Du fait d’un temps de génération très court, le phytoplancton peut répondre rapidement aux variations de son environnement. La composition et la structure des communautés phytoplanctoniques est donc susceptible de présenter des variations spatiales et temporelles à petites échelles. La compréhension de ces variations, et l’identification des mécanismes sous-jacents, est un sujet de recherche fondamentale d’actualité, mais également une problématique cruciale dans une perspective de surveillance des écosystèmes marins et de gestion intégrée et durable des environnements côtiers. La variabilité spatiale et temporelle des composition et structure des communautés phytoplanctoniques de la rade de Brest a été caractérisée à l’aide de données inédites et originales issues d’un projet de sciences participatives, ainsi que des données historiques, issues de trois séries temporelles de suivi à long terme, qui n’avaient pas encore été combinées. Ces différentes observations et données, combinées à des approches d’analyses multivariées, ont mis en évidence une spatialisation à petite échelle des communautés phytoplanctoniques, détectable avec des données de communautés présentant différentes résolutions taxonomiques. Cette structuration spatiale locale est associée par ailleurs à une apparente synchronicité de la phénologie des blooms phytoplanctoniques à l'échelle de la rade. Ces patrons de variabilité observés pourraient être expliqués par une combinaison (1) de pressions environnementales qui ont une influence à l’échelle de l’ensemble de la rade de Brest, quelle que soit la station étudiée et (2) de pressions environnementales locales, propre à chaque station. Ces résultats suggèrent que, la variabilité spatiale et temporelle à petite échelle de nombreux milieux estuariens serait à prendre en compte dans une perspective de suivi à long terme et de surveillance, et souligne l’importance de ce type de suivis en plusieurs points d’un même système pour bien comprendre leurs dynamiques.
Building similarity graph...
Analyzing shared references across papers
Loading...
Laura Schweibold
Building similarity graph...
Analyzing shared references across papers
Loading...
Laura Schweibold (Thu,) studied this question.