| Introduction |
|
Une compréhension détaillée
de la structure, de la fonction et de la régulation des principaux
écosystèmes s'impose face à la montée
inéluctable des problèmes environnementaux mondiaux
(Mann, 1988; Pahl-Wostl, 1993; Gaedke, 1995). Les modèles
d'équilibre de masse (modèles ECOPATH et modèles
inverses) sont de plus en plus utilisés comme des outils
efficaces et pratiques pour systématiser les écosystèmes
et étudier leurs caractéristiques (Vézina et
Platt, 1988; Christensen et Pauly, 1993; Christensen, 1995; Pauly
et Christensen, 1996; Savenkoff et al., 2001). Ces modèles,
qui permettent de représenter simplement la complexité
d'un écosystème, comportent une description par les
équations d'équilibre de masse des interactions trophiques
entre tous les groupes fonctionnels de l'écosystème.
De tels outils scientifiques vont apporter des renseignements précieux
sur la santé des habitats marins, et leur capacité
à soutenir la production biologique et un développement
durable des eaux marines du Canada.
|
| Ecopath
versus modélisation inverse |
|
L'approche Ecopath utilise les
principes d'équilibre de masse pour estimer les flux (Polovina,
1984; Christensen et Pauly, 1992; Bundy et al., 2000). Chaque groupe
est représenté par une équation d'équilibre
de masse et nécessite six paramètres d'entrée
: biomasse (B), production (P), consommation (Q), efficacité
écotrophique (EE; la fraction de la production qui est soit
utilisée dans le réseau trophique, soit exportée),
la composition du régime alimentaire et les captures commerciales
de chaque groupe. Les équations linéaires sont résolues
par algèbre matricielle pour produire des estimations des
flux qui équilibrent les entrées et les sorties ;
tout paramètre manquant fait l'objet d'une estimation (EE
est estimée si tous les paramètres ont été
entrés). Les exports et la composition du régime alimentaire
doivent toujours être entrés, tandis que, sur les quatre
autres paramètres d'entrée de base (B, P, Q et EE),
trois doivent être entrés. Dans la plupart des cas,
quand toute l'information destinée à faire tourner
un modèle Ecopath est rassemblée, le modèle
n'est pas en équilibre à cause des incohérences
dans l'information. Dans ce cas, les valeurs d'un ou de plusieurs
des paramètres peuvent être changées de façon
itérative jusqu'à obtention d'un équilibre.
En fait, il y a plus d'une façon de construire un modèle
Ecopath, et il n'existe jamais une solution unique pour un modèle.
Toutefois, quand il se trouve dans le modèle certains éléments
qui sont bien connus et que le modélisateur peut traiter
avec une bonne confiance, le nombre de solutions plausibles s'en
trouve réduit. Pour les paramètres moins connus, on
peut avoir recours à l'analyse de sensibilité pour
examiner leurs effets sur le modèle. L'efficacité
écotrophique (EE) permet de vérifier immédiatement
le bilan d'équilibre de masse (Christensen et Pauly, 1992).
Si le modèle n'est pas équilibré, il y a des
flux négatifs vers les détritus, et les valeurs de
EE sont supérieures à un. C'est essentiellement par
essai-erreur qu'on arrive à équilibrer le modèle
dans l'approche Ecopath, soit par intervention de l'utilisateur,
soit par simulations Monte-Carlo.
Pour résoudre les flux, une autre méthode
consiste à calculer la solution qui minimise les carts entre
les entrés et les sorties. Cette approche inverse
fournit un critère global pour une solution optimale (équilibrée)
(Parker, 1977; Enting, 1985; Vézina et Platt, 1988; Vézina
et al., 2000; Savenkoff et al., 2001). Quand le système d'équations
est fortement sous-déterminé, il faut ajouter d'autres
contraintes (relations d'inégalité) pour limiter l'éventail
des solutions possibles et ainsi obtenir une solution significative.
Chaque flux doit être non négatif. De plus, les flux
(consommation, production et exports) ou les ratios des flux (efficacités
métaboliques et écotrophiques) sont supposés
tomber dans certaines plages de valeurs. Les équations d'équilibre
de masse et les contraintes additionnelles réduisent l'éventail
possible des valeurs des flux, et les flux trophiques sont estimés
en utilisant une méthode objective d'optimisation (méthode
des moindres carrés) pour arriver à une solution optimale
(équilibrée) (somme des flux dans le système
aussi basse que possible). Le processus de solution produit ainsi
le réseau de flux le plus simple qui satisfait à la
fois les équations d'équilibre de masse et les contraintes.
La meilleure solution est le modèle qui produit les plus
petites sommes des carrés des résidus pour les équations
d'équilibre de masse des compartiments. La solution minimise
donc les écarts entre les entrées et les sorties.
L'équilibre de masse est ainsi clos par les résidus
(entrées - sorties) et non par les efficacités écotrophiques
comme c'est le cas dans l'approche Ecopath.
|
 |
| Données
utilisées dans la modélisation |
|
À partir des données disponibles
et de l'importance écologique et commerciale des espèces,
le réseau trophique est représenté par un nombre
de compartiments ou groupes fonctionnels (30 à 35 groupes
fonctionnels représentant les principales espèces
pélagiques et benthiques présentes), qui englobent
tous les organismes de l'écosystème et qui sont interconnectés
par des flux de matière. L'estimation de ces interactions
trophiques repose sur la mesure ou l'estimation des principaux processus
métaboliques tels que la consommation, la production et les
prises commerciales pour chaque compartiment vivant, ainsi que d'informations
quantitatives sur la composition de l'alimentation des différents
groupes.
|
| Références |
-
Bowering,
W.R., et Lilly, G.R. 1992. Greenland halibut (Reinhardtius
hippoglossoides) off southern Labrador and northeastern
Newfoundland (northwest Atlantic) feed primarily on capelin
(Mallotus villosus). Netherlands J. Sea Res. 29: 211-222.
Bundy, A., G.R. Lilly, et P.A. Shelton. 2000. A mass balance
model for the Newfoundland-Labrador Shelf. Can. Tech. Rep.
Fish. Aquat. Sci. 2310: xiv + 157 p.
Christensen, V., et D. Pauly. 1992. ECOPATH
II-a software for balancing steady-state ecosystem models
and calculating network characteristics. Ecol. model. 61:
169-185.
Christensen, V., et D. Pauly (Editors).
1993. Trophic models of aquatic ecosystems. ICLARM Conf.
Proc., 26, 390 p.
Enting, I.G. 1985. A classification of
some inverse problems in geochemical modelling. Tellus 37B:
216-229.
Gaedke, U. 1995. A comparison of whole-community
and ecosystem approaches (biomass size distributions, food
web analysis, network analysis, simulation models) to study
the structure, function and regulation of pelagic food webs.
J. Plankton Res. 17: 1273-1305.
Lilly, G.R. 1991. Interannual variability
in predation by cod (Gadus morhua) on capelin (Mallotus
villosus) and other prey off southern Labrador and northeastern
Newfoundland. ICES Mar. Sci. Symp. 193: 133-146.
Mann, K.H. 1988. Towards predictive models
for coastal marine ecosystems, p. 291-316. In: L.R. Pomeroy
and J.J. Alberts (eds.). Concepts of Ecosystem Ecology,
Ecological Studies 67, Springer, New York.
Pahl-Wostl, C. 1993. Food webs and ecological
networks across temporal and spatial scales. Oikos 66: 415-432.
Parker, R.L. 1977. Understanding inverse
theory. Annual Review of Earth and Planetary Sciences 5:
35-64.
Pauly, D., et V. Christensen. 1996. Mass
Balance Models of North-eastern Pacific Ecosystems. Fisheries
Centre Research Reports, University of British Columbia,
Canada, Vol. 4, 131 p.
Polovina, J.J. 1984. Model of a coral reef
ecosystem. The ECOPATH model and its application to French
Frigate Shoals. Coral Reefs 3: 1-11.
Savenkoff, C., Vézina, A.F., et Bundy,
A. 2001. Inverse analysis of the structure and dynamics
of the whole Newfoundland-Labrador Shelf ecosystem. Can.
Tech. Rep. Fish. Aquat. Sci. 2354: viii+56 p.
Vézina, A.F., et T. Platt. 1988.
Food web dynamics in the ocean. I. Best-estimates of flow
networks using inverse methods. Mar. Ecol. Prog. Ser. 42:
269-287.
Vézina, A.F., C. Savenkoff, S. Roy, B. Klein,
R. Rivkin, J.-C. Therriault, et L. Legendre. 2000.
Export of biogenic carbon and structure and dynamics of
the pelagic food web in the Gulf of St. Lawrence. II. Inverse
analysis. Deep-Sea Res. II, 47: 609-635. |
|
|
|
|