Programmes  

Annexe 4: Choix d'un échantillon représentatif de sites

R W. Burn Statistical Services Centre, Université de Reading

 

1. OBJECTIFS

Le but de cet exercice est d'obtenir des échantillonnages représentatifs des sites dans les États de l'aire de répartition des éléphants qui seront utilisés dans le projet de système d'information MIKE (Monitoring the Illegal Killing of Elephants - Suivi de la chasse illicite à l'éléphant).

Les représentants des États de l'aire de répartition ont été invités à soumettre des listes de sites potentiels. Les Groupes spécialistes des éléphants d'Afrique et d'Asie (GSEAf et GSEAs) ont compilé ces listes et présélectionné 69 sites dans les États de l'aire de répartition des éléphants d'Afrique et 30 dans les États de l'aire de répartition des éléphants d'Asie. Ces listes de sites sont fournies avec des données sur les critères de choix des sites qui sont conformes aux recommandations de l'atelier sur le suivi du commerce des produits de l'éléphant et de la chasse illicite à l'éléphant, organisé par TRAFFIC et la CSE/UICN à Nairobi, Kenya (8 au 12 décembre 1997).

Il s'agit d'utiliser l'information disponible pour choisir un échantillonnage de sites aux fins du système MIKE qui soit, autant que possible, représentatif et «équilibré» en ce qui concerne les critères et déterminé selon une méthode de sélection objective et transparente.

2. MÉTHODOLOGIE

La procédure d'échantillonnage a été menée de manière totalement séparée pour les États de l'aire de répartition d'Afrique et d'Asie.

Sites africains

Après avoir obtenu les données disponibles, dans toute la mesure possible, on a classé les critères de sélection par ordre de priorité, en consultation avec la CSE/UICN.

Le rapport de l'atelier de Nairobi a organisé les critères en deux listes: liste (a) composée des facteurs supposés avoir un effet sur l'incidence de la chasse illicite et liste (b) d'autres facteurs qui auront une incidence sur la capacité de rassembler des données dans les sites. On a considéré que les critères de la première liste jouaient le rôle de critères de stratification pour un concept d'échantillonnage stratifié bien que, pour les raisons expliquées ci-après, les méthodes habituelles d'échantillonnage à l'intérieur des strates ne convenaient pas. Un système de poids numériques, reflétant l'ordre de priorité des critères a été conçu pour les facteurs de la liste (b). L'information contenue dans ces facteurs a ensuite été amalgamée en score unique qui a servi à classer les sites selon la difficulté de rassembler des données de surveillance. Les moyennes pondérées de ces scores ont été calculées pour chaque sous-région et le score a été normalisé sur une échelle de 0 à 100, le score le plus faible représentant le site le moins difficile. Les facteurs de la liste (b) et les poids utilisés sont donnés en Annexe I.

Après examen des données disponibles, les critères de stratification (liste (a)) et le codage utilisé dans l'analyse qui a suivi se présentent comme suit:

 

Sous-région:

Afrique orientale, occidentale, centrale et australe

 

Commerce de l'ivoire: savoir s'il y a ou non un commerce de l'ivoire intérieur important et, si c'est le cas, si ce commerce est licite/illicite et local/international. Le commerce de l'ivoire a été codé comme suit:

 

 

0 = pas de commerce

1 = commerce licite

2 = commerce illicite (ou à la fois licite et illicite)

 

Les données sur le commerce local/international n'ont pas été utilisées car elles ne sont pas très fiables et (après consultation) jugées moins importantes.

Enregistrement CITES: le pays est-il concerné ou non par les décisions de la COP10 de la CITES (10.1 et 10.2); code: 0 pour «non» et 1 pour «oui».

Type d'habitat: savane ou forêt (quelques sites mixtes ont été inscrits)

Capacité d'application: faible (0) ou élevée (1).

Protection: le site est-il une aire protégée ou se trouve-t-il dans une aire protégée?; code: 0 pour «non protégé» et 1 pour «protégé».

Troubles civils: les sites où il y a actuellement ou qui ont connu récemment des troubles civils (y compris dans des régions voisines); code: 0 pour «non» et 1 pour «oui».

Chasse: les sites ayant subi de lourdes pressions de la chasse illicite ont reçu le code 1, les autres 0.

 

Il a été décidé (après consultation) que l'on pouvait envisager d'inclure la taille des populations d'éléphants comme critère de stratification. Cette variable a été d'abord introduite dans la liste (b). Par la suite, on a estimé que l'inclure dans la liste (a) également aurait peu d'effets sur les résultats généraux si, entre-temps, il devenait évident qu'elle n'avait pas d'importance pour la stratification. Il a donc été décidé de l'utiliser dans les deux listes.

La taille des populations d'éléphants diffère fortement selon les quatre sous-régions africaines. Pour cette raison, mais également parce que l'on confond le type d'habitat et la sous-région, l'exercice d'échantillonnage a eu lieu séparément pour chacune des sous-régions.

Les incertitudes dans les données sur les populations ont été résolues par des enquêtes supplémentaires et, dans certains cas, par une référence à la Base de données sur l'éléphant d'Afrique (Said et al, 1995). Le codage est le suivant:

Afrique orientale et australe

 

0

= faible

< 1000

 

1

= moyen

1000 - 9999

 

2

= élevé

10 000 +

Afrique centrale

 

0

= faible

< 1000

 

1

= moyen

1000 - 4999

 

2

= élevé

5000 +

Afrique occidentale

 

0

= faible

< 100

 

1

= moyen

100 - 499

 

2

= élevé

500 +

 

Dans chaque sous-région, il y a donc sept critères de stratification qui seront utilisés pour choisir un échantillon. Ce sont (accompagnés du nombre de niveaux): commerce de l'ivoire (3), règlements de la CITES (2), capacité d'application (2), protection (2), troubles civils (2), chasse (2) et population (3). La classification croisée complète contiendrait donc 32 ´ 25 = 288 cellules. La procédure normale de construction d'un échantillon stratifié consisterait à choisir un échantillon d'unités (sites) au hasard dans chaque cellule de la table de stratification, généralement avec des probabilités proportionnelles à la taille ou tenant compte d'une règle semblable. Dans le cas présent, avec une liste de départ de 69 sites seulement, il serait impossible de mener à bien cette procédure.

Ce qu'il faut, c'est une méthode qui utilise de manière optimale l'information contenue dans les données de stratification afin de produire l'échantillon le plus représentatif possible, compte tenu des contraintes mentionnées ci-dessus. La procédure adoptée ici a consisté, dans un premier temps, à répartir les sites dans des groupes qui, selon les critères de stratification, sont aussi différents les uns des autres que possible tandis que les sites contenus dans chaque groupe sont aussi semblables que possible. Cet objectif a été atteint au moyen de l'analyse des groupes hiérarchiques, à l'aide de la méthode de Ward (Everitt, 1980). L'avantage de la classification hiérarchique est qu'elle fournit un moyen naturel de choisir plusieurs tailles d'échantillons de sorte que l'on peut concevoir différents scénarios de manière objective.

Outre l'analyse par groupement, on a essayé de simplifier les critères de sélection au moyen d'une technique de réduction des dimensions (analyse factorielle avec rotation varimax - Krzanowski, 1988). Cela permet, dans une certaine mesure, de corroborer le groupement et, simultanément de donner une image plus simple de ce que les groupements représentent réellement. L'analyse factorielle a eu lieu dans chacun des 69 cas.

L'analyse par groupement a eu lieu séparément pour chaque sous-région et les résultats soumis à vérification de «l'équilibre» du point de vue du type d'habitat et des valeurs des scores des composantes résultant de l'analyse factorielle. Dans quelques cas, de légers ajustements ont été apportés aux sélections pour corriger le déséquilibre.

Le choix des sites a eu lieu en fonction des codes d'identification des sites sans référence à l'identité des sites. Il s'agissait d'éviter toute partialité subjective inconsciente dans la sélection. Les codes d'identification pour tous les sites figurent dans l'Annexe II. La procédure de sélection dans son entier a été déterminée uniquement par les méthodes statistiques décrites ci-dessus. La méthode est objective, transparente et reproductible.

Sites asiatiques

L'approche méthodologique pour les sites asiatiques était globalement identique à celle adoptée pour les sites africains. On peut signaler, toutefois, quelques différences mineures:

(1)

Étant donné qu'il n'y avait que 30 sites, il n'a pas semblé utile de les répartir en sous-région pour une analyse séparée comme on l'a fait pour l'Afrique. On a donc procédé à une analyse collective des 30 sites.

(2)

Aucun des États de l'aire de répartition d'Asie n'était concerné par la résolution 10.2 de la CITES, de sorte que cette variable a été exclue de l'analyse.

(3)

La question de la coopération du gouvernement a été exclue pour l'Afrique (parce que presque toutes les réponses étaient les mêmes), mais incluse pour l'Asie.

(4)

Le type d'habitat (forêt/ savane) considéré pour l'éléphant d'Afrique n'est pas réellement un problème en Asie (bien que la question ait été posée et qu'il y ait eu des réponses).

(5)

Il y avait moins d'informations sur les populations d'éléphants en Asie qui ont simplement été classées selon des critères «faible» ou «nombreuse» pour chaque site.

Outre ces points mineurs, la méthode d'analyse était identique à celle qui a été utilisée pour l'Afrique.

3 RÉSULTATS DE L'ANALYSE

Sites Africains

ANALYSE FACTORIELLE

Quantité de variance expliquée

Valeurs propres initiales

Sommes des poids au carré

après rotation

Composante

Total

Variance
(%)

(%) cumulatif

Total

Variance (%)

(%) cumulatif

1

1.83

26.10

26.10

1.73

24.71

24.71

2

1.45

20.76

46.86

1.54

22.02

46.74

3

1.35

19.30

66.16

1.36

19.42

66.16

4

0.86

12.35

78.51

 

 

 

5

0.53

7.59

86.10

 

 

 

6

0.52

7.46

93.56

 

 

 

7

0.45

6.44

100.00

 

 

 

Méthode utilisée: Analyse en composantes principales

 

Matrice des composantes après rotation

 

Composantes

 

1

2

3

Commerce d'ivoire

0.047

0.857

-0.058

Réglemts. CITES

-0.126

0.716

0.041

Cap.d'application

-0.020

-0.380

0.669

Protection

0.130

0.167

0.820

Troubles civils

0.813

0.153

0.219

Chasse

0.829

-0.119

0.017

Population

-0.588

0.290

0.431

Méthode de rotation: Varimax avec normalisation de Kaiser.

Interprétation des composantes après rotation:

Composante

Influences dominantes

1

Chasse et troubles civils

2

Commerce d'ivoire + enregistrement CITES

3

Protection + capacité d'application
(+ une certaine contribution de la population)

 

Environ deux tiers de la variation entre les sites peut être expliquée par les trois composantes principales mentionnées ci-dessus. L'analyse factorielle permet donc une simplification raisonnable.

ANALYSE PAR GROUPEMENT

La sélection des sites a été principalement dérivée de l'analyse par groupement. C'est la méthode de Ward qui a été utilisée avec des distances euclidiennes au carré et appliquée à chaque sous-région séparément. Les dendrogrammes qui résultent de l'analyse suivent. Le score de difficulté est mentionné pour chaque site, de même que le niveau de population, le type d'habitat et les scores des composantes (ha ou ba, selon qu'ils se trouvent au-dessous ou au-dessus des valeurs moyennes). À noter que les scores des composantes correspondent très étroitement au groupement - les sites d'un même groupe tendent à présenter une structure semblable de scores de composantes alors que différents groupes tendent à avoir des scores différents.

 

 

Sites d'Asie

ANALYSE FACTORIELLE

Quantité de variance expliquée

Valeurs propres initiales

Sommes des poids au carré après rotation

Composante

Total

Variance

(%)

(%) cumulatif

Total

Variance

(%)

(%) cumulatif

1

2.219

36.988

36.988

2.219

36.988

36.988

2

1.484

24.740

61.728

1.484

24.740

61.728

3

0.871

14.513

76.241

0.871

14.513

76.241

4

0.675

11.254

87.495

 

 

 

5

0.433

7.211

94.706

 

 

 

6

0.318

5.294

100.00

 

 

 

Méthode utilisée: Analyse en composantes principales

 

Matrice des composantes après rotation

 

Composante

 

1

2

3

Commerce d'ivoire

0.199

0.811

0.293

Cap d'application

0.289

-0.198

0.747

Protection

0.861

-0.068

0.223

Chasse

-0.097

0.850

-0.301

Population

0.081

0.132

0.817

Pas de troubles civils

0.875

0.153

0.108

Méthode de rotation: Varimax avec normalisation de Kaiser.

 

Interprétation des composantes après rotation:

Composante

Influences dominantes

1

Pas de troubles civils et protection

2

Chasse + commerce d'ivoire

3

Population + capacité d'application

 

ANALYSE PAR GROUPEMENT

La méthode d'analyse par groupement est la même que celle qui a été utilisée pour les sites africains.

Le dendrogramme résultant de l'analyse est donné à la page suivante.

4 CHOIX DES SITES

Sites africains

De cette analyse on a tiré trois scénarios d'échantillonnage qui correspondent, respectivement, aux fractions d'échantillonnage approximatives de 25%, 40% et 65% de tous les sites. Dans la sous-région, les fractions d'échantillonnage ont été tenues aussi près que possible des pourcentages globaux.

Dans l'analyse par groupement, on obtient un échantillon en pratiquant une coupe à travers le dendrogramme au point, sur l'échelle des distances, qui donne le nombre requis de sites pour l'échantillon. À noter qu'il n'y a pas nécessairement de solution pour chaque dimension possible d'un échantillon. Les tailles d'échantillons disponibles, pour chaque sous-région, correspondant aux résultats du groupement hiérarchique se présentent comme suit:

 

Afrique orientale:

1, 2, 3, 5, 6, 7, 8, 12

 

Afrique centrale:

1, 2, 4, 5, 6, 8, 10, 13, 14, 16

 

Afrique occidentale:

1, 2, 3, 4, 5, 6, 9, 10, 16, 26

 

Afrique australe:

1, 2, 3, 4, 5, 6, 8, 9, 15

La méthode de sélection a consisté, dans un premier temps, à échantillonner au hasard pour un groupe sélectionné (sauf lorsqu'il n'y avait qu'un seul site dans le groupe). Le choix final a été revu pour veiller à l'équilibre selon le type d'habitat et pour s'assurer que les scores de difficulté n'étaient pas trop élevés. Des modifications (mineures dans tous les cas) ont été apportées aux sélections pour corriger toute insuffisance à cet égard. La distribution générale des types d'habitat pour les 69 sites choisis est la suivante:

Habitat

Nb

%

Forêt

17

24%

Savane

48

70%

Mixte

4

6%

Dans toute la mesure du possible, un à deux sites de substitution ont été proposés pour chaque site et choisis dans le même groupe que le site sélectionné. Il importe cependant de préciser que choisir l'un des sites de substitution risque de rompre l'équilibre général de l'échantillon.

Il est certes possible de trouver des solutions intermédiaires en sélectionnant des sites supplémentaires dans les groupes, la taille totale d'échantillonnage se situant entre les trois proposées, mais il importe de noter qu'il n'y aurait aucune justification à le faire.

Scénario 1

Sous-région

Nb. de sites

Identité Site

Sites de substitution

Afrique orientale

3

9

2, 4

 

 

7

6, 8

 

 

12

1, 5

Afrique centrale

4

13

11, 12

 

 

5

7, 9

 

 

8

14, 16

 

 

3

2, 15

Afrique occidentale

6

24

22, 23

 

 

9

6

 

 

2

-

 

 

15

-

 

 

17

-

 

 

26

8, 7

Afrique australe

4

11

13, 12

 

 

9

10

 

 

7

8

 

 

2

1, 6

Total

17

(environ 25%)

 

 

Répartition générale selon le type d'habitat:

Habitat

Nb.

%

Forêt

4

24%

Savane

11

65%

Mixte

2

12%

Scénario 2

Sous-région

Nb. de sites

Identité Site

Sites de substitution

Afrique orientale

5

10

11, 2

 

 

9

-

 

 

7

6, 8

 

 

12

1

 

 

5

-

Afrique centrale

8

12

13, 11

 

 

5

7

 

 

9

6

 

 

16

14

 

 

8

-

 

 

2

15

 

 

1

4

 

 

3

-

Afrique orientale

9

24

22, 23

 

 

9

6

 

 

26

25

 

 

7

8

 

 

2

4, 1

 

 

16

-

 

 

15

11

 

 

10

12

 

 

17

19, 18

Afrique australe

6

11

13, 12

 

 

9

10

 

 

7

8

 

 

3

15

 

 

1

6, 14

 

 

2

-

Total

28

(environ 40%)

 

 

Répartition générale selon le type d'habitat:

Habitat

Nb.

%

Forêt

7

25%

Savane

19

68%

Mixte

2

7%

Scénario 3

Sous-région

Nb. de sites

Identité site

Site de substitution

Afrique orientale

8

10

11, 2

 

 

3

-

 

 

4

-

 

 

9

-

 

 

7

6, 8

 

 

1

-

 

 

12

-

 

 

5

-

Afrique centrale

13

12

13

 

 

11

-

 

 

5

-

 

 

7

-

 

 

9

6

 

 

10

-

 

 

16

14

 

 

8

-

 

 

2

-

 

 

15

-

 

 

1

-

 

 

4

-

 

 

3

-

Afrique occidentale

16

24

22, 23

 

 

6

-

 

 

9

-

 

 

25

-

 

 

26

-

 

 

7

-

 

 

8

-

 

 

2

4, 1

 

 

16

-

 

 

15

11

 

 

21

-

 

 

10

12

 

 

14

-

 

 

17

19

 

 

13

-

 

 

18

-

 

 

 

 

 

 

 

 

Sous-région

Nb. de sites

Identité Site

Sites de substitution

Afrique australe

8

11

13, 12

 

 

9

-

 

 

10

-

 

 

7

8

 

 

3

-

 

 

15

-

 

 

1

6, 14

 

 

2

-

Total

45

(environ 65%)

 

 

Répartition générale selon le type d'habitat:

Habitat

Nb.

%

Forêt

13

29%

Savane

30

67%

Mixte

2

4%

 

Sites d'Asie

Comme pour les sites d'Afrique, trois scénarios d'échantillonnage on été envisagés. Les solutions possibles sont limitées par l'analyse en composantes principales (c'est-à-dire la grandeur de l'échantillon pouvant être obtenu en prenant des coupes sur le dendrogramme). Les dimensions possibles de l'échantillon sont : 1, 2, 3, 4, 6, 7, 10, 15 et 30.

Les trois scénarios ci-dessous comprennent 6, 10 et 15 sites, respectivement, ce qui correspond a des taux d'échantillonnage de 20%, 33% et 50%.

Scénario

Nb. de sites

Identité

Site

Sites de substitution

1

6

26

27, 17

 

 

11

25, 28

 

 

1

2

 

 

7

3, 22

 

 

9

14, 30

 

 

8

4, 10

2

10

26

27, 17

 

 

18

-

 

 

11

25, 28

 

 

1

2

 

 

7

3

 

 

15

12

 

 

22

-

 

 

9

14, 30

 

 

8

4, 10

 

 

5

-

3

15

26

27, 17

 

 

18

-

 

 

21

20, 19

 

 

11

25

 

 

28

29

 

 

1

-

 

 

2

-

 

 

3

-

 

 

7

-

 

 

15

12

 

 

22

-

 

 

9

14, 13

 

 

30

-

 

 

8

4, 10

 

 

5

-

 

5 ESTIMATION DES ERREURS ET DE LA PRÉCISION DE L'ÉCHANTILLONNAGE

Pour apprécier les sources possibles d'erreur d'échantillonnage, il convient de noter que les données obtenues seront le résultat d'une procédure d'échantillonnage en deux étapes. Dans la première, aura lieu la sélection des sites décrite précédemment. La deuxième étape de l'échantillonnage consiste à choisir les unités d'échantillonnage (transect, quadrats, etc.) dans les sites. Les deux processus d'échantillonnage contribuent à l'erreur globale de la variable observée. Peu d'informations sont disponibles pour ce projet qui puissent servir à évaluer l'erreur d'échantillonnage dans un site. Toutefois, il est généralement vrai qu'en deux étapes d'échantillonnage, c'est l'erreur entre sites qui domine (Cochran 1977).

Les mesures statistiques des variations d'échantillonnage reposent sur l'hypothèse de l'échantillonnage aléatoire. Dans le cas qui nous préoccupe, c'est une sorte d'échantillon stratifié qui a été proposée (de manière à tenir compte ou à équilibrer les facteurs qui pourraient avoir un effet sur la chasse illicite). Cette méthode suppose que le choix des unités (sites) dans la strate se fasse au hasard. Pour les raisons expliquées ci-dessus, l'élément de hasard, dans la procédure de sélection, est inévitablement loin d'être idéal.

En raison de ces deux limitations, il est pratiquement impossible d'obtenir une évaluation exacte de la précision mais, en prenant certaines hypothèses, on peut, toutefois, obtenir des estimations brutes. Premièrement, nous présumons qu'une simple comparaison entre deux périodes d'observation successives (des années, par exemple) sera suffisante et éliminera la nécessité de vérifier les tendances à plus long terme. (Cette hypothèse garantit effectivement que les estimations qui résulteront seront prudentes en ce sens que les tendances à plus long terme fournissent plus de données et qu'il est donc, automatiquement, plus facile de détecter les changements.) Nous pouvons donc réduire le problème à un simple test-t jumelé, en supposant que la variable de réponse soit correctement transformée pour s'approcher de la normalité.

L'hypothèse suivante est que les comptages de carcasses suivent une distribution de Poisson surdispersée. Il est très probable que cela sera approximativement correct (la surdispersion supposant un rassemblement spatial des carcasses). Ces données tendent à suivre de très près la loi de puissance de Taylor (Taylor, 1961). La loi de puissance la plus courante pour ces données est que la variance est proportionnelle au carré de la moyenne. Ce fait permet une simplification car il n'est pas nécessaire d'obtenir une estimation préalable de la variance; cela suppose également qu'une transformation logarithmique simple stabilisera la variance (Green, 1994). Avec ces hypothèses, il est facile de démontrer que le plus petit changement détectable, d , correspond à la taille de l'échantillon (n) selon la formule:

où a est le niveau de signification du test et b le type II de taux d'erreur de sorte que la puissance du test est 1-b (la puissance d'un test est la probabilité de détecter une différence lorsqu'il y en a réellement une). tn-1(a ) est le point de pourcentage de la distribution t avec n-1 degré de liberté correspondant à un test unilatéral (étant donné que nous estimons la précision de la détection d'une augmentation). Cette formule est une adaptation de celle que donne Green dans la référence ci-dessus.

Des graphiques de pourcentage de changement détectable par rapport à la puissance sont donnée ci-après pour a = 0,05 et 0,10.

L'interprétation de ces graphiques est la suivante: si l'on considère le scénario 2 du premier graphique, par exemple, la probabilité est de 0,8 qu'une différence de 41% sera détectée au niveau de signification de 0,05.

Si ces estimations semblent décevantes, il convient de noter qu'elles sont certainement très prudentes parce que la conception de l'échantillon n'a pas été prise en compte (outre l'autre raison concernant les tendances dans le temps, ci-dessus). L'effet de la stratification dans la conception de l'échantillon consiste généralement à réduire les erreurs d'échantillonnage, réduction qui, à son tour, augmente la précision et la puissance. Mais pour les raisons mentionnées ci-dessus, il n'y a pas assez d'informations pour tenter une quantification rationnelle de cet effet. Autre facteur d'atténuation, nous ne considérons que le premier niveau d'échantillonnage dans une procédure d'échantillonnage en deux étapes. Si l'on avait davantage d'informations sur l'échantillonnage à l'intérieur du site, les calculs mentionnés ci-dessus pourraient probablement être appliqués au deuxième niveau, avec une augmentation effective de la taille de l'échantillon. Pour bien faire, il conviendrait d'adopter une approche de modélisation multiniveaux. Ces améliorations conduiraient sans doute à des estimations de précision plus encourageantes. L'estimation décrite ci-dessus peut être considérée comme le scénario le plus défavorable d'estimation de la précision véritable.

Globalement, les estimations générales d'erreur et de puissance ont été dérivées en associant les résultats d'Asie et d'Afrique. Pour cela, on s'est contenté d'ajouter les tailles des échantillons de sorte que le nombre général de sites pour les trois scénarios est, respectivement, 23, 38 et 60.

CETTE ANALYSE DOIT ÊTRE INTERPRÉTÉE AVEC PRUDENCE:

Changement décelable en fonction de la puissance du test

Niveau de signification P = 0,05

% changement décelable

Puissance

Scénario 1

Scénario 2

Scénario 3

Changement décelable en fonction de la puissance du test

Niveau de signification P = 0,10

Annexe I. Paramètres utilisés pour évaluer le degré de difficulté

Le système suivant a été conçu en consultation avec la CSE/UICN afin d'établir le degré de difficulté. À noter qu'une des variables, à savoir la réponse aux questions: «le gouvernement coopère-t-il à la collecte des données au niveau du site et au sein du Département de la faune sauvage?» n'a pas été utilisée car la réponse était «oui» pour tous les sites sauf un et, en conséquence, la variable présente un pouvoir de discrimination négligeable.

  

Variable

Poids

Capacité ONG

10

Recherche en cours

1

Données pré-1997

2

Données post-1997

1

Taille de la population

4

Limites définies

4

Homogénéité

6

Présence de personnel clé

1

Agence unique

4

 

REFERENCES

Cochran W.G. - Sampling Techniques (Third Edition), Wiley, New York, 1977.

Everitt, B. - Cluster Analysis (Second Edition), SSRC/ Halsted Press, London, 1980.

Green, R.H. - Aspects of power analysis in environmental monitoring; in Fletcher D.J. & Manly. B.F.J. (Ed.) - Statistics in Ecology and Environmental Monitoring, Univ. of Otago Press, Dunedin, N.Z., 1994.

Krzanowski, W.J. - Principles of Multivariate Analysis, Clarendon Press, Oxford, 1988

Said M.Y., Chunge R.N., Craig G.C. Thouless C.R., Barnes R.F.W., Dublin H.T. - African Elephant Database 1995, IUCN/SSC, 1995.

Taylor L.R. - Aggregation, variance and the mean, Nature 189, 1961.

ANNEXE 5: BUDGET DÉTAILLÉ
ANNEXE 3: MÉTHODES DE COMPTAGE DES ÉLÉPHANTS

Error processing SSI file