Simple Science

La science de pointe expliquée simplement

# Biologie# Biologie du développement

Le Rôle de la Science Citoyenne dans la Recherche sur les Fourmis

Les scientifiques citoyens jouent un rôle essentiel dans l'étude des populations de fourmis et de la biodiversité.

― 7 min lire


La science participativeLa science participativeet les populations defourmisbiodiversité des fourmis.améliore la compréhension de laCombiner les efforts des citoyens
Table des matières

La science citoyenne implique la participation de bénévoles dans la recherche scientifique. Ces dernières années, cette méthode a gagné en popularité, surtout dans les études environnementales. Ça fournit des données précieuses qui aident les chercheurs à comprendre les systèmes écologiques à plus grande échelle. Les bénévoles peuvent collecter des infos de différentes régions, ce qui facilite la collecte de données dans des endroits que les scientifiques ne peuvent pas facilement atteindre.

Pourquoi la science citoyenne est importante

Un des gros avantages de la science citoyenne, c’est de pouvoir couvrir de grandes zones, comme différentes régions et même des continents entiers. Les bénévoles peuvent collecter des données sur divers facteurs écologiques, comme la présence de certaines espèces. C'est super utile pour étudier des espèces difficile à suivre, comme certains insectes. En récoltant des données de plein d'endroits différents, les scientifiques citoyens peuvent aider à créer une image plus complète de la biodiversité.

Les insectes, par exemple, jouent des rôles cruciaux dans les écosystèmes. Ce sont le groupe d'animaux le plus divers sur Terre, avec des millions d’espèces. Surveiller leurs populations est vital car ils contribuent à de nombreux services écosystémiques, comme la pollinisation et le recyclage des nutriments. Cependant, les populations d'insectes ont diminué dans le monde entier ces dernières décennies, ce qui soulève des inquiétudes sur la santé de nos écosystèmes.

Défis des Données de science citoyenne

Bien que la science citoyenne ait plein d'avantages, ça a aussi ses défis. Les données récoltées peuvent parfois être biaisées à cause des variations dans la façon dont et où les bénévoles collectent des échantillons. Par exemple, certaines espèces peuvent être plus faciles à trouver selon leurs habitats, et pas toutes les zones ne sont échantillonnées de manière équitable. Ces biais peuvent influencer l'exactitude des résultats.

Pour tirer le meilleur parti des données de science citoyenne, les chercheurs doivent régler ces biais. Une façon efficace de faire ça, c'est de combiner les données de science citoyenne avec des échantillonnages scientifiques plus structurés. Cette méthode permet aux forces de chaque jeu de données de se compléter, ce qui donne des estimations meilleures de la diversité et de l'abondance des espèces.

Zone d'étude : Le canton de Vaud en Suisse

Cette recherche se concentre sur les fourmis dans le canton de Vaud, situé à l'ouest de la Suisse. Cette région a divers paysages, y compris des montagnes et des plateaux, ce qui en fait un environnement unique pour étudier les populations de fourmis. Des fourmis ont été collectées à partir de deux approches différentes pendant l'été 2019 :

  1. Données de science citoyenne : Les bénévoles ont collecté des fourmis à travers la région, en notant leurs emplacements et les habitats où elles ont été trouvées. Cette méthode a permis une large couverture géographique mais a donné des données qui pourraient avoir quelques biais.

  2. Échantillonnage structuré : Les scientifiques ont effectué des collectes systématiques à des sites spécifiques. Cette approche a assuré une méthode uniforme de collecte de données et a aidé à produire une représentation plus précise des populations de fourmis.

Combiner les données pour de meilleures idées

L'objectif de cette étude était de voir dans quelle mesure les données combinées de la science citoyenne et de l'échantillonnage structuré pouvaient donner des infos sur les communautés de fourmis dans le canton de Vaud. En utilisant un modèle statistique, les chercheurs visaient à évaluer la densité des colonies de fourmis, la richesse des espèces et la structure des communautés à travers différentes zones.

Le modèle statistique utilisé dans cette étude a permis aux chercheurs d'analyser les données des deux sources ensemble. Cette approche a permis une compréhension plus complète des populations de fourmis. Le modèle visait à refléter les conditions environnementales de la région et comment elles influencent les distributions de fourmis.

Résultats clés

La recherche a révélé que l'utilisation des données de science citoyenne avec l'échantillonnage structuré a amélioré les prédictions concernant les communautés de fourmis. Le modèle combiné était plus précis pour estimer comment différents facteurs environnementaux influençaient l'abondance et la diversité des populations de fourmis.

  1. Richesse et diversité des espèces : Le modèle a montré que la richesse des fourmis atteignait un pic à certaines altitudes, suggérant que certaines conditions environnementales sont favorables à un plus grand nombre d'espèces.

  2. Structure de la communauté : La recherche a montré des clusters distincts de communautés de fourmis en fonction de l'altitude. Les communautés de fourmis étaient plus diversifiées dans certaines zones, mettant en évidence l'influence de la variabilité environnementale.

  3. Effets de la Température et de l'habitat : L'étude a confirmé que la température affecte de manière significative la distribution et l'abondance des espèces de fourmis. Les variations d'habitat, comme le type de végétation et la couverture du sol, jouaient également un rôle.

L'importance de la température dans la distribution des fourmis

La température est un facteur critique qui influence la présence et l'abondance des espèces de fourmis. Les résultats ont montré que les fourmis ont des préférences variées pour la température, certaines espèces prospérant dans des conditions plus chaudes, tandis que d'autres préfèrent des habitats plus frais. Comprendre ces préférences est important pour prédire comment les populations de fourmis pourraient réagir au changement climatique.

Composition de la communauté à travers les altitudes

L'étude a révélé que les communautés de fourmis présentent d'importantes différences entre les altitudes basses et élevées. Par exemple, certaines espèces étaient principalement trouvées dans les zones de plateau en dessous de 1 000 mètres, tandis que d'autres espèces étaient plus abondantes dans les régions montagnardes au-dessus de cette altitude.

Malgré ces différences, beaucoup d'espèces de fourmis ont été trouvées dans les deux zones, suggérant un certain niveau d'adaptabilité. La présence de diverses espèces à travers les altitudes indique les dynamiques écologiques complexes en jeu.

Le rôle des scientifiques citoyens

Les scientifiques citoyens contribuent beaucoup à la recherche écologique. Leurs efforts peuvent mener à la découverte d'espèces rares qui pourraient sinon rester inaperçues. Dans cette étude, la combinaison de la science citoyenne et de l'échantillonnage structuré a fourni un ensemble de données plus riche, permettant une meilleure compréhension de la biodiversité des fourmis.

Les données collectées grâce à la science citoyenne capturent souvent des espèces qui sont moins fréquemment vues ou plus difficiles à trouver. Cela souligne l'importance d'impliquer le public dans la recherche scientifique, car ça élargit la portée de ce que les chercheurs peuvent apprendre sur les écosystèmes.

Conclusion

La science citoyenne représente une opportunité précieuse pour la recherche écologique. Elle permet une collecte de données plus vaste, menant à de meilleures idées sur la biodiversité et la santé des écosystèmes. Bien qu'il y ait des défis, combiner les données de science citoyenne avec des méthodes scientifiques structurées peut considérablement améliorer la compréhension des distributions des espèces et des Structures communautaires.

Cette étude sur les fourmis dans le canton de Vaud démontre comment la science citoyenne peut enrichir les connaissances écologiques, en particulier concernant les facteurs influençant la richesse et l'abondance des espèces. Alors que la biodiversité mondiale fait face à des menaces croissantes, les efforts collaboratifs entre scientifiques et citoyens scientifiques seront essentiels pour surveiller et préserver les écosystèmes.

Source originale

Titre: LEVERAGING CITIZEN SCIENCE TO ASSESS RICHNESS, DIVERSITY, AND ABUNDANCE IN ANT COMMUNITIES

Résumé: AO_SCPLOWBSTRACTC_SCPLOWCitizen science is a key resource in overcoming the logistical challenges of monitoring biodiversity. While datasets collected by groups of volunteers typically have biases, recent methodological and technological advances provide approaches for accounting for such biases, particularly in the context of modelling species distributions and diversity. Specifically, data integration techniques allow for the combination of scientifically collected datasets with haphazardly sampled presence-only datasets created by most citizen science initiatives. Here, we use a hierarchical Bayesian framework to integrate a set of ant presences collected by citizen scientists in the Vaud canton (Switzerland) with ant colony density data collected concurrently in the same region following a scientific sampling design. The community-level Poisson point process model included species-specific responses to the local (1.2 m2) and regional (1 km2) environment, with the presence-only samples incorporated at the regional scale to predict local and regional ant communities. At the regional scale, species richness followed a hump-shaped pattern and peaked near 1000 m while abundance increased with elevation. Low elevation and montane ant communities were composed of distinct species assemblages. At the local scale, the link between elevation and richness, diversity, and abundance was weak. At low elevations, local plots varied both in total abundance and species composition, while at higher elevations, the species composition was less variable. The citizen science dataset showed a general tendency toward under-representation of certain species, and heavy spatial sampling bias. Nonetheless, the inclusion of the citizen science data improved predictions of local communities, and also reduced susceptibility to over-fitting. Additionally, the citizen science dataset included many rare species not detected in the structured abundance dataset. The model described here illustrates a framework for capitalizing on the efforts of citizen scientists to better understand the patterns and distribution of biodiversity.

Auteurs: Tanja Schwander, T. M. Szewczyk, G. Lavanchy, A. Freitag, A. Depraz, A. Avril, O. Broennimann, A. Guisan, C. Bertelsmeier

Dernière mise à jour: 2024-06-12 00:00:00

Langue: English

Source URL: https://www.biorxiv.org/content/10.1101/2024.06.11.598431

Source PDF: https://www.biorxiv.org/content/10.1101/2024.06.11.598431.full.pdf

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires