité que le comptage de vote.

Comment fait-on ça?

Je me suis basée sur plusieurs livres expliquant les méthodes de méta-analyse (les plus importants: Borenstein et al. 2009, Card 2012, Koricheva et al. 2013) pour en réaliser une. Au final, la méthode peut se résumer de la façon suivante :

1.      Déterminer quelle est notre question et quels types d’études permettent de répondre à cette question

2.      Faire une recherche systématique (de façon ordonnée, avec méthode) pour trouver ces études dans différentes bases de données regroupant des articles scientifiques

3.      Extraire les données voulues de ces articles

4.      Regrouper ces données dans une analyse statistique

Vite de même, ça a l’air simple.

Pas tant que ça. En fait, je dirais que ce n’est pas si compliqué, mais que certaines étapes sont très longues et parfois frustrantes (2). Par exemple, les données extraites doivent être transformées dans une unité de mesure commune. On ne peut pas directement comparer un pourcentage de plante broutée par un herbivore à un nombre de ramilles broutées; l’une des mesures sera obligatoirement entre 0 et 100, tandis que l’autre peut aller de 0 à l’infini, mais uniquement avec des nombres entiers!

Dans pas trop longtemps, je l’espère, je vous parlerai de l’étude que j’ai réalisée et du parcours du combattant que j’ai suivi. En attendant, mon étude est disponible sur un bioRxiv, sous la forme d’un preprint, soit un article non révisé par les pairs. Elle est encore sujette à changement, mais vous pouvez quand même la commenter!

(1) Par sexy, j'entends un sujet en vogue dans les milieux scientifiques… arrêtez de vous faire des idées!

(2) Genre, quand un auteur a omis de fournir certaines informations! Et qu’il n’a pas d’adresse courriel ou qu’il est mort. Ça arrive souvent…

 

Borenstein, M. et al. 2009. Introduction to meta-analysis. — John Wiley & Sons, Ltd.

Card, N. A. 2012. Applied meta-analysis for social science research. — The Guilford Press.

Koricheva, J. et al. 2013. Handbook of meta-analysis in ecology and evolution. — Princeton University Press.

 

La science dans votre jardin

Publié originalement le 13 mars 2015

Faire le lien entre ma recherche et la vie de tous les jours est parfois difficile. Pourtant, les effets associatifs entre les plantes pourraient être utiles dans votre potager! Comme c’est le temps des semis, peut-être pourriez-vous régler vos problèmes d’insectes ravageurs par une solution toute naturelle…

En effet, mon doctorat s’intéresse à comment une plante accompagnatrice peut modifier la susceptibilité à la prédation par le cerf. Cette notion peut être également appliquée aux insectes qui mangent vos feuilles de laitues. Planter des plantes précises pourrait protéger vos légumes! Une étude de 1972 [1] a démontré que les plants de tomates pouvaient protéger les choux de certains coléoptères (Phyllotreta cruciferae). Le mécanisme derrière cette protection est élégant : la tomate dégage des composés chimiques volatils qui nuisent à l’insecte et l’empêche de trouver les plants de choux. Dans d’autres cas, la plante accompagnatrice peut attirer les insectes à elle et c’est donc elle qui sera consommée. Ou encore, la plante accompagnatrice peut attirer les prédateurs de l’insecte. Bref, vous engagez des mercenaires pour combattre l’ennemi.

Bon, mes études théoriques se basent sur des concepts pouvant être utilisés par tout le monde. Mais l’application est en réalité un peu plus complexe (surtout que je ne suis pas une experte en jardinage). Il vous faudra connaitre l’ennemi à abattre et trouver quelle plante peut le neutraliser. J’ai trouvé quelques sites intéressants à ce sujet en anglais (1). Si vous connaissez des trucs, j’aimerais bien que vous me les disiez!

Bon jardinage!

(1) http://www.oisat.org/control_methods/cultural__practices/trap_cropping.html,

http://www.garden.org/ediblelandscaping/?page=201007-how-to

1. Tahvanainen, J.O. and R.B. Root, The influence of vegetational diversity on the population ecology of a specialized herbivore, Phyllotreta cruciferae (Coleoptera: Chrysomelidae). Oecologia, 1972. 10(4): p. 321-346.

Un prédateur, sans les dents et le poil

Publié originalement le 18 février 2015

Mon mois (et demi) de terrain se termine cette semaine et je serais de retour à ma vie de bureau, avec un accès internet régulier. Mais je ne peux pas terminer cette belle expérience sans expliquer à quoi sert l’urine de coyote!

Dans un épisode précédent, j’ai expliqué que je place différents assemblages de branches en forêt pour étudier comment les plantes accompagnatrices peuvent modifier la susceptibilité au broutement par le cerf (1). D’autres choses que les plantes accompagnatrices peuvent modifier comment les herbivores sélectionnent leur nourriture. Par exemple, leur état : est-ce qu’ils sont affamés ou non? Ou, ce qui m’intéresse ici, la possibilité qu’un prédateur se trouve dans le secteur.

Comment les cerfs peuvent-ils savoir que le risque d’être tué est grand? Ils utilisent l’information disponible, fournie par leurs sens. Voir ou entendre un prédateur est un bon indicateur que le risque est grand. Malheureusement pour les cerfs, les prédateurs essaient d’être subtils lorsqu’ils chassent. Et on ne goûte et ne touche pas fréquemment un prédateur. Reste l’odorat (2)! Les prédateurs laissent des traces odorantes, notamment leur urine.

Donc, vous me voyez venir, je place de l’urine de prédateur près des de mes branches pour simuler la présence d’un prédateur. C’est beaucoup plus facile que de mettre un coyote en cage à proximité. Les cerfs devront donc faire un compromis entre leur alimentation et ce risque de prédation. Dans le cas qui nous occupe, cela veut dire que les cerfs devraient passer moins de temps dans les parcelles avec risque de prédation élevé. Ils y seront plus vigilants (comportement de surveillance) et moins sélectifs.

Je réalise cette expérience en Outaouais, où les prédateurs (coyote et loups) sont présents. Mais je la fais également à Anticosti, où il n’y a pas de prédateur naturel du cerf. Si j’observe une réaction de « peur », comment savoir si les cerfs ont reconnu l’urine de coyote? J’utilise donc également de l’urine de pékan (3), qui n’est pas un prédateur du cerf. Si les cerfs réagissent à l’urine de coyote et pas à celle de pékan, nous saurons que c’est réellement au risque perçu de prédation qu’ils réagiront.

J’espère avoir des résultats à vous partager dans les prochains mois!

(1) J’en ai parlé à 2 reprises : http://survivreasondoctorat.blog.com/2015/01/08/2015-commence-en-grand/

http://survivreasondoctorat.blog.com/2014/12/17/la-metaphore-du-buffet-mon-projet-de-doctorat/

(2) Je simplifie : ils peuvent aussi voir des traces de prédateurs, mais je ne sais pas à quel point c’est une stratégie utilisée. Il y a probablement d’autres sources d’informations possibles…

(3) Un animal peu connu : http://fr.wikipedia.org/wiki/Martes_pennanti

2015 commence en grand!

Publié originalement le 8 janvier 2015

C’est si motivant, les débuts d’année! Plusieurs projets se réaliseront dans mon doctorat : mise en ligne d’un preprint, soumission d’un article pour publication prochainement, séminaire de mi-parcours, congrès et même un stage à l’international. J’ai hâte de vous parler de tous ces projets et j’espère que vous continuerez à lire mon blogue. Nouvelle intéressante cette semaine : j’aurai ma semaine sur Biotweeps, un blogue, compte Twitter et une page Facebook donnant la parole à un nouveau biologiste chaque semaine (1). J’ai bien hâte d’y parler de relations plante-herbivore, de libre accès, de la place des femmes en science ainsi que de l’intérêt à écrire sa recherche en français.

2015 commence rapidement pour moi, car je quitte le confort douillet du bureau pour l’île d’Anticosti lundi prochain. Si vous avez lu mon dernier billet avant Noël (2), vous savez que je travaille sur les relations plante-herbivore, en utilisant comme modèle d’étude le cerf de Virginie. Plus spécifiquement, je cherche à comprendre comment la présence d’une plante accompagnatrice peut modifier la susceptibilité au broutement d’une plante. Bref, si je place une épinette à côté d’un sapin, sera-t-elle plus ou moins broutée par le cerf?

Et c’est exactement ce que je m’en vais faire. Je vais aller en forêt placer des branches côte à côte, par exemple 2 branches d’épinette ou de bouleau entourant une branche de sapin. Chaque matin, je placerai de nouvelles branches. Le lendemain, j’irai les reprendre pour dénombrer le nombre de bouchées prises par les cerfs. C’est un type d’expérience qui a déjà été fait auparavant [1], mais surtout avec des animaux en enclos. Moi, je mise sur la collaboration des cerfs en liberté. En comparant la consommation en présence d’épinette à celle en présence de bouleau, je mesurerai l’effet d’une plante accompagnatrice sur la susceptibilité au broutement du sapin.

Je tenterai de bloguer durant ce mois de terrain. Ça me permettra de vous expliquer pourquoi j’ajoute de l’urine de coyote à ce dispositif.

(1) https://biotweep.wordpress.com/schedule/

(2) Mettons que vous n’auriez pas lu : http://survivreasondoctorat.blog.com/2014/12/17/la-metaphore-du-buffet-mon-projet-de-doctorat/

1. Rautio, P., et al., Spatial scales of foraging in fallow deer: implications for associational effects in plant defences. Acta Oecologica, 2008. 34: p. 12-20.

La métaphore du buffet : mon projet de doctorat

Publié originalement le 17 décembre 2014

Voici mon premier billet sur ma recherche! (1) Commençons par spécifier que je suis une écologiste spécialisée dans les relations plante-herbivore. Plus spécifiquement, j’étudie la sélection des ressources alimentaires d’un grand mammifère, le cerf de Virginie (Odocoileus virginianus) et comment sa sélection est influencée par les plantes accompagnatrices.

Si vous ne connaissez pas le domaine, sachez que plusieurs chercheurs et études se consacrent à la sélection de la ressource par les herbivores. C’est logique : l’utilisation des plantes par les herbivores peut entrer en compétition avec notre propre utilisation de ces ressources. Et comme les populations de grands herbivores sont en augmentation dans le monde, il y a génération de conflits entre la faune et les populations humaines [1]. Plusieurs recherches se concentrent également sur l’influence des plantes accompagnatrices (les plantes voisines d’une plante d’intérêt) sur la sélection de la ressource par les herbivores. Avec le temps, j’ai développé une métaphore sur l’impact de ces plantes accompagnatrices sur le risque d’une plante d’être consommée.

Disons que vous adorez le cheddar, vous aimez les olives et vous détestez le brocoli. On est à un party de Noël et je suis intéressée par la probabilité que vous mangiez des olives. Dans le buffet, si les olives sont placées à proximité du cheddar, cela pourrait augmenter cette probabilité : vous allez vous tenir dans le secteur du buffet avec fromage et ingérer des quantités incroyables de cheddar et d’olives. Au contraire, si les olives sont près du brocoli, la probabilité de manger des olives pourrait diminuer. Juste à voir le brocoli, vous avez un haut-le-coeur et vous évitez cette section du buffet. Bien entendu, c’est une simplification de l’effet d’une plante accompagnatrices. L’effet d’une plante préférée et d’une plante évitée peut être inverse à celui décrit ci-dessus, mais ce sera le sujet d’un autre billet.

Certains des cerfs que j’étudie sont dans un système très simple, l’ile d’Anticosti (2). Sur l’île, il y a 3 espèces d’arbres principales. Nous pouvons les classer selon l’ordre de préférence du cerf pour ces espèces : bouleau > sapin baumier > épinettes. Les objectifs de gestion et conservation pour l’île visent à augmenter la régénération en sapin (Abies balsamea), qui est présentement surbrouté. Pourquoi ne pas utiliser les espèces accompagnatrices pour modifier la probabilité qu’un cerf consomme les sapins? Certains chercheurs ont proposé des initiatives de ce type dans d’autres systèmes [par exemple: 2]. Et c’est en partie pourquoi mon projet a été lancé.

Et voilà, je vous ai expliqué la métaphore du buffet, qui résume de façon simplifiée mon projet de doctorat. Une fois ce concept expliqué, je pourrais vous relater le travail de terrain que je m’apprête à faire en janvier : placer des branches dans le bois et noter ce que le cerf consomme. Spoiler: cette expérience implique de l’urine de coyote.

(1) Vous pouvez partager avec vos amis scientifiques anglophones avec ce lien/You can find the English version of this post here:

http://survivreasondoctorat.blog.com/2014/12/17/the-buffet-metaphor-for-my-ph-d/

(2) Un autre sujet futur !

1. Côté, S.D., et al., Ecological impacts of deer overabundance. Annual Review of Ecology Evolution and Systematics, 2004. 35: p. 113-147.

2.Aerts, R., et al., Restoration of dry afromontane forest using pioneer shrubs as nurse-plants for Olea europaea ssp cuspidata. Restoration Ecology, 2007. 15(1): p. 129-138.

The buffet metaphor for my Ph.D.

Publié originalement le 12 décembre 2014

So this is my first blog post about my research (1) and let’s start by stating that I am an ecologist interested in plant-herbivore relationships. More specifically, I am studying how the feeding choices of a large mammal, the white-tailed deer (Odocoileus virginianus) are influenced by neighboring plants (we’ll get to that).

For those unfamiliar with the domain, there is a large part of the literature concerned with feeding choices of herbivores. This is relatively unsurprising: herbivore’s use of plant can compete with our uses. And large herbivores populations are increasing worldwide, thus creating conflict between wildlife and human populations [1]. There is also a large interest in ecological studies about the influence of neighboring plants on feeding choices. My best explanation of the impact of neighboring plant on the risk of being eaten involves a buffet metaphor.

Let’s say you love cheddar, you like olives and you hate broccoli. You are at a Christmas party and we are interested in knowing what is the probability you will eat olives. In the buffet, if the olives are placed close to the cheddar, it might increase this probability: you will stick in that part of the buffet and eat lots of cheddar and olives. On the contrary, if olives are close to the broccoli, this could reduce the probability for you to eat olives. Just seeing broccoli, you will avoid that section of the buffet. This is highly simplified and there are also cases where the influence on probability is reversed. But this will be the subject of another blog post.

Some of the white-tailed deer I’m studying are in a very simplified system, Anticosti Island (2). There are only 3 main tree species and in order of deer preference: birch > balsam fir > spruce. The management objective is to improve balsam fir (Abies balsamea) regeneration, as it is presently over-browsed. So, hey, why not using neighboring species to modify the probability of a deer eating a fir ? Researchers proposed those kinds of initiatives [for an example: 2] in other systems. And that’s partly why my project was launched.

So that was the buffet metaphor I frequently use for explaining my Ph.D. Now that you understand the concept, I will be able to explain in January the fieldwork I will be doing : placing branches in the wood and observing what deer are eating. Oh, and it involves coyote urine.

(1) And incidently, my first in English. If you find outrageous grammar mistakes, please comment and I will rectify. You can find the French version of this post here:

http://survivreasondoctorat.blog.com/2014/12/17/la-metaphore-du-buffet-mon-projet-de-doctorat/

(2) Another futur subject !

1.Côté, S.D., et al., Ecological impacts of deer overabundance. Annual Review of Ecology Evolution and Systematics, 2004. 35: p. 113-147.

2.Aerts, R., et al., Restoration of dry afromontane forest using pioneer shrubs as nurse-plants for Olea europaea ssp cuspidata. Restoration Ecology, 2007. 15(1): p. 129-138.