- 108 -
La classification hiérarchique ou
Cluster Analysis (fig. 22), confirme les
résultats des méthodes précédentes et
établit la concordance de nos résultats
avec ceux de MacEachran et al
(1998) : l’ancien sous-genre Dipturus
(Bauchot et Pras, 1980), se détache des
espèces du genre Raja et corrobore
l’élévation de ce taxon au rang de
genre.
Figure 22 - Classification hiérarchique de quelques raies
Les modèles d’analyse des données morphométriques s’avèrent très puissants : ils ont pu séparer
des espèces aussi différentes que Raja oxyrhincus et Raja radula. Il est donc probable que les deux
formes supposées de Raja clavata sont deux espèces similaires présentant beaucoup de différences,
qui ne peuvent être décelées à l’œil nu.
De nouvelles données ont été analysées sur la base de ces études préliminaires. Une ACP
interspécifique est d’abord menée, relativement à quatre espèces ornées de points : R. asterias (I),
R. brachyura (II), R. clavata avec boucles (III), R. clavata sans boucles (IV) et R. montagui (V) ;
ensuite une ACP intrapécifique est réalisée pour R. clavata avec boucles (R. clavata BC ou III) et R.
clavata sans boucles (R. clavata PBC ou IV).
Pour les deux analyses la provenance est codée C pour le centre, E pour l’est et O pour l’ouest. Les
femelles et les mâles sont reconnus par les lettres A et B. Les chiffres latins codant pour les
différentes espèces ont été choisis pour des raisons d’ordre pratiques. Un individu sera identifié par
une treizième variable, qualitative qui synthétise toutes ces caractéristiques: si il est noté VBO, il
correspondra à un individu de Raja montagui mâle, capturé à l’ouest.
Il est préconisé de commencer une analyse de données par l’examen des histogrammes de
distribution de fréquences des longueurs totales (figures 1 et 2, annexe I). Le logiciel Statistica
construit ces histogrammes et établit les comparaisons. On peut estimer que les formes des
distributions sont symétriques. On peut également se rendre compte des données qui pourraient être
suspectes.
Une première analyse a été effectuée sur la totalité des données, soit une matrice de 207 individus et
12 variables. Les deux premiers axes (tab. 10) reconstruisent 90.66 % de l’information avec une
forte diminution entre le deuxième et le troisième. Nous pouvons nous limiter au plan principal I-II,
pour les variables et les individus ; pour plus de précision, nous considérerons les 3 axes du nuage.
La classification hiérarchique ou
Cluster Analysis (fig. 22), confirme les
résultats des méthodes précédentes et
établit la concordance de nos résultats
avec ceux de MacEachran et al
(1998) : l’ancien sous-genre Dipturus
(Bauchot et Pras, 1980), se détache des
espèces du genre Raja et corrobore
l’élévation de ce taxon au rang de
genre.
Figure 22 - Classification hiérarchique de quelques raies
Les modèles d’analyse des données morphométriques s’avèrent très puissants : ils ont pu séparer
des espèces aussi différentes que Raja oxyrhincus et Raja radula. Il est donc probable que les deux
formes supposées de Raja clavata sont deux espèces similaires présentant beaucoup de différences,
qui ne peuvent être décelées à l’œil nu.
De nouvelles données ont été analysées sur la base de ces études préliminaires. Une ACP
interspécifique est d’abord menée, relativement à quatre espèces ornées de points : R. asterias (I),
R. brachyura (II), R. clavata avec boucles (III), R. clavata sans boucles (IV) et R. montagui (V) ;
ensuite une ACP intrapécifique est réalisée pour R. clavata avec boucles (R. clavata BC ou III) et R.
clavata sans boucles (R. clavata PBC ou IV).
Pour les deux analyses la provenance est codée C pour le centre, E pour l’est et O pour l’ouest. Les
femelles et les mâles sont reconnus par les lettres A et B. Les chiffres latins codant pour les
différentes espèces ont été choisis pour des raisons d’ordre pratiques. Un individu sera identifié par
une treizième variable, qualitative qui synthétise toutes ces caractéristiques: si il est noté VBO, il
correspondra à un individu de Raja montagui mâle, capturé à l’ouest.
Il est préconisé de commencer une analyse de données par l’examen des histogrammes de
distribution de fréquences des longueurs totales (figures 1 et 2, annexe I). Le logiciel Statistica
construit ces histogrammes et établit les comparaisons. On peut estimer que les formes des
distributions sont symétriques. On peut également se rendre compte des données qui pourraient être
suspectes.
Une première analyse a été effectuée sur la totalité des données, soit une matrice de 207 individus et
12 variables. Les deux premiers axes (tab. 10) reconstruisent 90.66 % de l’information avec une
forte diminution entre le deuxième et le troisième. Nous pouvons nous limiter au plan principal I-II,
pour les variables et les individus ; pour plus de précision, nous considérerons les 3 axes du nuage.