Key-words:insect richness, artificial neural network, prediction, coastal rivers, West AfricaDespite their importance in stream management, the aquatic insect assemblages are still little known in West Africa. This is particularly true in South-Eastern Ivory Coast, where aquatic insect assemblages were hardly studied. We therefore aimed at characterising aquatic insect assemblages on four coastal rivers in South-Eastern Ivory Coast. Patterning aquatic insect assemblages was achieved using a Self-Organizing Map (SOM), an unsupervised Artificial Neural Networks (ANN) method. This method was applied to pattern the samples based on the richness of five major orders of aquatic insects (Diptera, Ephemeroptera, Coleoptera, Trichoptera and Odonata). This permitted to identify three clusters that were mainly related to the local environmental status of sampling sites. Then, we used the environmental characteristics of the sites to predict, using a multilayer perceptron neural network (MLP), trained by BackPropagation algorithm (BP), a supervised ANN, the richness of the five insect orders. The BP showed high predictability (0.90 for both Diptera and Trichoptera, 0.84 for both Coleoptera and Odonata, 0.69 for Ephemeroptera). The most contributing variables in predicting the five insect order richness were pH, conductivity, total dissolved solids, water temperature, percentage of rock and the canopy. This underlines the crucial influence of both instream characteristics and riparian context.
RÉSUMÉAssemblage et prédiction de la richesse taxonomique de l'entomofaune de quatre rivières de la côte ouest-africaine par des réseaux de neurones artificiels
Mots-clés :richesse taxonomique des insectes, réseau de neurones artificiels, rivières côtières, Malgré leur importance dans la gestion des hydrosystèmes, les insectes aquatiques restent peu connus en Afrique de l'Ouest et particulièrement dans le Sudest de la Côte d'Ivoire. Cette étude vise donc à caractériser les assemblages des insectes aquatiques dans quatre rivières côtières du Sud-est ivoirien. La méthode non supervisée des réseaux de neurones artificiels, cartes auto-organisatrices (SOM), a été utilisée pour établir le patron de distribution des cinq ordres les plus diversifiés. Elle a permis d'identifier trois clusters qui sont principalement en relation avec les conditions environnementales des sites d'échantillonnage. L'algorithme de rétropropagation (BP), qui est un réseau de neurones supervisé, a servi Afrique de l'Ouest à la prédiction de la richesse taxonomique des cinq ordres d'insectes à partir des caractéristiques environnementales des sites et a montré une forte prédictibilité (0,90 pour les Diptères et Trichoptères, 0,84 pour les Coléoptères et Odonates, 0,69 pour les Éphéméroptères). Les variables environnementales qui contribuent significativement à la prédiction de la richesse taxonomique des insectes aquatiques étaient le pH, la conductivité, le taux de solides dissous, la température de l'eau, le pourcentage de bloc et la canopée. Ces résultats ...