Prédiction du potentiel d'invasion des espèces non natives par des modèles de niche : approches méthodologiques et applications aux poissons d'eau douce sur le territoire français

Les espèces invasives sont une des perturbations les plus importantes des milieux aquatiques d'eau douce. La prévention des invasions passe par l'identification des zones dans lesquelles ces espèces sont susceptibles de s'installer. Cette thèse a mis en évidence que : - le changement de grain spatial modifie la mesure de l'aire de la distribution observée. Par contre, le grain des données utilisées pour calibrer les modèles influence peu la qualité des prédictions. - les grains les plus larges restent utilisables pour identifier les espèces changeant de niche climatique lors du processus d'invasion. - la majorité des six espèces de poissons étudiées présentent un fort risque d'établissement sous l'effet du changement climatique, même en l'absence de changement de niche de ces espèces. - la qualité des prédictions des modèles corrélatifs peut être améliorée en utilisant la méthode d'ensemble itérative que nous avons développée. Cette méthode est particulièrement adaptée pour les espèces invasives, mais aussi pour les espèces difficiles à détecter ou les espèces en danger.Freshwaters are among the most anthropogenicaly threatened ecosystems in the world. They especially face serious threats due to invasive species. Efforts are thus needed to control invasions and increase the accuracy of the models used to predict the potential distribution of invasive species. We showed that: - the area of the observed distribution, and thus the area of the distribution predicted by correlative models, increases exponentially with the spatial grain of the data. However, model quality is little affected by the grain of the data and decreases only for the largest grains. - coarse-grained occurrence data remain useful in identifying the species that experience niche shifts. - most of the six fish species that we have studied were able to establish in France under climate change, even without niche shift. - the iterative ensemble modeling method that we developed increases the accuracy of predictions as soon as the occurrence data set contained abundant non environmental absences. This new method is of interest for invasive species niche modeling but also to model the distribution of difficult to detect or endangered species