Modeling and predicting earthworm diversity and distribution in France: a comparative approach using multiple algorithms
2024
Hoeffner, Kevin | Diallo, Abdourahmane | Pelosi, Céline | Horrigue, Walid | Briones, Maria J.I. | Butt, Kevin | Decaëns, Thibaud | Gérard, Sylvain | Guillocheau, Sarah | Hedde, Mickael | Le Bayon, Renée-Claire | Muys, Bart | Phillips, Helen, R P | Pérès, Guénola | Cluzeau, Daniel | Sol Agro et hydrosystème Spatialisation (SAS) ; Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut Agro Rennes Angers ; Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro) | UFR des Sciences Agronomiques de l'Aquaculture et des Technologies Alimentaires ; Université Gaston Berger de Saint-Louis Sénégal (UGB) | Unité de recherche Science du Sol (USS) ; Institut National de la Recherche Agronomique (INRA) | Agroécologie [Dijon] ; Université de Bourgogne (UB)-Université Bourgogne Franche-Comté [COMUE] (UBFC)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut Agro Dijon ; Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro) | Universidade de Vigo | University of Central Lancashire [Preston] (UCLAN) | Centre d’Ecologie Fonctionnelle et Evolutive (CEFE) ; Université Paul-Valéry - Montpellier 3 (UPVM)-École Pratique des Hautes Études (EPHE) ; Université Paris Sciences et Lettres (PSL)-Université Paris Sciences et Lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [Occitanie])-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut Agro Montpellier ; Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Montpellier (UM) | Ecologie fonctionnelle et biogéochimie des sols et des agro-écosystèmes (UMR Eco&Sols) ; Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut de Recherche pour le Développement (IRD)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut Agro Montpellier ; Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro) | Ecosystèmes, biodiversité, évolution [Rennes] (ECOBIO) ; Université de Rennes (UR)-Institut Ecologie et Environnement - CNRS Ecologie et Environnement (INEE-CNRS) ; Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS) | Ecologie fonctionnelle et biogéochimie des sols et des agro-écosystèmes (UMR Eco&Sols) ; Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut de Recherche pour le Développement (IRD)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro) | Université de Neuchâtel = University of Neuchatel (UNINE) | Catholic University of Leuven = Katholieke Universiteit Leuven (KU Leuven) | Netherlands Institute of Ecology (NIOO-KNAW)
Voir l'annonce du congrès : https://www.uct.ac.za/events/icsz-ica-conference-2024
显示更多 [+] 显示较少 [-]International audience
显示更多 [+] 显示较少 [-]英语. Earthworms, as crucial ecosystem engineers, contribute significantly to various soil functions and ecosystem services such as water regulation, nutrient dynamics, and biomass production. Recognized as sensitive indicators of soil health, their conservation is pivotal for maintaining biodiversity and ecosystem stability. However, the factors influencing their biogeography and community composition are still not well understood. Our study aimed to assess and compare the effectiveness of five modeling algorithms in predicting three key earthworm community parameters: total abundance, total biomass, and taxonomic richness in France. We utilized the LandWorm database (FRB 2023-2025), which primarily contains data on earthworm communities across mainland France. To enhance our analysis, we integrated environmental variables from additional databases related to climate (temperature, rainfall…) and soil properties (texture, carbon, pH…). The algorithms we evaluated included Generalized Linear Models (GLM), Generalized Additive Models (GAM), Random Forest (RF), Generalized Boosted Models (GBM), and Artificial Neural Networks (ANN). This comparative approach allows us to determine the most effective model for predicting each parameter. Our results highlight that the Random Forest model performed best for predicting earthworm abundance, achieving the highest R² of 0.48 with a RMSE of 18 individuals/m². Similarly, for taxonomic richness, the Random Forest model yielded the best R² of 0.55 with a RMSE of 1.8 taxa. This research not only advances our understanding of earthworm community distribution but also supports the design of targeted conservation strategies, ensuring the protection and sustainability of vital soil functions. By highlighting the effectiveness of diverse modeling algorithms, this study contributes to the broader field of soil biodiversity assessments and the strategic planning of land use and environmental conservation initiatives.
显示更多 [+] 显示较少 [-]