modélisation prédictive des forêts denses de laminaires ... · modélisation prédictive des...
Post on 26-Jun-2020
2 Views
Preview:
TRANSCRIPT
CARHAMB'AR- Brest 3-5 février 2009
Modélisation prédictive des forêts denses de laminaires – Application aux
côtes bretonnes
Vona MELEDER1, Jacques POPULUS2, Brigitte GUILLAUMONT2, Pascal MOUQUET3, Thierry PERROT3, Anouar HAMDI3 et Carla BONETTI4
1Université Nantes Atlantique, MMS, 44322 Nantes, France2IFREMER, DYNECO/AG, 29280 Plouzané, France3CEVA, Pleubian, France4Université de Santa Catarina, Brésil
CARHAMB'AR- Brest 3-5 février 2009
I. Contexte: Programme MESH (Mapping European SeabedHabitats)
- Mai 2004 / Janvier 2008
- 12 partenaires (UK, Irlande,Pays-Bas, Belgique,France)
Objectif :Fournir des standards pour la cartographie d’habitat benthiques marins (acquisition des données, protocole, typologie …)
CARHAMB'AR- Brest 3-5 février 2009
Programme MESH 6 actions
Modélisation prédictive des habitats benthiques marins
Paramètres environnementaux (‘paysages marins’ / ‘marine landscapes’) contrôlent les distribution des espèces et des habitats
Prédiction de l’occurrence des communautés via leur preferenda abiotique (substrat, bathymétrie, exposition à la houle, immersion/émersion, …)
Relations entre l’environnement et la distribution des communautés étudiées (régressions, neural network …)
Carte prédictive
Système d’Informations GéographiquesS.I.G.
D’après Roff and Taylor (2000)
CARHAMB'AR- Brest 3-5 février 2009
II. Communauté à prédire: forets/champs de Laminaires
Algues brunes (Phéophycées ) de l’ordre des Laminariales
Se rencontrent depuis l’infralittoral jusqu’à des hauteur d’eau variables selon la transparence de l’eau (max ~ 30 m)
Densité > 3 pieds.m-2
CARHAMB'AR- Brest 3-5 février 2009
Détection des forets de Laminaires : écho-sonar
Hauteur d’eau
Présence/Absence, nature du substrat ethauteur d’eau
pour 10 sites le long des côtes Bretonnes
5 sites pour la calibrationdu modèle
(été 2005 et 2006)
5 sites pour la validationdu modèle(été 2007)
CARHAMB'AR- Brest 3-5 février 2009
Distribution de fréquences des forets selon la hauteur d’eau: régression par morceaux (Toms et Lesperance, 2003)
Breakpoint H1
Breakpoint H2
Slope2
Slope1
Variables à prédire:
H1, H2 et Slope2 pour h > H1
Fréquences pour h < H1
Méthodologie:Régression pas à pas
CARHAMB'AR- Brest 3-5 février 2009
TRANSPARENCE DE L’EAUKPAR (coefficient d’atténuation des radiation photosynthétiquementactives), fourni à partir des radiances de SeaWiFS (Gohin et al., 2005). Resolution à 1100 m. Moyennes hebdomadaires entre 1998 et 2004. Exemple de la semaine 12.
III. Variables environnementales :
CARHAMB'AR- Brest 3-5 février 2009
TEMPERATURE DE SURFACE, SST (Sea Surface Temperature)Fourni par les radiances du AVHRR. Moyennes hebdomadaires sur les 20 dernières années. Résolution à 1100 m.Exemple de la semaine 12
CARHAMB'AR- Brest 3-5 février 2009
Extraction des valeurs des pixels pour les 5 sites
± 52 values / sites de KPAR et SST
Choix des variables predictives
Moyenne annuelle (KPARyear, SSTyear)Moyennes durant la période de croissance
(KPARgrowth, SSTgrowth)Valeur minimum (KPARmin, SSTmin)Valeur maximum (KPARmax, SSTmax)
Valeurs testées dans les régressions pas àpas
CARHAMB'AR- Brest 3-5 février 2009
COURANTS DE MARÉE (MARS 3D)Vitesse maximum (Vmax) durant une marée d’équinoxe.300 m de résolution.
CARHAMB'AR- Brest 3-5 février 2009
BATHYMERTIC POSITION INDEX, BPI calculé à partir de la bathymétrieRésolution de 150 m.
BPI (Lundblad et al. 2004)
CARHAMB'AR- Brest 3-5 février 2009
SUBSTRAT ROCHEUX (SHOM 1: 50 000 et Vaslet et al. 1979 1: 500 000):masque pour le modèle
CARHAMB'AR- Brest 3-5 février 2009
IV. Construction du modèle: régression pas à pas
Variables biologiques pour 5 sites:H1, H2 and Slope2
Fréquences pour h < H1
Variables environnementales :KPARyear, KPARgrowth, KPARmin, KPARmax,SSTyear, SSTgrowth, SSTmin, SSTmax,Vmax, BPI
Prédiction des variables biologiques pour les côtes bretonnes
Var biol = a SST + b KPAR + c Vmax + d BPI
Validation à partir des 5 autres sites
CARHAMB'AR- Brest 3-5 février 2009
V. Resultats:
H1 = 40.5 - 121.19 × KPARminR2 = 0.87, p ≤ 0.05
Slope2 = - 25.37 + 84.72 × KPARminR2 = 0.60, p ≤ 0.1
H2 = 43.53 - 121.12 × KPARmin + 2.26 × Vmax1.5
R2 = 0.97, p ≤ 0.05
Pour H1 < h < H2:Pour h < H1:
F (%) = 52.5 – 1.64 × BPIR2 = 0.75, p ≤ 0.05
F (%) = Slope2 × (h – H2)
CARHAMB'AR- Brest 3-5 février 2009
H1 = -29.81 + 5.31 × SSTminR2 = 0.88, p ≤ 0.05
Slope2 = 28.53 – 4.23 × SSTminR2 = 0.79, p ≤ 0.05
H2 = -26.86 + 5.33 × SSTmin + 2.07 × Vmax1.5
R2 = 0.98, p ≤ 0.05
Quand les valeurs de KPAR manquent, c’est la SST qui est utilisée,
CARHAMB'AR- Brest 3-5 février 2009
Fréquences observées (sonar) vs.fréquences prédites (modèle) pour h < H1
Le modèle satisfaisant pour des fréquences entre 30 et 60 %
Par contre ne l’est pas pour des fréquences observées < 30 %
VI. Validation du modèle :
La gamme de fréquence pour la calibration < gamme pour la validationBuilding
Validationx = y
ETLe BPI seul n’explique pas la distribution des Laminaires dans les petits fondsETPb d’échelle
CARHAMB'AR- Brest 3-5 février 2009
Modèle est satisfaisant pour 3 sites de validation
Modèle n’est pas satisfaisant pour 2 sites qui présentent des fréquences très faibles.
Modèle satisfaisantMAISNouveaux paramètres àprendre en compteETToujours pb d’échelle
BuildingValidationx = y
Fréquences observées (sonar) vs.fréquences prédites (modèle) pour H1< h < H2
CARHAMB'AR- Brest 3-5 février 2009
Variables biologiques observées (sonar) H1, H2 andSlope2 vs. celles predites (modèle)
Le modèle est satisfaisant pour la prédiction de la limite inférieure des Laminaires
Scenarii Changement Global
CARHAMB'AR- Brest 3-5 février 2009
VI. Carte prédictive :
CARHAMB'AR- Brest 3-5 février 2009
CARHAMB'AR- Brest 3-5 février 2009
VII. Conclusion et perspectives
Le modèle est satisfaisant pour la prédiction des fréquences de présence des Laminaires à l’échelle de la Bretagne pour des hauteurs d’eau comprises entre H1 et H2
Le modèle doit être affiné pour prédire au mieux ces fréquences pour despetits fonds (< H1)
Analyse à méso-échelle afin d’identifier les facteurs responsable de la variabilité intra-site
top related