Chapitre I : Généralités et méthodes d’étude
19
variables initiales qui explique une part de la variance et qui peut être interprétée en fonction des
coefficients de pondération attribués à chaque variable initiale au sein de la composante principale
(Dagnelie (1973 et 1975) ; Philipeau, 1986 ; Dervin, 1988 ; Tenhaus, 2007).
Les ACP que nous avons réalisées ont été appliquées sur des données centrées réduites puisque les
trois variables initiales sont de natures diverses et exprimées dans différentes unités. Le grand intérêt
de l’ACP réside dans le fait qu’elle prenne en compte toutes les variables simultanément et non pas
isolément. Elle permet d’apercevoir les liens existant entre les trois variables étudiées, de réduire leur
nombre si possible et de visualiser la répartition des différentes espèces considérées. Elle peut aussi
renseigner sur certaines liaisons entre les variables et les espèces associées.
Au total six ACP ont été réalisées sur six matrices de données centrées réduites dont quatre
regroupent l’ensemble des espèces capturées par le chalut avec S.blainvillei. Celles de la région Est
sont constituées de 3 variables et 84 observations dans le cas de la faune totale et de trois colonnes et
78 observations benthiques. Par contre dans la région Ouest les deux matrices sont composées de 3
variables et 96 lignes toutes espèces confondues et 90 observations d’espèces benthiques. Les deux
autres matrices sont constituées par les mêmes colonnes et 34 lignes (espèces confondues) et 30 lignes
(espèces benthiques) capturées avec S.blainvillei par les engins dormants dans la région Est. Chaque
espèce est désignée par un code mnémonique de quatre lettres (tableaux 2, 3 et 4 ; Annexe I).
Classification ascendante hiérarchique CAH
La classification hiérarchique a été utilisée dans de nombreux domaines de recherche et plus
particulièrement en écologie aquatique. Cette méthode de regroupement a fait l’objet de plusieurs
travaux sur la macrofaune démersale chalutable (Sanchez, 1993 ; Moranta, 1998 ; Machias et al.,
2001; Massuti et al., 2004 ; Labropoulou et Papaconstantinou, 2004 ; Boufersaoui, 2012). Cette
méthode est basée sur la détermination d’une distance entre paires d’objet ou de variable calculée à
partir de la matrice originelle. En effet, toutes les procédures d'agglomération commencent par une
matrice initiale I (objet/variable), qui est ensuite transformé en matrice de ressemblance D
(objet/objet) en utilisant une mesure de distance pertinente qui dépend de la question scientifique en
recherche. Elle est basée sur la détermination d’une distance entre paires de variable ou d’individus
calculée à partir de la matrice originelle I (variables/objets). En écologie, il existe plusieurs distances
utilisables afin de quantifier la similarité/dissimilarité entre deux relevés écologiques (Legendre et
Legendre, 1979). La CAH peut être menée à partir du calcul de l’une ou l’autre de ces distances.
À partir de la matrice de distance D, les objets ont pu être regroupées sur la base de plusieurs
algorithmes de classification ou critère de sélection (Ward (1963), lien simple (saut minimum ou
single linkage), lien complet (complete linkage) et lien moyen dite UPGMA ou average linkage en
19
variables initiales qui explique une part de la variance et qui peut être interprétée en fonction des
coefficients de pondération attribués à chaque variable initiale au sein de la composante principale
(Dagnelie (1973 et 1975) ; Philipeau, 1986 ; Dervin, 1988 ; Tenhaus, 2007).
Les ACP que nous avons réalisées ont été appliquées sur des données centrées réduites puisque les
trois variables initiales sont de natures diverses et exprimées dans différentes unités. Le grand intérêt
de l’ACP réside dans le fait qu’elle prenne en compte toutes les variables simultanément et non pas
isolément. Elle permet d’apercevoir les liens existant entre les trois variables étudiées, de réduire leur
nombre si possible et de visualiser la répartition des différentes espèces considérées. Elle peut aussi
renseigner sur certaines liaisons entre les variables et les espèces associées.
Au total six ACP ont été réalisées sur six matrices de données centrées réduites dont quatre
regroupent l’ensemble des espèces capturées par le chalut avec S.blainvillei. Celles de la région Est
sont constituées de 3 variables et 84 observations dans le cas de la faune totale et de trois colonnes et
78 observations benthiques. Par contre dans la région Ouest les deux matrices sont composées de 3
variables et 96 lignes toutes espèces confondues et 90 observations d’espèces benthiques. Les deux
autres matrices sont constituées par les mêmes colonnes et 34 lignes (espèces confondues) et 30 lignes
(espèces benthiques) capturées avec S.blainvillei par les engins dormants dans la région Est. Chaque
espèce est désignée par un code mnémonique de quatre lettres (tableaux 2, 3 et 4 ; Annexe I).
Classification ascendante hiérarchique CAH
La classification hiérarchique a été utilisée dans de nombreux domaines de recherche et plus
particulièrement en écologie aquatique. Cette méthode de regroupement a fait l’objet de plusieurs
travaux sur la macrofaune démersale chalutable (Sanchez, 1993 ; Moranta, 1998 ; Machias et al.,
2001; Massuti et al., 2004 ; Labropoulou et Papaconstantinou, 2004 ; Boufersaoui, 2012). Cette
méthode est basée sur la détermination d’une distance entre paires d’objet ou de variable calculée à
partir de la matrice originelle. En effet, toutes les procédures d'agglomération commencent par une
matrice initiale I (objet/variable), qui est ensuite transformé en matrice de ressemblance D
(objet/objet) en utilisant une mesure de distance pertinente qui dépend de la question scientifique en
recherche. Elle est basée sur la détermination d’une distance entre paires de variable ou d’individus
calculée à partir de la matrice originelle I (variables/objets). En écologie, il existe plusieurs distances
utilisables afin de quantifier la similarité/dissimilarité entre deux relevés écologiques (Legendre et
Legendre, 1979). La CAH peut être menée à partir du calcul de l’une ou l’autre de ces distances.
À partir de la matrice de distance D, les objets ont pu être regroupées sur la base de plusieurs
algorithmes de classification ou critère de sélection (Ward (1963), lien simple (saut minimum ou
single linkage), lien complet (complete linkage) et lien moyen dite UPGMA ou average linkage en