Evaluation of Smoothing Functions in Generalized Additive Models Applied to the Relative Abundance of Green Turtle (Chelonia mydas)

Imaginez que vous essayez de prédire combien de poissons apparaîtront à un endroit précis de l'océan. Vous pourriez penser que vous pouvez simplement tracer une ligne droite sur un graphique : « Si l'eau est plus chaude, plus de poissons viennent. » Mais la nature est rarement une ligne droite. Elle est désordonnée, accidentée et pleine de surprises. Parfois, on voit une foule immense de poissons, et d'autres fois, l'eau est vide. C'est là qu'intervient un type spécial de mathématiques appelé « Modèles Additifs Généralisés » (ou GAM pour Generalized Additive Models). Considérez les GAM comme une règle super intelligente et flexible qui peut se courber et se tordre pour suivre les chemins sinueux et imprévisibles de la nature, plutôt que de tout forcer dans une ligne droite.

Cependant, pour utiliser correctement cette règle flexible, vous devez savoir quel genre de « bruit » vos données produisent. Vos données se comportent-elles comme un battement de tambour calme et régulier ? Ou comme une session de jazz chaotique avec des crashs soudains et bruyants ? En statistiques, cela s'appelle choisir la bonne « famille de distribution ». Si vous choisissez la mauvaise — comme essayer de mesurer une montagne escarpée avec une règle plate — vous pourriez obtenir la forme de la courbe, mais vous comprendriez complètement de travers l'histoire qu'elle raconte. Ce document est une histoire de détective sur la façon de trouver les outils mathématiques parfaits pour compter les jeunes tortues vertes, afin de ne pas seulement voir les chiffres, mais de réellement comprendre la vie des tortues.

---

Le mystère du comptage des tortues

Dans les eaux rocheuses et ensoleillées au large de la plage d'Itapirubá Norte au Brésil, une équipe de scientifiques surveille de près les jeunes tortues vertes (Chelonia mydas). Ces jeunes tortues sont comme les adolescents de l'océan, surgissant pour respirer, manger des algues et traîner. Depuis 2021, des observateurs les comptent à partir de quatre stations différentes le long du rivage, enregistrant exactement combien apparaissent à n'importe quel moment donné.

Le problème ? Les données étaient un peu désordonnées. Elles étaient pleines de « zéros » (des moments où aucune tortue n'a été vue) et de « pics » (des moments où un groupe énorme est soudainement apparu). Elles étaient également « surdispersées », ce qui est une façon savante de dire que les nombres étaient beaucoup plus dispersés et chaotiques que ce qu'une simple moyenne suggérerait. Les chercheurs voulaient construire un modèle pour comprendre pourquoi les tortues apparaissaient quand elles le faisaient, en utilisant des facteurs tels que l'heure de la journée, la température, les marées et le vent. Mais pour ce faire, ils devaient résoudre un puzzle en deux parties : Quelle forme mathématique correspond le mieux aux données ? et Quelle règle flexible (fonction de lissage) dessine la courbe la plus précisément ?

Le grand affrontement des distributions

D'abord, l'équipe a dû déterminer la meilleure façon de décrire les comptages de tortues. Ils ont testé quatre « tenues » mathématiques différentes pour les données :

1. La distribution Normale : Elle suppose que les données sont parfaitement symétriques, comme une courbe en cloche.
2. La distribution Log-normale : Elle gère mieux les données asymétriques, mais les traite toujours comme continues.
3. La distribution de Poisson : Un choix classique pour compter des choses, mais elle suppose que la moyenne et la dispersion sont exactement les mêmes.
4. La distribution Binomiale Négative : Une option plus flexible qui permet à la dispersion d'être beaucoup plus grande que la moyenne.

Les résultats ont été clairs. Les tenues Normale et Poisson étaient de très mauvais ajustements. Le modèle de Poisson, en particulier, a échoué lamentablement car les données des tortues étaient trop « surdispersées » — la variance était de 13,65 alors que la moyenne n'était que de 2,93. Essayer de forcer ces données chaotiques dans une boîte de Poisson revenait à essayer de faire entrer une cheville carrée dans un trou rond ; cela déformait les résultats et faisait croire aux scientifiques qu'ils étaient plus certains qu'ils ne l'étaient réellement. La Log-normale était meilleure, mais pas parfaite non plus.

La gagnante fut la distribution Binomiale Négative. C'était la seule capable de gérer la « surdispersion par les zéros » (beaucoup de sightings vides) et les « queues épaisses » (groupes massifs et rares de tortues) sans sourciller. En utilisant cette distribution, le modèle pouvait enfin arrêter de deviner et commencer à refléter fidèlement la réalité chaotique de la vie des tortues.

La course aux règles flexibles

Une fois qu'ils ont eu la bonne tenue, l'équipe a dû choisir la bonne « règle » pour dessiner la courbe. Dans le monde des GAM, ces règles sont appelées « fonctions de lissage ». Ils ont testé quatre types différents :

• Splines de régression à plaques minces (TPS) : Comme une feuille de métal flexible qui se courbe doucement dans toutes les directions.
• Splines de régression cubique (CRS) : Comme une série de courbes lisses et connectées faites de mathématiques cubiques.
• Splines pénalisées (P-splines) : Une méthode qui ajoute un « frein » pour empêcher la courbe de devenir trop sinueuse.
• Splines adaptatives : La règle la plus intelligente de toutes, qui peut être rigide à certains endroits et super flexible à d'autres, selon l'endroit où les données sont complexes.

L'article a révélé qu'il n'y avait pas qu'une seule « meilleure » règle pour tout. Au lieu de cela, le meilleur choix dépendait de ce à quoi la tortue réagissait :

• Temps et Température : Pour des variables comme les « Jours » et la « Température », les Splines adaptatives étaient les championnes. Ces facteurs changent par poussées imprévisibles, et la règle adaptative pouvait fléchir exactement là où les données en avaient besoin, capturant les changements soudains de comportement des tortues.
• Vagues et Vent : Pour des éléments comme la « Hauteur des vagues » et la « Vitesse du vent », les Splines de régression cubique fonctionnaient le mieux. Ces facteurs ont tendance à changer plus graduellement, donc une courbe lisse et régulière était l'ajustement parfait.
• Direction du vent : Pour les composantes Nord-Sud et Est-Ouest du vent, les Splines à plaques minces ont remporté la palme. Comme la direction du vent est un cercle en 2D (elle peut aller n'importe où), la règle à plaques minces était la seule capable de cartographier cela de manière fluide sans s'embrouiller.

Le verdict final

En combinant la distribution Binomiale Négative avec un mélange de ces règles de lissage spécialisées, les chercheurs ont construit un modèle qui est à la fois mathématiquement solide et écologiquement vrai. Ils ont découvert que la présence des tortues n'est pas simplement aléatoire ; elle est dictée par des relations complexes et non linéaires avec leur environnement. Les tortues ne réagissent pas simplement à l'idée que « plus de chaleur = plus de tortues ». Au contraire, elles répondent à des seuils spécifiques et à des changements soudains de température et de marées, tandis que les modèles de vagues et de vent agissent comme des influences plus constantes et de fond.

L'étude confirme que si vous voulez comprendre la nature, vous ne pouvez pas utiliser une approche universelle. Vous devez faire correspondre vos outils mathématiques aux particularités spécifiques de vos données. Dans ce cas, la tenue « Binomiale Négative » et un ensemble de règles flexibles « à la carte » ont permis aux scientifiques de voir clairement l'histoire des tortues, révélant un habitat qui est une mosaïque dynamique et fragmentée de ressources et d'opportunités. C'est un rappel qu'en science, le bon outil pour la tâche est souvent la différence entre voir un flou et voir l'image entière.