Grâce aux contrôles réguliers des nichées, on peut estimer une probabilité journalière de survie d’une nichée pour 2 phases distinctes, l’incubation et l’élevage. Il est admis qu’au sein de chacune de ces phases, la probabilité de survie reste constante. La durée d’incubation est de 17 jours pour le P. ramier, 14 jours pour la T. turque. On prend en compte pour la période d’élevage la durée minimale pendant laquelle les jeunes restent obligatoirement au nid, soit 22 jours pour le P. ramier, 17 jours pour la T. turque. Au delà, on passe à une phase transitoire où les poussins, bien qu’encore dépendants et à peine volants, peuvent être nourris dans ou à proximité du nid.

Afin de calculer la probabilité de succès de la phase complète (succès à l’éclosion, succès à l’envol), on multiplie par elle-même la probabilité journalière de chaque phase autant de fois qu’il y a de jours dans la phase concernée. Enfin, le produit des probabilités de succès des 2 phases permet d’obtenir la probabilité de succès global, c’est à dire la chance qu’a une ponte de produire au moins un jeune à l’envol. Un nid est retenu pour ce type d’analyse, si (1) on connaît son destin (succès ou échec), (2) on sait à quel stade il a échoué, et (3) la fréquence des contrôles est inférieure à la durée totale d’une des phases concernées. Les nids ayant échoué à un stade indéterminé ne peuvent être utilisés dès lors que l’on cherche à estimer séparément le SR pendant l’incubation et/ ou l’élevage.

Le principe de l’analyse est relativement simple : afin d’expliquer au mieux les variations de SR observé (par phase ou sur la totalité du cycle), on soumet aux données observées différents modèles, c’est à dire un ensemble de variables explicatives. Par exemple on proposera un modèle qui suggère que le SR est constant au cours du temps et entre habitat, un autre avec un effet de l’habitat sur le SR, un autre avec seulement un effet du temps, un autre encore avec un effet croisé de l’habitat et du temps. Ces modèles sont par la suite classés par ordre décroissant d’explication des données: plus le modèle s’ajuste aux données observées, plus il se trouve en tête du classement. Le meilleur modèle étant celui en première position. Dans certains cas on ne peut départager certains modèles qui s’ajustent tous de la même manière aux données. On fabrique alors un modèle qui moyenne l’effet des différents modèles concernés. Dans ce cas les paramètres sont moyennés, en tenant compte des contraintes appliquées par les différents modèles concernés.

Dans les résultats qui suivent, nous présentons pour chaque phase le modèle qui explique le mieux les données observées. Les analyses ont porté sur 2 années consécutives, 2004 et 2005. 2004 avait été analysé dans le cadre de l’audit du programme « colombidés » par le Conseil Scientifique de l’O.N.C.F.S., qui a lieu en novembre 2005. Les résultats seront présentés en regard de 2005 à titre de comparaison.