Chapitre II : Modélisation du risque d’introduction des espèces non-indigènes par le
biofouling des coques des navires: Cas d’étude du port d’Arzew
106
Figure II-26. Validation des résultats du modèle sur la base des données de KATSANEVAKIS et al. (2020) sur les
enregistrements d'espèces exotiques et cryptogéniques dans la mer Méditerranée. Écart-type indiqué pour les valeurs
observées. La valeur de chaque indicateur estimé est indiquée sur la figure (MS Excel 2016).
La racine de l’erreur quadratique moyenne estimé pour le modèle sur la base des records de 13
pays méditerranéen est RMSE = 0.067, et l’erreur moyenne absolue MAE = 0.046 cette valeur est
proche de zéro, ces valeurs se traduisent par une bonne prédiction du modèle d’invasion, avec
61.96 % de la variance totale observé. Le biais calculé est de 0.178, ce qui correspond à 23.81%
de la moyenne des observations. Globalement le modèle a sous-estimé le risque de 23.81 % pour
les 13 pays, cette erreur systématique pourrait être dû au manque d’information relatives aux
évènements d’introduction en méditerranée, notamment l’Algérie où le risque a été sous-estimé
(Fig.II-26). Notez bien que le nombre d’évènements d’introduction en Algérie est plus supérieur
à celui reporté dans la base de donnée de KATSANEVAKIS et al. (2020), mais le manque
d’investigation à ce sujet ne nous permet pas de trancher. Pour l’Albanie, la Slovénie, la Turquie,
et la Tunisie les valeurs prédites diffèrent de 31.29 % des valeurs observées. Globalement, le
modèle a prédit 56% des évènements d’introduction des ENIs en Méditerranée (Fig.II-27).
0.0000
0.0500
0.1000
0.1500
0.2000
0.2500
RISK
RMSE = 0.067
BIAS = -0.178
MAE = 0.046
Predicted
Observed
Linear (Predicted)
Linear (Observed)
biofouling des coques des navires: Cas d’étude du port d’Arzew
106
Figure II-26. Validation des résultats du modèle sur la base des données de KATSANEVAKIS et al. (2020) sur les
enregistrements d'espèces exotiques et cryptogéniques dans la mer Méditerranée. Écart-type indiqué pour les valeurs
observées. La valeur de chaque indicateur estimé est indiquée sur la figure (MS Excel 2016).
La racine de l’erreur quadratique moyenne estimé pour le modèle sur la base des records de 13
pays méditerranéen est RMSE = 0.067, et l’erreur moyenne absolue MAE = 0.046 cette valeur est
proche de zéro, ces valeurs se traduisent par une bonne prédiction du modèle d’invasion, avec
61.96 % de la variance totale observé. Le biais calculé est de 0.178, ce qui correspond à 23.81%
de la moyenne des observations. Globalement le modèle a sous-estimé le risque de 23.81 % pour
les 13 pays, cette erreur systématique pourrait être dû au manque d’information relatives aux
évènements d’introduction en méditerranée, notamment l’Algérie où le risque a été sous-estimé
(Fig.II-26). Notez bien que le nombre d’évènements d’introduction en Algérie est plus supérieur
à celui reporté dans la base de donnée de KATSANEVAKIS et al. (2020), mais le manque
d’investigation à ce sujet ne nous permet pas de trancher. Pour l’Albanie, la Slovénie, la Turquie,
et la Tunisie les valeurs prédites diffèrent de 31.29 % des valeurs observées. Globalement, le
modèle a prédit 56% des évènements d’introduction des ENIs en Méditerranée (Fig.II-27).
0.0000
0.0500
0.1000
0.1500
0.2000
0.2500
RISK
RMSE = 0.067
BIAS = -0.178
MAE = 0.046
Predicted
Observed
Linear (Predicted)
Linear (Observed)