Echantillonnage : principes et méthodes



Documents pareils
Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Data issues in species monitoring: where are the traps?

Les macroinvertébrés: des bioindicateurs incontournables pour le monitoring des cours d eau en CH

Chapitre 3 : INFERENCE

«Suivi d un projet Livelihoods» Medan, Indonésie 7 au 11 octobre 2013

23. Interprétation clinique des mesures de l effet traitement

«Poursuivre au-delà de BEEST : une approche fonctionnelle basée sur les traits de vie des espèces en relation avec l habitat».

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

Traits fonctionnels : concepts et caractérisation exemples des prairies Marie-Laure Navas, Eric Garnier, Cyrille Violle, Equipe ECOPAR

Statistiques Descriptives à une dimension

4. Résultats et discussion

UFR de Sciences Economiques Année TESTS PARAMÉTRIQUES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, LES STATISTIQUES INFERENTIELLES

Les oiseaux migrateurs en recherche

Introduction à l approche bootstrap

Résultats du monitoring de la grippe aviaire au cours de l année 2014

Placettes vers de terre. Protocole Fiche «Description spécifique» Fiche «Observations»

Végétaux Exemples d individus

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année UE «Introduction à la biostatistique»

Bienvenue sur la planète des insectes!

Granulés anti-limaces : pas sans risques!

Population responses to environmental forcing : approaches to model and monitor habitat characteristics

LE MONITORING DE LA BIODIVERSITE EN SUISSE. Hervé LETHIER, EMC2I

Théorie des sondages : cours 5

Résultats du monitoring de la grippe aviaire au cours de l année 2013

2.0 Interprétation des cotes d évaluation des risques relatifs aux produits

INF6304 Interfaces Intelligentes

DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES

Mesures et incertitudes

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Principe d un test statistique

- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE

Annexe commune aux séries ES, L et S : boîtes et quantiles

L intelligence collective des fourmis

Séries Statistiques Simples

Les méthodes de luttes : De la protection «systématique» à la Protection Intégrée (P.B.I.)

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES

ÉVALUATION DU DORÉ JAUNE (Sander vitreus) DU LAC TATHLINA, DANS LES TERRITOIRES DU NORD-OUEST

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

En 2014, comment mener à bien une enquête aléatoire en population générale par téléphone?

Oscillations libres des systèmes à deux degrés de liberté

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.

Table des matières. I Mise à niveau 11. Préface

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R

TSTI 2D CH X : Exemples de lois à densité 1

Probabilité. Table des matières. 1 Loi de probabilité Conditions préalables Définitions Loi équirépartie...

Introduction au datamining

données en connaissance et en actions?

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

Analyse de la variance Comparaison de plusieurs moyennes

Chapitre 2/ La fonction de consommation et la fonction d épargne

La classification automatique de données quantitatives

Modélisation multi-agents - Agents réactifs

Aide-mémoire de statistique appliquée à la biologie

I - Quelques propriétés des étoiles à neutrons

Evaluation de la variabilité d'un système de mesure

Logiciel XLSTAT version rue Damrémont PARIS

T de Student Khi-deux Corrélation

Capacité Métal-Isolant-Semiconducteur (MIS)

CHOU BIOLOGIQUE. Evaluation d aménagements floristiques sur la répartition intra-parcellaire des auxiliaires

Christophe SANNIER

Soutenance de stage Laboratoire des Signaux et Systèmes

Item 169 : Évaluation thérapeutique et niveau de preuve

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Comment concevoir son lit biologique

CHROMATOGRAPHIE SUR COUCHE MINCE

Petit conservatoire dans un jardin des Collines du Paradis

Comptes des changements de la biodiversité des systèmes et des espèces

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

GUIDE CONSO-CITOYEN : LES ESPÈCES PROFONDES

CONCEPTION ET TIRAGE DE L ÉCHANTILLON

Précision d un résultat et calculs d incertitudes

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1

TD1 Signaux, énergie et puissance, signaux aléatoires

Collecte des données. Un impératif pour le succès de la gestion des pêches. L expérience canadienne de la pêche au thon rouge de l Atlantique

SOMMAIRE CYCLE 1. Des jeux tout prêts. Des activités à préparer. Les solutions

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Régionalisation des régimes de perturbations et implications pour l aménagement dans un contexte de changement climatique

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

Plan d action Gentianella germanica (Willd.) Börner

LES DECIMALES DE π BERNARD EGGER

CAPTEURS - CHAINES DE MESURES

1.2. REALISATION DES OPERATIONS DE PRELEVEMENTS ET D ANALYSES

Probabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen

TABLE DES MATIÈRES. 1.3 Généralité Le personnel des animaleries doit aviser l assistant-chef si cette procédure ne peut être respectée.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

La nouvelle planification de l échantillonnage

Une espèce exotique envahissante: Le Roseau commun. ou Phragmites australis

Estimation: intervalle de fluctuation et de confiance. Mars IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

Mesure du volume d'un gaz, à pression atmosphérique, en fonction de la température. Détermination expérimentale du zéro absolu.

Chapitre 3. Les distributions à deux variables

Glossaire de termes relatifs à l assurance de la qualité et aux bonnes pratiques de laboratoire

SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique

Chaine de transmission

Les bases de données Les systèmes d informations

Transcription:

Echantillonnage : principes et méthodes

Plan du TD 1. Introduction : Généralités 2. Stratégies d échantillonnage 3. Les principales méthodes 4. Méthode de Capture / Marquage / Recapture 5. Méthode des quadrats

1. Introduction

Introduction Plusieurs raisons de recenser le vivant Estimer la taille d une population Suivre les changements dans le temps d une population Caractériser une communauté vivante Déterminer l intérêt écologique d un site

Introduction Pour estimer des effectifs, avant tout REFLECHIR Échantillonnages Analyses Interprétations

Introduction Plan d étude Le plan d étude représente simplement le processus qu il faut entreprendre au moment d élaborer une étude scientifique. Étude «scientifique» = objective, contrôlée, précise. «L étape la plus critique de la mise en œuvre et de la réalisation d une étude [de surveillance] n est pas la collecte des données, la présentation ou l interprétation, mais plutôt le plan. Un plan réalisé avec soin permettra d accroître l efficacité, de réduire les coûts et de donner lieu à une meilleure interprétation.» (Jones, K.B. 1986. The Inventory and Monitoring Process. pp. 1-10 dans A.Y. Cooperrider, R.J. Boyd et H.R. Stuart (eds.). Inventory and Monitoring of Wildlife Habitat.)

Introduction Pourquoi est-ce important? En ne portant pas une attention suffisante au plan, vous risquez, au mieux, de perdre votre investissement en temps et en argent sous forme de résultats non décisifs. Au pire, vous agirez à partir d une information erronée et vous ferez plus de tort que de bien. Contrôler le biais dans vos données Améliorer la précision et l exactitude Tenir compte des hypothèses biologiques et statistiques Réduire le risque d erreur Fournir une information de meilleure qualité Permettre une gestion adaptative efficace

Introduction Classes de variables : Variables Réponses Variables explicatives Variables devant être sous-entendues ou prévues (ex.,abondance des oiseaux forestiers). C est la variable qu on cherche à expliquer. Variables utilisées pour expliquer ou prédire la réponse (ex., type de forêt) Variables perturbatrices Variables susceptibles de masquer ou de confondre les relations d intérêt (ex., roulement du personnel pendant l échantillonnage) Variables contrôlées Variables utilisées dans le plan afin d éliminer le biais potentiel, généralement au moyen de blocage temporel ou spatial (ex., taille de la parcelle forestière, saisonnalité).

Introduction Population cible, population échantillonnée et échantillon : Population cible Population échantillonnée Échantillon Total des unités de collecte au sujet desquelles vous voulez faire une inférence La mesure de l ensemble des unités de votre population cible est un recensement. Il est fréquent que des éléments de la population cible ne puissent être mesurés; un sousensemble est alors mesuré. Il s agit là de la population échantillonnée. Collecte des unités (échantillons répétés) à l intérieur de la population échantillonnée qui sont effectivement mesurées.

Introduction Information recherchées? Nombre précis (nombre d individu) Données quantitatives (nombre pour une surface donnée) Données qualitatives (présence absence, abondances relatives) Suivi temporel

Introduction Echelles Petite échelle (Paysage) Méthodes quantitatives à associer avec une cartographie Grande échelle (Régionale) Méthodes qualitatives

2. Stratégies d échantillonnage

Échantillonnage aléatoire : Il s agit de la stratégie d échantillonnage la plus simple. Les échantillons sont sélectionnés sans tenir compte de la structure sousjacente. On l utilise lorsque la zone d étude est homogène. Également utilisé lorsque la taille des échantillons est grande de sorte que la gamme des conditions renferme probablement suffisamment d échantillons répétés.

Échantillonnage systématique : La structure sous-jacente de la population cible est inconnue. On assume qu il y aura une ou des variables perturbatrices, mais on n a pas assez d information pour créer des strates. Les échantillons sont étalés de façon systématique et uniforme dans la zone d étude (généralement avec un point de départ aléatoire) afin de tenter de répliquer la structure inconnue.

Échantillonnage stratifié : La zone d étude est bloquée conformément à certaines variables contrôlées. Les strates peuvent être définies au moyen d une variable ou d une combinaison de plusieurs variables. Les échantillons sont prélevés au hasard dans chaque strate. Le nombre d échantillons par strate devrait être égal ou très approchant (plan équilibré). Ce type d échantillonnage réduit les erreurs d échantillonnage et augmente la précision.

Dispositif expérimental (exemple du suivi de gestion) Nécessité d un état témoin ou cible Paramètres? Exemple : population, assemblages, groupes fonctionnels Approches : diachronique et / ou synchronique Réplicats intra-stations et spatiaux (pseudo-réplication : Hulbert 1984 ; mais facteurs inter-sites : Oksanen 2001)

To Témoin Avant Gestion Espèces communes Témoin T+n Gestion Evolution naturelle Après Gestion Espèces communes Témoin

To Site avant gestion E Espèces communes D Site témoin F J J T+n Gestion B A Evolution naturelle C Site après gestion H Espèces communes G Site témoin I

3. Principales méthodes d échantillonnage

Echantillonnage Arthropodes terrestres et aériens 1. Pièges d interception

Pièges au sol = pièges Barber = «Pitfall traps»

Cadre en plexiglass Pièges englués Gouttière collectrice

Pièges d interception aérien (Tente Malaise et autres)

Piège Lindgren (Lindgren Funnel Trap, piège à Scolytes) Piège pour les coléoptères qui creusent des galeries dans les arbres (Scolytidae surtout). Fait d une série d entonnoirs superposés. Se fonde sur la tendance de l insecte à se laisser tomber au sol lorsqu il perd prise en essayant de se poser. Peut être appâté avec des phéromones, des substances extraites de l arbre qui sert d hôte (alpha-pinène, par exemple), de l alcool ou de la térébenthine. Insectes recueillis dans le contenant à la base. Contient un liquide de conservation.

- Fumigation Autres méthodes (canopée) - Arboglisseur - Pièges aériens

2. Pièges d attraction («interception active») Pièges au sol avec appâts... Peut être rendu plus efficace et surtout sélectif en y ajoutant un appât. Viande faisandée Fruits trop mûrs Grillage pour empêcher que l appât soit volé par de petits mammifères [XH] Figure 2 : Piège de type CSR. Vu en coupe Aussi avec cadavres, fèces (Coléoptères Scarabaeoidea)...

- Pièges «jaunes» Pièges à phéromones Utilisent des phéromones sexuelles pour attirer certaines espèces bien précises. Très sélectifs. N attirent qu une espèce bien spécifique et qu un seul sexe (mâles en général) Inconvénient : coût élevé Pièges lumineux Permet d établir des indices d abondance. L intérieur est badigeonné d une colle qui capture les insectes qui pénètrent dans le piège - Piège à Phéromones

Pièges lumineux Pales Pièges lumineux... Rendement élevé entre le couché du soleil et minuit. Généralement, on le relève à toutes les demiheures. Batterie Tube à rayons UV (10 ou 15 W) Piège lumineux simplifié. Ne permet qu une collecte manuelle et sélective (pas vraiment de résultats chiffrés utilisables)

3. Techniques «actives» Filet fauchoir Filet à papillons Parapluie japonais

Aspirateur à bouche Quadrats

Berlèse 20 à 50 cm Prélèvement sol, litière (carré, cylindre)

Méthode d interception passive absolue

Echantillonnage Arthropodes aquatiques Filet Surber Troubleau

Tamis

Echantillonnage Vertébrés Epuisement des stocks (e.g. poissons) Méthodes standardisées d épuisement des stocks sur plusieurs passages sans remise Points d écoute (e.g. oiseaux) Pêche électrique Cages (e.g. mammifères)

A retenir Complémentarité des méthodes (relative, mais standardisation possible) Protocole : fonction du paramètre et du taxon étudiés Protocole : compromis temps/argent/questions aussi Nécessité de tenir compte de l auto-écologie et de la biologie: Protocole et Interprétation

4. Marquage recapture

Marquage - Recapture Principe: Il s agit de prélever une fraction de la population, de la marquer et de réaliser des recaptures ultérieures simples (Petersen) ou multiples (Schnabel; Jolly-Seber). Lors des (ou de la) recapture (s), le rapport des individus marqués sur les non marqués ou sur la succession des recaptures permet d estimer la taille la plus probable de la population.

Marquage - Recapture Postulat 1 : L échantillon doit être suffisamment grand pour être représentatif de la population. Très difficile à estimer à priori Généralement, il faut marquer plus de 50% de la population sous peine d obtenir des estimations peu fiables

Marquage - Recapture Postulat 2 : Le marquage doit être inaltérable (pas de perte, lecture garantie, pas de mortalité due au marquage) durant toute la durée de l'expérimentation. L'effet du marquage doit être testé. Un succès complet de l'opération de marquage doit être observé (période d apprentissage) avant les opérations de marquage - recapture.

Marquage - Recapture Postulat 3 : Le marquage ne modifie en rien le comportement de l échantillon. C est à dire que tous les animaux marqués présents dans la population au temps i ont la même propriété d observation P i. Mais également, tous les individus nouvellement marqués à l occasion i ont la même probabilité de survie jusqu au temps i+1. Cet effet doit être testé.

Marquage - Recapture Postulat 4 : La probabilité de capture d un individu marqué doit être identique à celle d un individu non marqué (même vulnérabilité, P i identique). Cet effet doit être testé. Par exemple nous pouvons analyser les structures de taille entre les individus marqués et les individus recapturés qui ne doivent pas montrer de différences.

Marquage - Recapture Postulat 5 : Tous les échantillonnages sont instantanés, relativement à l intervalle entre les occasions d échantillonnage i et i+1. Les campagnes de captures sont réalisées à intervalles réguliers pour des conditions environnementales les plus similaires possible.

Marquage - Recapture Postulat 6: Les phénomènes d immigration et d émigration doivent être négligeables. Les sites d études sont souvent fermés.

Méthode de Petersen Principe : La méthode de Petersen fait appel à un recensement unique (capture, marquage, recapture ou CMR). La proportion d individus marqués est supposée constante. C està-dire que les modifications intervenant entre les opérations doivent être négligeables (mortalité, recrutement, immigration et émigration).

Méthode de Petersen Supposez qu on capture un échantillon d animaux au sein d une population, qu on leur pose une marque individuelle, qu on les relâche et qu on leur laisse le temps de se «remélanger» au sein de la population. Puis, supposez qu on capture à nouveau un échantillon d animaux dans cette population, alors il est raisonnable de penser que la proportion d animaux marqués au sein de ce second échantillon est la même qu au sein de la population toute entière. Si, M : nbre d animaux initialement marqués puis relâchés C : nbre d animaux du second échantillon R : nbre d animaux marqués, trouvés dans le 2nd échantillon N: la taille totale de la population (c est ce qu on cherche à connaître) Alors, il est logique que : Formule 1: R/C = M/N ou N = (C+1) (M+1)/(R+1)

Méthode de Petersen Formule : Variance de N = (M + 1) 2 (C + 1) (C R) (R + 1) 2 (R + 2) Erreur standard = (variance de N) Limite de confiance (95%) = N 2 (erreur standard)

Types de marques Bague oiseau Marque magnétique Marquage manuel Collier émetteur Etiquette nageoire poisson

5. Méthode des quadrats

Méthodologie Quadrat Comptage de nombre d individus sur une surface standard Quadrat standard (même surface, même effort) Echantillons aléatoires, systématiques ou stratifiés Effectif moyen et variance

Moyenne Pour un échantillon, la moyenne arithmétique s obtient en divisant la somme des données relatives à la variable x par l effectif N de l échantillon. μ x i N

Variance La variance représente l écart moyen des données d un échantillon par rapport à la moyenne. Elle exprime la distance moyenne des données d un échantillon par rapport à la moyenne de la distribution. (x μ s 2 i N ) 2

Indice de répartition L indice de répartition est le rapport entre la variance et la moyenne. I = variance / moyenne Sa valeur, <, = ou > 1 permet de connaître le type de répartition spatiale de la population échantillonnée.

Répartition spatiale régulière Lorsque les individus se trouvent à peu près à la même distance les uns des autres, le nombre d individus moyen par unité de surface est à peu près constant. I = S 2 / m < 1 Faible variance, forte symétrie, sous-dispersion................................................................................

Répartition spatiale régulière Nombre d échantillon Si on trace le graphe représentant la fréquence des différents effectifs obtenus, on observe que : - le graphe sera symétrique puisque les individus sont répartis régulièrement (les seuls écarts à la moyenne sont dus à l'erreur d'échantillonnage qui elle est aléatoire) rq: la symétrie parfaite n'est pas parfaite évidemment, toujours à cause de l'erreur d'échantillonnage. Nombre de capture

Répartition spatiale régulière Ce type de répartition apparaît en cas de comportement territorial. Les individus maintiennent les uns par rapport aux autres un espace pour réduire la compétition intraspécifique Humains sur une plage ou salle d attente: les ind. quand ils ne se connaissent pas se positionnent tous le + loin possible les uns des autres ce qui conduit à une répartition très régulière Régularité d espacement des hirondelles sur les lignes téléphoniques: (chaque ind. est placé exactement hors de porté du bec de son voisin), Buissons dans les zones arides: cette régularité est due à une compétition entre racines, car chaque buisson a besoin d une grande surface pour collecter le peu d humidité présent et tend à inhiber les repousses dans ses environs immédiats.

Répartition spatiale en agrégats Les individus forment des groupes. L espace entre les groupes, où les individus isolés sont relativement rares, est important. I = S 2 / m > 1 Forte variance, forte dissymétrie, sur-dispersion

Répartition spatiale en agrégats Nombre d échantillon Si on trace le graphe représentant la fréquence des différents effectifs obtenus, on va observer : une courbe fortement dissymétrique avec beaucoup de valeurs faibles (voire nulles), quelques valeurs moyennes et de rares valeurs extrêmement élevées. Nombre de capture

Répartition spatiale en agrégats La répartition agrégative se caractérise par une tendance des animaux à se regrouper. Les individus exercent entre eux une attraction mutuelle pour vivre en groupe. 3 causes agissent en synergie: Hétérogénéité de la ressource (certains habitats + favorables que d autres) Comportement grégaire (recherche active de la compagnie de congénères) Capacités de dispersion faible par rapport aux capacités de reproduction (signifie que si une espèce est peu mobile ou au moins des juvéniles peu mobiles, on va tendre à trouver les ind. en groupes au moins à certaines périodes du cycle de reproduction. Ce phénomène sera exacerbé si la capacité de reproduction est élevée) Ex.: colonies de bactéries ou pucerons, littorines en milieu tidal, Et c est une caractéristique de la plupart des plantes

Répartition spatiale aléatoire Les individus sont répartis totalement au hasard. Il y a donc des espaces vides et des agrégats. I = S 2 / m = 1 Dispersion au hasard

Répartition spatiale aléatoire Nombre d échantillon Les individus ont une parfaite indépendance les uns des autres. Ou alors, les individus de la population utilisent indifféremment les habitats de leur environnement. = distribution intermédiaire entre une répartition régulière et en agrégat Nombre de capture

Test de la répartition H0: la répartition spatiale est aléatoire soit I statistiquement non différent de 1. Or I (n 1) suit une loi du khi 2 avec n 1 degré de liberté. n : nombre d échantillons

Quelques références... Harvey P.R., Nellist D.R. & Telfer M.G. 2002. Provisional Atlas of British spiders (Arachnida, Araneae), volumes 1 & 2, Biological Records Centre, Huntingdon, 406 p. Hurlbert S.H. 1984. Pseudoreplication and the design of ecological field experiments. Ecological Monographs 54:187-211. Lobo J.M., Lumaret J.-P. & Jay-Robert P. 1998. Sampling dung-beetles in the French Mediterranean area: effects of abiotic factors and farm practices. Pedobiologia 42:252-266. Luff M.L. 1975. Some features affecting the efficiency of pitfall traps. Oecologia 19:345-357. Oksanen L. 2001. Logic of experiments in ecology: is pseudoreplication a pseudoissue? Oikos 94:27-38. Southwood T.R.E. 1966. Ecological methods, with particular reference to the study of insect populations. Chapman and Hall, London, 524 p. Sunderland K.D., De Snoo G.R., Dinter A., Hance T., Helenius J., Jepson P., Kromp B., Samu F., Sotherton N.W., Toft S. & Ulber B. 1995. Density estimation for invertebrate predators in agroecosystems. In: Arthropod natural enemies in arable land, I. Density, spatial heterogeneity and dispersal: 133-162 (S. Toft & W. Riedel, Eds.). Aarhus University Press, Århus. Tomé M.A.M., Gonzalez J.A., Gayubo S.F. & Torres F. 2001. Estudio comparativo sobre la efficienca de captura de insectos (Arthropoda, Hexapoda) mediante trampas Malaise, en un biotopo arenoso de la submeseta (Espaňa). Bol. R. Soc. Esp. Hist. Nat. (Sec. Biol.) 96:231-241. Topping C.J. & Luff M.L. 1995. Three factors affecting the pitfall trap catch of linyphiid spiders (Aranea : Linyphiidae). Bulletin of the British arachnological Society 10:5-38. Topping C.J. & Sunderland K.D. 1992. Limitations to the use of pitfall traps in ecological studies exemplified by a study of spiders in a field of winter wheat. Journal of Applied Ecology 29:485-491.