Modéliser le domaine vital d’un animal
Définir le domaine vital à l’aide d’un polygone convexe minimal
Dans cette section, vous utiliserez l’outil Minimum Bounding Geometry (Emprise géométrique minimale) pour mieux comprendre la plus grande zone observée occupée par les wapitis dans cette région. L’outil Minimum Bounding Geometry (Emprise géométrique minimale) calcule des polygones représentant la plus petite zone nécessaire pour inclure les données en entrée. Bien que l’outil puisse calculer des formes comme les cercles et les rectangles, vous utiliserez le type Convex Hull (Enveloppe convexe), qui dessine une ligne droite entre les sommets extérieurs du jeu de données en entrée et constitue la méthode la plus simple pour examiner le domaine vital d’un animal.
- Téléchargez le paquetage de projet Elk_Home_Range.
Un fichier nommé Elk_Home_Range.ppkx est téléchargé sur votre ordinateur.
Remarque :
Un fichier .ppkx est un paquetage de projet ArcGIS Pro qui peut contenir des cartes, des données et d’autres fichiers pouvant être ouverts dans ArcGIS Pro. Pour en savoir plus sur la gestion des fichiers .ppkx, consultez l’article de blog A guide to ArcGIS Pro project packages (.ppkx files).
- Recherchez le fichier téléchargé sur votre ordinateur. Double-cliquez sur le fichier Elk_Home_Range.ppkx pour ouvrir le projet dans ArcGIS Pro.
- Si nécessaire, connectez-vous à ArcGIS Pro via votre compte ArcGIS sous licence.
Si vous n’avez pas accès à ArcGIS Pro ou ne disposez pas d’un compte ArcGIS (pour ArcGIS Online ou ArcGIS Enterprise), consultez les options disponibles pour accéder aux logiciels.
La carte affiche les emplacements des données de télémétrie des wapitis recueillies en 2009 dans le sud-ouest de l’Alberta, le sud-est de la Colombie-Britannique et le nord-ouest du Montana. Les données utilisées dans ce didacticiel représentent un sous-ensemble des données collectées dans l’étude d’origine, qui s’étend sur plusieurs années. Ce sous-ensemble de données a été projeté et traité au préalable afin d’inclure un attribut indiquant à quelle saison le point a été enregistré. Cet attribut sera utilisé comme champ de cas dans l’analyse de la distribution directionnelle pour présenter l’évolution au fil du temps. Pour en savoir plus sur l’étude et accéder au jeu de données complet, consultez l’étude sur MoveBank.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Geoprocessing (Géotraitement), cliquez sur ModelBuilder.
Une fenêtre ModelBuilder vierge apparaît. Pour créer votre modèle, vous allez commencer par faire glisser des outils à partir de la fenêtre Analysis (Analyse).
- Dans le ruban ModelBuilder, dans le groupe Insert (Insérer), cliquez sur Tools (Outils).
La fenêtre Geoprocessing (Géotraitement) s’affiche.
- Dans la fenêtre Geoprocessing (Géotraitement), recherchez l’outil Minimum Bounding Geometry (Emprise géométrique minimale). Faites glisser l’outil vers le modèle.
Un rectangle montrant l’outil de géotraitement Minimum Bounding Geometry (Emprise géométrique minimale) et un ovale représentant la classe d’entités en sortie de l’outil sont ajoutés au modèle.
- Dans le modèle, double-cliquez sur le rectangle Minimum Bounding Geometry (Emprise géométrique minimale) pour ouvrir les paramètres.
Le premier paramètre correspond aux entités en entrée pour lesquelles vous allez calculer l’emprise géométrique minimale.
- Pour Input Features (Entités en entrée), sélectionnez la classe d’entités Elk_in_Southwestern_Alberta_2009.
- Pour le paramètre Geometry Type (Type de géométrie), sélectionnez Convex Hull (Enveloppe convexe) et pour Output Feature Class (Classe d’entités en sortie), saisissez Elk_data_MBG.
- Cliquez sur OK.
Un cercle bleu représentant la classe d’entités Elk_data_2009 est ajouté au modèle avec une flèche pointant vers l’outil Minimum Boundary Geometry (Emprise géométrique minimale) pour montrer que cette couche est une entrée de l’outil.
- Dans votre modèle, cliquez avec le bouton droit sur la sortie verte et sélectionnez Add to Display (Ajouter à la carte).
Cette action ajoutera la sortie à la carte après son exécution.
- Cliquez avec le bouton droit sur l’outil Minimum Bounding Geometry (Emprise géométrique minimale) dans le modèle et cliquez sur Run (Exécuter).
=
L’outil s’exécute. Une fois l’exécution terminée, la nouvelle couche Elk_data_MBG est ajoutée à la carte.
- Cliquez sur l’onglet Carte.
La couche résultante représente l’emprise géométrique minimale du troupeau de wapitis. Pris individuellement, les animaux ne passent cependant pas le même temps dans chaque partie de leur domaine vital. Dans la section suivante, vous découvrirez davantage leur domaine vital grâce à la densité de noyau, afin de mieux comprendre où les wapitis passent plus ou moins de temps.
Examiner où les wapitis se rassemblent grâce à l’outil Kernel Density (Densité de noyau)
Il est souvent utile de disposer d’un contour du domaine observé, mais le domaine vital peut alors être surestimé. D’autres analyses comme la densité du noyau peuvent aider à définir plus précisément où les animaux se regroupent. L’estimation de la densité du noyau génère un raster en sortie représentant une estimation de la probabilité d’occupation de l’espace par les animaux. En fonction des emplacements où les wapitis ont été observés ou de l’utilisation de l’espace connue par les animaux, la densité du noyau estime la probabilité qu’un wapiti soit observé dans les zones aux alentours. La fonction Kernel Density (Densité de noyau) crée cette estimation en supposant que plus des wapitis sont observés autour d’un emplacement N donné, plus il est probable que des wapitis se trouvent à l’emplacement N.
Dans la mesure où une valeur de densité plus élevée à un emplacement correspond à une plus grande probabilité d’observer des wapitis autour de cet emplacement, le raster de densité de noyau en sortie peut aider à visualiser le domaine vital des animaux. Les valeurs de densité seront comparativement plus élevées dans le domaine vital et diminuent soudainement à la limite du domaine vital. Il est possible d’utiliser des valeurs de seuil différentes pour définir le périmètre du domaine vital.
- Cliquez sur l’onglet Model (Modèle). Dans la fenêtre Geoprocessing (Géotraitement), recherchez l’outil Kernel Density (Densité de noyau). Faites glisser l’outil sur le modèle sous l’outil Minimum Bounding Geometry (Emprise géométrique minimale).
- Cliquez sur l’ovale Elk_in_Southwestern_Alberta_2009 et faites glisser votre souris pour le relier à l’outil Kernel Density (Densité de noyau). Dans la fenêtre qui s’ouvre, sélectionnez Input point or polyline feature (Entité ponctuelle ou polyligne en entrée).
L’ovale bleu Elk_in_Southwestern_Alberta_2009 est désormais relié à deux outils différents à l’aide de deux lignes.
- Double-cliquez sur l’outil Kernel Density (Densité de noyau) pour ouvrir les paramètres.
Le paramètre Input point or polyline features (Entités ponctuelles ou polylignes en entrée) est défini sur la couche Elk_in_Southwestern_Alberta_2009.
- Pour Output raster (Raster en sortie), saisissez Elk_KernelDensity.
Acceptez toutes les autres valeurs par défaut. Les unités de surface et la taille de cellule en sortie sont déterminées par les entrées et la projection de la carte. Si le champ reste vierge, la valeur Search radius (Rayon de recherche) est calculée en fonction du jeu de données en entrée et la valeur utilisée est visible dans les messages de l’outil une fois le traitement terminé.
- Cliquez sur OK.
- Cliquez avec le bouton droit sur la sortie Elk_KernelDensity dans le modèle et sélectionnez Add to Display (Ajouter à la carte).
- Cliquez avec le bouton droit sur Kernel Density (Densité de noyau), puis sélectionnez Run (Exécuter).
Remarque :
Cliquer sur le bouton Run (Exécuter) sur la barre d’outils exécute le modèle entier. Étant donné que vous avez déjà exécuté l’outil Minimum Bounding Geometry (Emprise géométrique minimale) et ne souhaitez pas l’exécuter de nouveau, choisissez d’exécuter uniquement l’outil Kernel Density (Densité de noyau).
- Cliquez sur l’onglet Carte. Dans la fenêtre Contents (Contenu), décochez les cases des couches Elk_in_Southwestern_Alberta_2009 et Elk_data_MBG pour consulter les résultats de votre analyse de densité de noyau.
Maintenant que vous avez calculé la densité du noyau, vous pouvez utiliser la sortie pour visualiser le domaine vital potentiel.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche de densité du noyau et choisissez Symbology (Symbologie).
La fenêtre Symbologie s’ouvre. Le style de la couche se base actuellement sur la méthode Equal Interval (Intervalle égal), qui crée des classes selon des plages égales, quelle que soit la répartition des données. Cette méthode est davantage adaptée à la description des plages habituelles, comme les pourcentages ou les températures, où il est pertinent de mettre en évidence la valeur d’un attribut par rapport à d’autres attributs. Dans le cas présent, vous voulez plutôt utiliser les résultats de la densité de noyau pour indiquer s’il est plus ou moins probable que des wapitis se trouvent à un emplacement.
- Dans la fenêtre Symbology (Symbologie), dans Primary symbology (Symbologie principale), cliquez sur Classify (Classer) et sélectionnez Stretch (Étirer).
Le raster est désormais dessiné à l’aide d’un dégradé de couleurs du noir au blanc qui affiche des valeurs de 0, c’est-à-dire aucune présence probable, en noir. Vous allez modifier le dégradé de couleurs pour mieux visualiser la sortie de la densité de noyau.
- Pour Color scheme (Combinaison de couleurs), cliquez sur le dégradé de couleurs. Sous Format color scheme (Formater la combinaison de couleurs), cochez les cases Show names (Afficher les noms) et Show all (Afficher tout).
- Sélectionnez le dégradé de couleurs Heat Map : Dark Metal-Blue-White-Semitransparent.
La couche Elk_KernelDensity est actualisée pour afficher le nouveau dégradé de couleurs de la carte de densité. Les zones en blanc vif sont plus susceptibles d’héberger des wapitis, tandis que les zones représentées en bleu foncé sont moins susceptibles d’en héberger.
L’outil Kernel Density (Densité de noyau) génère une surface continue représentant la probabilité de la présence de wapitis à un emplacement du domaine vital.
Rechercher des agrégats à l’aide de l’outil Density-based Clustering (Agrégation basée sur la densité)
L’outil Kernel Density (Densité de noyau) peut vous aider à rechercher des agrégations dans la population totale. Vous allez maintenant utiliser l’outil Density-based Clustering (Agrégation basée sur la densité) pour savoir où les wapitis ont tendance à passer du temps. L’outil Density-based Clustering (Agrégation basée sur la densité) identifie les agrégations et le bruit dans les données ponctuelles. Vous allez utiliser les points observés pour un seul wapiti, E106, qui présente à la fois le plus grand nombre de points observés dans le jeu de données et une grande zone géographique de déplacement. Ce wapiti ayant voyagé loin en 2009, vous allez utiliser l’outil pour trouver des agrégations de points correspondant à des emplacements où il a passé beaucoup de temps, à l’inverse des points observés qui peuvent être des points aberrants ou du bruit dans les données.
- Sur le ruban, dans le groupe Selection (Sélection), cliquez sur Select By Attributes (Sélectionner selon les attributs).
L’outil Select By Attributes (Sélectionner selon les attributs) s’ouvre.
- Pour Input Rows (Lignes en entrée), sélectionnez Elk_in_Southwestern_Alberta_2009.
- Pour Expression, cliquez sur la case Select a field (Sélectionner un champ), puis sélectionner le champ ind_ident. Dans la dernière case, cliquez sur le menu déroulant et choisissez E106.
L’expression complète doit être Where ind_ident is equal to E106.
- Cliquez sur OK.
Les points associés au wapiti E106 sont mis en évidence sur la carte. Vous allez exécuter l’analyse suivante avec cette sélection active pour analyser les agrégats spécifiques à cet individu.
- Cliquez sur l’onglet Model (Modèle) et ajoutez l’outil de géotraitement Density-based Clustering (Agrégation basée sur la densité) sous l’outil Kernel Density (Densité de noyau).
- Reliez l’ovale Elk_in_Southwestern_Alberta_2009 à l’outil Density-based Clustering (Agrégation basée sur la densité) en le définissant comme entités ponctuelles en entrée.
- Double-cliquez sur Density-based Clustering (Agrégation basée sur la densité) pour ouvrir les paramètres de l’outil et renommez les entités Output (Sortie) en Elk_E106_DBC.
Vous allez ensuite choisir l’option Clustering Method (Méthode d’agrégation). La méthode de distance définie (DBSCAN) recherche les agrégats selon une distance de recherche que vous spécifiez dans l’outil. La méthode d’ajustement automatique (HDBSCAN) recherche les agrégats en fonction de la probabilité qu’un point de données appartienne à un groupe spécifique.
- Pour Clustering Method (Méthode d’agrégation), sélectionnez Self-adjusting (HDBSCAN) (Ajustement automatique [HDBSCAN]), et pour Minimum Features per Cluster (Nombre minimum d’entités par agrégat), saisissez 100. Cliquez sur OK.
La valeur Minimum Features per Cluster (Nombre minimum d’entités par agrégat) a été définie sur 100 pour créer un plus petit nombre d’agrégats. Pour tester d’autres valeurs et méthodes d’agrégation, vous pouvez modifier les paramètres Clustering Method (Méthode d’agrégation) et Minimum Features (Nombre minimal d’entités).
- Cliquez avec le bouton droit sur la sortie pour sélectionner Add to Display (Ajouter à la carte).
- Cliquez avec le bouton droit sur l’outil Density-based Clustering (Agrégation basée sur la densité), puis cliquez sur Run (Exécuter).
Une fois l’exécution de l’outil terminée, la fenêtre Messages indique que quatre agrégats ont été identifiés.
- Cliquez sur l’onglet Map (Carte) pour afficher les résultats. Dans la fenêtre Contents (Contenu), décochez les cases de toutes les couches, à l’exception de la couche Elk_E106_DBC et du fond de carte.
Les quatre agrégats dans ces emplacements enregistrés pour les wapitis apparaissent sur la carte. Pour étudier les résultats des paramètres d’agrégation utilisés, deux diagrammes sont créés avec les couches Distribution of Membership Probability et Features Per Cluster.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche Elk_data_DBC et sélectionnez Attribute Table (Table attributaire).
Dans la table attributaire Elk_data_DBC, chaque point identifié comme faisant partie d’un agrégat indique la probabilité que le point fasse partie de l’agrégat, ainsi que la stabilité de l’agrégat. Les points sont également étiquetés comme points aberrants ou exemples. Les exemples sont les points les plus représentatifs de l’agrégat, tandis que les points aberrants sont notés en fonction de leur proximité avec l’exemple.
- Fermez la table attributaire.
- Sur le ruban, dans le groupe Selection (Sélection), cliquez sur Clear (Effacer).
Les données sélectionnées sont effacées et vous pouvez poursuivre votre analyse sur tous les points de données de la couche Elk_in_Southwestern_Alberta_2009.
Utiliser l’outil Standard Deviational Ellipses (Ellipses de l’écart type) pour comprendre la plage et l’évolution au fil du temps
L’outil Standard Deviational Ellipses (Ellipses de l’écart type) est un autre outil utile lorsque vous analysez le domaine vital d’une espèce. Tandis que le polygone d’enveloppe convexe que vous avez calculé avec l’outil Minimum Bounding Geometry (Emprise géométrique minimale) souligne l’étendue des observations, l’outil Standard Deviational Ellipses (Ellipses de l’écart type) peut déterminer statistiquement un domaine vital avec un écart type de 1, 2 ou 3 en fonction de la tendance centrale, de la dispersion et des tendances directionnelles des entités. Bien qu’il puisse être utile de comprendre la distribution globale des domaines des animaux observés, la distribution directionnelle peut également afficher des tendances au fil du temps. Vous allez utiliser cet outil deux fois : une première fois pour afficher la distribution globale, et une deuxième fois pour consulter les modifications saisonnières dans le domaine vital des wapitis. La saison à laquelle chaque point a été enregistré est reflétée par le champ summer_indicator. Dans le champ summer_indicator, des valeurs de 1 représentent les points collectés en décembre, janvier et février ; des valeurs de 2 représentent les points collectés en mars, avril et mai ; des valeurs de 3 représentent les points collectés en juin, juillet et août ; et des valeurs de 4 représentent les points collectés en septembre, octobre et novembre.
- Cliquez sur l’onglet Model (Modèle) et ajoutez l’outil Directional Distribution (Standard Deviational Ellipse) (Distribution directionnelle [Ellipse de l’écart type]) sous l’outil Density-based Clustering (Agrégation basée sur la densité).
- Reliez l’ovale Elk_in_Southwestern_Alberta_2009 à l’outil Directional Distribution (Distribution directionnelle) pour Input Feature Class (Classe d’entités en entrée).
- Double-cliquez sur Directional Distribution (Distribution directionnelle) pour ouvrir les paramètres. Nommez la valeur du paramètre Output Ellipse Feature Class (Classe d’entités elliptiques en sortie) Elk_data_DD.
- Pour Ellipse Size (Taille de l’ellipse), sélectionnez 2 standard deviations (2 écarts types). Laissez les autres variables non renseignées et cliquez sur OK.
La création d’ellipses de 2 écarts types capture environ 95 % de la population. Dans la mesure où tous les points correspondant à l’emplacement d’un animal ont la même importance, vous n’allez pas utiliser le paramètre Weight Field (Champ de pondération). Le paramètre Case Field (Champ de récapitulation) est utilisé pour regrouper les entités en vue du calcul. Vous allez utiliser ce paramètre ultérieurement pour calculer les ellipses de distribution directionnelle par mois d’observation.
- Cliquez avec le bouton droit de la souris sur la sortie verte du modèle et cochez Add to Display (Ajouter à la carte), puis exécutez l’outil Directional Distribution (Distribution directionnelle).
La sortie est ajoutée à la carte.
Cette distribution est centrée sur le centre moyen pour toutes les entités. Étant donné que les wapitis migrent de manière saisonnière pour paître et se reproduire, il peut également être utile de rechercher la distribution directionnelle pour l’été et les autres saisons.
- Dans l’onglet Model (Modèle), cliquez avec le bouton droit sur l’outil Directional Distribution (Distribution directionnelle) de la section précédente et sélectionnez Copy (Copier).
- Cliquez avec le bouton droit sur la fenêtre Model (Modèle) sous Directional Distribution (Distribution directionnelle) et sélectionnez Paste (Coller) pour dupliquer cet outil dans le modèle.
Étant donné que vous avez copié l’outil, les paramètres que vous avez définis précédemment resteront appliqués.
- Double-cliquez sur l’outil Directional Distribution (Distribution directionnelle) que vous avez collé et renommez le paramètre Output Ellipse Feature Class (Classe d’entités elliptiques en sortie) Elk_data_DD_season.
- Sous le paramètre Case Field (Champ de récapitulation), sélectionnez summer_indicator et cliquez sur OK.
- Ajoutez la sortie à l’affichage et exécutez l’outil.
Le résultat Elk_data_DD_season est dessiné sur la carte. Avec la symbologie actuelle, toutes les ellipses représentant des données mensuelles sont symbolisées de la même manière. Vous allez changer la symbologie de sorte que chaque mois soit représenté par une couleur unique.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur ElkHallstat_data_Year et choisissez Symbology (Symbologie).
- Dans la fenêtre Symbology (Symbologie), dans Primary symbology (Symbologie principale), choisissez Graduated Colors (Couleurs graduées). Pour Field (Champ), sélectionnez summer_indicator.
Chaque ellipse est maintenant dessinée avec une couleur unique, mais étant donné que le type de géométrie est un polygone, elles ont toutes un remplissage qui rend la comparaison difficile.
- En regard de Color scheme (Combinaison de couleurs), cliquez sur le bouton Color scheme options (Options de combinaison de couleurs) et choisissez Apply to fill and outline (Appliquer au remplissage et au contour).
Les contours du polygone sont mis à jour du gris à la même couleur que le remplissage. Vous allez maintenant supprimer le remplissage pour pouvoir voir toutes les ellipses.
- Sous Classes, cliqeuz sur More (Plus) et sélectionnez Format all symbols (Mettre en forme tous les symboles).
La fenêtre Format Multiple Polygon Symbol (Formater plusieurs symboles de polygone) apparaît.
- Cliquez sur l’onglet Properties (Propriétés) et développez la section Appearance (Apparence), puis cliquez sur Color (Couleur). Sélectionnez No color (Aucune couleur), puis cliquez sur Apply (Appliquer).
Les ellipses sont redessinées pour afficher uniquement le contour. Vous allez agrandir ces contours pour les faire ressortir par rapport au fond de carte.
- Pour Outline width (Largeur du contour), modifiez le symbole sur 3 pt, puis cliquez sur Apply (Appliquer).
- Enregistrez le projet.
Vous avez désormais appris cinq moyens d’explorer le domaine vital d’un troupeau de wapitis, à l’aide des outils Minimum Bounding Geometry (Emprise géométrique minimale), Kernel Density (Densité de noyau), Density-based Clustering (Agrégation basée sur la densité), Directional Deviation (Déviation directionnelle) et Directional Deviation by Season (Déviation directionnelle par saison). Le modèle que vous avez créé est enregistré et peut être réutilisé ou partagé dans votre organisation.
