Le principe de calcul GIGO stipule que si les données que vous mettez dans un modèle sont des ordures, alors la sortie le sera aussi. Jie Yang et ses collègues se sont attaqués au problème de modélisation de la croissance des arbres tropicaux. Quelles sont les meilleures données pour ces modèles ?

Une approche à laquelle vous pourriez vous attendre consiste à prendre une moyenne de traits comme données. "Bien que la collecte de données sur les traits d'un petit nombre d'individus puisse être une approche pragmatique, en particulier dans divers systèmes, l'analyse des données sur les traits moyens de la population ou de l'espèce est conceptuellement mal alignée avec la vaste littérature sur l'écologie évolutive relier les traits à la performance individuelle et cela peut entraîner une faiblesse ou modèles trompeurs et inférences», écrivent Yang et ses collègues.

L'équipe a décidé d'adopter une approche différente et de construire ses forêts simulées à partir d'arbres simulés individuels, avec une variabilité intégrée. Ils ont basé leur modèle sur le tracé de la dynamique forestière de Xishuangbanna dans une forêt tropicale tropicale saisonnière du sud-ouest de la Chine. L'équipe a mesuré les arbres d'août 2009 à août 2018. Yang et ses collègues ont mesuré sept traits fonctionnels (surface foliaire, teneur en chlorophylle des feuilles, teneur en matière sèche des feuilles, épaisseur des feuilles, ténacité des feuilles, masse des feuilles par surface et résistance spécifique au bois) pour chaque arbre. avec une bande de dendromètre) pour chaque arbre, et mesurée sur cinq cents arbres.

Les scientifiques ont constaté que cette approche donne des résultats plus précis. "Les résultats fournis dans cet article montrent que les modèles de croissance des arbres au niveau individuel dans une forêt tropicale humide ont été considérablement améliorés lors de l'utilisation de données sur les traits au niveau individuel et lorsque les modèles de croissance sont construits sur les premiers principes. Ces résultats nous informent non seulement sur la façon dont nous devrions modéliser la croissance des arbres sur la base des traits dans les travaux futurs, mais ils indiquent également que l'écologie basée sur les traits devrait repenser la façon dont elle s'aligne conceptuellement et analytiquement sur l'écologie évolutive », écrivent-ils.

"Les principaux avantages de l'écologie fonctionnelle basée sur les traits sont que les traits mesurés sont représentatifs des compromis fondamentaux et qu'ils sont relativement faciles à mesurer à travers les systèmes. Cependant, ces avantages seraient affaiblis si les traits collectés ne véhiculaient pas d'informations sur les performances des individus et donc des populations. La littérature sur les traits utilise fréquemment des valeurs moyennes de traits pour représenter tous les individus d'une population ou d'une espèce. Cette approche réduit considérablement les ressources nécessaires pour les inventaires de traits, mais les conséquences négatives d'une telle agrégation de données ne sont pas bien établies.

« Cela indique que les approches basées sur les traits sont particulièrement puissantes pour modéliser la croissance des arbres lorsqu'elles sont collectées et analysées au niveau individuel. La collecte de données ou les analyses qui agrègent les données au niveau de la population ou de l'espèce fourniront des informations, mais ces informations seront limitées dans la plupart des cas lors de la modélisation des performances des plantes et, dans certains cas, trompeuses.