ñadésa@n en éîang
255
représente
la
seule
entrée
de
matière
dans
le
système, revient à multiplier
chaque jour par plus de 2 la biomasse de phytoplancton). Mais les valeurs des
autres paramètres, vitesses de filtration et respiration—excression notamment,
sont
encore
trop incertaines pour conclure, et la simulation d‘un broutage du
zooplancton sur le lisier n‘a pu être effectué, le modèle perdant alors toute
stabilité.
.
3°) Limites du modèle :
Ces
limites ont deux causes principales :
La
première
est
l‘instabilité
du
modèle.
L‘emploi d'un seuil minimum à
partir duquel le zooplancton cesse de s'alimenter sur le phytoplancton amortit
nettement le système mais se révèle insuffisant. Dans un système comme l'étang
où
la
population
de
proies peut prendre par moment des valeurs très élevées
{"blooms" planctonique...) le modèle logistique qui lie toujours rigidement la
vitesse
de
croissance
du
prédateur à la concentration en proies apparaît mal
adapté
:
le
prédateur répercute alors intégralement et brutalement la pertu—
bation
d‘où
l'aspect cahotique observé.
L‘approche de Monod
(ou approche Mi—
chaelienne),largement utilisée dans le domaine lacustre et marin (Lehman et al
1975,
1976,
Morisson
et
al.
1981, etc...) serait plus réaliste en imposant un
maximum,
dont
la
signification physiologique est évidente, au taux de brouta—
ge.
La
deuxième
est
la
prise en compte dans le modèle d'une classe de zoo—
plancton seulement.
Or
les
petites formes de zooplancton (nauplii, rotifères)
sont
la
proie
des
jeunes alevins,
jusqu‘au 15ème jour dans nos expériences,
alors que les grosses
formes
(cladocères) sont nettement préférées à partir de
cette
date.
Ainsi,
il
existe
toujours une partie de la population zooplancto—
nique qui n‘étant pas ou peu consommée peut se développer, remontant alors le
niveau
zooplanctonique sous estimé par le modèle,
et
limiter
l'accroissement
phytoplanctonique par contre largement sur—estimé.
De plus, il sera toujours possible d'utiliser des expressions dépendantes
de
la
température,
de
l'inSolation,
de
la
richesse
en
nutriments
etc..
pour
les
paramètres
du
modèle
si
ces
facteurs
ne
peuvent être considérés comme
constants.
Mais
avant
de
passer
à
ce
niveau
supérieur de complexité, il faut
s‘assurer
de
l‘adéquation du modèle de base (exponentiel, logistique, michae—
lien...) à la réalité étudiée.
CONCLUSION
L'élaboration
d‘un
modèle
pour
la
chaine
phytoplancton—zooplancton—
alevins
de
carpe
en
étang a permis
de
souligner l'importance de la qualité
des
données
pour
toute
modélisation
en
étang,
et
la
difficulté
mener
celle—ci
à
bien.
s'il
n‘est
pas
possible
d‘instaurer
une
dialectique
entre
l‘élaboration
du
modèle
et
l‘étude
du
milieu.
Ceci
est
bien
souvent
le
cas,
en
particulier lorsqu'on demande au modélisateur de traiter à postériori des
données
anciennes.
Un
autre
impératif mis en lumière est d'améliorer la qua—
lité
temporelle
des
données.
Des
contraintes
diverses
(manque d'opérateurs,
éloignement...)
limitent
bien
souvent
le
rythme
de
collecte de données en
étang. C'est pourquoi nous avons développé un appareillage autonome et auto—
matique de prise de mesures qui, pour des raisons techniques évidentes, sont
strictement
météorologiques et physico—chimiques.
Ces
mesures
sont
indisso—
ciables
des
relevées
biologiques
manuels
(estimation des biomasses,
des
nu—
triments...)
dont
les
fluctuations
sont
heureusement
généralement plus len—
tes.
Le comportement de la biocénose dépend étroitement de l'insolation et de
la
température
de
l‘eau,
et
il
se
répercute en retour sur l‘oxygène dissout
255
représente
la
seule
entrée
de
matière
dans
le
système, revient à multiplier
chaque jour par plus de 2 la biomasse de phytoplancton). Mais les valeurs des
autres paramètres, vitesses de filtration et respiration—excression notamment,
sont
encore
trop incertaines pour conclure, et la simulation d‘un broutage du
zooplancton sur le lisier n‘a pu être effectué, le modèle perdant alors toute
stabilité.
.
3°) Limites du modèle :
Ces
limites ont deux causes principales :
La
première
est
l‘instabilité
du
modèle.
L‘emploi d'un seuil minimum à
partir duquel le zooplancton cesse de s'alimenter sur le phytoplancton amortit
nettement le système mais se révèle insuffisant. Dans un système comme l'étang
où
la
population
de
proies peut prendre par moment des valeurs très élevées
{"blooms" planctonique...) le modèle logistique qui lie toujours rigidement la
vitesse
de
croissance
du
prédateur à la concentration en proies apparaît mal
adapté
:
le
prédateur répercute alors intégralement et brutalement la pertu—
bation
d‘où
l'aspect cahotique observé.
L‘approche de Monod
(ou approche Mi—
chaelienne),largement utilisée dans le domaine lacustre et marin (Lehman et al
1975,
1976,
Morisson
et
al.
1981, etc...) serait plus réaliste en imposant un
maximum,
dont
la
signification physiologique est évidente, au taux de brouta—
ge.
La
deuxième
est
la
prise en compte dans le modèle d'une classe de zoo—
plancton seulement.
Or
les
petites formes de zooplancton (nauplii, rotifères)
sont
la
proie
des
jeunes alevins,
jusqu‘au 15ème jour dans nos expériences,
alors que les grosses
formes
(cladocères) sont nettement préférées à partir de
cette
date.
Ainsi,
il
existe
toujours une partie de la population zooplancto—
nique qui n‘étant pas ou peu consommée peut se développer, remontant alors le
niveau
zooplanctonique sous estimé par le modèle,
et
limiter
l'accroissement
phytoplanctonique par contre largement sur—estimé.
De plus, il sera toujours possible d'utiliser des expressions dépendantes
de
la
température,
de
l'inSolation,
de
la
richesse
en
nutriments
etc..
pour
les
paramètres
du
modèle
si
ces
facteurs
ne
peuvent être considérés comme
constants.
Mais
avant
de
passer
à
ce
niveau
supérieur de complexité, il faut
s‘assurer
de
l‘adéquation du modèle de base (exponentiel, logistique, michae—
lien...) à la réalité étudiée.
CONCLUSION
L'élaboration
d‘un
modèle
pour
la
chaine
phytoplancton—zooplancton—
alevins
de
carpe
en
étang a permis
de
souligner l'importance de la qualité
des
données
pour
toute
modélisation
en
étang,
et
la
difficulté
mener
celle—ci
à
bien.
s'il
n‘est
pas
possible
d‘instaurer
une
dialectique
entre
l‘élaboration
du
modèle
et
l‘étude
du
milieu.
Ceci
est
bien
souvent
le
cas,
en
particulier lorsqu'on demande au modélisateur de traiter à postériori des
données
anciennes.
Un
autre
impératif mis en lumière est d'améliorer la qua—
lité
temporelle
des
données.
Des
contraintes
diverses
(manque d'opérateurs,
éloignement...)
limitent
bien
souvent
le
rythme
de
collecte de données en
étang. C'est pourquoi nous avons développé un appareillage autonome et auto—
matique de prise de mesures qui, pour des raisons techniques évidentes, sont
strictement
météorologiques et physico—chimiques.
Ces
mesures
sont
indisso—
ciables
des
relevées
biologiques
manuels
(estimation des biomasses,
des
nu—
triments...)
dont
les
fluctuations
sont
heureusement
généralement plus len—
tes.
Le comportement de la biocénose dépend étroitement de l'insolation et de
la
température
de
l‘eau,
et
il
se
répercute en retour sur l‘oxygène dissout