Chapitre 4 - Dispersion horizontale des végétaux - Chapter 4 - Pattern analysis

 

English text below

 Ce chapitre porte sur la description de motifs et l'estimation de leur intensité à partir de données rassemblées dans des grilles et transects de placettes contiguës ou à partir d'individus cartographiés. Nous traitons donc des données de présence, fréquence, abondance dans des placettes ou des mesures de distance.

 Les indices suivants sont présentés : l'indice classique de dispersion en présence-absence Dp ou avec des données de fréquence Dn, l'indice de contagion vraie en présence-absence Ep ou avec des données de fréquence En, la variance locale Ep* en présence-absence ou avec des données de fréquence En*, l'hétérogénéité locale Lno et Ln*, l'indice d'autocorrélation spatiale D(données d’abondance). L’indice NLV (new two-terms local variance) est également proposé, pour résoudre le problème du point de départ. A ces indices, sont associés des tests par permutation ou de Monte Carlo 

Dans l'analyse de la dispersion à partir de mesures de distance, nous décrivons d’abord une technique de calcul des coordonnées de points à partir de mesures de distance. Nous présentons ensuite la technique de GALIANO et la fonction K de RIPLEY. L'opportunité des corrections dues aux effets de bordure est brièvement discutée.

Pour le texte complet : ch4disp

 

This chapter deals with the description of patterns and the estimation of their intensity from data in grids and transects of contiguous plots or from mapped individuals. We therefore deal with presence, frequency, abundance in plots or distance measurements.

 The following indices are presented: the classical dispersion index Dp with presence-absence or with frequency data Dn, the true contagion index Ep with presence-absence or with frequency data En, the local variance Ep* with presence-absence or with frequency data En*, the local heterogeneity Lno and Ln*, the spatial autocorrelation index Dx (abundance data). The NLV (new two-terms local variance) index is also proposed to solve the problem of the starting point. Permutation or Monte Carlo tests are associated to these indices.

In the analysis of the dispersion with distance measurements, we first describe a technique for calculating the coordinates of points from distance measurements. We then present the technique of GALIANO and the K function of RIPLEY. The opportunity for corrections due to border effects is briefly discussed.

For the full text: ch4dispe

Ajouter un commentaire

 

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