Modélisation des changements spatio-temporels des communautés de macroinvertébrés benthiques dans les rivières d'Asie et d'Europe

• Main Author: Sor, Ratha
• Other Authors: Toulouse 3
• Language: en
• Published: 2017
• Subjects: Schémas spatiaux; Espèces indicatrices; Biodiversité hotspot; Bêta diversité; Annélides; Crustacés; Mollusques; Spatial patterns; Indicator species; Biodiversity hotspot; Beta diversity; Annelids; Crustaceans; Mollusks
• Online Access: http://www.theses.fr/2017TOU30148/document

Objectifs généraux: les systèmes fluviaux tropicaux et tempérés d'eau douce sont connus pour soutenir différentes communautés biotiques. Dans cette étude, menée dans une région d'Asie tropicale et dans une région d'Europe tempérée, j'ai étudié la composition et la diversité de la communauté des macro-invertébrés benthiques ainsi que leurs variations spatiales et temporelles. J'ai également examiné les influences des variables physico-chimiques de la qualité de l'eau sur les variations et la diversité de la composition de la communauté et j'ai modélisé l'occurrence d'espèces sélectionnées. Localisation géographique: Asie tropicale: le bassin aval du Mékong (LMB), couvrant une superficie de 609 000 km2; Europe tempérée: Europe occidentale, fleuves flamands (Belgique), couvrant une superficie de 13 787 km2. Matériel et méthodes: Pour le LMB, les données recueillies de 2004 à 2008 ont été utilisées et les valeurs médianes de cette période ont été analysées. Pour les rivières flamandes, les données collectées de 1991 à 2010 ont été utilisées. Les données ont été divisées en 4 périodes: D1: 1991-1995, D2: 1996-2000, D3: 2001-2005 et D4: 2006-2010. Les médianes de chaque période ont été utilisées pour des analyses spatiales détaillées. Des analyses multivariées ont été appliquées pour relier la composition et la diversité de la communauté aux variables physico-chimiques. Cinq techniques de modélisation, à savoir la régression logistique (LR), les Random Forest (RF), le Support Vector Machine (SVM), les réseaux de neurones artificiels (ANN) et les arbres de classification (CT) ont été utilisées pour modéliser l'occurrence desespèces sélectionnées. Principaux résultats: Variations de la composition des communautés, diversité et relation avec les variables environnementales Dans le cours aval du Mékong LMB, 299 taxons de macro-invertébrés distribués dans 196 genres et 90 familles ont été identifiées; dont 131 insectes, 98 mollusques, 38 crustacés et 32 annélides. === Overall aims: Freshwater tropical and temperate river systems are known to support different biotic communities. In this study, I investigated benthic macroinvertebrate community composition and diversity and its spatial and temporal variation both in tropical Asian and temperate European regions. I also examined the influences of physical-chemical water quality variables on community composition, variations and diversity, and modelled the occurrence of selected species. Locations: Tropical Asia: the Lower Mekong Basin (LMB), covering an area of 609,000 km2; Temperate Europe: Western Europe, Flemish rivers (Belgium), covering an area of 13,787 km2. Materials and Methods: For the LMB, data collected from 2004 to 2008 were used, and median values of this period were analysed. For Flemish rivers, data collected from 1991 to 2010 were used. The data were divided into 4 periods: D1: 1991-1995, D2: 1996-2000, D3: 2001-2005 and D4: 2006-2010. The medians of each period were used for detailed spatial analyses. Multivariate analyses were applied to relate community composition and diversity to physical-chemical variables. Five modelling techniques namely Logistic Regression (LR), Random Forest (RF), Support Vector Machine (SVM), Artificial Neural Network (ANN) and Classification Tree (CT) were used to model the occurrence of selected species. Main results: Community composition variations, diversity and relationship with environmental variables From the LMB, 299 macroinvertebrate taxa belonging to 196 genera and 90 families were identified: 131 insects, 98 molluscs, 38 crustaceans, and 32 annelids.