Utilisation des données Google Street View pour cartographier la distribution géographique des espèces. Une étude préliminaire de la processionnaire du pin (Thaumetopoea pityocampa)

Mapping species distribution is an important and useful task to monitor invasive species spread or native species expansion under climate change. Unfortunately it requires a lot of occurrence data that are not easily available from literature and that are very time-consuming to collect in the field. For that reason, we designed a survey with the aim to explore to which extent large-scale databases such as Google Street View could be used to derive valid occurrence data. We worked with an insect species, the Pine Processionary Moth (PPM) Thaumetopoea pityocampa because the larvae of that moth build silk nests on its host tree that are easily visible. The presence of the species at one location can therefore be inferred from visual records derived from the panoramic views available from Google Street View. We designed a standardized procedure allowing the evaluation of the presence of the PPM on a large sampling grid (covering 46 848 km2) located in France. Field sampling has been conducted in parallel, which allowed a straightforward comparison between field and Google-derived datasets. Data derived from Google Street View were highly similar to field data as we found an accuracy (percentage of field values correctly predicted using Google Street View) of 92.9%. We conclude that Google database might provide useful occurrence data for mapping the distribution of species which presence can be visually evaluated such as the PPM. More data are needed, however, to assess the range of spatial scales at which Google Street View actually provides reliable occurrence data.

La cartographie de la distribution géographique des espèces est importante pour suivre l’évolution des aires de distribution d’espèces invasives ou d’espèces natives en expansion géographique. Malheureusement, les données nécessaires sont parfois difficilement accessibles à partir de la littérature et sont coûteuses à collecter sur le terrain. Pour cette raison, nous avons conçu une étude dans le but d'explorer dans quelle mesure il est possible d’utiliser les bases de données telles que Google Street View (GSV) pour obtenir des données d’occurrence valides. Nous avons choisi de travailler avec une espèce d’insecte, la chenille processionnaire du pin (PP) Thaumetopoea pityocampa car les larves de cette espèce se développent dans le feuillage des arbres hôtes et tissent un nid blanc aisément visible. La présence de l'espèce dans un site donné peut donc être facilement renseignée en examinant les vues panoramiques disponibles pour de nombreuses localités dans la base de données de Google Street View. Nous avons conçu une procédure standardisée permettant d'évaluer la présence de la PP à partir des données GSV et nous l’avons mise en oeuvre sur une aire d’étude couvrant 46 848 km2dans la région Centre en France. La distribution de l’espèce a également été décrite à l’aide d’échantillonnages réalisés sur le terrain. Les données issues de l’examen des images Google Street View ont été comparées aux données de terrain et se sont révélées de bons estimateurs de la présence de la processionnaire du pin avec une précision (proportion de valeurs correctement estimées) de 92.9% sur notre zone d’étude pour un maillage de 16 km x 16 km. Ces résultats suggèrent que l’exploitation des bases de données de GSV pourrait permettre de produire des données écologiques intéressantes pour les espèces dont la présence peut être estimée visuellement à partir de photographies. Des études complémentaires sont cependant nécessaires pour mieux cerner la gamme d’échelles spatiales auxquelles GSV fournit des données d’occurrence fiables.