Approches quantitatives pour comprendre et prédire l'écologie, la distribution et la biodiversité des habitats benthiques dans l'Anthropocène

Quantitative approaches to understand and predict the ecology, distribution and biodiversity of benthic habitats in the Anthropocene

• Auteur / Autrice : Clément Violet
• Direction : Stanislas Dubois, Martin Marzloff
• Type : Thèse de doctorat
• Discipline(s) : Ecologie marine
• Date : Soutenance le 18/12/2023
• Etablissement(s) : Brest
• Ecole(s) doctorale(s) : École doctorale Sciences de la mer et du littoral (Plouzané)
• Partenaire(s) de recherche : Laboratoire : DYNECO/LEBCO Laboratoire Ecologie Benthique Côtière (Ifremer)
• Jury : Président / Présidente : Emmanuelle Cam
• Jury : Examinateurs / Examinatrices : Stanislas Dubois, Emmanuelle Cam, David Mouillot, Stéphane Dray, Thibaut de Bettignies, Sakina-Dorothée Ayata
• Jury : Rapporteurs / Rapporteuses : David Mouillot, Stéphane Dray

Mots clés

Mots clés contrôlés

Modèles mathématiques

Habitat (écologie)

Écologie benthique

Mots clés libres

Ecologie des communautés

Ecologie numérique

Habitats benthiques

Modélisation

Anthropocène

Community ecology

Numerical ecology

Benthic habitats

Modelling

Anthropocene

Résumé

L’objectif de cette thèse est de mieux comprendre et prédire la biodiversité benthique et le rôle des habitats biogéniques, dans le maintien de la structure et des fonctions des écosystèmes côtiers. Cette thèse a exploré différents outils numériques et des pipelines innovants et complémentaires pour répondre à ces objectifs à différentes échelles : 1) la modélisation jointe de la distribution des espèces dans deux habitats biogéniques à une échelle régionale et 2) la définition et la modélisation, via des approches de Machine Learning, de la distribution de l’état d’habitats benthiques à une échelle globale et nationale. Ces approches complémentaires contribuent à une meilleure quantification de l’influence relative des facteurs environnementaux et anthropiques (notamment épisodes de canicules marines et pression de pêche) qui déterminent la biodiversité côtière et l’état des habitats benthiques. Si dans les deux cas d’étude, la prédictibilité des espèces considérées ou des états était faible, ces travaux ont mis en évidence des stratégies pour optimiser l’inférence et la prédiction des modèles explorés. Ainsi, cette thèse apporte un point de vue critique sur les approches permettant d’étudier et de caractériser la biodiversité côtière, et sur les développements nécessaires pour mieux anticiper les réponses écologiques futures liées aux impacts anthropiques.

This thesis aims at better understanding and predicting coastal benthic biodiversity with a specific focus on the role of biogenic habitats in maintaining ecosystem structure and functioning. This thesis explored how different innovative and complementary numeric tools and pipelines can address these objectives at different scales: 1) joint species distribution modelling across two biogenic habitats at a regional scale, and 2) using Machine Learning approaches, defining and modelling the distribution of benthic habitats states at a global and at a national scale. These complementary approaches quantify the relative influence of the environmental and anthropogenic factors (including marine heatwaves and fishing intensity) that determinecoastal biodiversity and the state of benthic habitats. While in both case studies the predictability of the considered species or states was low, these studies have identified future avenues to optimise models inference and prediction of benthic communities. Thus, this thesis provides a critical perspective on existingapproaches available to study and characterise coastal biodiversity; and on the future developments required to better anticipate future ecological responses related to anthropogenic impacts.