A Bayesian observation error model to predict cyanobacterial biovolume from spring total phosphorus in Lake Mendota, Wisconsin

Nous avons elabore un modele logistique pour prevoir le biovolume d'algues bleu-vert en ete a partir de la concentration moyenne (log metrique) de phosphore total au printemps dans le lac Mendota, au Wisconsin. Le modele tient compte de l'incertitude dans les estimations, basees sur les echantillons, des valeurs moyennes reelles du phosphore total. Nous utilisons le theoreme de Bayes pour evaluer les parametres du modele et l'incertitude de prevision pour 19 annees de donnees. Lorsqu'on compare avec un modele naif qui ne prend pas en consideration l'incertitude liee au phosphore, le modele tenant compte de l'erreur d'observation presente une variance plus elevee des parametres, mais une incertitude de prevision plus faible. L'incertitude de prevision plus faible survient parce qu'une partie du bruit dans les donnees est traitee comme une incertitude liee au phosphore, reduisant ainsi la variance de du terme de perturbation du modele. Le modele tenant compte de l'erreur d'observation entraine des objectifs moins rigoureux en ce qui a trait a la concentration de phosphore pour obtenir des concentrations d'algues bleu-vert acceptables que ne le fait le modele naif, en raisons de cette incertitude de prevision plus faible.