Mécanismes de transport, d'agrégation et de production du krill (Thysanoessa raschii et Meganyctiphanes norvegica) dans l'estuaire et le golfe du Saint-Laurent

Le krill est un crustacé macrozooplanctonique qui joue un rôle clé dans l'écosystème marin pélagique. Il représente une plateforme trophique entre les producteurs primaires planctoniques et les niveaux supérieurs de la chaine alimentaire. Dans un contexte de changements environnementaux, la compréhension des impacts de la variabilité naturelle du forçage physique sur la physiologie du krill et la dynamique des populations apparait essentielle pour mieux appréhender la dynamique, l’évolution et la gestion des écosystèmes marins subarctiques. Dans l'estuaire et le golfe du Saint-Laurent (EGSL), les communautés de krill sont dominées par deux espèces sympatriques, Meganyctiphanes norvegica et Thysanoessa raschii. L'objectif principal de ce projet de recherche était d'étudier, à travers le développement de modèles biophysiques, les effets de la variabilité environnementale sur la distribution, la reproduction et la croissance de ces deux espèces. Le projet nous a permis i) de construire un modèle physiologique spécifique à l'espèce (IBM) pour le stade adulte des deux espèces de krill et de le valider avec les données disponibles ; ii) d'identifier spatiotemporellement les zones de croissance et de reproduction potentielles de l'EGSL pour les deux espèces iii) d'étudier le rôle de la variabilité interindividuelle sur la dynamique de production de T. raschii face à la variabilité environnementale. Dans le premier chapitre, nous avons construit un modèle physiologique basé sur l'individu et spécifique à chaque espèce représentant de manière réaliste le cycle de vie annuel des deux espèces à la station Rimouski située dans l'estuaire du Saint-Laurent. Nous avons montré que la dynamique de production des individus de M. norvegica et de T. raschii était fortement liée à l'environnement alimentaire. Cependant, les deux espèces ont montré des trajectoires de croissance et de reproduction bien différentes, T. raschii montrant une saison de production estivale, alors que M. norvegica montrait une saison de production plutôt automnale. Le modèle a permis de mettre en évidence comment la compréhension et la mise en oeuvre des processus d'alimentation étaient essentielles pour une représentation précise de la dynamique de croissance de chacune des espèces. Dans le deuxième chapitre, nous avons couplé le modèle physiologique développé au chapitre 2 à un modèle de circulation générale 3D et à un modèle biogéochimique de type NPZD, afin d'étudier la dynamique de production à l'échelle de l'EGSL dans son ensemble. Les résultats ont montré une forte saisonnalité du potentiel de croissance et de reproduction des deux espèces, étroitement liée à la dynamique du phytoplancton et du zooplancton, représentant leur champ de proies. Bien que les connaissances soient limitées au nord-est du golfe, les résultats de notre modèle ont montré l'émergence de zones de forte production, dans l'estuaire, dans la région du détroit de Belle Isle, le long de la côte ouest de Terre-Neuve et le long de la côte nord. Notre étude a également mis en évidence l'existence d'un circuit cyclonique de production du krill longeant les rives de l'ensemble de l'EGSL, de la péninsule d'Avalon, au sud de Terre-Neuve, à la rive nord du Québec en traversant le détroit de Belle Isle, durant la saison de production (avril à octobre). Dans le troisième chapitre, nous nous sommes intéressés à quantifier la contribution relative de la variabilité environnementale interannuelle (2003 et 2006) et celle de la variabilité interindividuelle sur la dynamique de production de T. raschii dans le système EGSL. Nos résultats ont montré qu'environ 15% de la variabilité totale des variables d'état du modèle IBM pouvait être expliquée par la variabilité interindividuelle simulée ajoutée au modèle IBM. Les résultats montrent également que l'inclusion de la variabilité interindividuelle n'a pas modifié significativement la réponse de la population en réponse à l’environnement : les mesures de centralité des variables d'état obtenues entre 2003 et 2006 sont restées similaires dans les simulations avec et sans variabilité interindividuelle. Cependant, il en est résulté un élargissement des distributions de fréquence des variables d'état. De plus, une augmentation des réponses positives des variables d'états lors des simulations avec variabilité interindividuelle a également émergé des résultats du modèle pour l'année 2003, évoquant une résistance de la population face à la variabilité de l'environnement. Les résultats de cette thèse fournissent des données importantes pouvant être intégrées dans un plan de gestion écosystémique et constituent une base pour l'étude de la variabilité interannuelle et la compréhension de l'évolution future de la dynamique de production pour les deux espèces.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.