Road ecology : toward a predictive model of wildlife-vehicle collisions
Ecologie des routes : vers un modèle prédictif des risques de collision entre faune sauvage et véhicules
Résumé
Earth-bound transportation infrastructures have numerous impacts on ecosystems. Each of the causes of biodiversity loss identified by IPBES is represented by the road network: habitat destruction and degradation, invasive alien species, and the direct exploitation of animal and plant species. In particular, collisions between wildlife and vehicles are a source of mortality which leads to direct losses to wild populations. This mortality, which adds to other anthropogenic pressures, can jeopardize the persistence of many species. Therefore, it is crucial to be able to quantify the losses caused by collisions, and to know how to predict them in time and space. Collision monitoring projects based on citizen science are gaining traction in many countries: road users are asked to contribute their own reports of animal carcasses encountered on roads. However, citizen science data is more difficult to exploit than data generated through standardized scientific surveys, and is currently under-exploited in scientific publications. This thesis is structured around three main axes: a mechanistic model, which replaces the movement of animals and vehicles at the center of the wildlife-vehicle collisions system, allowing us to demonstrate that certain predictors, such as road traffic or the way animals move, have a real causal link with collision risks. Secondly, the project addresses the issue of roadkill data collection, particularly from the perspective of citizen science: roadkill persistence, detection rates and reporting rates by contributors to the projects. With novel methodologies, the persistence on roads of different species are studied, as well as detection and reporting rates in the context of citizen science. Finally, a data correction method is developed and applied to the Faune-Auvergne-Rhône-Alpes citizen science database, providing estimates of the actual number of collisions for several wildlife species. The mechanistic model proposed here, as well as the efforts put in place to rigorously evaluate citizen science data provide concrete avenues for the efficient modelling of collision data and, ultimately, for an exhaustive predictive model of the risk of collisions between wildlife and vehicles.
Les infrastructures linéaires de transport font peser de nombreuses pressions sur les écosystèmes. Lorsque l’on étudie une route, chacune des causes de la perte de biodiversité identifiées par l'IPBES est représentée : a destruction des habitats, leur dégradation par de la pollution d’origine humaine, l’arrivée d’espèces étrangères invasives dans les milieux, et l’exploitation directe des espèces animales et végétales. En particulier, les collisions entre faune sauvage et véhicules sont une source de mortalité représentant une source de prélèvements directs d’individus dans les populations sauvages. Cette mortalité, en s’ajoutant au reste des pressions générées par l’activité humaine, peut mettre en péril la survie de nombreuses espèces.Il apparaît donc crucial de pouvoir quantifier les pertes occasionnées par les collisions, ainsi que de savoir les prédire dans le temps et dans l’espace. Depuis une décennie, de nombreux projets collaboratifs de surveillance des collisions font leur apparition dans la plupart des pays : les utilisateurs de la route sont mis à contribution pour reporter eux-mêmes les animaux écrasés rencontrés sur les routes. Malgré cet engouement, les données collaboratives sont plus difficiles à exploiter que celles générées lors d’expériences scientifiques protocolées, et leur utilisation n’est pour le moment que marginale dans les publications scientifiques. Cette thèse s’articule autour de trois grands axes : un modèle mécaniste, qui replace le mouvement des animaux et des véhicules au centre du système, permet de démontrer de manière formelle que certains prédicteurs pressentis, tels que le trafic routier ou le mode de déplacement des animaux, ont un réel lien de cause à effet avec les collisions. Ensuite, le projet se penche sur la question de la collecte des données de collision, et notamment sous l'angle des sciences participatives : persistance des animaux écrasés sur les routes, taux de détection et taux de signalement par les contributeurs du projet participatif. Grâce à des méthodologies innovantes, les temps de persistance de différentes espèces sont étudiés, ainsi que les taux de détection et de signalement dans le contexte des sciences participatives. Finalement, une méthode de correction des données participative est développée et appliquée à la base de données Faune-Auvergne-Rhône-Alpes, permettant l'estimation du nombre réel de collisions pour plusieurs espèces sauvages. Le modèle mécaniste proposé ainsi que les efforts fournis pour une valorisation rigoureuse des données de cette base fournissent des pistes concrètes pour modéliser de manière efficace les données de collisions et arriver, à terme, à un modèle prédictif exhaustif des risques de collision entre véhicules et faune sauvage.
| Origine | Version validée par le jury (STAR) |
|---|