Détail

Retour
Photo: Eawag

Bilan de santé amélioré pour les cours d'eau

2 décembre 2019 | Bärbel Zierl

Les invertébrés du fond des rivières sont sous étroite surveillance, car ils servent d'indicateur pour l'évaluation de l'état écologique des cours d'eau. Une nouvelle étude à l'échelle nationale menée par L'Institut de recherche de l'eau Eawag révèle quelles sont les espèces les plus significatives et comment le monitoring et la gestion des eaux peuvent être constamment améliorés.

Si l'on retourne une pierre dans une rivière ou un ruisseau, on constate que cela grouille de petits animaux : trichoptères, coléoptère, amphipodes et gastéropodes. Les organismes invertébrés visibles à l'œil nu vivant au fond de l'eau, appelés macrozoobenthos, passent quasiment inaperçus, mais sont cependant d'une grande importance pour la science et la protection des eaux. Certaines espèces de cette communauté réagissent de manière très sensible aux modifications de leur environnement, par exemple aux polluants ou aux aménagement des rives ou dans le bassin versant des cours d'eau. Par contre, d'autres sont tolérantes. La diversité de ces petits animaux permet de tirer des conclusions sur la qualité de l'eau et des cours d'eau. Parfois il est même possible d'identifier les causes d'une dégradation de l'état écologique.

Analyse des petits organismes invertébrés fondée sur un modèle, à l'échelle nationale

Les chercheurs de l'Eawag Nele Schuwirth et Bogdan Caradima, en collaboration avec d'autres collègues du département Analyse des Systèmes, Evaluation Intégrée et Modélisation, ont analysé globalement les données cantonales et nationales sur le macrozoobenthos. Ils ont utilisé à cet effet la base de données MIDAT relative au macrozoobenthos du Centre Suisse de Cartographie de la Faune (CSCF). Elle contient les données du Monitoring de la biodiversité (MBD), de l'Observation nationale de la qualité des eaux de surface (NAWA) et de 14 programmes de monitoring cantonaux.

Comme les programmes recensent les petits organismes invertébrés à des niveaux systématiques différents – famille, genre, espèce –, les jeux de données ont dû être d'abord uniformisés. Les chercheurs les ont ensuite analysés à l'aide de modèles statistiques et ont identifié des facteurs directs et indirects de la présence de divers organismes. Il s'agissait entre autres de la température de l'eau, des utilisations d'insecticides dans le bassin versant, de la vitesse d'écoulement, de l'agriculture et du boisement le long des rives, des surfaces bâties et des unités de gros bétail dans le bassin versant. Certains de ces facteurs comme la température de l'eau influencent les organismes directement. D'autres servent d'indicateurs pour des facteurs qui n'étaient pas directement mesurables. Par exemple, le boisement des rives peut entraîner une augmentation de l'apport de feuillage, un ombrage des eaux et une diminution de l'apport de nutriments et de polluants provenant du bassin versant.

Présence de la famille de coléoptères Elmidae en Suisse dans les données de surveillance de la biodiversité et dans le modèle, les gros points bleus et les petits points rouges montrent une bonne concordance entre l'observation et le modèle.

Présence de la famille de coléoptères Elmidae en Suisse dans les données de surveillance de la biodiversité et dans le modèle, les gros points bleus et les petits points rouges montrent une bonne concordance entre l'observation et le modèle.

À partir de ces résultats, les chercheurs ont déduit des recommandations pour la conception des programmes de monitoring et la gestion des eaux :

Identification des causes par la détermination des espèces

Depuis 2010, des analyses et des évaluations du macrozoobenthos sont menées dans les cours d'eau suisses selon le système modulaire gradué. Pour ce faire, il est prescrit de saisir les organismes au niveau de la famille. L'analyse de modèle confirme largement cette conception : Les familles classées sensibles réagissent également davantage aux nuisances dans la modélisation. Mais l'étude révèle aussi qu'une meilleure définition taxonomique, c'est-à-dire la détermination des espèces, permettrait d'obtenir de précieuses informations supplémentaires. Cela permettrait par exemple de mieux identifier quelles causes spécifiques auraient pu nuire à la qualité de l'eau ou des cours d'eau.

Plus de données, pertinence accrue

Plus on dispose de données pour l'évaluation, plus la pertinence est élevée. C'est pourquoi il est essentiel pour de futures analyses que le plus grand nombre possible de programmes de monitoring fournissent leurs données ainsi que des informations supplémentaires telles que des données de substrat à la base de données MIDAT.

Concepts de monitoring uniformisés

Dans les cantons, divers groupes du macrozoobenthos sont actuellement définis jusqu'au niveau de l'espèce. Mais pour une évaluation nationale, il serait toutefois judicieux de recenser toujours les mêmes groupes dans cette haute définition taxonomique. Il serait avantageux de disposer d'une liste harmonisée pour la détermination des espèces. L'étude de l'Eawag peut contribuer à évaluer pour quels groupes cela serait particulièrement intéressant.

Conception de monitoring élargie

Afin d'améliorer l'identification de facteurs importants exerçant une influence sur l'écologie des cours d'eau, il vaut la peine d'inclure des endroits supplémentaires dans les programmes de monitoring. Notamment des endroits avec des combinaisons rares de facteurs d'influence sont intéressants pour l'analyse, par exemple des endroits avec une température basse de l'eau et une qualité d'eau altérée.

Gestion intégrale des cours d'eau

Les animaux et les plantes vivant dans des cours d'eau réagissent généralement à plusieurs facteurs de stress, par exemple une mauvaise qualité de l'eau, une vitesse d'écoulement uniformément élevée et des températures augmentées de l'eau. Pour les mesures d'amélioration de la qualité de l'eau et des cours d'eau, il est en conséquence recommandé de mettre en œuvre, autant que possible et nécessaire, une combinaison de mesures, comme par exemple une revitalisation combinée à une modernisation des stations d'épuration et une réduction en amont des apports de polluants issus de l'agriculture.

Schuwirth et Caradima, en collaboration avec l'Office fédéral de l'environnement (OFEV) et l'Atelier pour la protection de la nature et les questions environnementales (UNA), ont publié une synthèse détaillée des résultats dans l'édition d'aujourd'hui de la revue spécialisée Aqua & Gas : « Analyse schweizweiter Makrozoobenthosdaten: Erkenntnisse über anthropogene Einflüsse und Monitoring Design ».

Original publication

Schuwirth et al., «Analyse schweizweiter Makrozoobenthosdaten: Erkenntnisse über anthropogene Einflüsse und Monitoring Designhttps://www.eawag.ch/typo3/#_msocom_1», Aqua & Gas, Nr. 12/2019  

Extbase Variable Dump
array(2 items)
   publications => '19054,20100' (11 chars)
   libraryUrl => '' (0 chars)
Extbase Variable Dump
array(2 items)
   0 => Snowflake\Publications\Domain\Model\Publicationprototypepersistent entity (uid=19054, pid=124)
      originalId => protected19054 (integer)
      authors => protected'Caradima, B.; Schuwirth, N.; Reichert, P.' (56 chars)
      title => protected'From individual to joint species distribution models: a comparison of model
          complexity and predictive performance' (114 chars)
      journal => protected'Journal of Biogeography' (23 chars)
      year => protected2019 (integer)
      volume => protected46 (integer)
      issue => protected'10' (2 chars)
      startpage => protected'2260' (4 chars)
      otherpage => protected'2274' (4 chars)
      categories => protected'benthic macroinvertebrates; biodiversity; hierarchical multispecies models; 
         joint models; predictive modelling; richness; species distribution models; s
         tacked individual models' (176 chars)
      description => protected'<em>Aim:</em> Species distribution models (SDMs) are widely used to study ge
         ographic distributions of taxa in response to natural and anthropogenic envi
         ronmental conditions. For a community, common approaches include fitting ind
         ividual SDMs (iSDMs) to all taxa or directly modelling community properties 
         such as richness. However, the parameters of iSDMs are difficult to identify
          for rare taxa, and community properties do not reveal taxon‐specific resp
         onses. Individual models can be combined into a hierarchical multispecies di
         stribution model (mSDM) that constrains taxon‐specific parameters accordin
         g to overarching community parameters, or a joint model (jSDM) in which inte
         rdependencies between taxa are jointly inferred. We compare how individual, 
         hierarchical multispecies and joint SDMs differ in quality of fit, explanato
         ry power and predictive performance, and analyse how these properties depend
          on the prevalence of taxa.<br /><em>Taxa:</em> Presence–absence observati
         ons of 245 benthic macroinvertebrate taxa identified at a mixed taxonomic re
         solution.<br /><em>Location:</em> Four hundred and ninety‐two sites in riv
         ers throughout Switzerland.<br /><em>Methods:</em> Individual, hierarchical 
         and joint hierarchical generalized linear models (GLM) were developed for al
         l taxa. Parameters were estimated using maximum likelihood estimation or Bay
         esian inference with Hamiltonian Markov chain Monte Carlo simulations. Predi
         ctive performance was assessed with cross‐validation. In addition, the pre
         dicted family and species richness of the models was compared with a GLM for
          richness.<br /> Results: Individual models show a slightly higher quality o
         f fit largely due to overfitting for rare taxa. The mSDM achieves a similar 
         quality of fit and explanatory power, mitigates overfitting for rare taxa an
         d considerably improves predictive performance over the whole community. The
          joint models further improve the quality of fit, but decrease predictive pe
         rformance and increase p...' (2371 chars)
      serialnumber => protected'0305-0270' (9 chars)
      doi => protected'10.1111/jbi.13668' (17 chars)
      uid => protected19054 (integer)
      _localizedUid => protected19054 (integer)modified
      _languageUid => protectedNULL
      _versionedUid => protected19054 (integer)modified
      pid => protected124 (integer)
   1 => Snowflake\Publications\Domain\Model\Publicationprototypepersistent entity (uid=20100, pid=124)
      originalId => protected20100 (integer)
      authors => protected'Vermeiren,&nbsp;P.; Reichert,&nbsp;P.; Schuwirth,&nbsp;N.' (57 chars)
      title => protected'Integrating uncertain prior knowledge regarding ecological preferences into 
         multi-species distribution models: effects of model complexity on predictive
          performance' (164 chars)
      journal => protected'Ecological Modelling' (20 chars)
      year => protected2020 (integer)
      volume => protected420 (integer)
      issue => protected'' (0 chars)
      startpage => protected'108956 (15 pp.)' (15 chars)
      otherpage => protected'' (0 chars)
      categories => protected'Bayesian inference; ecological niches; hierarchical modelling; multiple stre
         ssors; macroinvertebrates' (101 chars)
      description => protected'Species distribution models (SDMs) are often criticised for lacking explicit
          linkage to ecological concepts. We aim to improve the ecological basis of S
         DMs by integrating prior knowledge about ecological preferences of organisms
         . Additionally, we aim to support a systematic, data-driven review of such p
         rior knowledge by confronting it with independent monitoring data using Baye
         sian inference. We developed a series of multi-species distribution models (
         MSDMs) with increasing complexity to predict the probability of occurrence o
         f taxa at sampling sites based on habitat suitability functions that are par
         ameterized with prior ecological knowledge. We subsequently assessed the mod
         els` predictive performance with 3-fold cross-validation. So far, if ecologi
         cal preferences or functional traits have been used in SDMs, they were mainl
         y used as fixed inputs without considering their uncertainty. We take the ad
         ditional step of considering uncertainty about preference parameters by incl
         uding them as uncertain prior information that is subsequently updated with 
         Bayesian inference. We apply the series of models in a case study on macroin
         vertebrates in Swiss streams. We analyse differences in the quality of fit, 
         changes in predictive performance, and the potential to learn about the para
         meters from the data. We consider ecological preferences for natural and hum
         an modified environmental factors including temperature, flow velocity, orga
         nic matter concentration, insecticide pollution, and substratum. Results ind
         icate that updating prior knowledge on ecological preferences with Bayesian 
         inference, rather than using it as fixed input, improves model fit and predi
         ctive performance. For example, the predictive performance measured by the d
         eviance for validation data improves by 17 % and the explanatory power incre
         ases 3.8 times from a model that treats ecological preferences as fixed scor
         es to a model that treats them as uncertain parameters. The spatial distribu
         tion of many taxa, inclu...' (2694 chars)
      serialnumber => protected'0304-3800' (9 chars)
      doi => protected'10.1016/j.ecolmodel.2020.108956' (31 chars)
      uid => protected20100 (integer)
      _localizedUid => protected20100 (integer)modified
      _languageUid => protectedNULL
      _versionedUid => protected20100 (integer)modified
      pid => protected124 (integer)

From individual to joint species distribution models: a comparison of model complexity and predictive performance

Aim: Species distribution models (SDMs) are widely used to study geographic distributions of taxa in response to natural and anthropogenic environmental conditions. For a community, common approaches include fitting individual SDMs (iSDMs) to all taxa or directly modelling community properties such as richness. However, the parameters of iSDMs are difficult to identify for rare taxa, and community properties do not reveal taxon‐specific responses. Individual models can be combined into a hierarchical multispecies distribution model (mSDM) that constrains taxon‐specific parameters according to overarching community parameters, or a joint model (jSDM) in which interdependencies between taxa are jointly inferred. We compare how individual, hierarchical multispecies and joint SDMs differ in quality of fit, explanatory power and predictive performance, and analyse how these properties depend on the prevalence of taxa.
Taxa: Presence–absence observations of 245 benthic macroinvertebrate taxa identified at a mixed taxonomic resolution.
Location: Four hundred and ninety‐two sites in rivers throughout Switzerland.
Methods: Individual, hierarchical and joint hierarchical generalized linear models (GLM) were developed for all taxa. Parameters were estimated using maximum likelihood estimation or Bayesian inference with Hamiltonian Markov chain Monte Carlo simulations. Predictive performance was assessed with cross‐validation. In addition, the predicted family and species richness of the models was compared with a GLM for richness.
Results: Individual models show a slightly higher quality of fit largely due to overfitting for rare taxa. The mSDM achieves a similar quality of fit and explanatory power, mitigates overfitting for rare taxa and considerably improves predictive performance over the whole community. The joint models further improve the quality of fit, but decrease predictive performance and increase predictive uncertainty.
Main conclusions: We show that even a relatively simple mSDM combines many of the analytical capabilities of iSDMs and improves predictive performance. Increasingly complex mSDMs and jSDMs provide additional analytical possibilities, but depending on the data and research questions, different levels of complexity may be appropriate.
Caradima, B.; Schuwirth, N.; Reichert, P. (2019) From individual to joint species distribution models: a comparison of model complexity and predictive performance, Journal of Biogeography, 46(10), 2260-2274, doi:10.1111/jbi.13668, Institutional Repository

Integrating uncertain prior knowledge regarding ecological preferences into multi-species distribution models: effects of model complexity on predictive performance

Species distribution models (SDMs) are often criticised for lacking explicit linkage to ecological concepts. We aim to improve the ecological basis of SDMs by integrating prior knowledge about ecological preferences of organisms. Additionally, we aim to support a systematic, data-driven review of such prior knowledge by confronting it with independent monitoring data using Bayesian inference. We developed a series of multi-species distribution models (MSDMs) with increasing complexity to predict the probability of occurrence of taxa at sampling sites based on habitat suitability functions that are parameterized with prior ecological knowledge. We subsequently assessed the models` predictive performance with 3-fold cross-validation. So far, if ecological preferences or functional traits have been used in SDMs, they were mainly used as fixed inputs without considering their uncertainty. We take the additional step of considering uncertainty about preference parameters by including them as uncertain prior information that is subsequently updated with Bayesian inference. We apply the series of models in a case study on macroinvertebrates in Swiss streams. We analyse differences in the quality of fit, changes in predictive performance, and the potential to learn about the parameters from the data. We consider ecological preferences for natural and human modified environmental factors including temperature, flow velocity, organic matter concentration, insecticide pollution, and substratum. Results indicate that updating prior knowledge on ecological preferences with Bayesian inference, rather than using it as fixed input, improves model fit and predictive performance. For example, the predictive performance measured by the deviance for validation data improves by 17 % and the explanatory power increases 3.8 times from a model that treats ecological preferences as fixed scores to a model that treats them as uncertain parameters. The spatial distribution of many taxa, including rare taxa with frequencies of occurrence down to about 5 %, which are difficult to model with SDMs that do not consider prior information, can be captured by the new models. Integrating prior knowledge as uncertain parameters in a Bayesian framework establishes ecological interpretable links between taxa and their environment and supports a systematic revision and complementation of databases on ecological preferences, even in case of poor or missing prior knowledge. Model outputs need to be carefully interpreted by modellers and experts on ecological preferences. Increased exchange between these research fields will benefit further integration of ecological preferences into SDMs.
Vermeiren, P.; Reichert, P.; Schuwirth, N. (2020) Integrating uncertain prior knowledge regarding ecological preferences into multi-species distribution models: effects of model complexity on predictive performance, Ecological Modelling, 420, 108956 (15 pp.), doi:10.1016/j.ecolmodel.2020.108956, Institutional Repository

Financement

Les études ont été cofinancées par l'Office fédéral de l'environnement (OFEV) et les programmes UE Horizon 2020 (projet Aquacross, convention de subvention n° 642317).

Links

  • Activation des boutons des médias sociaux
    Il est possible que des données soient transmises aux réseaux lors de l’activation des boutons des médias sociaux.