Statistical modelling of large carnivores' distribution in Europe

Les grands carnivores recolonisent l’Europe grâce à une augmentation des forêts et des populations d'ongulés sauvages ainsi que des mesures de conservation. Or, les carnivores entrent en interactions avec les activités humaines telles que l’élevage. Quantifier leur distribution peut aider à situer les impacts sur ces activités. Ces espèces sont très mobiles, difficiles à observer et vivent à de faibles densités. La modélisation de leur distribution présente plusieurs défis en raison 1) de leur détectabilité imparfaite, 2) de leur distribution dynamique dans le temps et 3) du suivi à grande échelle basé sur la collecte de données opportunistes sans mesure formelle de l'effort d'échantillonnage. Dans cette thèse, nous nous sommes concentrés sur deux espèces de grands carnivores, le loup et le lynx boréal, pour développer les méthodologies liées à la modélisation de la distribution d’espèces. Nous avons exploré l’application des modèles d’occupancy dans le contexte du suivi des grands carnivores en Europe. Ces modèles établissent le lien entre la présence d’une espèce et l’environnement dans le but d’établir la proportion d'une zone d'étude que l’espèce occupe, tout en prenant en compte une détectabilité imparfaite.Plus précisément, nous avons d'abord évalué la dynamique de la distribution des loups en France de 1994 à 2016, tout en prenant en compte leur détection imparfaite. Nous avons montré l'importance de prendre en compte l’effort d'échantillonnage variant dans le temps et dans l'espace à l’aide de de modèles d’occupancy dynamique.Deuxièmement, comme des faux positifs peuvent être présents lors de la surveillance d'espèces rares, nous avons développé un modèle dynamique d’occupancy qui tenait compte simultanément des faux négatifs et des faux positifs pour analyser conjointement des données qui contenaient à la fois des détections certaines et des détections incertaines. L'analyse des données sur le lynx boréal dans les pays alpins a suggéré que l'incorporation de détections incertaines produisait des estimations des paramètres écologiques plus précises.Troisièmement, nous avons développé un modèle qui prenait en compte l'hétérogénéité de la détection tout en traitant les faux positifs. En appliquant notre nouvelle approche au loup en France, nous avons démontré que l'hétérogénéité de la détection du loup était principalement due à un effort d'échantillonnage hétérogène dans l'espace.Quatrièmement, pour traiter des sources de données multiples, nous avons développé un modèle de processus ponctuel de Poisson qui permettait l'inclusion de différentes sources de données lors de la construction des SDMs. Nous avons montré comment la combinaison des données sur la distribution permettait d’optimiser un suivi en répondant à la question de savoir quelle(s) source(s) d'information apporterait l’essentiel de l’information lors du suivi du lynx en Norvège.Cinquièmement, pour comprendre les mécanismes sous-jacents de la colonisation des loups en France, nous avons développé un cadre statistique pour estimer l'occupation spatio-temporelle et la dynamique des effectifs en utilisant le cadre de diffusion écologique. Nous avons montré le potentiel de notre approche pour prédire la distribution future potentielle du loup à court terme, un élément qui pourrait contribuer à cibler des zones de gestion ou se concentrer sur des zones de conflit potentiel.Dans l'ensemble, nos travaux montrent que les données opportunistes peuvent être analysées à l'aide de modèles de distribution d’espèces qui prennent en compte les contraintes liées au type de suivi utilisé pour produire les données. Nos approches peuvent être utilisées par les gestionnaires pour optimiser la surveillance des grands carnivores, cibler des zones de présence potentielles et contribuer à proposer des mesures destinées à atténuer les conflits.Large carnivores are recovering in Europe, due to an increasing forest cover, ungulate population and conservation measures. Tthis return poses challenges as carnivores can interact with livestock farming. Assessing their distributions can help to predict and mitigate conflicts with human activities. Because large carnivores are highly mobile, elusive and live at very low density, modeling their distributions presents several challenges due to 1) their imperfect detectability, 2) their dynamic ranges over time and 3) their monitoring at large scales consisting of opportunistic data without a formal measure of the sampling effort. In this thesis, we focused on two carnivore species, wolves (Canis lupus) and Eurasian lynx (Lynx lynx), to develop the methodological aspects related to the modelling of species distributions. We considered the application of occupancy models in the context of monitoring large carnivores in Europe. These models allow the establishment of a link between the species’ presence and environmental covariates while accounting for imperfect detectability, in order to establish the proportion of a study area occupied by the species.We first assessed wolf range dynamics in France from 1994 to 2016, while accounting for species imperfect detection and showed the importance of accounting for time- and space-varying sampling effort using dynamic site-occupancy models.Second, acknowledging that false positives may occur when monitoring rare species, we showcased a dynamic occupancy model that simultaneously accounts for false negatives and positives to jointly analyze data that include both unambiguous detections and ambiguous detections. The analysis of data on the Eurasian lynx in Alpine countries suggested that incorporating ambiguous detections produced more precise estimates of the ecological parameters.Third, we developed a model accounting for heterogeneity in detection while dealing with false positives. Applying our new approach to a case study with grey wolves in France, we demonstrated that heterogeneity in wolf detection was due to a heterogeneous sampling effort across space.Fourth, to deal with multiple data sources, we developed a Poisson point process approach which allows the inclusion of different data sources when building SDMs. By doing so, we also answered the question about which source(s) of information would provide most of the information when monitoring the lynx in Norway.Fifth and finally, to understand the underlying mechanisms of the colonization of wolves in France, we developed a statistical framework for estimating spatiotemporal occupancy and abundance dynamics using the ecological diffusion framework. We demonstrated the potential of our approach to predict the potential future distribution of wolves in the short term, an element that could contribute to target management areas or focus on areas of potential conflict.Overall our work shows that opportunistic data can be analyzed with species distribution models that control for issues linked to the type of monitoring used to produce the data. Our approaches have the potential for being used by decision-makers to optimize the monitoring of large carnivores and to target sites where carnivores are likely to occur and mitigate conflicts