Modélisation qualitative d’un écosystème halieutique Application d’EcoMata en mer du Nord Charlotte Paillette Christine Largouet, Didier Gascuel, Guy Fontenelle [email protected] Laboratoire d’informatique d’Agrocampus Ouest 1 Plan Principe de la modélisation qualitative par automates Objectifs Outils et application Construction à l’aide du logiciel EcoMata Initialisation des scenarii Paramètres biologiques Pressions de pêche Matrice des consommations Analyse des sorties du modèle Simulation des évolutions de biomasse Limites du modèle Perspectives et Requêtes 2 Modélisation par automates Initialisation des scenarii Analyse des sorties Objectifs Modéliser qualitativement un écosystème Observer les effets des pressions anthropiques sur les différents groupes Tester le modèle EcoMata en comparant abondances observées et simulées sur différentes périodes de temps La modélisation qualitative permet-elle de simuler les dynamiques du système dans le cadre de systèmes pauvres en données? 3 Modélisation par automates Initialisation des scenarii Analyse des sorties Outils de modélisation Automates temporisés Modélisation de type système à évènements discrets Simulation des dynamiques par des cascades d’évènements Implémentation de l’approche dans le logiciel EcoMata EcoMata Représentation graphique Automatisation Requêtes 4 Modélisation par automates Initialisation des scenarii Analyse des sorties Automates appliqués a un écosystème Etats stables Etats transitoires Transition Instantanées Incertitude temporelle Cascades d’évènements menant à différentes trajectoires 5 Modélisation par automates Initialisation des scenarii Analyse des sorties Construction des automates Construction simple avec EcoMata 6 Modélisation par automates Initialisation des scenarii Analyse des sorties Automates du système Exemple d’automate pour une espèce avec 4 classes de biomasse et 3 liens trophiques 7 Modélisation par automates Initialisation des scenarii Analyse des sorties Application en mer du Nord Système « riche » en données But : validation de la méthode Sources des données : Modèle Ecopath de Mackinson (2008) Modèles VPA et données des groupes de travail d’évaluation des stocks du CIEM Système représenté 4 espèces démersales 3 espèces pélagiques 8 1,9 % 6,7 % Morue 8,9 % Eglefin 9,1 % 5,6 % 28,8 % Tacaud Norvégien 18,3 % 32,2 % 2% Pression Anthropique : Effort de pêche Merlan 32,4 % 19 % Lieu Noir 2% Hareng Lançon Le modèle ECOMATA de mer du Nord (flux trophiques en % de la diet de chaque groupe) 9 Modélisation par automates Initialisation des scenarii Analyse des sorties Données disponibles 10 Modélisation par automates Initialisation des scenarii Analyse des sorties Initialisation Pour chaque espèce Biomasse initiale Productivité P/B Consommation Q/B o Classes de biomasses 11 Modélisation par automates Initialisation des scenarii Analyse des sorties Paramètre de pêche Scénario d’évolution des pressions de pêche (Y/B) Capture en % de biomasse o Pression de pêche exprimée en % du ratio Y/B observé la première année o Représentation des scenarii de pêche sous forme de chronogrammes 12 Modélisation par automates Initialisation des scenarii Analyse des sorties Matrice des consommations • Valeurs numériques du modèle Mackinson (2008) • % de la ration à prendre dans une source externe au modèle 13 Modélisation par automates Initialisation des scenarii Analyse des sorties Analyse des sorties du modèle 14 Modélisation par automates Initialisation des scenarii Analyse des sorties Analyse des sorties du modèle Correspondance entre les dynamiques prédites et les dynamiques réelles 15 Initialisation des scenarii Moyenne 2000-2004 2004-2008 Morue Eglefin Hareng Lieu noir Lançon Merlan Tacaud norvégien 1998-2002 fausse 1 = dynamique prédite décalée ou incomplète 2 = dynamique inexacte mais vraisemblable 3 = dynamique prédite exacte 1996-2000 0 = dynamique prédite 1993-1997 Tableau comparatif : Analyse des sorties 1990-1994 Modélisation par automates 3 3 3 2 1 2 3 3 2 3 2 1 0 3 0 1 0 1 1 2 2 0 1 1 3 3 1 1 1 2 1 3 3 1 0 1 1 2 3 2 3 2 2,43 2,00 1,00 1,43 1,57 2,00 16 Modélisation par automates Initialisation des scenarii Analyse des sorties Limites du modèle Complexité informatique factorielle Pas de variable forçante de l’environnement Situation d’équilibre l’année initiale « Pics » dans la dynamique Division des pas de temps 17 Modélisation par automates Initialisation des scenarii Analyse des sorties Requêtes 18 Modélisation par automates Initialisation des scenarii Analyse des sorties 19 Modélisation par automates Initialisation des scenarii Analyse des sorties 20 Modélisation par automates Initialisation des scenarii Analyse des sorties 21 Conclusion Étude multi-spécifique Peut se satisfaire d’une quantité limitée de données Aide à comprendre le fonctionnement d’un écosystème dans son ensemble Permet de reconstituer de manière vraisemblable les dynamiques des principaux groupes Permet de tester l’effet de différentes stratégies de pêche 22 Perspectives Utilisation sur le terrain dans le cadre de systèmes pauvres en données Pertinence pour des concertations avec les acteurs locaux Facilité d’utilisation grâce aux requêtes Connaissances qualitatives 23 Merci de votre attention Des questions? 24 Jeu complet d’automates Hareng : 2 états stables, 2 liens Morue : 3 états stables, 4 liens Églefin: 2 états stables, 3 liens Morue : 2 états stables, 3 liens 25 Jeu complet d’automates Lieu noir : 2 états stables, 4 liens Lançon : 4 états stables, 3 liens Merlan : 2 états stables, 4 liens 26