Role of some environmental variables in trout abundance models using neural networks

Rôle de quelques variables liées à l'habitat sur la densité des truites: modèle du réseau de neurones

¹ UMR 9964, Équipe de Biologie quantitative, Université Paul Sabatier, 118, route de Narbonne, 31062 Toulouse Cedex, France
² Laboratoire d'Ingénierie Agronomique, Équipe Environnement Aquatique et Aquaculture, École Nationale Supérieure Agronomique de Toulouse, 145, avenue de Muret, 31076 Toulouse Cedex, France

Received: 26 June 1995
Accepted: 14 September 1995

Abstract

Neural networks provide a "black box" model for explaining and predicting trout abundance with 8 environmental variables. This work investigates the specific effect of each variable, by inputting fictitious configurations of explanatory variables and by checking the responses of the model. The comparison between this response of the model to environmental variables on one hand, and results from field observations on the other hand, shows similarities and indicates neural network modelling can be trusted. The elevation appears to be the major explanatory factor. The influence of shelters, bottom velocity and Froude number also play an important role. When considered separately, depth does not have a notable influence on the density of trout. Such confirmations of field observations suggest that these models can be used to obtain a clear identification and hierarchization of the factors influencing the abundance of trout and the mode of action of the factors. This approach can be extended to other applications in quantitative ecology in which non-linear relationships are usually observed.

Résumé

Les réseaux neuronaux ont permis de disposer d'un modèle de type « boîte noire » explicatif et prédictif de l'abondance des truites selon 8 variables environnementales. Ce travail porte sur la recherche de l'effet propre de chacune des variables, en appliquant des configurations fictives des variables explicatives et en observant les réponses du modèle. La confrontation entre, d'une part, cette sensibilité du modèle aux variables environnementales et, d'autre part, les résultats directement issus de l'expérience de terrain, montre de nombreuses similitudes et accrédite la pertinence de la modélisation par les réseaux de neurones. L'altitude paraît le facteur explicatif prépondérant. Apparaissent aussi une influence de la surface occupée par les abris, de la vitesse au fond et du nombre de Froude. La profondeur considérée isolément ne manifeste pas d'influence notable sur la densité de truite. Ces confirmations des observations de terrain suggèrent d'utiliser ces modèles pour identifier et hiérarchiser les facteurs influant sur l'abondance des truites et leur mode d'action. Après validation par un retour au terrain, cette démarche pourrait être étendue à d'autres applications en écologie ou des relations de types non linéaires sont fréquentes.