Avoiding misinterpretation of biotic interactions with the intertype K12-function: population independence vs. random labelling hypotheses
Résumé
The interactions between plants of different species, age or size play an important role in the dynamics of an ecosystem and can induce specific structures. These interactions can be studied by analysing the spatial structure of the corresponding bivariate patterns. The intertype L12-function has recently been successfully used in many papers for that purpose. However, when interpreting the results obtained with ecological data, at least two different null hypotheses - independence or random labelling - can be appropriate, depending on the context of the study and the nature of the data. As these two hypotheses correspond to different confidence intervals, an inappropriate choice of the null hypothesis can lead to misinterpretations of biotic interactions when studying ecological data. Moreover, this problem has rarely been mentioned in the literature. In this paper we clarify the differences between these two null hypotheses, and illustrate the risk of misinterpretation when using an inappropriate null hypothesis. We review the main characteristics of these two hypotheses, and analyse the spatial structure of both real data from forest stands and simulated virtual stands of different structures. We demonstrate that the risk of misinterpretation is quite high, and that extreme misinterpretations, i.e. cases leading to opposite conclusions in terms of spatial interaction, can occur in a significant number of cases. We therefore propose some guidelines to help ecologists avoid such misinterpretations.
Les interactions entre des plantes d'espèce, de taille et d'âge différents joue un rôle important dans la dynamique d'un écosystème, et peut être à l'origine de structures particulières. Ces interactions peuvent être étudiées en analysant la structure spatiale du semis de point bivarié correspondant. Depuis quelque temps, plusieurs auteurs ont utilisé avec succès la fonction intertype L12 dans cet objectif. Cependant, selon le contexte de l'étude et la nature des données, l'interprétation des résultats obtenus sur des données écologiques peut faire appel à au moins deux hypothèses nulles : l'hypothèse d'indépendance et l'hypothèse d'étiquetage aléatoire. Comme ces deux hypothèses correspondent à des intervalles de confiance différents, une erreur dans le choix de l'hypothèse nulle peut mener à des erreurs d'interprétation des interactions dans les exemples écologiques étudiés. De plus, ce problème est rarement abordé dans la littérature. Dans cet article, nous clarifions les différences entre ces deux hypothèses nulles, et illustrons le risque d'erreur d'interprétation lorsque une mauvaise hypothèse nulle est utilisée. Nous présentons les caractéristiques principales de ces deux hypothèses, et analysons la structure spatiale de données réelles de peuplements forestiers et de peuplements virtuels simulés de structures variées. Nous montrons que le risque d'erreur d'interprétation est très élevé, et que des cas d'erreurs extrêmes, c'est à dire des cas où l'analyse amène à conclure sur une structure spatiale contraire à la structure réelle, peuvent survenir fréquemment. Nous proposons donc quelques conseils pour aider les écologues à éviter de telles erreurs.