Écologie fonctionnelle du phytoplancton des lacs tempérés et boréaux : le rôle des facteurs environnementaux sur les communautés nanophytoplanctoniques et la prévalence des stratégies d’acquisition de ressources alternatives
Notice bibliographique
Résumé
La diversité des communautés nanoplanctoniques des lacs est contrôlée par une variété de facteurs biotiques et biotiques, y compris la compétition interspécifique pour les ressources. La diversité des communautés se maintient lorsque les taxons peuvent éviter l'exclusion compétitive, les taxons évitent l'exclusion compétitive s'ils peuvent atténuer la compétition interspécifique au sein de la communauté. En théorie, les taxons peuvent réduire la compétition en se séparant spatialement le long des gradients de ressources verticaux généralement présents dans les systèmes stratifiés. Certains taxons utilisent également des stratégies alternatives d’acquisition des ressources, en particulier la phago-mixotrophie, pour compléter leurs apports en carbone et en nutriments. Cependant, ces deux mécanismes ne sont pas bien étudiés dans les lacs. La structure physique des lacs contrôle la répartition spatiale du nanophytoplancton, et la diversité des communautés est déterminée par une variété de facteurs biotiques et abiotiques en plus de la compétition pour les ressources. Cela limite notre capacité à déterminer si la répartition verticale de la communauté affecte réellement la diversité dans les systèmes naturels. Notre compréhension de la phago-mixotrophie nanophytoplanctonique est également incomplète. D’un point de vue théorique, il n’est pas si évident qu’une stratégie généraliste comme la mixotrophie puisse être viable face à des phago-hétérotrophes et des photo-autotrophes spécialisés. Nous savons également peu de choses sur les facteurs biotiques et abiotiques qui façonnent les assemblages de stratégie de nutrition nanoplanctoniques dans les systèmes d'eau douce. L'objectif de cette thèse est donc d'approfondir notre compréhension des effets de ces processus sur l’assemblage des communautés. Dans le premier chapitre de cette thèse, nous avons étudié comment la répartition spatiale du nanophytoplancton contrôle la diversité taxonomique et fonctionnelle des communautés en conjonction avec la structure de stratification de la colonne d'eau et les interactions de prédations (c.a.d. le broutage par le zooplancton). Le niveau d’agrégation spatiale au sein de la communauté nanophytoplanctonique d'un lac stratifié a été modifié en perturbant sélectivement la structure thermique du lac. Des modèles en équations structurelles ont révélé que des niveaux accrus d’agrégation spatiale n'avaient pas d'effet détectable sur la diversité taxonomique et fonctionnelle de la communauté. L'effet de la compétition interspécifique induite par l'augmentation de l'agrégation spatiale sur la diversité de la communauté était marginal comparé à l'effet de la composition de la communauté zooplanctonique et à la stratification de la colonne d'eau. \nDans une deuxième étude, nous avons testé la viabilité de la phago-mixotrophie nanoplanctonique en tant que stratégie d’acquisition des ressources du point de vue de la compétition pure pour les ressources. Nous avons développé un modèle mathématique de compétition spatiale entre trois stratégies nanoplanctoniques d'acquisition de ressources (phagotrophie pure, mixotrophie et phototrophie pure) et avons étudié les assemblages trophiques prédits par le modèle pour une variabilité des conditions de disponibilité en lumière et en nutriments. Nos résultats montrent qu'une stratégie de nutrition mixotrophique généraliste est viable face aux stratégies spécialisées et que le mixotrophe peut dominer la communauté s'il présente un équilibre fonctionnel mixotrophique adéquat. La position verticale des compétiteurs était également contrastée dans l'espace, et le mixotrophe peut se développer sur une plus grande partie de la colonne d'eau par rapport aux spécialistes. La variabilité fonctionnelle au sein du trait mixotrophe pourrait expliquer pourquoi les stratégies de nutrition alternatives sont omniprésentes dans les environnements aquatiques. Dans le dernier chapitre de cette thèse, nous avons analysé des données de composition de communautés nanophytoplanctoniques provenant de deux campagnes d’échantillonnage de lacs à grande échelle, l'EPA National Lake Assessment aux États-Unis et le projet du NSERC Canadian Lake Pulse Network au Canada. Après avoir évalué le potentiel de mixotrophie des divers genres de nanophytoplancton identifiés dans les deux enquêtes, nous avons estimé la prévalence de la mixotrophie dans des centaines de lacs grâce à des relevés de composition taxonomique. Les mixotrophes se sont avérés omniprésents dans les lacs d'Amérique du Nord, bien qu'ils ne soient pas distribués uniformément dans les écorégions échantillonnées. La disponibilité des nutriments est le principal moteur des assemblages de stratégies de nutrition nanophytoplanctoniques dans les eaux de surface, avec une prévalence plus élevée de mixotrophie dans les lacs plus oligotrophes. L'état trophique du lac contrôle également la composition et la diversité de la partie mixotrophe de la communauté. L'effet de la disponibilité de la lumière sur la prévalence de la mixotrophie est marginal comparé à l'effet de la disponibilité des nutriments. La répartition verticale des taxons et la mixotrophie sont des caractéristiques peu étudiées des communautés de nanophytoplancton dans les lacs, ces résultats sont donc des contributions importantes pour comprendre les mécanismes contrôlant l'assemblage de ces communautés dans les lacs. Ce travail a été conduit à l’aide d’une variété de méthodes numériques, de la modélisation mathématique mécaniste aux analyses multivariées approfondies de grands ensembles de données écologiques, soulignant l'importance des outils numériques pour les études écologiques. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : écologie des communautés, nanoplancton, diversité, traits fonctionnels, phago-mixotrophie, gradients environnementaux
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».