| Summary: | En Europe, la présence de grands carnivores dans des paysages anthropisés entraîne une forte compétition avec l'homme et alimente d'importantes polémiques concernant leur protection légale. La perception antagoniste de ces espèces à la fois emblématiques pour certains et sources de conflits pour d'autres, rend la gestion de leurs populations très délicate. Depuis la recolonisation spontanée du loup (Canis lupus) dans les Alpes françaises au début des années 1990, la population s'est accrue numériquement et spatialement. Parallèlement, les dégâts occasionnés par le loup sur la filière élevage ont suivi la même tendance. L'Etat met en place aujourd'hui un contrôle raisonné de la population, sous réserve que les objectifs de conservation, exigés par la Directive Habitat, soient respectés. En s'inspirant du cas d'étude du loup en France, nous proposons dans cette thèse un cadre de prise de décision structurée adapté pour la gestion et la conservation d'espèces rares et difficilement observables, protégées par des accords législatifs mais qui, dans un contexte social conflictuel, peuvent être régulées. La modélisation séquentielle du processus décisionnel s'est déroulée dans un contexte de forte incertitude selon plusieurs étapes : 1) appréhender les objectifs de conservation et/ou contrôle du loup en France pour les formaliser sous forme mathématique via une fonction d'utilité, 2) suivre la population par une méthode non-invasive pour définir des indicateurs de gestion fiables et évaluer le statut de conservation de la population, 3) coupler les mesures létales adoptées actuellement à un modèle démographique décrivant la dynamique du loup et intégrant sa structure sociale, 4) et déterminer la décision. Cette dernière étape est réalisée à l'aide d'une méthode d'optimisation qui calcule la stratégie optimale de gestion en fonction de la structure sociale de la population et des différentes sources d'incertitude accumulées à chaque étape du processus décisionnel. Nous avons choisi comme indicateur de gestion le taux de croissance, à partir duquel nous avons défini l'utilité. Cet indicateur était robuste à l'incertitude d'échantillonnage émergeant de la détection partielle et hétérogène des individus. Des analyses de sensibilité de la décision ont montré une forte influence de la fonction d'utilité sur la stratégie optimale, soulignant ainsi l'importance de définir correctement les objectifs. Nous avons également montré que la stratégie optimale était sensible aux variations des paramètres démographiques, montrant ainsi l'intérêt des méthodes de capture-marquage-recapture pour les estimer correctement. Nous discutons enfin de l'extension de notre approche à un cadre décisionnel de gestion adaptative pour traiter des problèmes de conservation dans un contexte conflictuel. === Large carnivore management in Europe is controversial because of conflictive objectives arising from the legal protection of threatened species vs. the possible necessity of culling individuals to prevent severe damages on human activities. Since the wolf recovery in the French Alps in the early 90's, the population has been numerically and spatially increasing. In parallel, livestock depredations have been following the same trend. As an EU member state, France is bound to the European Habitat Directive, which provides full protection of wolf populations and their habitat. Nevertheless, derogatory killings are allowed for individuals causing problems on livestock and some lethal control is now incorporated into the national management plan, as long as the population growth and its distribution range are not being threatened. Illustrating with the case study of the wolf in France, my dissertation proposes a structured decision making framework for the management and the conservation of elusive species that are legally protected but, in a conflictive context, are subject to population control. The sequential modeling of our decision process occurred in the following steps: 1) define the multiple objectives and formulate them in terms of a utility function, 2) monitor the population through a non-invasive approach in order to define the population conservation status, 3) build a demographic model to predict the consequences of harvesting on population dynamics and social structure, 4) obtain optimal state-dependent decisions. The last step is done with stochastic dynamic programming (SDP), acknowledged to be one of the most useful optimization methods in decision making. We provide an optimal solution for wolf management that gives the highest chance of meeting objectives, defined on population growth rate. This demographic indicator was found to be robust to sampling uncertainty arising from partial and heterogeneous detection of individuals. We ran decision sensibility analyses and found a strong effect of the utility function on the optimal strategy, highlighting the importance of defining explicit objectives. We also found that the optimal strategy was sensitive to demographic parameters, which demonstrate the general need of using solid statistical approaches to estimate them properly. This structured decision making framework can further be extended to adaptive management, acknowledged as being a convenient framework for wildlife management.
|
|---|
