Éditeur(s) : Université de la Rochelle
Résumé : In order to better understand the functioning of the Brouage intertidal mudflat (Marennes- Oléron Basin, France), its carbon-based trophic web has been modelled and analyzed. The foodweb building is based on the 4 step method of Inverse Analysis: 1) conceive an a priori model as the graph of compartments (nodes) between which exist fluxes of material (vertices). These vertices are the unknowns for the problem; 2) gather all the existing knowledge about the ecosystem and translate it into linear equations and inequalities involving the fluxes; 3) complete this set of data by common knowledge on the behaviour of the compartments and translate it into inequalities, 4) solve the obtained linear system under the parsimony principle to find a unique solution vector. The food-web analysis is based on. The first purpose of this work was a methodological one: inverse analysis method has been adapted to consider the seasonal and spatial variability of the temperate ecosystem: two seasons have been coupled in the computation and the area has been divided into three geographical zones along a cross-shore gradient. Hence, two types of physical exchanges are involved: the benthicpelagic ones and the advection ones. Statistical results can also be obtained by coupling Monte Carlo methods to Inverse Analysis. To study the obtained networks, new indices based on Markov Chains take delay into account in describing integrative transfers of material between compartments. This lets emerge the systems' properties that are not obvious at first sight and emphasizes the role of peculiar components. The second purpose was to apply such methods to the Brouage mudflat ecosystem in order to better understand its functioning. As the knowledge and methods evolve, various food webs were computed and analyzed with the help such indices and existing ones. Sensitivity analyses allow to point at the most crucial lacks of knowledge, which can orientate future field research. New data would improve the quality of the model in two ways: one the one hand, they would validate or invalidate the outcomes and on the other hand, they would give useful information to better constrain some of the black boxes and most uncertain fluxes, especially the advection and vertical flows. The main results of the study show a strongly seasonal system in which benthic and pelagic components are linked with intensity. The system is driven by its high local benthic primary production, but also depends on imports from the basin. Each of the 3 geographic zones has a peculiar functioning. The central zone corresponds to the classical description of European intertidal mudflats: very productive, it can feed the other regions. It is a production zone. The upper part is less productive but is fed by the middle one via the water column and can be exploited by shorebirds. It is a degradation zone (material is transformed for less qualitative). The lower part strongly depends on the basin imports for its functioning, as the cultivated bivalves act as a pump for pelagic material of which a great part is deposited under the cultivation structures (oyster racks or mussels "bouchots"). It is a transformation zone.
Un double objectif (méthodologique et appliqué) a été visé par une modélisation du réseau trophique de la vasière de Brouage (Bassin de Marennes Oléron, France) à l'aide de l'analyse inverse, et son étude à l'aide de l'analyse des réseaux. L'Analyse Inverse permet en effet de reconstruire l'ensemble du réseau à partir de données éparses, le problème du manque de données étant récurrent en Ecologie. Au plan méthodologique, l'analyse inverse a été adaptée à la prise en compte des caractères saisonnier et spatialement hétérogène d'un écosystème tempéré de zone intertidale : deux saisons ont ainsi été couplées et la vasière a été considérée le long d'un transect perpendiculaire au rivage et divisé en trois zones spatiales. Deux types de flux physiques interviennent donc : les flux verticaux de dépôt et remise en suspension, et les flux d'advection via la colonne d'eau. Des pistes d'amélioration et de nouvelles méthodes sont proposées. Un résultat sous forme statistique peut être obtenu en couplant l'utilisation de méthodes de Monte Carlo à l'analyse inverse pour la construction des réseaux trophiques. Les moyens d'étude des modèles ont été enrichis par la mise au point d'indices issus de la construction de chaînes de Markov et prenant en compte le caractère temporel des transferts de matière entre compartiments. Enfin, la transformation mathématique du modèle statique pour une étude dynamique de la stabilité de l'équilibre décrit est abordée. Plusieurs modèles ont été construits au cours de l'évolution des méthodes et de l'acquisition de connaissances sur le site. Des méthodes d'analyses existantes et d'autres mises au point dans le cadre de cet ouvrage ont été appliquées aux réseaux obtenus afin de faire émerger les propriétés du fonctionnement de la vasière et de souligner le rôle de certains compartiments. Des analyses de sensibilité permettent d'évaluer la robustesse des résultats et d'orienter les recherches futures en mettant en évidence les manques les plus cruciaux. Des données supplémentaires, notamment concernant les foraminifères benthiques, le zooplancton ou les mouvements verticaux du microphytobenthos permettront de fournir de meilleures contraintes et de valider (ou non) les résultats obtenus. Les principaux résultats montrent un système au fort caractère saisonnier dont les compartiments benthiques et pélagiques sont très liés. La production primaire benthique locale est un moteur important, mais qui ne suffirait pas à suppléer l'indispensable importation de matériel détritique. Le découpage de la vasière en trois zones fait apparaître les particularités de chacune. La zone centrale correspond à la description classique des « vasières intertidales européennes » : très productive, elle peut alimenter les autres régions. C'est une zone de production et d'exportation. La partie supérieure est moins productive et reçoit de la matière de la zone de milieu d'estran via la colonne d'eau. Sa production secondaire peut alors être exploitée par les limicoles, nombreux en hiver. C'est une zone de dégradation et d'exportation. Le bas d'estran dépend fortement des importations extérieures, « pompées » par les bivalves cultivés qui sont ainsi directement responsables d'une forte sédimentation sous les structures mytilicoles et ostréicoles. C'est une zone de transformation.

Droits : info:eu-repo/semantics/openAccess
http://archimer.ifremer.fr/doc/2005/these-2260.pdf
http://archimer.ifremer.fr/doc/00000/2260/

Éditeur(s) : HAL CCSD INRIA
Résumé : International audience
Computational probabilistic modeling and Bayesian inference has met a great success over the past fifteen years through the development of Monte Carlo methods and the ever increasing performance of computers. Through methods such as Monte Carlo Markov chain and sequential Monte Carlo Bayesian inference effectively combines with Markovian modelling. This approach has been very successful in ecology and agronomy. We analyze the development of this approach applied to a few examples of natural resources management.
La modélisation probabiliste et l'inférence bayésienne computationnelles rencontrent un très grand succès depuis une quinzaine d'années grâce au développement des méthodes de Monte Carlo et aux performances toujours croissantes des moyens de calcul. Au travers d'outils comme les méthodes de Monte Carlo par chaîne de Markov et les méthodes de Monte Carlo séquentielles, l'inférence bayésienne se combine efficacement à la modélisation markovienne. Cette approche est également très répendue dans le domaine de l'écologie et l'agronomie. Nous faisons le point sur les développements de cette approche appliquée à quelques exemples de gestion de ressources naturelles.
ARIMA

inria-00506383
https://hal.inria.fr/inria-00506383
https://hal.inria.fr/inria-00506383/document

Éditeur(s) : HAL CCSD INRIA
Résumé : International audience
Markov chain Monte Carlo (MCMC) methods together with hidden Markov models are extensively used in the Bayesian inference for many scientific fields like environment and ecology. Through simulated examples we show that the speed of convergence of these methods can be very low. In order to improve the convergence properties, we propose a method to make parallel chains interact. We apply this method to a biomass evolution model for fisheries.
Les méthodes de Monte Carlo par chaînes de Markov (MCMC) couplées à des modèles de Markov cachés sont utilisées dans de nombreux domaines, notamment en environnement et en écologie. Sur des exemples simples, nous montrons que la vitesse de convergence de ces méthodes peut être très faible. Nous proposons de mettre en interaction plusieurs algorithmes MCMC pour accélérer cette convergence. Nous appliquons ces méthodes à un modèle d'évolution de la biomasse d'une pêcherie.
ISSN: 1638-5713

inria-00506386
https://hal.inria.fr/inria-00506386
https://hal.inria.fr/inria-00506386/document
https://hal.inria.fr/inria-00506386/file/campillo2008d.pdf