Show simple document record

dc.contributor.advisorFournier, Richard
dc.contributor.advisorLudwig, Antoinette
dc.contributor.advisorKotchi, Serge Olivier
dc.contributor.authorAllostry, Juliefr
dc.date.accessioned2019-04-26T19:49:47Z
dc.date.available2019-04-26T19:49:47Z
dc.date.created2019fr
dc.date.issued2019-04-26
dc.identifier.urihttp://hdl.handle.net/11143/15343
dc.description.abstractLes changements climatiques amplifient la dispersion des moustiques et la propagation des virus dont certains moustiques sont les principaux vecteurs. Cela entraîne une augmentation du risque pour les humains d’entrer en contact avec les moustiques infectés et de développer des maladies aux conséquences parfois mortelles. Au Québec, la surveillance des variations d’abondances des espèces de moustiques vecteurs de zoonoses, comme les maladies causées par le virus du Nil occidental ou la fièvre équine de l’Est est en demande. Or, il n’existe actuellement aucun outil actif adapté au Québec permettant de prédire les abondances annuelles de populations de moustiques. Notre démarche de modélisation vise à combler ce besoin. Quatre espèces ont été étudiées dans ce projet sur la période de 2003 à 2014 pour le sud de la province : Aedes vexans (VEX), Coquillettidia perturbans (CQP) et les groupes Culex pipiens-restuans (CPRg) et Ochlerotatus stimulans (STMg). Nous avons employé une régression linéaire mixte avec un facteur aléatoire pour modéliser les abondances de chacune de ces quatre espèces de moustiques. Les variables environnementales explicatives utilisées ont été centrées réduites et incluent différentes classes d’occupation du sol ainsi que des composantes météorologiques telles que les moyennes mensuelles de précipitations totales (en millimètres) et de températures minimales, maximales et moyennes (en degrés Celsius). Par espèce, la sélection des variables explicatives statistiquement significatives à l’issue des régressions univariées s’est faite à l’aide d’une matrice de corrélation (Pearson) avec un seuil de 0,8 suivie d’un test de multicolinéarité aux seuils d’inflation de la variance, ou Variance Inflation Factor (VIF) de 3, 5 et 10. Puis chaque modèle correspondant à chaque seuil VIF a été testé avec et sans adjonction de termes d’interaction et de termes quadratiques. La performance de chacun des modèles a ensuite été mesurée à l’aide du critère d’information Akaïke (AIC) et par l’observation du comportement des résidus (test de normalité, distance de Cook, homoscédasticité). Puis les histogrammes et cartes de dispersion des résidus de Student ont été bâtis d’une part pour les données d’entraînement, et d’autre part pour les données de validation. Nos résultats démontrent que les modèles qui prennent en compte les conditions climatiques en plus de considérer l’occupation du sol sont plus performants que les modèles qui ne considèrent que les classes d’occupation du sol, et ce, pour les quatre espèces. Pour CPRg, le meilleur modèle intègre les classes d’agriculture, de prairies et de boisés ainsi que la moyenne des températures minimales du mois de septembre de l’hiver précédent (TNsep_1) et le terme d’interaction Boise 𝗑 TNsep_1. Le meilleur modèle STMg est basé sur les classes urbaine et boisée, la moyenne des précipitations du mois de juin et le terme quadratique Boise 𝗑 Boise. Les abondances de CQP sont modélisées à partir des milieux urbains et des précipitations moyennes des mois de janvier et d’août. Et le meilleur modèle pour VEX considère la classe d’agriculture et le terme quadratique associé Agri², les précipitations moyennes des mois de janvier (Pjan), février et septembre (Psep) ainsi que le terme d’interaction Pjan 𝗑 Psep. Les modèles se sont révélés robustes et précis sur la quasi-totalité de la zone d’étude et la présence de variables climatiques significatives pour chacune des espèces permet d’envisager la prévision à long terme des impacts des changements climatiques et de paysage sur la répartition des abondances de moustiques potentiellement nuisibles à la santé publique. En outre, c’est à notre connaissance la première étude qui modélise les abondances des espèces CQP et STMg. Notre méthode, relativement simple à reproduire, est donc applicable à différentes espèces. Nous suggérons toutefois d’utiliser des données microclimatiques et d’identifier différents paliers de densités urbaines afin de capturer plus précisément les variations environnementales locales. Il serait également intéressant de tester d’autres types de variables connues pour leur impact sur le développement ou l’activité des moustiques telles que l’humidité relative et la vitesse du vent, les données d’épandage de larvicide ou la présence de prédateurs.fr
dc.language.isofrefr
dc.publisherUniversité de Sherbrookefr
dc.rights© Julie Allostryfr
dc.rightsAttribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 2.5 Canada*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/ca/*
dc.subjectSanté publiquefr
dc.subjectAedes vexansfr
dc.subjectCoquillettidia perturbansfr
dc.subjectCulex pipiens-restuansfr
dc.subjectOchlerotatus stimulansfr
dc.subjectZoonosesfr
dc.subjectModélisation spatio-temporellefr
dc.subjectSud du Québecfr
dc.titleModélisation des densités moyennes annuelles de populations de moustiques associées à des maladies zoonotiques vectorielles représentant un risque pour la santé publique pour le sud du Québecfr
dc.typeMémoirefr
tme.degree.disciplineGéomatique appliquéefr
tme.degree.grantorFaculté des lettres et sciences humainesfr
tme.degree.levelMaîtrisefr
tme.degree.nameM. Sc.fr


Files in this document

Thumbnail
Thumbnail

This document appears in the following Collection(s)

Show simple document record

© Julie Allostry
Except where otherwise noted, this document's license is described as © Julie Allostry