Avant propos - Foreword

                                                                       " L'amour de quoi que ce soit est issu de la connaissance"  Léonard de Vinci

 

English text below

Mettre la nature en chiffres et livrer ces chiffres à l’analyse statistique en espérant arriver à une synthèse claire, voilà une gageure, voire une utopie, peut-être une folie, mais de cette folie, je vais en faire l’éloge. Tous les botanistes qui ont passé beaucoup de journées au milieu de la nature, en essayant de comprendre son organisation, ont dû se poser la question.

Les phytosociologues décrivent la nature dans des relevés, c’est-à-dire des petites parcelles qui sont des fragments de nature à un moment donné  et qui traduisent bien imparfaitement l’énorme variabilité de la végétation. Cette variabilité est d’un niveau infiniment plus élevé que celle rencontrée dans les schémas expérimentaux. Cela rend l’analyse statistique de ces données très difficile et délicate car beaucoup de techniques ont été conçues dans le but d’analyser les résultats de plans expérimentaux. Dans les pages qui suivent, je m’efforce de mettre en évidence la difficulté de la tâche et la manière d’apporter les meilleures solutions possibles.              

Quelle que soit la qualité de l’analyse, n’oublions jamais que la meilleure analyse statistique ne peut que refléter la nature des données. Le soin apporté à récolter les données est la première et de toute manière la plus importante étape de toute étude.

Dans cette nouvelle version de l’analyse des données, nous nous orientaux de manière plus directe vers l’analyse des tableaux de relevés de végétation, quelle que soit la manière dont les données ont été récoltées. Les phytosociologues produisent beaucoup de données et les techniques statistiques doivent aussi se tourner vers ces matières car la phytosociologie produit beaucoup de résultats utiles.

Trop souvent, les phytosociologues ou écologues en général qui se tournent vers l’analyse statistique utilisent des techniques qu’ils ne maîtrisent pas suffisamment et se laissent porter par les modes ou les paradigmes dominants, ce qui ne laisse, en fin de compte, que déception et désintérêt alors qu’il y a des outils fort utiles pour autant qu’on les manipule correctement.

Notre objectif n’est pas de passer absolument toutes les techniques en revue mais bien d’expliquer par quel chemin on arrive à des résultats exploitables, pour autant qu’on prenne le temps de réfléchir à la manière la plus appropriée d’analyser les tableaux de relevés.

 

avril 2017

 

To put nature in digits and to give these digits to statistical analysis in the hope of arriving at a clear synthesis is a challenge, indeed a utopia, perhaps a madness, but of this madness, I will praise it. All the botanists who spent many days in the midst of nature, trying to understand its organization, had to ask themselves this question.

The phytosociologists describe nature with  relevés, that is to say, small plots which are fragments of nature at a given moment and which imperfectly reflect the enormous variability of the vegetation. The level of variability is infinitely higher than in the experimental schemes. This makes the statistical analysis of these data very difficult and delicate as many techniques have been designed to analyse the results of experimental designs. In the pages that follow, I try to highlight the difficulty of the task and how to bring the best possible solutions.

Whatever the quality of the analysis, let us never forget that the best statistical analysis can only reflect the nature of the data. The care taken in collecting the data is the first and in any case the most important step in any study.

In this new version of the data analysis, we orient ourselves more directly to the analysis of the vegetation relevé tables, regardless of how the data were collected. Phytosociologists produce a lot of data and statistical techniques must also turn to these materials because phytosociology produces many useful results.

Too often, phytosociologists or ecologists in general who turn to statistical analysis, use techniques that they do not sufficiently master and allow themselves to be carried by dominant modes or paradigms. This sometimes only produces disappointment and disinterest when there are very useful tools provided they are handled properly.

Our method is to present concrete analyses of relevé tables, with data as different as those from African savannah, Rwandan mountain forest, Belgian limestone lawn or stream vegetation. Each file receives different processing depending on its nature and size and presentation of results also changes. This leads the reader to relativize the techniques and to adapt the appropriate treatment to each file.

Our aim is not to go through all the techniques but to explain by what path we arrive at exploitable results, so long as we take the time to think about the most appropriate way to analyse the relevé tables.

April 2017

 


 

Commentaires (1)

gombault clémentine
  • 1. gombault clémentine (site web) | 12/01/2016
Je vous remercie pour cet ouvrage en ligne.
Durant ma thèse, j'ai du justifier à deux reprises mon choix d'analyses multivariés lors de la publication de mes travaux. J'ai donc fait tourner plusieurs analyses et à chaque fois les résultats étaient comparables même si les reviewers semblaient dire que leur analyse était mieux. Votre synthèse est un atout pour justifier les choix d'analyses. Même si il est vrai que certaines analyses sont plus justifiées, on voit clairement dans votre chapitre 5 que c'est vraiment une histoire de mode...
Merci pour vos travaux,

Amicalement

Ajouter un commentaire

 

Date de dernière mise à jour : 28/04/2017

×