Un modèle physique-biologie de croissance et survie larvaire

Présentation au sujet: "Un modèle physique-biologie de croissance et survie larvaire"— Transcription de la présentation:

1 Un modèle physique-biologie de croissance et survie larvaire
pour la prévision du recrutement de l'anchois dans le golfe de Gascogne ENSAR CNPMEM Gwenhael ALLAIN, Pierre PETITGAS Pascal LAZURE, Patrick GRELLIER

2 Introduction : le recrutement de l’anchois dans le golfe de Gascogne
Physique Anticyclone mars/juillet Panaches Accore (mélange) Aire de ponte Upwelling Recrutement (observé, en millions) Circulation Rupture de Stratification Coups de vent juin/juillet rec = + a*upwelling - b*rupture strat

3 Modèles trophodynamiques
Régressions à grande échelle Modèles trophodynamiques individu-centrés recrutement - climat empiriques prédiction ? déterministes calibration Couplage physique-biologie Stochastique Lagrangien Données physiques Simulations hydrodynamiques 3D Trajectoires + paramètres Données biologiques Campagnes Otolithes larves + juvéniles Modélisation inférence d’IBM de croissance et de survie Simulation de l’individu à la population : modèle de ponte + intégration

4 Modélisation : transport des larves et juvéniles
Campagne Lieu + date de pêche Otolithe date de naissance Lâcher de particules Dérive des particules (courant moyen 0-30 m) Sélection d’une trajectoire : date de pêche origine environnement « vécu » Couplage physique-biologie

5 ? Modélisation : couplage physique-biologie Bio T S  Kz Phys otolithe
Taux (m/jour) Taux de croissance Bio ? otolithe Histoire de croissance individuelle T S  Kz Phys trajectoire Histoire physique de la masse d’eau (0-30 m)

6 Construire le long des trajectoires des courbes de croissance
Modèle de croissance 102 larves + 89 juvéniles échantillonnés en1999 Ajustement de GAM Le taux de croissance le long des trajectoires dépend de : (74 %) : âge température profondeur de mélange stratification Construire le long des trajectoires des courbes de croissance dépendant des paramètres physiques

7 Taux de croissance (m/jour)
Modèle de survie Trajectoires sélection de larves et juvéniles issus des mêmes pontes Juveniles = survivants parmi la micro-cohorte de larves Comparaison des taux de croissance des juvéniles et larves Distribution du taux de croissance Mortalité liée à la croissance survie Taux de croissance (m/jour) seuil Probabilité de survie à l’âge mort âge (jours)

8 Lâcher des particules chaque semaine, d’avril à août
Simulation : modèle de ponte Lâcher des particules chaque semaine, d’avril à août Zones de ponte + Ogives de ponte Campagnes Avril Juin N oeufs = f (espace, temps)

9 Simulation le long des trajectoires : de la physique à la biologie
Transport 100 jours Physique Biologie 1997 Température Croissance 1998 Stratification Survie

10 rétention sur le plateau
Simulation : intégration et prévision du recrutement espace temps ogive ponte /100 1997 1998 semaines forte rétention sur le plateau faible fenêtres de survie max Recrutement évaluation (CIEM) …à suivre modèle min 97 98 99

11 Particularités du modèle
Conclusion Concepts écologiques : application au GG rétention (sur le plateau) structure verticale (Lasker) fenêtre environnementale optimale (stratification - croissance) Particularités du modèle Physique (+ processus trophiques dépendants) Advection (pas de diffusion) IBMs ajustés sur des données de campagnes Validation et calibration Ponte : campagnes Transport : pêcherie Croissance et survie : campagnes Recrutement : évaluations CIEM Perspectives Série Sensibilité Mécanismes reliant grande et petite échelle Aide à la gestion