Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
UNIVERSITE TOULOUSE III – PAUL SABATIER
U. F. R. Sciences de la Vie et de la Terre
THESE
en vue de l’obtention du
DOCTORAT DE L’UNIVERSITE DE TOULOUSE délivré par l’Université Toulouse III - Paul Sabatier
Discipline : Hydrobiologie
présentée et soutenue
par
Stéphanie BOULÊTREAU
le 28 septembre 2007
Titre :
Déterminisme des fonctions d’accrétion et de détachement du biofilm
phototrophe en milieu naturel : études expérimentale et numérique des facteurs de contrôle de la biomasse en rivière.
Directeurs de thèse :
Sabine SAUVAGE et José-Miguel SÁNCHEZ-PÉREZ
JURY
J.-L. ROLS, Professeur, Université Toulouse III , Président
A. ELOSEGI, Professeur, Université de Bilbao, Espagne , Examinateur
F. GARABETIAN, Professeur, Université de Bordeaux I , Examinateur
P. MARMONIER, Professeur, Université de Rennes , Examinateur
M. POULIN, Ingénieur de Recherche, Ecole des Mines Paris , Rapporteur
S. SABATER, Professeur, Université de Girona, Espagne , Rapporteur
J.-M. SÁNCHEZ-PÉREZ, Directeur de Recherche, CNRS , Directeur de thèse
S. SAUVAGE, Ingénieur de Recherche, CNRS , Co-directrice de thèse
Remerciements
Je voudrais tout d’abord remercier MM. Jean-Luc ROLS (Professeur, Université Paul
Sabatier) et Eric CHAUVET (Directeur de Recherche, CNRS), respectivement directeurs du
LEH (Laboratoire d’Ecologie des Hydrosystèmes) et d’EcoLab (Laboratoire d’écologie
fonctionnelle), pour m’avoir successivement accueillie au sein de leur laboratoire.
Je tiens à remercier mes directeurs de thèse, Mme Sabine SAUVAGE (Ingénieur de
Recherche, CNRS) et M. José-Miguel SANCHEZ-PEREZ (Directeur de Recherche, CNRS),
qui m’ont offert l’opportunité de réaliser cette thèse et se sont rendus très disponibles au cours
de ce travail.
Je tiens à remercier les personnes qui ont accepté de juger ce travail : M. Sergi SABATER
(Professeur, Université de Girona, Espagne), M. Michel POULIN (Ingénieur de Recherche,
Ecole des Mines de Paris), M. Arturo ELOSEGI (Professeur, Université de Bilbao, Espagne),
M. Frédéric GARABETIAN (Professeur, Université de Bordeaux) et M. Pierre
MARMONIER (Professeur, Université de Rennes).
Je remercie aussi particulièrement M. Arturo ELOSEGI pour m’avoir accueillie au sein de
son équipe du Département de Biologie Végétale et d’Ecologie de l’Université de Bilbao
pendant mon séjour ATUPS et pour avoir aussi efficacement fait avancer ce travail.
Je remercie également le personnel de l’Institut de Mécanique des Fluides de Toulouse qui a
participé à la mise en place et à la réalisation financière et technique de l’expérience en canal
de laboratoire : MM. Alexandre BEER, Yvan BERCOVITZ, Grégory DHOYE, Noël
DOLEZ, Olivier EIFF, Serge FONT et Frédéric MOULIN.
Je tiens à remercier Mme Claude MUR et M. Daniel DALGER pour leur professionnalisme
et leur contribution inconditionnelle à l’ensemble des analyses chimiques de ce travail. Merci
beaucoup à M. Yvan NICAISE pour sa disponibilité et son investissement dans le traitement
des échantillons de biologie moléculaire. Merci à M. Mehdi SELLALI pour son implication
lors de l’expérience en canal.
Un clin d’œil spécial à la communauté gallo-romaine que j’ai côtoyée pendant plus de trois
ans. A mes collègues romains Seb, Dimitri, Fred el « demi matador » et Dov avec qui j’ai
beaucoup apprécié de partager les discussions scientifiques et philosophiques post prandiales.
A mes collègues gaulois de début ou de fin de thèse, Emilie, Pierre, Sandrine, Arthur,
Malvina, les Freds, Sammy, Sylvain, Daniel, Yvan, Jean-Louis, Jo, Armelle, Anthony,
Cristina et Julien qui ont contribué à la bonne ambiance au laboratoire.
Un merci tout particulier au Professeur « Garabet » pour s’être investi autant, m’avoir
conseillée, fait confiance et tellement appris tout au long de ces années et ce, malgré mon
lourd passé d’ingénieur.
Une pensée amicale pour Amaia et Laurent, mes vrais faux amis toulousains du Pays Basque
(le vrai !) et de l’Ardèche, que j’ai rencontrés et appris à mieux connaître pendant ces années.
Une pensée aussi pleine de repentance pour les termites de Laurent.
Et à tous ceux qui m’entourent de très près et de plus loin…
Sommaire
Liste des abréviations …………………………………………………… 1
Liste des figures …………………………………………………………. 2
Liste des tableaux ……………………………………………………….. 6
Avant-propos ……………………………………………………………. 7
Chapitre 1 : Contexte général et problématique ...……………………. 10
1 – Les biofilms épilithiques : de la rivière à l’agrégat ...………………… 11 1.1 – Définitions ……………………………………………………………….. 11
1.2 – Conditions de développement …………………………………………… 13
1.3 – Rôle fonctionnel dans les écosystèmes lotiques ………………………… 15
1.4 – Dynamique temporelle de la biomasse ………………………………….. 16
1.5 – Intérêt pour la bioindication ……………………………………………... 19
2 – Les modèles mathématiques : de la description à la prédiction ……… 21 2.1 – Définitions ……………………………………………………………….. 21
2.2 – Intérêts pour l’écologie ………………………………………………….. 22
2.3 – Démarche de modélisation ………………………………………………. 23
2.4 – Limites et contraintes d’application ……………………………………... 26
3 – Objectifs de l’étude …………………………………………………... 28 3.1 – Problématique …………………………………………………………… 28
3.2 – Questions et démarche …………………………………………………... 30
Chapitre 2 : Méthodologie générale …………………………………… 32
1 – Expérimentation numérique ………………………………………….. 33 1.1 – Présentation des séries temporelles ………………………........................ 34
1.1.1 – Séries temporelles de l’Agüera ………………………………... 34
Sites d’études…………………………………………………………. 34
Echantillonnage……………………………………………………… 36
Données disponibles ………………………………………………… 36
1.1.2 – Séries temporelles de la Garonne ……………………………… 37
Sites d’études…………………………………………………………. 37
Echantillonnage……………………………………………………… 38
Données disponibles ………………………………………………… 39
1.2 – Revue des modèles existants …………………………………………….. 40
1.3 – Description du modèle …………………………………………………... 43
1.3.1 – Formulation initiale ……………………………………………. 43
1.3.2 – Développement………………………………………………... 44
1.4 – Résolution numérique …………………………………………………… 45
1.5 – Sélection de modèle et identification des paramètres …………………… 45
1.5.1 – Critère d’Information d’Akaike (AIC) ………………………… 46
Identification des paramètres sans contrainte …………………... 46
Identification des paramètres avec contrainte…………………… 47
Interprétation des paramètres……………………………………… 47
1.5.2 – Critère du χ2 ……………………………………………………. 48
2 – Expérimentations in situ ……………………………………………… 49 2.1 – Expérimentation en milieu contrôlé ……………………………………... 49
2.1.1 – Dispositif expérimental ………………………………............... 49
Caractéristiques du montage hydraulique ……………………….. 49
Conditions nutritives et physico-chimiques………………………. 50
Caractéristiques de l’écoulement …………………………………. 51
Conditions d’éclairement…………………………………………… 51
Caractéristiques des substrats ………………………………......... 52
2.1.2 – Déroulement de l’expérience…………………………………... 53
Phase d’ensemencement ……………………………………………. 53
Echantillonnage et conditionnement du biofilm…………………. 54
2.1.3 – Analyses ……………………………………………….............. 55
Chlorophylle a ……………………………………………………….. 55
Métabolisme………… ……………………………………………….. 55
MSSC et MS …………………………………………………………. 57
Composition algale ………………………………………………..... 57
Composition bactérienne……………………………………………. 58
Analyse de l’eau ……………………………………………………... 58
2.2 – Expérimentation en milieu naturel ………………………………………. 59
2.2.1 – Echantillonnage et conditionnement ………………………….. 59
2.2.2 – Analyses des échantillons …………………………………….. 61
MSSC et MS ………………………………………………………….. 61
Chlorophylle a ……………………………………………………….. 61
Dénombrements algaux …………………………………………….. 61
Invertébrés …………………………………………………………… 61
Analyses de l’eau ……………………………………………………. 61
Débits …………………………………………………………………. 62
Rayonnement solaire ………………………………………………... 62
Chapitre 3 : Importance des perturbations hydrodynamiques dans la
dynamique spatio-temporelle du biofilm épilithique : vers un modèle
de prédiction …………………………………………………………….. 63
1 – Contexte et objectifs ………………………………………………….. 64
2 – Principaux résultats et discussion …………………………………….. 66
3 – Conclusion ……………………………………………………………. 69
4 – Publication ……………………………………………………………. 70
Chapitre 4 : Importance du détachement autogène dans la
dynamique spatio-temporelle du biofilm épilithique : le modèle
comme outil de recherche ………………………………………………. 88
1 – Contexte et objectifs ………………………………………………….. 89
2 – Principaux résultats et discussion …………………………………….. 91
3 – Conclusion ……………………………………………………………. 93
4 – Publication ……………………………………………………………. 94
Chapitre 5 : Dynamique de la biomasse en écoulement contrôlé : vers
une évolution autogène de l’agrégat ? …………………………………. 106
1 – Contexte et objectifs ………………………………………………….. 107
2 – Evolutions structurelle et fonctionnelle du biofilm …………………... 108
3 – Vers une identification des processus de détachement de biomasse …. 113
4 – Conclusion et perspectives …………………………………………… 118
5 – Publication ……………………………………………………………. 120
Chapitre 6 : Comparaison interannuelle de la dynamique de la
biomasse épilithique en milieu naturel ………………………………… 152
1 – Contexte et objectifs ………………………………………………….. 153
2 – Résultats et discussion ………………………………………………... 154 2.1 – Caractéristiques de la série temporelle de 2004-05-06 ………….. 154
2.2 – Comparaison interannuelle des patrons de biomasse ……………. 161
2.3 – Comparaison interannuelle des conditions environnementales …. 163
2.4 – Comparaison taxonomique des assemblages algaux …………….. 164
3 – Conclusion et perspectives …………………………………………… 167
Conclusion générale …………………………………………………….. 171
Références bibliographiques……………………………………............. 178
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 1
Liste des abréviations
Les abréviations anglaises figurent en italique
AI ou IA : Autotrophic index ou index d’autotrophie
AIC : Akaike information criterion
APHA : American public health association
AR : Accretion rate
BIC : Bayesian information criterion
COD : Carbone organique dissous
DBL : Diffusive boundary layer
DGGE : Denaturing gradient gel electrophoresis
DIREN : Direction régionale de l’environnement
EPS : Exopolymeric substances
EPU : Eucaryotes photosynthétiques unicellulaires
Fr : Nombre de Froude
GPP : Gross Primary Production
HPLC : High performance liquid chromatography
IC ou CI : Inorganic content ou contenu inorganique
IMFT : Institut de mécanique des fluides de Toulouse
MES : Matière en suspension
MS : Matière sèche
MSSC : Matière sèche sans cendre
NPP : Net Primary Production
NTU : Nephelometric turbidity unit
OTU : Operational taxonomic unit
PB : Peak of biomass
QMJ : Débit moyen journalier
RCC : River Continuum Concept
PAR : Photosynthetically active radiation
PCR : Polymeric chain reaction
RSS : Residual sum of squares
R : Respiration
SC : Schwarz criterion
VCN : Débit minimal sur N jours consécutifs
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 2
Liste des figures
Figure 1.1. Observations du biofilm épilithique à l’échelle microscopique (a), du
galet (b) et du tronçon de rivière (c) …………………………………………………... 12
Figure 1.2. Courbe théorique de croissance (d’après Biggs 1996) ……………............ 17
Figure 1.3. Représentation schématique de la démarche de modélisation (d’après
Jorgensen 1983) …………………………………………………………….................. 24
Figure 1.4. Spectre de la complexité d’un modèle (adapté de Snowling & Kramer
2001). La flèche représente la gamme de complexité possible pour un modèle, de plus
en plus simple (à gauche) et de plus en plus complexe (à droite) …………………....... 27
Figure 1.5. Schéma illustrant la relation entre complexité – incertitude – sensibilité
d’un modèle. Plus la complexité d’un modèle augmente, plus sa sensibilité augmente
et plus son incertitude diminue. Il existe un modèle de complexité intermédiaire qui
optimise la relation complexité – incertitude – sensibilité (d’après Snowling &
Kramer 2001) ………………………………………………………………………...... 28
Figure 2.1. Schématisation de la démarche d’expérimentation numérique mise en
oeuvre pour obtenir un modèle de dynamique de la biomasse épilithique ……………. 33
Figure 2.2. Vues des sites amont (site 2, à gauche) et aval (site 9, à droite) de
l’Agüera ……………………………………………………………………………...... 34
Figure 2.3. Débit moyen journalier (m3 s-1) mesuré dans le site 9 (aval) lors des
périodes d’échantillonnage de 1990-91 (a), 1992-93 (b) et 2001-02 (c) ………............ 35
Figure 2.4. Vues prises en rive droite des sites amont (Aouach, à gauche) et aval
(Gagnac, à droite) sur la Garonne (photographies S. Teissier) ………………………... 38
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 3
Figure 2.5. Schéma du dispositif expérimental ……………………………………...... 50
Figure 2.6. Photographie et schéma de l’agencement des substrats dans le canal ...….. 53
Figure 2.7. Schéma du dispositif de mesure de la production et de la respiration
(schéma modifié de J. Meillon) et photographie de la chambre d’incubation des
substrats ……………………………………………………………………………….. 56
Figure 4.1. Illustration d’un galet érodé par le détachement autogène ……………….. 91
Figure 5.1. Photographies des substrats colonisés après 4 semaines (a), 10 semaines
(b), 12 semaines (c) et 14 semaines (d) de croissance. Le diamètre d’un substrat est de
4 cm ……………………………………………………………………………………. 112
Figure 5.2. Evolutions temporelles de (a) la dérive moyenne du biofilm exprimée en
mg MSSC L-1 (g MSSC m-2)-1, (b) le contenu chlorophyllien et (c) le contenu
inorganique (en % de cendres). L’évolution de la biomasse chlorophyllienne
(moyenne ± ES) en mg chlorophylle a m-2 est reportée sur chaque graphique sur l’axe
des ordonnées de droite (cercles gris) ……………………………………..................... 116
Figure 5.3. Résultats des simulations en chlorophylle a (colonne de gauche) et MSSC
(colonne de droite). Les graphiques comparent les évolutions de la biomasse
(moyenne ± ES) observée (carrés noirs) et de la biomasse simulée selon l’hypothèse 1
d’« altération physiologique » (ligne noire) ou l’hypothèse 2 d’ « abrasion » (ligne
grise). Les tableaux indiquent la signification de la variable de forçage Sed(t) du
terme de perte ainsi que les valeurs des paramètres et de l’ajustement de la
combinaison optimale ………………………………………......................................... 119
Figure 6.1. Evolutions temporelles de la biomasse épilithique (moyenne ± ES)
exprimées en g MSSC m-2 (a, a’), g MS m-2 (b, b’) et mg chl a m-2 (c, c’) des séries
temporelles de 2004-05-06 (colonne de gauche) et de 2001-02 (colonne de droite) à
l’Aouach (site amont, Garonne). Noter que les échelles des axes des ordonnées sont
multipliées par 4 entre 2004-05-06 et 2001-02 ………………………………………... 156
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 4
Figure 6.2. Evolutions temporelles du débit moyen journalier (a, a’), du rayonnement
global journalier (b, b’), de la température de l’eau (c, c’), de la concentration en
phosphore (d, d’) et de la biomasse épilithique (e, e’) des séries temporelles de 2004-
05-06 (colonne de gauche) et de 2001-02 (colonne de droite) à l’Aouach (site amont,
Garonne). Noter que les échelles d’une série à l’autre sont identiques, excepté pour la
biomasse (e, e’) ………………………………………………………………………... 157
Figure 6.3. Densités totales, des collecteurs filtreurs, des collecteurs assembleurs, des
brouteurs, des prédateurs et des déchiqueteurs lors des prélèvements des 1, 13 et 26
juillet 2005 ...…………………………………………………………………………... 158
Figure 6.4. Evolutions temporelles du contenu chlorophyllien du biofilm en % (a) et
du contenu intracellulaire en chlorophylle a en mg chl a (ind.)-1 (b). La biomasse
épilithique (en g MSSC m-2) est reportée sur le second axe des ordonnées du
graphique (a). Le rayonnement global journalier (en J cm-2) est reporté sur le second
axe des ordonnées du graphique (b) ………………………………………………….... 160
Figure 6.5. Comparaison entre la biomasse épilithique observée (moyenne ± ES) et la
biomasse épilithique simulée obtenue en appliquant la paramétrisation optimale du
modèle à trois paramètres confronté à la série temporelle de 2001-02 : µmax,0 = 1 d-1,
kinv,B = 3.8 et cdet = 0.0002 d-1…………………………………………………………... 161
Figure 6.6. Evolutions temporelles de l’abondance relative (%) des biovolumes des
principaux groupes algaux (a, a’) et du nombre de taxa (b, b’) lors des séries
temporelles de 2004-05-06 (colonne de gauche) et de 2001-02 (colonne de droite). R :
Rhodophycées ; C : Cyanophycées ; VF : algues vertes filamenteuses ; VNF : algues
vertes non filamenteuses ; DF : diatomées filamenteuses ; DC : diatomées coloniales ;
DUL : diatomées unicellulaires libres et DUF : diatomées unicellulaires fixées. La
biomasse épilithique en g MSSC m-2 est reportée sur les graphiques (a) et (a’) ……… 166
Figure 6.7. Distribution des années en fonction de la valeur du couple durée moyenne
et amplitude moyenne des périodes de basses eaux. Le couple est défini à partir des
indices hydrologiques décrits par Richter et al. (1998). La durée de la période de
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 5
basses eaux correspond à la durée moyenne des périodes où le QMJ est inférieur au
premier quartile des QMJ des 15 années testées (soit 47 m3 s-1). L’amplitude de la
période de basses eaux correspond au minimum de l’amplitude des QMJ au cours de
périodes de 90 jours …………………………………………………………………… 167
Figure 6.8. Evolution temporelle du débit moyen journalier QMJ (m3 s-1) entre
janvier 1990 et janvier 2006 à l’Aouach ………………………………………………. 169
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 6
Liste des tableaux
Tableau 2.1. Synthèse comparative des caractéristiques des modèles de périphyton de
la littérature …………………………………………………......................................... 42
Tableau 3.1. Tableau récapitulatif des résultats de la sélection du « meilleur » modèle
dans les 13 situations testées (1ère colonne). Les situations 90-9 et 92-7 n’ont pas été
testées. La présence d’une croix dans une colonne indique que le processus de la
colonne est activé. Exemples : le meilleur modèle de la situation 90-2 est constitué
d’un terme de croissance, limitée par l’épaisseur et d’un terme de détachement
hydrodynamique continu ; le meilleur modèle de la situation 01-9 est constitué d’un
terme de croissance et d’un terme de détachement hydrodynamique catastrophique
(activé lorsque le débit Q est supérieur au débit critique Qcr) ………………………… 67
Tableau 6.1. Caractéristiques structurelles globales du biofilm épilithique lors des
séries temporelles de 2004-05-06 et de 2001-02 …………………………………….... 162
Tableau 6.2. Caractéristiques environnementales moyennes des prélèvements lors
des séries temporelles de 2004-05-06 et de 2001-02. M.E.S. : Matières en
Suspension ; C.O.D. : Carbone Organique Dissous ; Vf : vitesse au fond ; Hf : hauteur
d’eau et Distance : distance au point fixe ...…………………………………………… 164
Avant-propos
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 7
Avant-propos
Avant-propos
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 8
La pierre glissante qui nous fait prendre un bain involontaire dans le ruisseau que nous
voulions traverser, le réservoir d’eau de la cafetière expresso constamment visqueux, les dents
déjà râpeuses peu après leur brossage sont autant de situations que nous devons à la
croissance des microorganismes qui colonisent toutes sortes de surfaces, généralement sous la
forme de communautés appelées biofilms. Ces derniers sont de tailles très variables, de la
microcolonie de quelques millimètres à l’agrégat de plusieurs centimètres d’épaisseur dans
lesquels les microorganismes sont englobés dans une matrice visqueuse. La forme d’existence
offerte par le biofilm est particulièrement avantageuse puisqu’elle assure notamment une
protection vis-à-vis des brouteurs et des biocides, une meilleure résistance aux forces
physiques comme le courant ou aux situations de stress comme le dessèchement et facilite les
interactions métaboliques.
Dans les ruisseaux ou rivières, le biofilm épilithique se développe à l’interface entre la
colonne d’eau et les galets ou rochers. Il s’agit d’un assemblage constitué de microorganismes
appartenant à des groupes aussi différents que les bactéries, les protozoaires, les algues, les
invertébrés, etc. En tant que producteurs de biomasse et décomposeurs, les biofilms
épilithiques constituent un maillon vital du réseau trophique. Ils participent au fonctionnement
hydro-écologique de la rivière (Battin et al. 2003), en particulier au niveau des
transformations de l’azote (Teissier et al. 2007) ou du fonctionnement des communautés
benthiques (Feminella & Hawkins 1995). Dans les secteurs de cours d’eau où ils représentent
la seule biomasse microbienne, le bilan de matière est conditionné par la production,
l’arrachement et la dégradation de la matière organique issue de ce biofilm. Le
fonctionnement biogéochimique de ces secteurs est souvent directement associé à la
dynamique spatiale et temporelle du biofilm épilithique et aux mécanismes qui le structurent.
Le développement du biofilm épilithique en rivière est une conséquence de conditions
hydrodynamiques (vitesse du courant) et géomorphologiques (faciès dominants, hauteur
d’eau, stabilité des galets) particulières. Certains tronçons de rivières (zones torrentielle et
semi-torrentielle) ne sont effectivement propices qu’au développement d’une communauté
fixée car les communautés libres sont « lessivées » par des temps de transfert très courts.
C’est le cas de la Garonne sur une partie de son cours entre sa source et sa confluence avec le
Tarn, en amont et en aval de l’agglomération toulousaine. Celle-ci est effectivement
caractérisée par de faibles concentrations en chlorophylle a dans la colonne d’eau : comprises
entre 2 et 20 µg L-1, les concentrations maximales sont rencontrées dans les zones de retenues
artificielles (Eulin 1997) et, dans les autres stations, la concentration est le plus souvent
inférieure à 10 µg L-1. Il a par ailleurs été démontré que cette chlorophylle a est
Avant-propos
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 9
principalement d’origine benthique (Améziane et al. 2003). La Garonne constitue à ce titre un
modèle d’étude du biofilm épilithique.
La grande variabilité des communautés microbiennes qui composent les biofilms, et
tout particulièrement les biofilms épilithiques, et la multitude des processus biologiques et
physico-chimiques qui s’y déroulent induisent une grande complexité structurelle. Cette
complexité rend leur étude expérimentale particulièrement difficile. Les modèles
mathématiques constituent alors des instruments d’intérêt pour exprimer de façon quantitative
la vision que nous possédons de ces systèmes et d’en vérifier la pertinence par comparaison
avec des résultats expérimentaux. Ces modèles sont aussi un outil de changement d’échelle
permettant de transférer les connaissances acquises au niveau de l’agrégat au fonctionnement
de l’écosystème.
C’est dans ce cadre général que nous allons nous intéresser aux mécanismes qui
structurent la dynamique spatio-temporelle du biofilm épilithique en milieu naturel avec pour
angle d’attaque principal la contribution de l’outil modélisation dans la connaissance de ces
mécanismes. Pour aborder cette question, ce manuscrit se structure en 6 chapitres :
• Le chapitre 1, qui s’appuie sur une base bibliographique, précise le contexte général
autour des mots-clés « biofilms épilithiques » et « modèles mathématiques » avant de définir
la problématique et les questions scientifiques auxquelles ce mémoire répond. Le biofilm
épilithique est présenté du point de vue de sa structure, de sa dynamique en milieu naturel et
de son rôle au sein des écosystèmes aquatiques. Les modèles mathématiques sont
appréhendés du point de vue de la démarche de modélisation, des intérêts et limites de leur
utilisation en écologie.
• Le chapitre 2 détaille l’ensemble des méthodologies relatives à la démarche de
l’expérimentation numérique ainsi que les dispositifs expérimentaux, protocoles
d’échantillonnage et analyses effectués.
• Les chapitres suivants présentent et discutent les résultats de ce mémoire : les
chapitres 3 et 4 sont consacrés à la mise en œuvre de l’expérimentation numérique au service
de la connaissance des processus qui contrôlent l’évolution de la biomasse épilithique en
milieu naturel. Les chapitres 5 et 6 analysent et discutent les résultats de deux
expérimentations complémentaires ayant pour objectifs de préciser, en milieu contrôlé (canal
de laboratoire) certains processus du modèle et d’explorer la variabilité interannuelle de la
dynamique de biomasse épilithique (in situ).
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 10
Chapitre 1
Contexte général et problématique
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 11
1 – Les biofilms épilithiques : de la rivière à l’agrégat
1.1 – Définitions
Dans les secteurs de rivière ou de fleuve à forte hydrodynamique (torrentiels et semi
torrentiels), le temps de résidence des masses d’eau très court est incompatible avec la
croissance d’une biomasse microbienne en suspension à l’origine de processus planctoniques
(Reynolds et al. 1994). Les interfaces liquide-solide comme les supports rocheux (galets,
blocs, roche mère ou matériau de construction), les sédiments ou les macrophytes constituent
alors des supports favorables à l’installation et au développement des microorganismes. Ces
microorganismes forment une couche visqueuse de quelques micromètres à quelques
centimètres d’épaisseur et de couleur brunâtre ou verdâtre.
Associés à des particules détritiques et enchevêtrés dans une matrice d’exopolymères
(EPS, exopolymeric substances), ces microorganismes adhérant à une surface submergée ou
soumise à un environnement aqueux forment un film biologique appelé biofilm (Costerton et
al. 1987 ; Lock 1993) (Figure 1.1.a). La formation de biofilms concerne tous les milieux
aquatiques naturels (aquifères, lacs, rivières, mers) ainsi que les tissus vivants (tissus
épithéliaux, dents, racines…), les biomatériaux médicaux (ustensiles médicaux, prothèses…),
les dispositifs industriels et sanitaires (climatiseurs, réseaux de distribution d’eau potable,
coques de navire…). Leur développement est souvent associé à de lourds enjeux sociétaux :
dégradation des installations portuaires, bio-salissures des coques de navire, contamination
des équipements des industries agroalimentaires et des réseaux d’eau potable, infections
nosocomiales, etc. Un biofilm peut être formé par une seule espèce bactérienne (ex. modèle à
Pseudomonas aeruginosa) ou former un assemblage diversifié de microorganismes
eucaryotes unicellulaires hétérotrophes ou photosynthétiques.
Dans ce travail, l’interface liquide-solide propice à l’installation du biofilm est la
pierre (du grec lithos) des galets du fond des cours d’eau (Figure 1.1.b et c). On parle alors
de biofilm épilithique ou d’épilithon. Le biofilm épilithique est un assemblage très complexe
reposant sur le développement de microorganismes photoautotrophes (EPU, cyanobactéries)
qui lui confèrent sa coloration, et qui comprend également divers micro- et méso-organismes
procaryotes et eucaryotes, autotrophes et hétérotrophes et, de façon plus ou moins transitoire
(selon la période de la journée ou de l’année) des macroorganismes (larves d’Insectes
aquatiques, Invertébrés benthiques…).
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 12
Figure 1.1. Observations du biofilm épilithique à l’échelle microscopique (a), du galet (b) et du tronçon de rivière (c).
La terminologie biofilm (associée en anglais aux mots epilithic, river ou lotic) est
utilisée plus largement depuis une vingtaine d’années. L’assemblage en question, défini par
Wetzel (1983) comme une communauté microbienne complexe (algues, bactéries,
champignons, animaux et détritus organiques et inorganiques) attachée à un substrat
inorganique ou organique, vivant ou mort, est traditionnellement et majoritairement désigné
sous le nom de périphyton. Son utilisation reste néanmoins très souvent associée aux
communautés algales benthiques et il est principalement étudié pour son rôle de producteur
primaire des milieux lotiques (par ex. Mulholland et al. 1991 ; Stevenson 1996 ; Biggs et al.
1998). D’autres qualificatifs précisent le type d’assemblage selon le type de substrat colonisé :
l’épiphyton colonise les plantes aquatiques, l’épisammon colonise les grains de sable,
l’épipélon colonise les sédiments fins et la boue, l’épixylon colonise le bois et l’épilithon
colonise la pierre. Depuis les travaux de Lock et al. (1984), le périphyton et en particulier
l’épilithon sont davantage appréhendés via leur dimension microbiologique (par ex. Romani
& Sabater 2000 ; Lawrence et al. 2002 ; Battin et al. 2003a ; Olapade & Leff 2004). Enfin
plus généralement, d’autres termes sont ou ont été utilisés : le terme microphytobenthos (plus
utilisé en milieu marin) et le terme allemand « aufwuchs » qui signifie « se développer sur »
était employé en Europe il y a une dizaine d’années (Stevenson 1996). La complexité
structurelle et fonctionnelle de l’agrégat composé de microorganismes et d’EPS est associée à
l’idée de biofilm, un modèle particulièrement intéressant pour appréhender les concepts
écologiques de diversité, de succession écologique, de relation structure-fonction,
d’interactions biologiques, etc.
Photo Samuel Teissier Photo Samuel Teissier
(a) (b) (c)
50 µm Photo Samuel Teissier Photo Samuel Teissier
(a) (b) (c)
50 µm
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 13
1.2 – Conditions de développement
La présence d’un substrat disponible et suffisamment stable pour résister au courant
est un facteur nécessaire mais non suffisant pour le développement de cet agrégat. D’autres
facteurs sont désignés pour contrôler le développement de l’épilithon et parmi eux, sont
identifiés les ressources, les facteurs abiotiques et biotiques. Contrairement aux facteurs
abiotiques et biotiques, les ressources sont directement consommées pour le métabolisme et la
reproduction. Les facteurs abiotiques et biotiques influencent directement les capacités de la
communauté algale à consommer ces ressources, en modifiant par exemple l’activité
enzymatique ou l’intégrité physique des cellules (Stevenson 1997). Plus généralement et à
l’échelle de l’hydrosystème, cet ensemble de facteurs est contrôlé par d’autres facteurs
indirects tels que le climat, la géologie, l’occupation du sol, l’hydrologie, les apports en
nutriments, la sédimentation et les interactions biotiques (Biggs 1995 ; Stevenson 1997).
La lumière est la première ressource indispensable : le biofilm épilithique se
développe où et quand l’ombrage (contrôlé par la canopée), la hauteur d’eau et la turbidité
rendent possible la pénétration de la lumière jusqu’au biofilm. Plus accessoirement, la
présence de substrat vierge est une ressource nécessaire à l’installation de certaines espèces
algales qui ont besoin de s’attacher directement au substrat (ex. Cocconeis ou Cladophora).
Enfin, la ressource en nutriments est indispensable au métabolisme algal, et constitue
d’ailleurs le facteur le plus étudié, souvent en association avec la vitesse du courant.
L’assimilation des nutriments dépend de la couche limite (ou diffusive boundary layer DBL)
définie comme la zone d’interface entre le biofilm épilithique et l’eau environnante lors d’un
mouvement relatif entre les deux (Riber & Wetzel 1987 ; Rasmussen & Lewandowski 1998).
Au sein de cette couche limite, la composante verticale du flux de transport des nutriments est
fortement contrainte, la diffusion moléculaire devient le mode de transfert prédominant des
composés dissous vers le biofilm (Borchardt 1996). L’existence d’un gradient de
concentration entre l’eau et le biofilm est alors nécessaire à la diffusion et le taux de diffusion
moléculaire est proportionnel à l’intensité de ce gradient (Borchardt 1996).
Le pH, la salinité, la température, la force de frottement liée à la vitesse du courant
(shear stress), l’abrasion, ou encore la présence de composés toxiques dans l’eau constituent
les facteurs abiotiques les plus importants. Leurs effets dépendent de la tolérance et des
conditions optimales de développement de chaque espèce. Parmi les facteurs biotiques, on
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 14
peut citer le broutage, l’allélopathie, la lyse virale et la compétition interspécifique (Stevenson
1997).
Si la distinction entre facteurs biotiques et facteurs abiotiques est assez claire lorsque
l’on considère les algues benthiques en tant que communauté, elle n’est pas aussi légitime
lorsque l’on considère l’assemblage « biofilm épilithique » dans sa globalité en tant qu’unité
fonctionnelle. On préférera parler du double contrôle auquel sont soumis la composition, la
biomasse et le fonctionnement du biofilm : un contrôle allogène sous l’influence de facteurs
qui lui sont extérieurs (vitesse du courant, nutriments, lumière, température, broutage par les
poissons, etc.) et un contrôle autogène sous l’influence de facteurs qui lui sont propres
(compétition, broutage, allélopathie, gradients de pH, d’oxygène, etc.).
L’ensemble des conditions favorables au biofilm épilithique en rivière co-existe dans
les cours d’eau de taille intermédiaire (ordres de Strahler compris entre 3 et 7) d’après le
River Continuum Concept (RCC, Vannote et al. 1980). Les biofilms épilithiques constituent à
ce titre des assemblages largement répandus dans l’environnement aquatique. En revanche les
biomasses atteintes sont très variables dans l’espace et le temps. Temporellement, Dodds et al.
(1998) montrent que le rapport moyen entre biomasse maximale et biomasse moyenne obtenu
dans 176 sites de l’Amérique du Nord et de la Nouvelle Zélande est de 4,52 en rivière contre
seulement 1,7 – 2,6 en lacs. Ce rapport de biomasses traduit l’amplitude de la croissance
annuelle du biofilm épilithique. Si cette amplitude est plus importante en rivière c’est qu’elle
répond à une plus grande amplitude des conditions environnementales alternativement
propices ou non au développement du biofilm. Spatialement, une revue bibliographique
effectuée par Biggs & Price (1987) répertorie des biomasses maximales atteintes dans
différentes rivières de Nouvelle Zélande comprises entre 0,7 et 290 g de matière sèche sans
cendre (MSSC) par m2. Cette variabilité importante est largement associée à la richesse
nutritive du milieu (par ex. Dodds et al. 1997 ; Biggs 2000). A ce titre, à partir de la biomasse
benthique moyenne, Dodds et al. (1998) identifient trois catégories de cours d’eau selon le
degré d’enrichissement en nutriments N et P (statut trophique) : le statut oligotrophe
(biomasse < 20 mg de chlorophylle a par m2), le statut mésotrophe (20 < biomasse < 70 mg de
chlorophylle a par m2) et le statut eutrophe (biomasse > 70 mg de chlorophylle a par m2).
D’autres modèles empiriques décrivent cette relation entre la biomasse du biofilm épilithique
(surtout exprimée en chlorophylle a) et la disponibilité en nutriments phosphorés
principalement mais aussi azotés (par ex. Sabater & Admiraal 2005).
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 15
1.3 – Rôle fonctionnel dans les écosystèmes lotiques
Les secteurs de cours d’eau caractérisés par le développement de biofilm épilithique
pourraient être qualifiés de rivière « à biomasse fixée » par analogie avec les réacteurs du
même type utilisés en épuration. Ces procédés (ex. des biofiltres), caractérisés par une
biomasse fixée à un matériau solide sur lequel percole l’eau à traiter, possèdent un potentiel
épuratoire bien plus important que ceux à biomasse libre (ex. boues activées), en particulier
dans des situations où la capacité du réacteur est limitée par la concentration en biomasse et le
temps de résidence hydraulique. La biomasse fixée sur le support bactérien (lit ou disque)
permet d’atteindre des temps de rétention élevés au sein du biofilm tout en opérant des temps
de rétention hydrauliques relativement faibles. Les cultures fixées sont alors particulièrement
utiles lorsque des temps élevés de rétention au sein de la biomasse sont exigés, ce qui est le
cas des réactions qui impliquent des organismes à faible taux de croissance (ex. nitrifiants,
méthanogènes). Dans les petits cours d’eau (taille intermédiaire), le temps de résidence
hydraulique est faible. Les flux biogéochimiques sont alors principalement gouvernés par les
processus et échanges aux interfaces hyporhéiques et benthiques (Dahm et al. 1998). En effet,
à ces interfaces, les flux hydrauliques sont nuls ou quasi nuls. Les communautés biologiques
peuvent donc influencer localement la concentration en nutriments par assimilation et
transformation de la matière (et maintien du gradient de concentration). De plus, les biofilms
développent des structures filamenteuses, des protubérances de diverses formes et tailles et un
réseau complexe de canaux qui augmentent le rapport surface/volume de l’assemblage et
favorisent alors le transfert de matière.
Les algues comme les bactéries sont d’importants consommateurs de nutriments
inorganiques (Cole et al. 1982) : les autotrophes comme les hétérotrophes du biofilm
épilithique utilisent l’azote et le phosphore de l’eau, les premiers pour construire leur propre
biomasse (Bothwell 1988), les seconds lorsqu’ils dégradent la matière organique dont les
rapports C/N et C/P sont élevés (Mulholland 1992). Le couplage fort entre les deux au sein du
biofilm épilithique assure un recyclage plus efficace des nutriments. Leur potentiel
d’élimination ou de mobilisation des nutriments a été mis en évidence en particulier
concernant l’azote (Duff et al. 1984 ; Sabater et al. 2002 ; Teissier et al. 2007). Récemment
les travaux de Teissier et al. (2007) montrent que l’élimination de l’azote s’effectue en deux
étapes au cours de la maturation du biofilm : un biofilm jeune et fin assimile l’azote en
provenance de la colonne d’eau et le stocke (croissance), les processus de minéralisation,
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 16
nitrification et dénitrification sont faibles ; un biofilm épais libère l’azote préalablement
stocké sous la forme de N2 grâce au couplage de réactions minéralisation – nitrification –
dénitrification. Soit le biofilm s’autominéralise et donc, sa biomasse diminue, soit
l’assimilation d’azote organique en provenance de la colonne d’eau compense la perte de
biomasse.
Les biofilms épilithiques sont aussi des sites efficaces pour l’assimilation,
l’immobilisation (le stockage) et la transformation des substances organiques particulaires et
dissoutes. La croissance du biofilm favorise le dépôt de particules organiques en rivière
(Thomas et al. 2001 ; Battin et al. 2003a), grâce à ses propriétés d’adhésion et de filtration.
Les cellules attachées tirent profit du piégeage de carbone exogène et d’énergie. La proximité
des organismes autotrophes et hétérotrophes au sein de l’agrégat ainsi que la capacité de
dégradation extracellulaire au sein de la matrice d’EPS (Sinsabaugh et al. 1991) permettent un
recyclage efficace du carbone apporté par la photosynthèse au sein de la communauté (Lock
et al. 1984). Les organismes au sein du biofilm sont en interaction constante : l’agrégat est
assimilé à une plateforme d’échanges de matériel génétique et d’interactions métaboliques
(Stoodley et al. 2002). Ces échanges et interactions sont limités pour les cellules
planctoniques puisque ces dernières ne se trouvent pas en contact physique. L’activité
métabolique des communautés en biofilm dépasse donc largement l’activité planctonique
(Geesey et al. 1978).
Enfin, dans ces cours d’eau, de par sa fonction de producteur primaire, le biofilm
épilithique est à la base du réseau trophique. Dodds (2006) démontre effectivement que la
biomasse algale benthique est corrélée positivement à la production primaire brute des
rivières. Or cette production primaire gouverne le maintien de la structure et du
fonctionnement des communautés d’une rivière d’après (Minshall 1978). McIntire (1973)
prouve par modélisation que, grâce à un turnover rapide, le périphyton, même en faible
quantité, est capable de soutenir d’importantes biomasses de consommateurs.
1.4 – Dynamique temporelle de la biomasse
La dynamique temporelle à court terme de la biomasse épilithique résulte de
l’équilibre entre des processus d’accrétion (importation et prolifération de cellules) et de perte
(mort et/ou émigration de cellules). L’état des connaissances relatives à cette dynamique a été
conceptualisé par les travaux de Biggs (1996) qui la décrit par une courbe théorique en deux
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 17
phases (Figure 1.2.). La phase de croissance qui présente une évolution exponentielle de la
biomasse est successivement dominée par les processus de colonisation et de croissance. Lors
de la phase de perte, ces derniers sont largement compensés par des pertes liées à la
sénescence, au parasitisme, au broutage ou au détachement autogène (autogenic sloughing).
Enfin la biomasse atteint un palier égal à la capacité de charge de l’assemblage (carrying
capacity). La forme de cette courbe universelle est fonction des paramètres tPB, le temps
nécessaire pour atteindre le pic de biomasse, et PB, la biomasse maximale atteinte, paramètres
pouvant être synthétisés par la vitesse d’accrétion (AR).
Figure 1.2. Courbe théorique de croissance (d’après Biggs 1996).
En milieu naturel cette évolution théorique est très rarement observée, le processus de
croissance étant le plus souvent interrompu par une perturbation hydrodynamique (vitesses du
courant élevée et/ou substrat instable et/ou abrasion) à l’origine d’une perte brutale de
biomasse. L’évènement ne conduit pas nécessairement à la disparition complète du biofilm.
L’amplitude, la durée et/ou la fréquence de cet évènement ainsi que les propriétés
morphotypiques, taxonomiques et physiologiques (histoire et âge) conditionnent la réponse
structurelle et fonctionnelle (résistance et résilience) du biofilm à la perturbation (Peterson &
Stevenson 1992). A long terme aussi le régime de perturbation hydrologique est le principal
facteur de structuration temporelle de la biomasse. Biggs (1996) distingue trois patrons de
dynamique temporelle de la biomasse à long terme :
PB
tPBcolonisation + croissance mortalité + abrasion
y
x
AR=
y / x
accrétion érosion
temps
PB
tPBcolonisation + croissance mortalité + abrasion
y
x
AR=
y / x
accrétion érosion
temps
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 18
• une dynamique stable et caractérisée par de faibles biomasses est associée le plus
souvent à des perturbations hydrologiques fréquentes et/ou une forte instabilité du substrat,
• une dynamique rythmée par des cycles saisonniers associés à une importante
saisonnalité du régime hydrologique, de l’activité des brouteurs ou de la lumière,
• une dynamique marquée par la succession de cycles d’accrétion/détachement est
souvent caractéristique de rivières où les perturbations hydrologiques sont saisonnières ou peu
fréquentes.
L’épaississement du biofilm qui se produit lors des longues phases de stabilité qui
caractérisent les deux derniers types d’évolution temporelle s’accompagne d’une modification
de la composition (biodiversité), de l’architecture (microgradients et distribution
tridimensionnelle des organismes) et du fonctionnement (métabolisme) de l’assemblage. Les
formes algales colonisatrices (ou pionnières), généralement de petite taille et au
développement rapide, sont progressivement remplacées par des formes algales climaciques,
généralement de grande taille et au développement lent (Biggs et al. 1998). Le morphotype
(unicellulaire, colonial ou filamenteux) et le mode de fixation (prostrée ou érigée) des algues
présentes conditionnent la structure tridimensionnelle de l’assemblage (Stevenson 1996) :
l’assemblage rendu très cohésif par la présence de petites diatomées capables d’adhérer très
fortement au substrat et de diatomées coloniales fixées à l’apex devient plus aéré et
volumineux avec l’installation des algues vertes filamenteuses.
Le concept de succession écologique (Odum 1956) a été généralisé aux communautés
bactériennes de biofilms de rivière par Lyautey et al. (2005a). Les OTUs (operational
taxonomic units) identifiées dans cette étude au cours d’une phase d’accrétion indiquent des
profils de présence et des exigences écologiques différents au cours du temps qui pourraient
s’apparenter à des stratégies écologiques (Lyautey et al. 2005a). En début de croissance, alors
que le biofilm est fin, les populations détectées correspondraient à des taxons aérobies stricts
(Spirosoma sp.). En fin de croissance, alors que les couches profondes se désoxygènent, les
populations identifiées présenteraient vis-à-vis de l’oxygène une adaptation à de faibles
concentrations (aérobie facultative Dechloromonas sp., microaerophile Nitrospira sp.).
Enfin l’épaississement du biofilm modifie physiquement la nature des échanges avec
la colonne d’eau. Lorsque le biofilm est fin, le transport actif est prépondérant par rapport à la
diffusion parce que la concentration en nutriments au-dessus du biofilm reste importante.
Lorsque le biofilm est épais, le flux diffusif au sein de la couche limite devient limitant car il
est plus faible que le taux potentiel de consommation des nutriments par les cellules
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 19
(Borchardt 1996). Avec la maturation du biofilm, l’activité métabolique devient donc
davantage fonction de l’épaisseur du biofilm que des conditions extérieures.
Finalement, en absence de perturbation, si les premières semaines de la vie du biofilm
sont largement conditionnées par les ressources nutritives et lumineuses, la température et la
vitesse du courant, il semblerait qu’au fur et à mesure de la maturation de l’agrégat,
l’augmentation des interactions biotiques entre les différents organismes et l’isolement
physique associé à l’épaississement tendent à limiter les interactions avec la colonne d’eau
environnante et donc l’importance du contrôle allogène.
1.5 – Intérêt pour la bioindication
Les milieux aquatiques subissent depuis plusieurs décennies une pression croissante
des activités humaines qui affectent leur intégrité et leur santé écologique. La prise de
conscience de la nécessité de ralentir, stopper voire inverser cette tendance a présidé à la mise
en place de la directive cadre européenne sur l’eau (2000/60/CE) qui impose d’atteindre le
« bon état écologique » d’ici 2015. La nécessité sous-jacente de caractériser l’état des milieux
et d’évaluer les efforts de réhabilitation suppose de disposer de critères de diagnostic fiables
et adaptés.
De par ses caractéristiques structurelles et fonctionnelles, le biofilm épilithique
possède un fort potentiel de bioindication. En particulier, les potentialités des microalgues
comme descripteurs structurels de l’état du milieu ont été déjà largement explorées. Parmi les
avantages de ces organismes leur temps de génération assez faible leur permet de répondre à
des changements de qualité de l’eau plus rapidement que les macrophytes ou la faune
aquatique. La réponse des microalgues est souvent symptomatiquement associée à des
changements de nutriment. Par exemple un rapport N/P de l’eau faible et/ou des variations en
P ou N total peuvent contribuer au développement de blooms cyanobactériens (Downing et al.
2001). Un faible ajout de P dans des systèmes à fort rapport N/P peut être suffisant pour faire
basculer la communauté algale d’une dominance d’espèces limitées par le phosphore (ex.
diatomées, algues vertes) à une dominance d’espèces limitées par l’azote, parmi lesquelles les
cyanobactéries peuvent jouer le rôle principal. Ces changements affectent la composition des
producteurs primaires et par conséquent le fonctionnement de l’écosystème tout entier. Les
indices diatomiques ont été mis au point pour synthétiser l’information issue des préférences
autoécologiques de la composition taxonomique de la communauté diatomique. Ces indices
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 20
renseignent sur la capacité des communautés diatomiques à détecter les variations du pH de
l’eau (Van Dam et al. 1994), de la salinité (Veres et al. 1995), du niveau nutritif (Lecointe et
al. 1993) et du phosphore total (Poulickova et al. 2004) et sont, pour la plupart, inspirés de
l’index de saprobie de Kolkwitz & Marsson (1909).
Les propriétés fonctionnelles des microorganismes photosynthétiques et de la
composante hétérotrophe du biofilm épilithique commencent à être étudiées avec l’utilisation
du métabolisme comme descripteur fonctionnel. L’équilibre entre la production et la
consommation de carbone organique renseigne sur l’importance relative des deux sources
d’énergies majeures, les algues (matière autochtone) ou la matière organique terrestre
(allochtone). Si la production de carbone organique égale ou excède sa consommation dans
l’écosystème la matière organique produite pourra supporter la chaîne trophique. En revanche
si la consommation de carbone excède largement sa production la matière organique issue du
bassin versant sera nécessaire pour maintenir le système. Le métabolisme permet une mesure
directe de la base de la chaîne trophique et une détermination de la capacité de l’écosystème à
maintenir la vie. L’utilisation de la production microphytobenthique pour le monitoring est
d’autant plus intéressante qu’elle est le résultat d’une conception qui considère le biofilm
comme unité fonctionnelle (Lock 1993).
Le biofilm est un agrégat susceptible d’accumuler des toxiques organosolubles et d’en
être protégé. Son développement intègre dans la durée de grandes quantités d’eau ainsi que
les variations spatio-temporelles de leur qualité. Moins sensible à un pic de contamination
qu’à un niveau moyen, le biofilm peut avoir un rôle intégrateur de bioaccumulateur. Les effets
à long terme des herbicides (atrazine) et des métaux lourds (cuivre) sur la biomasse
chlorophyllienne ont par exemple été observés sur des communautés naturelles (Navarro et al.
2002). C’est aussi un modèle écotoxicologique paradoxal puisque les organismes sont à la
fois protégés mais aussi plus intensément exposés à un contaminant qui s’accumulerait dans
les EPS.
Le faible temps de génération des organismes qui le composent, ses propriétés
bioaccumulatrices, sa complexité structurelle (différents groupes taxonomiques) et
fonctionnelle (autotrophie/hétérotrophie) confèrent à cet assemblage des propriétés
bioindicatrices indéniables. L’importante gamme de descripteurs structurels (biomasse,
composition taxonomique, composition chimique) et fonctionnels (production, respiration,
activité enzymatique extracellulaire) qui lui sont associés fait du biofilm un candidat idéal à
l’indication de perturbation des écosystèmes lotiques (Burns & Ryder 2001).
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 21
2 – Les modèles mathématiques : de la description à la prédiction
2.1 – Définitions
Un modèle est une représentation simplifiée d’un processus ou d’un système en vue de
le décrire (de l’expliquer) ou de le prévoir. Deux finalités sont attribués aux modèles : le
modèle descriptif et le modèle prédictif. Le modèle descriptif est utilisé pour interpréter une
masse d’informations réelles (ex. modèle de croissance exponentielle des microorganismes).
Le modèle prédictif est utilisé pour anticiper des événements réels (ex. modèle
météorologique). Cette classification reste néanmoins très arbitraire dans la mesure où ces
modèles sont très étroitement liés. Une prédiction satisfaisante de la réalité future nécessite
préalablement une bonne compréhension et description de la réalité passée ou actuelle.
Inversement une bonne prédiction doit servir de diagnostic pour identifier des perspectives
futures.
La description d’un système passe généralement par l’association de grandeurs (ou
fonction). La plupart des outils de l’analyse mathématique sont particulièrement bien adaptés
à l’étude des fonctions réelles d’une ou plusieurs variables. La mise en œuvre d’un modèle
suppose une traduction des propriétés physiques, biologiques et/ou chimiques du système en
des termes mathématiques. Le langage mathématique représente de manière symbolique et
logique des idées et des relations (plus ou moins complexes). Il donne ainsi accès à une
description quantitative de l’état du système et des processus qui s’y déroulent.
Trois types de modèles mathématiques sont traditionnellement considérés : le modèle
statistique, le modèle mécaniste stochastique (ou probabiliste ou évènementiel) et le modèle
mécaniste déterministe. Le modèle statistique permet d’identifier des liens entre les éléments
d’un système au moyen d’études de corrélations et d’analyses de variance. Il a avant tout un
fort potentiel de description. Il est parfois utilisé comme outil de prédiction mais sa
représentation du système est instantanée et représentative du système au seul moment de la
prise de mesure. Le modèle (mécaniste) déterministe est basé sur une ou des équation(s)
différentielle(s) et ses variables sont des grandeurs précises. L’évolution temporelle de la (ou
des) variable(s) est entièrement déterminée par les conditions initiales, les paramètres et les
variables externes. La mise en œuvre d’un modèle déterministe est guidée par la théorie et
s’appuie sur des équations phénoménologiques ou sur des schémas de fonctionnement
(modèle conceptuel). Elle suppose donc de connaître au préalable et au moins en partie les
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 22
mécanismes impliqués. Le modèle (mécaniste) stochastique est régi par des lois/distributions
de probabilité. Sa mise en œuvre est guidée par les données ce qui suppose de pouvoir
observer et analyser les phénomènes. Finalement pour des conditions initiales identiques, le
modèle déterministe donnera toujours le même résultat alors que le modèle stochastique
produira des résultats différents selon la valeur actuelle des variables prises au hasard. Le
développement et l’utilisation d’un modèle mathématique exige, quel que soit le modèle
considéré, de disposer en parallèle d’observations adaptées et suffisantes aux échelles
spatiales et temporelles requises.
2.2 – Intérêts pour l’écologie
A l’image des expérimentations in vivo, in vitro ou in situ très classiquement utilisées
en biologie depuis le XIXième siècle, l’expression in silico désigne une expérimentation
entièrement réalisée par ordinateur. Contrairement aux autres qualificatifs, tous issus du latin,
cette expression tire son nom de la puce au silicium, composant de base du microprocesseur
ayant donné par ailleurs son nom à l’industrie des hautes technologies qu’est la Silicon
Valley. L’expérimentation in silico (ou expérimentation numérique) est née grâce à la
puissance de calcul des outils informatiques capables de faire tourner des modèles
mathématiques en relation avec la biochimie, le comportement et l’environnement animal.
Elle permet comme les autres expérimentations de tester une ou plusieurs hypothèses
scientifiques mais, dans certains cas, elle est la seule alternative pour représenter et tester des
hypothèses complexes. En effet un écosystème est constitué de tant de composantes en
interactions qu’il est difficile de les examiner toutes. Lorsque cela est possible, l’interaction
examinée isolément en laboratoire est nécessairement différente de celle qui se produit
naturellement en présence d’autres interactions. C’est ce qu’illustre la phrase qui résume bien
le principe de l’émergence : “tout est plus grand que la somme des parties » (Allen 1988). La
complexité d’un système dépend du nombre d’interactions entre ses diverses composantes
mais aussi du nombre de feedbacks et de régulations qui permettent au système de se
maintenir malgré l’apparition de conditions défavorables. Par exemple, les cellules algales
sont capables de réguler leur contenu en chlorophylle a selon l’intensité du rayonnement
solaire. Si elles s’avèrent insuffisantes, ces interactions, ces feedbacks et ces régulations
évoluent au cours du temps pour une meilleure utilisation des ressources disponibles. Le
changement saisonnier par exemple peut conduire à un remplacement d’espèces algales. Cela
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 23
implique donc évidemment de prendre en compte l’histoire de l’écosystème et de ses
composantes (Patten 1997) et justifie la nécessité de travailler en dynamique. Le modèle
dynamique (ou permanent), qui se distingue du modèle statique (ou transitoire), et prédit des
variables qui changent au cours du temps est donc préféré en écologie.
2.3 – Démarche de modélisation
La démarche de modélisation est fondée sur le principe selon lequel tout est système
ou tout peut être conceptualisé selon une logique de système, principe appelé théorie des
systèmes ou théorie systémique, formalisée notamment en 1968 par Ludwig von Bertalanffy.
Du grec sustêma signifiant ensemble, le système fait référence à un assemblage d’éléments en
interaction permanente et fonctionnant de manière unitaire. Le modèle s’intéresse à un
système qu’il considère comme un ensemble fini d’éléments appelés variables d’état, qui
comme leur nom l’indique, décrivent son état et, d’interactions (processus) entre ces variables
qui permettent de décrire son évolution dans le temps et dans l’espace. Ces processus
biologiques, chimiques ou physiques sont représentés par des équations mathématiques. Ces
équations sont décrites par un nombre plus ou moins important de coefficients (paramètres ou
constantes universelles). Les conditions qui ne sont pas décrites par le modèle lui sont
imposées par le biais de fonctions dites de forçage qui peuvent fluctuer dans l’espace et dans
le temps et qui sont généralement obtenues à partir de données mesurées.
La mise en œuvre d’un modèle nécessite au préalable de définir le problème (Figure
1.3.). Elle exige ensuite de définir une échelle de temps et d’espace adaptée au problème à
résoudre sachant qu’au niveau de perception (spatio-temporel), les éléments du niveau
inférieur liés par des interactions intenses et fréquentes ne sont pas décrits mais agrégés et
donc mis sous silence. Idéalement l’acquisition de données s’effectue avant même la mise en
équation de manière à adapter la qualité des données au niveau de complexité du modèle
exigé par l’objectif. L’identification des processus dominants aboutit à l’écriture d’un schéma
conceptuel. Elle s’effectue à partir des données du suivi expérimental et dépend donc
nécessairement des conditions particulières ayant prévalu pendant la période de ce suivi. A
l’issue de cette étape le modèle est formalisé mathématiquement (écriture des équations) et
programmé. L’étape de vérification permet ensuite de vérifier si le comportement du modèle
est en accord avec ce que l’on connaît du système. L’analyse de sensibilité examine la
réponse du modèle à la variation des paramètres et permet ainsi de discriminer les paramètres
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 24
du modèle les plus sensibles. La qualité du modèle est ensuite testée lors de l’étape de
calibration en comparant le résultat du modèle (la simulation) avec le système réel observé
que le modèle est sensé représenter.
Figure 1.3. Représentation schématique de la démarche de modélisation (d’après Jorgensen 1983).
L’étape de calibration consiste à choisir à l’intérieur d’une gamme pré-établie, les valeurs de
paramètres qui donnent le meilleur ajustement avec les données observées. Plusieurs cas de
figures existent : les paramètres sont mesurés sur le terrain ou en laboratoire ; ils proviennent
Définition duproblème
Définition des limites spatiales,temporelles et
des sous-systèmes
Besoin dedonnées
Schémaconceptuel
Equations
Vérification
Qualitédes donnéesdisponibles
Révisionnécessaire
Analyse desensibilité
Calibration
Validation
Niveau decomplexité
Définition duproblème
Définition des limites spatiales,temporelles et
des sous-systèmes
Besoin dedonnées
Schémaconceptuel
Equations
Vérification
Qualitédes donnéesdisponibles
Révisionnécessaire
Analyse desensibilité
Calibration
Validation
Niveau decomplexité
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 25
de la littérature ; ils sont ajustés car non mesurables et/ou n’ayant pas de signification connue.
Si la calibration ne permet pas une bonne adéquation entre les observations et simulations, le
modèle doit être révisé. Cela peut aussi conduire à la réalisation d’expériences destinées à
améliorer la description des processus. Si l’objectif fixé est de générer de nouvelles
hypothèses et de synthétiser les connaissances issues d’études expérimentales, ces étapes sont
suffisantes. Si l’objectif est prédictif, l’étape de validation est indispensable pour s’assurer
que le comportement du modèle est représentatif du système même lors de périodes
différentes de la période de calibration. S’en suit alors l’importance de disposer d’un éventail
large de situations permettant de s’affranchir de conditions particulières.
Calibration et sélection de modèle
Revenons sur l’étape de calibration. La méthode de confrontation la plus simple entre
le modèle et les données est celle qui consiste à minimiser les moindres carrés. Dans certains
cas plusieurs modèles de complexité différente peuvent être proposés. La somme des carrés
des écarts la plus faible est obtenue avec le modèle comprenant le plus de paramètres mais
l’ajout de paramètres augmente les difficultés d’interprétation. Les méthodes de sélection de
modèles ont été conçues pour pouvoir comparer un modèle à n paramètres d’avec un modèle à
p paramètres et déterminer lequel d’entre eux est le meilleur vis-à-vis des données. Plus
fondamentalement la sélection de modèles vise à sélectionner l’hypothèse la plus probable (la
plus supportée par l’observation) parmi plusieurs hypothèses formulées. Parmi les critères qui
permettent de classer les différents modèles et d’évaluer la contribution relative de chacun,
deux critères sont utilisés en écologie : le critère d’information d’Akaike (AIC) et le critère de
Schwarz (SC), connu aussi sous le nom de critère d’information bayésien (BIC). Ces derniers
utilisent le maximum de vraisemblance comme mesure de l’ajustement et pénalisent
l’introduction de paramètres supplémentaires. Pour l’instant leur application reste
exclusivement réservée aux domaines des analyses de marquage-recapture pour estimer
l’abondance de la population et les probabilités de survie (par ex. Lebreton et al. 1992) et de
l’évolution pour la reconstruction phylogénétique (par ex. Posada & Crandall 2001).
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 26
2.4 – Limites et contraintes d’application
Les premiers modèles mathématiques en écologie sont nés avec les travaux de Lotka-
Volterra et de Streeter-Phelps dans les années 1920. L’utilisation des modèles pour la gestion
de l’environnement s’est largement répandue depuis 1970. La prise de conscience des
problèmes théoriques/fondamentaux associés à la mise en œuvre de la modélisation
mathématique en écologie est plus récente. L’estimation des paramètres, l’insuffisance des
données et l’incapacité des modèles à représenter le potentiel d’adaptation des organismes et
des écosystèmes (contrairement aux systèmes physiques qui sont stables) figurent parmi les
points les plus problématiques (Jorgensen 1999). La question majeure éternellement associée
à la construction d’un modèle est : quel niveau de complexité le modèle doit-il avoir sachant
qu’un modèle trop simple risque d’écarter des processus significatifs du système et qu’un
modèle trop complexe risque de rendre impossible la calibration, faute de données
suffisantes, et de rendre difficile la compréhension du système?
Contrairement à l’écosystème qui est capable de réguler, modifier et changer ses
paramètres en réponse à des changements environnementaux, la structure et le nombre de
paramètres du modèle sont fixés. Le modèle se base sur l’analyse du système à l’instant t pour
prédire la réponse du système à l’instant t+1 sans tenir compte de l’adaptation des processus
au nouveau système. Cela explique pourquoi les paramètres du modèle peuvent représenter
correctement la variable d’état telle qu’elle est dans l’écosystème pendant la période étudiée
et ne pas être nécessairement valides pour une autre période de temps.
Ce problème constant a conduit certains auteurs à introduire la notion d’incertitude
dans la construction des modèles. Hilborn & Mangel (1997) distinguent deux formes
d’incertitude : l’incertitude (ou bruit, ou stochasticité ou erreur) de processus i.e. associée à la
mise en oeuvre du modèle (process uncertainty) et l’incertitude d’observation (observation
uncertainty). Le fait que les paramètres puissent varier d’une manière imprévue, par exemple
qu’un taux de croissance fluctue d’une année à l’autre représente une erreur de processus.
L’erreur associée à l’échantillonnage (par ex. liée à la taille de l’échantillon) est une erreur
d’observation. Contrairement à l’incertitude de processus, l’incertitude d’observation ne se
propage pas au cours du temps. Cette notion d’incertitude est particulièrement importante
dans les modèles écologiques : la forte incertitude d’observation existe chez les communautés
épilithiques comme dans la plupart des séries temporelles écologiques : leur dynamique
temporelle est fortement contrôlée par des processus stochastiques (potentiel de colonisation
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 27
rapide, fort renouvellement d’espèces, etc.) ; leurs biomasse et composition sont fortement
conditionnées par la variabilité spatiale des variables environnementales locales comme la
vitesse, la granulométrie, la stabilité du substrat, le broutage, etc.
L’incertitude est indissociable des notions de complexité, de flexibilité, de sensibilité
d’un modèle (Figure 1.4.).
Figure 1.4. Spectre de la complexité d’un modèle (adapté de Snowling & Kramer 2001). La flèche représente la gamme de complexité possible pour un modèle, de plus en plus simple (à gauche) et de plus en plus complexe (à droite).
La sensibilité d’un modèle (model sensitivity) ou la performance d’un modèle correspond à sa
capacité à décrire l’évolution de sa ou ses variable(s) d’état. Plus un modèle est complexe plus
il est sensible, en raison du plus grand degré de liberté et de la structure des interactions entre
paramètres et variables d’état. Et plus un modèle est complexe et plus il intègre de processus,
moins il assume de simplifications, mieux il simule la réalité et donc moins l’incertitude est
élevée. Quant à la flexibilité, elle se réfère au nombre d’hypothèses effectuées lors du
développement du modèle. Moins le modèle est complexe, plus il assume d’hypothèses pour
réduire le nombre de variables d’état et de paramètres et donc moins il est flexible. Les
hypothèses restreignent le modèle aux situations pour lesquelles elles sont valides alors que
plus le modèle est complexe et plus il couvre de situations.
Néanmoins la complexification d’un modèle rend l’identification de ses paramètres
plus insignifiante, en raison notamment des corrélations croissantes entre paramètres, et
requiert davantage de données. Pour Zucchini (2000), il existe un niveau optimal de
complexité pour les modèles prédictifs. Il distingue une erreur de prédiction liée à
l’approximation, qui diminue lorsque la complexité du modèle augmente, d’une erreur de
Moins complexe Plus complexe
- Moins de données- Moins sensible- Tendances seulement
- Plus de données- Plus sensible- Plus précis
MODELEMoins complexe Plus complexe
- Moins de données- Moins sensible- Tendances seulement
- Plus de données- Plus sensible- Plus précis
MODELE
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 28
prédiction liée à l’estimation, qui augmente avec la complexité. Quel que soit le modèle et le
jeu de données, l’erreur de prédiction diminue puis augmente avec une complexité croissante,
justifiant de l’existence d’un niveau optimal intermédiaire de complexité. C’est aussi ce que
démontrent Snowling & Kramer (2001) en comparant deux modèles de complexité différente
(Figure 1.5.). Plusieurs auteurs s’accordent à dire que le niveau de complexité d’un modèle
dépend du modèle mis en œuvre et de l’objectif recherché (par ex. Hilborn & Mangel 1997 ;
Snowling & Kramer 2001) et que les modèles de « recherche » peuvent être plus complexes
que les modèles de « gestion ».
Figure 1.5. Schéma illustrant la relation entre complexité – incertitude – sensibilité d’un modèle. Plus la complexité d’un modèle augmente, plus sa sensibilité augmente et plus son incertitude diminue. Il existe un modèle de complexité intermédiaire qui optimise la relation complexité – incertitude – sensibilité (d’après Snowling & Kramer 2001).
3 – Objectifs du travail
3.1 – Problématique
Les communautés microbiennes du biofilm épilithique sont fortement impliquées dans
les processus de production, de recyclage, de dégradation ou de stockage de la matière au sein
des écosystèmes aquatiques. Leur développement est sous le contrôle d’un ensemble de
facteurs allogènes qui coexistent largement dans les écosystèmes lotiques, en particulier dans
les cours d’eau d’ordre intermédiaire (entre 3 et 7) tels que définis par le River Continuum
Concept. Dans ces milieux le biofilm épilithique constitue la base du réseau trophique et son
rôle dans le fonctionnement biogéochimique est largement reconnu (Battin et al. 2003b). Le
fonctionnement (voire le dysfonctionnement) biogéochimique des écosystèmes colonisés est
directement relié à la biomasse fixée et son évolution au cours du temps. Si les premières
étapes de l’accrétion du biofilm (court terme) ont été largement étudiées, peu de travaux
Sens
ibilit
é
Ince
rtitu
de
Sens
ibilit
é / I
ncer
titud
eComplexité Complexité Complexité
Sens
ibilit
é
Ince
rtitu
de
Sens
ibilit
é / I
ncer
titud
eComplexité Complexité Complexité
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 29
s’intéressent aux mécanismes qui prévalent lors de la maturation de l’assemblage. Les suivis
de la dynamique du biofilm en milieu naturel sur le long terme sont assez fastidieux et leur
résultat souvent incertain, la dynamique pouvant être soudainement interrompue par une
perturbation hydrologique. Les techniques fines d’observation de la morphologie
(microscopie confocale) et de mesure de l’activité des biofilms (microélectrodes) ne
permettent d’observer que des biofilms très fins, souvent jeunes et pour lesquels les
mécanismes de croissance dominent largement les processus de mortalité et de détachement.
Dans des milieux artificiels hydrauliquement moins perturbés faisant intervenir des biofilms
microbiens moins complexes (ex. réacteurs à biomasse fixée) d’autres processus à l’origine
du détachement (érosion, abrasion et sloughing) sont étudiés expérimentalement ou par
modélisation.
Lorsque les ressources suffisent à assurer l’accrétion du biofilm et que
l’environnement local est suffisamment stable pour que les pertes de biomasse ne compensent
pas l’accrétion, l’équilibre est favorable à un épaississement du biofilm. Cet épaississement
est à la base d’une complexification structurelle et fonctionnelle de l’assemblage.
L’implication du biofilm dans l’élimination azotée l’illustre parfaitement : l’épaississement du
biofilm génère au sein de l’assemblage de nouvelles microconditions environnementales, en
particulier une désoxygénation des couches profondes favorable à la dénitrification. La
limitation de la diffusion de l’oxygène qui résulte de cet épaississement semblerait favoriser
l’installation de taxa qui dénitrifient (Lyautey et al. 2005a ; Teissier et al. 2007). Ces résultats
confirment un isolement fonctionnel du biofilm épilithique vis-à-vis de la colonne d’eau
associé à d’importantes modifications taxonomiques et structurelles. Cette évolution dite
autogène, par opposition avec le contrôle allogène évoqué précédemment, s’organise autour
d’un point central : l’épaississement du biofilm. C’est une idée que défendent Sabater &
Admiraal (2005) qui considèrent l’épaississement du biofilm comme le moteur des propriétés
structurelles et fonctionnelles du périphyton et une interface entre les compartiments
phototrophe, bactérien, de la méiofaune et de la macrofaune. Malheureusement pour des
assemblages aussi complexes que les biofilms épilithiques l’épaisseur du biofilm est une
information difficile à obtenir. Nous considèrerons dans ce travail que la biomasse et surtout
son évolution au cours du temps est une variable pertinente pour représenter l’épaisseur.
Les modèles mathématiques sont des outils très précieux de la recherche scientifique.
Ils facilitent l’exploitation des données, intègrent l’ensemble des connaissances acquises sur
le système et livrent une représentation quantitative des hypothèses de travail, ce qui permet
ensuite de les confirmer ou infirmer par voie expérimentale. Lorsque l’élaboration du modèle
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 30
est motivée par la volonté d’analyser les mécanismes qui régulent la dynamique d’un système
et que la connaissance (au moins partielle) de ces mécanismes existe, le modèle déterministe
et dynamique est le plus approprié pour comprendre des séries temporelles. Les nombreuses
potentialités bioindicatrices du biofilm épilithique liées principalement à son universalité, son
abondance et sa sensibilité aux changements des conditions environnementales sont des
arguments favorables à la recherche d’un modèle prédictif.
3.2 – Questions et démarche
Ce travail s’intéresse aux mécanismes qui contrôlent la dynamique de la biomasse
épilithique en milieu naturel, en particulier ceux qui sont associés à des pertes de biomasse du
biofilm. Le chapitre 2 présente l’ensemble des méthodologies relatives aux expérimentations
numérique et in situ.
Les chapitres 3 et 4 sont axés sur la mise en œuvre de la modélisation au service de
l’amélioration de la connaissance des processus de structuration du biofilm. Un modèle est
sélectionné et confronté à des observations acquises avant le début de ce travail. Les capacités
prédictive et descriptive de ce modèle ainsi que celle qui consiste à générer des hypothèses
sont successivement testées pour répondre aux questions suivantes :
• Peut-on identifier un modèle capable de reproduire la dynamique de la biomasse
épilithique dans des situations soumises à des contraintes environnementales différentes? A
quels niveaux de complexité et de sensibilité ? Et dans quel domaine d’application? Avec quel
potentiel de prédiction ? Ces questions feront l’objet du chapitre 3. Ce chapitre 3 a été
valorisé par une publication sous presse dans la revue River Research and Applications.
• Comment améliorer la sensibilité du modèle, particulièrement en période de stabilité
hydrologique ? Comment rendre compte par la modélisation d’une évolution autogène du
biofilm ? Quelle hypothèse sous-jacente est proposée pour expliquer le détachement
autogène ? Ces questions feront l’objet du chapitre 4, valorisé par une publication parue dans
la revue Freshwater Biology.
Les chapitres 5 et 6 sont axés sur la réalisation d’expérimentations complémentaires en
laboratoire et in situ destinées à compléter l’acquisition de données pour permettre de valider
Chapitre 1. Contexte général et problématique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 31
le modèle et d’identifier des processus insuffisamment décrits initialement par le modèle. Des
perspectives de développement du modèle sont décrites.
• L’hypothèse relative au détachement autogène identifiée par modélisation dans le
chapitre 5 est testée expérimentalement en suivant la dynamique du biofilm en milieu contrôlé
(canal de laboratoire) à long terme (17 semaines) à travers une description structurelle
(biomasse, composition algale, composition bactérienne) et fonctionnelle (production,
respiration) du biofilm épilithique. Une partie de ce chapitre est rédigée sous la forme d’une
publication en préparation.
• Une chronique supplémentaire de biomasses et de mesures complémentaires in situ est
analysée en vue d’une comparaison interannuelle de la dynamique de biomasse dans le
chapitre 6. Des perspectives de développement de la modélisation de la dynamique de
biomasse sont proposées dans ce chapitre.
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 32
Chapitre 2
Méthodologie générale
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 33
Idéalement l’acquisition des observations nécessaires à la mise en œuvre d’un modèle
doit s’effectuer avant même l’élaboration du schéma conceptuel (cf. chapitre 1, Figure 1.3.).
Dans de nombreuses situations, les données ne sont cependant pas collectées pour cet objectif.
Leur utilisation à des fins de modélisation nécessite alors d’adapter la structure du modèle au
type de données disponibles. C’est le cas de ce travail puisque l’expérimentation numérique a
été réalisée à partir de séries temporelles de biomasse épilithique déjà acquises
antérieurement. La partie 2.1 présente ces séries temporelles, le modèle sélectionné et la
démarche d’estimation des paramètres. La réalisation de l’expérimentation numérique ayant
généré un besoin de données supplémentaires pour augmenter notamment le niveau de
complexité du modèle (cf. chapitre 1, Figure 1.3.), de nouvelles séries temporelles ont été
acquises en milieu naturel et en canal expérimental. La partie 2.2 détaille les protocoles
d’échantillonnage et les analyses réalisés pour l’acquisition de ces nouvelles données.
1 – Expérimentation numérique
L’organisation de cette partie peut être synthétisée par le diagramme de la figure 2.1. :
les séries temporelles sont présentées et analysées puis confrontées aux modèles de la
littérature afin de définir une famille de modèle adaptée. Les méthodes utilisées pour l’analyse
de sensibilité, l’estimation des paramètres et la sélection de modèle sont ensuite détaillées.
Figure 2.1. Schématisation de la démarche d’expérimentation numérique mise en oeuvre pour obtenir un modèle de dynamique de la biomasse épilithique.
Estimationdes paramètres
et simulation
Critère d’Infor-mation d’Akaike
(AIC) / χ2
Analyse desensibilité
Famillede modèlescandidats
Modèleset mécanismesde la littérature
Séries temporelles
in situ
Estimationdes paramètres
et simulation
Estimationdes paramètres
et simulation
Critère d’Infor-mation d’Akaike
(AIC) / χ2
Critère d’Infor-mation d’Akaike
(AIC) / χ2
Analyse desensibilitéAnalyse desensibilité
Famillede modèlescandidats
Famillede modèlescandidats
Modèleset mécanismesde la littérature
Modèleset mécanismesde la littérature
Séries temporelles
in situ
Séries temporelles
in situ
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 34
1.1 – Présentation des séries temporelles disponibles
1.1.1 – Séries temporelles de l’Agüera
Ce jeu de données comprend 13 séries temporelles de biomasse épilithique collectée
dans l’Agüera (Pays Basque espagnol), à une fréquence mensuelle, pendant 3 années, de
janvier 1990 à décembre 1991, d’octobre 1992 à novembre 1993 et d’octobre 2001 à
novembre 2002 et dans 5 (ou 3 en 1992-93) sites d’étude. 185 mesures de biomasse
épilithique (moyenne ± ES) sont disponibles en Matière Sèche Sans Cendres (MSSC), en
Matière Sèche (MS) et en chlorophylle a. Le jeu de données est complété par des mesures
mensuelles de la physico-chimie (température, pH, oxygène et conductivité), de la chimie de
l’eau (azote total, phosphore total et silice) et des mesures journalières du débit moyen et du
rayonnement solaire.
Sites d’études
L’Agüera draine un bassin versant de 145 km2 à la limite entre les provinces de la Cantabrie
et de la Biscaye du Pays Basque espagnol. A l’embouchure c’est une rivière d’ordre (Strahler)
3, d’une longueur de 30 km et dont le débit moyen est de 3,4 m3 s-1. Son lit est constitué de
graviers, de galets, de blocs de pierre et parfois même de bancs de roche mère selon les sites
avec une alternance de mouilles et de radiers. Les 5 sites échantillonnés (nommés sites 2, 4, 5,
7 et 9) sont tous situés sur le cours d’ordre 3 de l’Agüera, excepté le site 2 qui est d’ordre 2.
Répartis régulièrement le long du cours principal de l’Agüera, ces sites sont bien
représentatifs de l’intégralité du continuum et d’un large panel de conditions
environnementales (nutriments, couverture végétale, vitesse du courant et type de substrat).
Figure 2.2. Vues des sites amont (site 2, à gauche) et aval (site 9, à droite) de l’Agüera.
0,5 m0,5 m0,5 m0,5 m0,5 m
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 35
La pente élevée de son bassin versant et les précipitations importantes caractéristiques du
climat océanique sont à l’origine d’une forte variabilité hydrologique interannuelle (Elosegi &
Pozo 1992, 1994). Le régime hydrologique est très faiblement prédictible comme en
témoignent les années échantillonnées (Figure 2.3.) : les années 1990-91 et 2001-02 sont des
années hydrologiques stables pendant lesquelles une seule crue (> 30 m3 s-1) est enregistrée ;
en revanche l’année 1992-93 est considérée comme « torrentielle » puisqu’elle enregistre 16
crues (> 30 m3 s-1).
Figure 2.3. Débit moyen journalier (m3 s-1) mesuré dans le site 9 (aval) lors des périodes d’échantillonnage de 1990-91 (a), 1992-93 (b) et 2001-02 (c).
0
20
40
60
80
100
janv.-90 mars-90 mai-90 juil.-90 sept.-90 nov.-90 janv.-91
débi
t moy
en jo
urna
lier
(m3 s
-1)
0
20
40
60
80
100
oct.-92 déc.-92 févr.-93 avr.-93 juin-93 août-93 oct.-93
débi
t moy
en jo
urna
lier (
m3 s
-1)
0
20
40
60
80
100
sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02
débi
t moy
en jo
urna
lier
(m3 s
-1)
(a)
(b)
(c)
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 36
Echantillonnage
Lors de chaque prélèvement, 10 galets sont collectés au hasard dans une zone de radier de 100
m2 de surface couvrant la largeur du cours d’eau. Le biofilm est gratté sur une surface définie
de galet avec un scalpel et une brosse à dent puis stocké dans un sac plastique au froid.
L’échantillon de biofilm est homogénéisé avec un mixeur puis sous échantillonné pour
analyser la MS, la MSSC et la chlorophylle a.
Un prélèvement d’eau est effectué pour les analyses chimiques pour les séries de 1990-91 et
2001-02. Pour ces mêmes séries, la température, le pH (pH-mètre Hanna HI 9025), la
concentration en oxygène dissous (oxymètre WTW Oxi96) et la conductivité (conductimètre
WTW Lf 90) sont mesurés in situ. En revanche aucune donnée de physico-chimie ni de
qualité de l’eau n’est disponible pour les prélèvements des séries temporelles de 1992-93.
Données disponibles
Les méthodes d’analyse de la biomasse et des nutriments ayant changé d’une année à l’autre,
se reporter aux travaux d’Elosegi & Pozo (1998) pour les séries de 1990-91, de Lopez de
Luzuriaga (1995) pour celles de 1992-93 et d’Izagirre & Elosegi (2005) pour celles de 2001-
02.
Les débits moyens journaliers (QMJ) ont été fournis par la Confédération hydrographique du
Nord de l’Espagne dans le site 9 puis recalculés pour les autres sites à partir de régressions
empiriques (A. Elosegi, communication personnelle).
Les rayonnements solaires globaux journaliers (J cm-2) ont été directement mesurés par
l’Institut Météorologique de Saint Sébastien pour les séries temporelles de 1992-93 et 2001-
02. Pour les séries de 1990-91, le rayonnement solaire a été calculé en fonction de la durée
d’ensoleillement mesurée à Bilbao par l’Institut National Météorologique, à partir de la
formule d’Ångström (Organisation des Nations Unies pour l’alimentation et l’agriculture –
FAO Food and Agricultural Organization of the United States) : http://www.fao.org/). Le
rayonnement photosynthétiquement actif (ou PAR, photosynthetically active radiation) étant
plus utilisé et plus adapté, les valeurs de rayonnement solaire mesurées ou calculées ont
ensuite été converties en PAR (J cm-2) selon Steemann-Nielsen (1975) puis transformées en
quantité de photons (mol de photons m-2 ou E m-2).
Certains sites étant particulièrement ombragés par une ripisylve dense, une correction
fonction de la couverture végétale dans chaque site, est apportée aux rayonnements solaires
mesurés. La couverture végétale est déterminée à partir de la luminosité de photographies
prises avec un objectif grand angle (18 mm), scannées et analysées avec Adobe Photoshop 3
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 37
et NIH 1.55. Dix photographies verticales sont prises dans chaque site, en été et en hiver pour
tenir compte de la présence du feuillage ou non.
1.1.2 – Séries temporelles de la Garonne
Ce jeu de données comprend 2 séries temporelles de biomasse épilithique collectée
dans la Garonne (Sud Ouest de la France), à une fréquence hebdomadaire, pendant 16 mois,
de juillet 2001 à novembre 2002 dans 2 sites d’étude. Soixante-six mesures de biomasse
épilithique (moyenne ± ES) sont disponibles en MSSC, MS et chlorophylle a. Le jeu de
données est complété par des mesures hebdomadaires de la physico-chimie (température, pH,
oxygène et conductivité), de la chimie de l’eau (formes azotées, phosphorées, silice, carbone
organique dissous), et de l’environnement hydrodynamique (hauteur d’eau, vitesse du
courant). Des mesures du QMJ et du rayonnement solaire complètent ce jeu de données
comme dans les séries de l’Agüera.
Sites d’étude
La Garonne, 4ème fleuve français, draine un bassin versant de 55000 km2. A l’embouchure,
c’est un fleuve d’ordre 8, d’une longueur de 647 km et dont le débit moyen atteint 625 m3 s-1.
Son régime est pluvionival et moins imprévisible que celui de l’Agüera puisqu’il présente
généralement deux périodes d’étiage : un étiage hivernal de janvier à mars et un étiage estival
de juillet à septembre. Les 2 sites échantillonnés sont deux zones de radiers présentant un
faciès homologue : le site de l’Aouach est situé sur le cours d’ordre 6, à 36 km en amont de
Toulouse (Upstream site) ; le site de Gagnac est situé sur le cours d’ordre 7, à 12 km en aval
de Toulouse (Downstream site) (Figure 2.4.). L’agglomération de Toulouse (965000
habitants) représente le principal point de rejet urbain et la cause majeure de la multiplication
par 10 des quantités moyennes d’azote et de phosphore entre le site amont et le site aval.
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 38
Figure 2.4. Vues prises en rive droite des sites amont (Aouach, à gauche) et aval (Gagnac, à droite) sur la Garonne (photographies S. Teissier).
Echantillonnage
Les prélèvements ont été effectués lorsque les conditions de hauteur d’eau le permettaient
(débit inférieur à 200 m3 s-1). Une série de campagnes réalisées sur différents radiers de la
Garonne a montré que la biomasse épilithique n’est pas uniformément répartie dans l’axe
transversal du cours d’eau (Améziane et al. 2002) : maximale au niveau de la zone de
marnage, où le courant quasi nul autorise le développement de longs filaments, la biomasse
décroit sensiblement à la profondeur maximale probablement à cause de l’atténuation de la
lumière. En revanche la couverture dans la zone comprise entre 0,3 et 0,7 m de profondeur est
plus homogène.
Un échantillonnage de type transect, qui couvre la largeur du cours d’eau comme c’est
le cas dans l’Agüera, est trop lourd pour être effectué en routine dans la Garonne.
L’échantillonnage a donc été restreint à un type de faciès, relativement homogène, plus facile
à échantillonner et propice au développement du biofilm : la zone de profondeur voisine de
0,5 m. Trois galets y ont été prélevés au hasard, et ceci à trois hauteurs d’eau différentes (0,3 ;
0,5 et 0,7 m) soit 9 galets au total. Chaque galet est prélevé dans un sac plastique (stérile à
usage unique) et stocké au froid (4°C) jusqu’au traitement en laboratoire dans un délai
inférieur à 6 h. Un prélèvement d’1,5 L d’eau est effectué et stocké au froid (4°C) pour
l’analyse chimique au laboratoire. La température, la conductivité, le pH et la concentration
en oxygène dissous sont mesurés in situ en utilisant respectivement un conductimètre WTW
Lf 95, un pH-mètre pH320 et un oxymètre WTW Oxi 320. La hauteur d’eau et les vitesses du
5 m5 m5 m5 m
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 39
courant (au fond et à hauteur moyenne) sont mesurées lors de chaque prélèvement à l’aide
d’un courantomètre (Flow-Mate model 2000, Marsh-McBirney Inc., USA).
Données disponibles
Au laboratoire, le biofilm est décroché à l’aide d’une brosse à dents (stérile), mis en
suspension dans un volume donné d’eau filtrée au préalable sur 0,22 µm, puis homogénéisé
(24000 trs min-1, Ultra Turrax modèle T2S, Janke et Klunkel). Le périmètre de chaque galet
est reporté sur un papier calque, la surface correspondante découpée et déterminée par pesée.
La MS a été obtenue après séchage (105°C, 10 h) du culot de 50 mL de suspension
centrifugée (15 min à 2300 g, Sigma-202). La MSSC correspond aux matières combustibles
ou volatiles après calcination (500°C, 5 h) du culot. La MSSC est obtenue en soustrayant la
masse de cendres résiduelles à la MS initiale. Le dosage de la chlorophylle a a été réalisé par
analyse spectrophotométrique d’un extrait acétonique (acétone 90%) réalisé sur un culot de 10
mL de suspension centrifugée (20 min à 12000 g à 4°C).
Les différentes formes d’azote (N-NH4+, N-NO2
- et N-NO3-) ont été mesurées selon les
techniques colorimétriques sur chaîne à flux continu décrites dans APHA (1992). Les
différentes formes de phosphore (PO43- et phosphore total) ont été mesurées par la méthode au
bleu d’indophénol selon APHA (1992) et au vert de malachite selon Motomizu et al. (1993).
Le carbone organique dissous (COD) a été mesuré sous forme de CO2 par spectrophotométrie
IR après minéralisation à haute température sur Shimadzu TOC5000.
La DIREN Midi-Pyrénées donne accès aux QMJ sur la Garonne (via le site internet
http://www.hydro.eaufrance.fr). Le QMJ dans le site aval a été pris à la station de jaugeage la
plus proche (Verdun-sur-Garonne). La station la plus proche du site amont est celle de Portet-
sur-Garonne. Celle-ci étant située juste en aval de la confluence avec l’Ariège, la valeur du
débit dans le site amont a été obtenue en soustrayant au débit de Portet-sur-Garonne le débit
enregistré dans la station la plus proche de l’Ariège (Auterive).
Les mesures hebdomadaires de la température ont été complétées par des données
horaires enregistrées par la DIREN Midi-Pyrénées à la station du Bazacle à Toulouse.
Le rayonnement global journalier (J cm-2) a été enregistré à Lherm (20 km au sud
ouest de Toulouse) par Météo France. De la même manière que pour les données de l’Agüera,
le rayonnement est converti en PAR exprimé en E m-2.
Alors que le premier jeu de données (Agüera) fournit une image complète de la
couverture spatio-temporelle par l’épilithon d’un petit cours d’eau via un échantillonnage
mensuel dans cinq sites et pendant trois années, le second jeu de données (Garonne) se
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 40
concentre sur le développement du biofilm épilithique dans un faciès d’un grand cours d’eau
de plaine via un échantillonnage hebdomadaire dans deux sites et pendant une année.
1.2 – Revue des modèles existants
La recherche d’un modèle permettant d’identifier les processus structurants la
biomasse épilithique dans l’Agüera comme dans la Garonne a été guidée par la nature des
jeux de données présentés ci-dessus. Parmi les modèles existants, deux types de modèles se
distinguent selon qu’ils concernent le biofilm ou le périphyton. Les modèles de biofilm sont
basés sur des équations d’équilibre de masse qui décrivent l’évolution de l’épaisseur du
biofilm, la distribution spatiale et l’évolution temporelle de différents composés dissous
(nutriments, accepteurs et donneurs d’électrons) et particulaires (cellules bactériennes, EPS,
particules organique et inorganique). Ces modèles considèrent les phénomènes de transport et
les transformations biologiques de ces composés. Ils sont appliqués à des biofilms bactériens
pluri- ou monospécifiques (ex. modèle du détachement de Pseudomonas aeruginosa) cultivés
en réacteurs et dont l’épaisseur ne dépasse jamais plusieurs centaines de micromètres. La
recherche se concentre sur le développement de modèles multidimensionnels : après le
modèle 1D proposé par Wanner & Gujer (1986) et Wanner & Reichert (1996), des modèles
2D (Picioreanu et al. 2000) ou encore 3D (Eberl et al. 2000 ; Picioreanu et al. 1999) ont été
proposés pour mieux appréhender la structure tridimensionnelle du biofilm. Néanmoins
l’application de tels modèles est incompatible avec la complexité du biofilm épilithique et la
connaissance que nous en avons.
Alors que les modèles relatifs à la dynamique du phytoplancton dans les lacs ou les
estuaires sont nombreux, assez peu de modèles de dynamique du périphyton existent. Les
auteurs McIntire (1973) et McIntire & Colby (1978) sont les premiers à avoir proposé un
modèle capable d’expliquer la dynamique des écosystèmes lotiques de petite taille. Parmi les
7 processus que décrit ce dernier, le module relatif à la dynamique du périphyton a servi de
base au développement d’autres modèles (Tableau 2.1.) destinés plus spécifiquement (et pour
la plupart) à rendre compte des effets du courant, des nutriments et/ou de la lumière sur la
dynamique temporelle de l’épilithon (Horner et al. 1983 ; Biggs 1988 ; Momo 1995 ;
Uehlinger et al. 1996 ; Saravia et al. 1998). Plus tôt Rodriguez (1987) proposait une
application et un développement du modèle logistique à la dynamique du périphyton en lac,
sans intégrer néanmoins la contribution de variables de forçage telles que l’hydrodynamique.
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 41
Dans leur stucture, tous ces modèles considèrent le descripteur global qu’est la biomasse
comme variable d’état et tous utilisent la biomasse chlorophyllienne (en mg m-2). Dans leur
modèle, Asaeda & Hong Son (2000, 2001)proposent une description verticale en sous
couches et distinguent les algues filamenteuses des non filamenteuses ; les caractéristiques
des séries temporelles utilisées basées sur des comptages cellulaires d’Achnanthes
minutissima, de Spirogyra (espèces non filamenteuses) et de Synedra spp. (espèces
filamenteuses) répondent alors spécifiquement à la structure du modèle.
Enfin citons l’existence de deux autres modèles qui intègrent le périphyton mais dont
l’objectif est plus global : à travers leur modèle, DeAngelis et al. (1995) étudient le rôle du
périphyton vis-à-vis de l’azote ; Flipo et al. (2004) développent un modèle de périphyton et
l’intègrent au modèle ProSe (Even et al. 1998) afin d’évaluer la contribution du périphyton
sur les flux de carbone à l’échelle de 40 km de rivière.
Parmi ces modèles, celui proposé par Uehlinger et al. (1996) a retenu notre attention
pour ces deux principales raisons :
• Sa structure : le modèle utilise des variables de forçage disponibles dans les jeux de
données et relativement faciles à se procurer ; le nombre de paramètres est réduit (maximum
9) compte tenu des processus qu’il considère (effets de la lumière, de la température, du débit,
de la diffusion). En particulier ce modèle intègre l’idée d’une dépendance de la croissance vis-
à-vis de la densité du biofilm, particulièrement importante à nos yeux.
• Les conditions de sa calibration : le modèle a été calibré à partir d’une série temporelle
comprenant des observations fréquentes (fréquence hebdomadaire ou bimensuelle) et
relativement nombreuses (43 points), mesurées en milieu naturel (River Necker, Suisse)
pendant 15 mois consécutifs.
Comme la plupart des modèles, celui d’Uehlinger et al. (1996) retient la chlorophylle
a comme descripteur de biomasse. Dans ce travail, parmi les descripteurs globaux disponibles
(MS, MSSC et chlorophylle a), la MSSC a été préférée car elle décrit l’intégralité de
l’assemblage, contrairement à la chlorophylle a, qui concerne seulement la fraction algale et
peut être l’objet de changements tels que la photoadaptation, et contrairement à la MS qui
inclut aussi la fraction minérale pour laquelle l’équation n’est absolument pas adaptée.
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 42
Tableau 2.1. Synthèse comparative des caractéristiques des modèles de périphyton de la littérature (d : jour ; m : mois).
MODELE
var. d'état (+ unité) processus var. de forçage nb paramètres nb séries conditions durée fréquence milieu substrats
Horner et al. (1983) biomasse (mg chl a m-2) croissance vitesse du courant 8 9 3 concentrations 45 d 7 d-1 canal laboratoire artificielsdétachement nutriments (phosphore) x 3 vitesses
Rodriguez (1987) biomasse ou taille colonisation 4 6 - de 30 d à 6 m de 3 à 30 d-1 naturel (lacs) artificiels (5) de population (indifférente) croissance et naturels (1)
Rodriguez (1987) biomasse ou taille croissance 3 6 - de 30 d à 6 m de 3 à 30 d-1 naturel (lacs) artificiels (5)de population (indifférente) (logistique) et naturels (1)
Momo (1995) biomasse (indifférente) colonisation vitesse du courant 6 aucune - - - - -détachementcroissance
Uehlinger et al. (1996) biomasse (mg chl a m-2) croissance débit moyen journalier 9 1 moy. de 4 sites 16 m 7 ou 15 d-1 naturel - ordre 3 naturelsdétachement lumière River Necker (Suisse)
température
Saravia et al. (1998) biomasse (mg chl a m-2) colonisation vitesse du courant 10 6 2 sites 45 d 3 d-1 naturel - ordre 3 artificielscroissance nutriments (SRP ) x 2 saisons River Lujan (Argentine)
détachement x 2 vitesses
Asaeda et Hong Son biomasse / densité cell. croissance vitesse du courant > 15 6 2 vitesses 33 d 3 d-1 canal déporté artificiels(2000, 2001) (mm3 mm-2 biovolume) colonisation lumière x 3 espèces
détachement température
STRUCTURE DU MODELE SERIES TEMPORELLES
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 43
1.3 – Description du modèle
1.3.1 – Formulation initiale
Le modèle développé par Uehlinger et al. (1996) se compose d’une équation
différentielle décrivant l’évolution de la biomasse B en fonction du temps t (Eq. 1).
L’équation différentielle est constituée d’un terme d’accrétion (1) et d’un terme de perte (2),
en accord avec la courbe théorique proposée par Biggs (1996).
)()(][
][1
100det
)(
,0max,
0 BBQkBBQckP
PkI
IeBk
BµdtdB
floodPI
TT
Binv
−−−−+++
= −β (Eq. 1)
avec catflood kk = si crQQ >
0=floodk si crQQ ≤
où T est la température de l’eau (°C), T0 la température de référence (°C), I l’intensité du
rayonnement journalier (E m-2), [P] la concentration en phosphore (mg L-1), Q le débit moyen
journalier (m3 s-1) et Qcr le débit critique au-delà duquel le substrat est instable (m3 s-1).
Le terme d’accrétion (1a) basé sur un processus linéaire proportionnel à B et au taux
de croissance spécifique µmax,0 (à la température de référence T0) génère une croissance
exponentielle de la biomasse. Cette croissance est limitée par quatre termes qui intègrent les
effets de l’épaisseur de l’assemblage (paramètre kinv,B), de la température (paramètre β), de la
lumière (paramètre kI) et du phosphore (paramètre kP) : (1b) Le terme de limitation associé à
l’épaisseur du biofilm considère que, lorsque l’épaisseur du biofilm augmente, la diffusion de
la lumière et des nutriments est limitée dans les couches profondes du biofilm par rapport aux
couches de surface. Son influence est désactivée pour kinv,B=0 ; (1c) Le terme de limitation par
la température utilise l’approximation de l’équation d’Arrhenius ou van t’Hoff. La
température de référence T0 est fixée à 20°C. Ce terme est désactivé pour β=0 ; (1d) La
limitation de la croissance par la lumière est décrite par une fonction de Monod où kI est le
coefficient de demi saturation. Ce terme est désactivé pour kI=0 ; (1e) Enfin une limitation de
la croissance par le phosphore a été ajoutée à l’équation proposée par (Uehlinger et al. 1996)
pour tester l’influence des nutriments. D’après le terme de Monod qui décrit ce terme, le taux
(1b) (1c) (1d) (1e) (2a) (2b) (1a)
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 44
de croissance augmente rapidement avec [P] à de faibles concentrations en phosphore et très
faiblement à de fortes concentrations en phosphore.
La perte de biomasse est décrite par deux termes. Le premier terme (2a) décrit le
détachement comme une fonction du débit et de la biomasse (supérieure à la biomasse
minimale B0). Le processus est inactivé pour cdet=0. Le second terme de perte (2b) est associé
à une perte « catastrophique ». Il est formulé de la même manière que le terme précédent mais
est activé uniquement lorsque le débit excède le débit critique (et lorsque kcat≠0). Le
paramètre B0 permet dans les cas de forte perturbation d’assurer un redémarrage de la
biomasse. C’est une alternative à l’utilisation d’un terme de colonisation.
L’équation initiale (Eq. 1) permet de générer une famille de R sous modèles (nested
models) : le modèle le plus simple à un paramètre correspond au modèle linaire ; les modèles
à 2, 3, 4, 5, 6 ou 7 paramètres sont construits en ajoutant un ou plusieurs termes (donc un ou
plusieurs paramètres) au modèle le plus simple. Cette famille de sous modèles est utilisée à
deux reprises dans cette partie. Les modèles sont d’abord confrontés aux séries temporelles
d’observations collectées dans l’Agüera pour déterminer du point de vue de la modélisation,
s’il existe, un modèle simple qui s’ajuste avec le maximum de séries temporelles et du point
de vue des processus si l’hydrodynamique possède un rôle déterminant dans l’Agüera. Ils sont
aussi confrontés aux séries temporelles collectées dans la Garonne. La qualité de l’ajustement
n’étant pas optimal, le modèle (Eq. 1) est développé pour générer une nouvelle hypothèse qui
explique le contrôle de la biomasse dans les situations concernées. La famille de sous modèles
est alors agrandie.
1.3.2 – Développement
Le développement du modèle (Eq. 1) consiste à implémenter un terme de détachement
autogène (Eq. 2). Le terme (2c) est décrit selon la même formulation que le terme de
détachement hydrodynamique (2a) i.e. proportionnel à la biomasse (B-B0). Proportionnelle à
Q dans le terme de détachement hydrodynamique, la perte est ici proportionnelle à la
biomasse bactérienne active Bb (cellules m-2).
)(
)()(][
][1
1
0
00det)(
,0max,
0
BBBc
BBQkBBQckP
PkI
IeBk
BµdtdB
bauto
floodPI
TT
Binv
−−
−−−−+++
= −β
(Eq. 2)
(2c)
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 45
Bb est simultanément décrite par une seconde équation différentielle (Eq. 3) composée d’un
terme de croissance et d’un terme de perte :
bbBTTbBbB
b BBceµdt
dB⋅−⋅=
−]'[ det
)0((β (Eq. 3)
où T est la température de l’eau (°C) et T0Bb la température de référence (°C) pour les
bactéries.
La croissance (1’a) est assujettie à une limitation par la température (1’b) selon une loi
d’Arrhenius ou van’t Hoff (paramètres βBb et T0Bb). T0Bb est fixée égale à 20°C. Ce terme est
désactivé pour βBb=0. L’écriture du terme de perte (2’ : paramètre c’det) considère que le
détachement du biofilm génère une perte de matériel bactérien. La biomasse B est utilisée
comme variable pour approximer la perte bactérienne. Les autres pertes (lyse bactérienne,
mortalité) sont incluses dans le terme de croissance bBµ .
1.4 – Résolution numérique
La méthode de résolution appliquée est celle de Runge et Kutta de quatrième ordre,
méthode la plus couramment utilisée en écologie et qui donne des résultats très satisfaisants.
Cette méthode allie simplicité et précision de calcul. Le pas de temps est le jour et, après
vérification, le pas d’intégration est choisi égal à 3 heures. Les valeurs intermédiaires des
variables de forçage (débit, température, lumière et phosphore) à chaque pas d’intégration
sont obtenues par interpolation linéaire des données mesurées. Le bilan de biomasse est
vérifié tout au long de la simulation pour s’assurer que le calcul ne dérive pas.
La valeur initiale de la biomasse B est fixée égale à la valeur initiale observée dans la série
temporelle d’observation. La valeur initiale de Bb est égale à 3.1010 cellules (g MSSC)-1 en
accord avec les travaux de Lyautey et al. (2003, 2005a) concernant les mêmes séries
temporelles que celles utilisées ici pour le développement du modèle.
1.5 – Sélection de modèles et identification des paramètres
Dans les deux cas testés l’objectif est de sélectionner le sous modèle le plus adapté aux
séries temporelles d’observations. Deux méthodes de sélection de modèles sont mises en
(1’a) (1’b) (2’)
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 46
œuvre dans ce travail : le Critère d’Information d’Akaike, utilisé dans le chapitre 3 et le
critère du χ2 mis en œuvre dans le chapitre 4.
1.5.1 – Critère d’Information d’Akaike (AIC)
Identification des paramètres sans contrainte
Les paramètres de chaque sous modèle sont calibrés de manière à ajuster au mieux la
simulation avec les observations. L’algorithme de Levenberg-Marquardt (Press et al. 1988)
est utilisé pour minimiser la somme des carrés des écarts (RSS, Residual Sum of Squares)
entre simulation et observation. Le critère d’information d’Akaike (Akaike Information
Criterion AIC) est employé pour comparer chaque sous modèle et déterminer le meilleur
compromis entre qualité du fit (ajustement) et simplicité du modèle (nombre de paramètres)
(Akaike 1973). Comme le nombre de paramètres libres (à calibrer) p excède 40n avec n la
taille de la série temporelle (n = 14), l’utilisation d’une seconde forme de l’AIC appelée AICc
est préconisée pour corriger le biais associé à la petite taille de l’échantillon :
1)p(n1)(p2p2p/y)θ2ln(L(AICc p −−
+++−= ˆ (4)
où /y)θL( pˆ représente le maximum de vraisemblance du ou des paramètre(s) du modèle selon
les observations y. L’utilisation du RSS comme critère d’optimisation permet de transformer
la formule (4) en formule (5) :
1)p(n
1)(p2p2pn
RSSnlnAICc−−
−++= (5)
L’AICc est constitué de deux composantes : (i) le logarithme du maximum de vraisemblance
qui tient compte de l’écart entre la simulation et l’observation auquel s’ajoute (ii) une
correction qui augmente proportionnellement avec le nombre de paramètres. Selon ce critère,
un modèle est d’autant plus pénalisé que son nombre de paramètres est élevé. Le « meilleur »
modèle est celui dont l’AICc est le plus faible.
D’autres critères dérivés de l’AICc sont calculés pour déterminer la probabilité que chaque
sous modèle de la famille soit le meilleur parmi les R modèles :
minii AICc AICc −=∆ et ∑=
∆−
∆−= R
rr
ii
1
)2/exp(
)2/exp(ω
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 47
où AICci est l’AICc du modèle i et l’AICcmin est l’AIC du meilleur sous modèle. Enfin,
le « rapport d’évidence » (evidence ratio)i
j
ωω
, renseigne dans quelle mesure le « meilleur »
modèle j est meilleur qu’un autre sous modèle i. Si ∆i < 2 (ou i
j
ωω
< 2,7) le modèle i est aussi
bon que le modèle j, si ∆i est compris entre 3 et 7 le modèle i n’est pas très bon et enfin si ∆i >
10 le modèle i est à rejeter (Burnham & Anderson 2002).
Identification des paramètres avec contrainte
La sélection de modèle a été effectuée une première fois sans contraindre la valeur des
paramètres. Dans certains cas cependant, les valeurs obtenues étant très peu réalistes, une
gamme de valeur a été imposée aux paramètres µmax,0, β, kI et kP à partir d’une recherche
bibliographique basée sur des études expérimentales ou de modélisation, de terrain ou de
laboratoire concernant des algues benthiques ou planctoniques (principalement). La recherche
automatisée de la combinaison optimale de paramètres pi avec contrainte implique alors de
faire tourner l’algorithme avec de nouveaux paramètres p’i :
⎟⎟⎠
⎞⎜⎜⎝
⎛
−
−−=
ii
iiii
ppppp
pmin,max,
min,max,' 22
tan π
avec pmin,i et pmax,i les bornes inférieure et supérieure de la gamme du paramètre pi obtenue
dans la littérature. Une fois les calculs effectués, l’estimation des véritables paramètres ip est
déduite de l’estimation des paramètres 'ip en utilisant la formule inverse :
)()arctan()(21
min,max,'
min,max, iii
iii pppppp −++=π
Interprétation des paramètres
La recherche d’un modèle prédictif impose de bien maîtriser le comportement du modèle et
en particulier de pouvoir expliquer les valeurs optimisées de chaque paramètre. Une
régression multiple pas à pas est effectuée afin d’expliquer les valeurs prises par les
paramètres des « meilleurs » sous modèles en fonction des conditions environnementales des
séries temporelles testées. Les valeurs obtenues pour chaque meilleur sous modèle sont alors
analysées en fonction de la vitesse moyenne du courant, le pourcentage de sable du substrat,
la conductivité, l’azote total, le phosphore total, la silice et le pourcentage de couverture par la
canopée de chaque série, après transformation logarithmique des données. Seuls les facteurs
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 48
pour lesquels p<0,05 sont conservés dans l’équation qui relie chaque paramètre aux différents
facteurs environnementaux testés.
1.5.2 – Critère du χ2
Les paramètres de chaque sous modèle sont calibrés pour permettre le meilleur
ajustement avec les observations. L’algorithme de Levenberg-Marquardt (Press et al. 1988)
est utilisé pour minimiser le χ2 entre simulation et observation :
∑=
⎟⎟⎠
⎞⎜⎜⎝
⎛ −=
n
i itobs
tobsi iBtB
1
2
,
,2 )(σ
χ
avec itobsB , la biomasse observée à l’instant ti, )( itB la biomasse simulée à l’instant ti,
itobs,σ l’écart type de itobsB , et n le nombre d’observations.
Les nouveaux processus testés étant hypothétiques, la gamme de valeurs des paramètres n’est
pas définie et donc aucune contrainte sur les paramètres n’est envisagée.
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 49
2 – Expérimentations in situ
Cette partie expérimentale, consacrée à l’acquisition de nouvelles séries temporelles
de biomasse épilithique, a été réalisée dans le but de disposer d’une description structurelle et
fonctionnelle plus complète et d’éléments d’interprétation de la dynamique temporelle de la
biomasse. Ces expérimentations ont été effectuées :
• en milieu contrôlé, dans un canal de laboratoire, afin de limiter l’effet des
perturbations allogènes sur la structuration du biofilm et favoriser une évolution autogène.
• in situ dans le site de l’Aouach (site amont) sur la Garonne, dans une logique de
comparaison interannuelle avec la série temporelle de 2001-02.
2.1 – Expérimentation en milieu contrôlé
2.1.1 – Dispositif expérimental
Le canal utilisé est un canal légèrement pentu (1/1000) de 11 m de longueur, 50 cm de
largeur et 20 cm de hauteur, situé dans le hall de l’Institut de Mécanique des Fluides de
Toulouse (IMFT) sur le bras supérieur de la Garonne (Figure 2.5.). Ce canal de laboratoire a
déjà fait l’objet d’expérimentations relatives aux interactions biofilm/écoulement (Godillot et
al. 2001 ; Fothi 2003). Dans ces études, les expérimentations étaient réalisées en circuit fermé,
le canal étant alimenté par de l’eau de ville. Afin de limiter les risques de carences nutritives,
irrémédiablement associées à un tel dispositif, le montage hydraulique a été adapté pour que
le canal reçoive de l’eau de Garonne et tourne en circuit semi-ouvert.
Caractéristiques du montage hydraulique
La cuve aval du canal (3300 L) est continuellement alimentée grâce à une pompe (Selfinox
200/80T, ITT Flygt, France) qui prélève de l’eau dans la Garonne à deux mètres de
profondeur à un débit de 800 L h-1 (soit 2,2 10-4 m3 s-1) assurant un renouvellement complet
de l’eau dans le canal en l’espace de 4 h. La pompe choisie est suffisamment robuste pour
faire circuler de l’eau de rivière riche en particules minérales ou organiques. Néanmoins,
avant son entrée dans le canal, l’eau est filtrée pour limiter l’apport de matière en suspension
ainsi que l’entrée de méio- et macrofaune exogène, qui pourrait générer des pertes de
biomasse par broutage. L’eau traverse successivement deux séparateurs centrifuges, un à
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 50
vidange automatique et le second à vidange manuelle, chargés d’éliminer les particules de
l’eau de Garonne dont la taille dépasse 125 µm puis une série de trois filtres de 90, 20 et 10
µm.
Figure 2.5. Schéma du dispositif expérimental.
Conditions nutritives et physico-chimiques
La composition chimique de l’eau n’étant pas parfaitement maîtrisée par ce dispositif, celle-ci
a été analysée chaque semaine. Elle a aussi été analysée dans l’eau de Garonne (après
filtration) afin de mettre éventuellement en évidence par comparaison avec l’eau du circuit, un
effet du biofilm (consommation/production) sur la qualité de l’eau au cours de
l’expérimentation. Une fois par semaine, l’eau est prélevée automatiquement dans la cuve
amont du canal et juste avant son entrée dans le canal par deux préleveurs ISCO 3000 (Figure
2.5.). Ces derniers sont programmés pour prélever 500 mL d’eau par heure pendant 24 heures
(entre 7h et 6h). A l’issue de ce cycle, trois échantillons d’eau sont constitués par mélange
manuel des prélèvements des 8 premières heures (jour), des 8 deuxièmes (jour) et des 8
dernières heures du cycle (nuit). La comparaison des 3 échantillons ainsi constitués doit
permettre de suivre d’éventuelles variations nycthémérales.
La physico-chimie (température, conductivité, pH, oxygène dissous et turbidité en
NTU) de l’eau du canal (après filtration) a été mesurée toutes les heures par deux sondes
multiparamètres YSI 6600 implantées aux mêmes points que les préleveurs ISCO 3000
(Figure 2.5.).
néons
débitmètre vanne pompecuve aval
3300 L
cuve amont1500 L
cuve Garonne
eau deGaronne filtrée
800 L h-1sonde
PréleveurISCO 3000
PréleveurISCO 3000
0,22 m s-1
néons néons néons néons néons
sonde
Sortie :trop plein
néons
débitmètre vanne pompecuve aval
3300 L
cuve amont1500 L
cuve Garonne
eau deGaronne filtrée
800 L h-1sonde
PréleveurISCO 3000
PréleveurISCO 3000
0,22 m s-1
néons néons néons néons néons
sonde
Sortie :trop plein
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 51
La taille des particules a été mesurée en utilisant un granulomètre laser Mastersizer
Micro (Malvern Instruments Ltd, Malvern, UK) sur deux échantillons de 1 L d’eau prélevés
dans le canal lors de la dernière semaine d’expérimentation.
Caractéristiques de l’écoulement
L’expérimentation en canal expérimental permet d’assurer une régularité des conditions
hydrodynamiques (débit et vitesse du courant constants) et donc de limiter les sources de
perturbation hydrodynamique. Les conditions expérimentales doivent aussi être favorables au
développement du biofilm et favoriser son épaississement. Cela présuppose de suivre
l’évolution de la biomasse à relativement long terme. Or, d’après Stevenson & Peterson
(1991), l’établissement des communautés sur le substrat est favorisé par les vitesses modérées
du courant et, avec l’âge et l’augmentation de biomasse, les vitesses du courant élevées
inhibent ces dernières. Nous avons donc choisi de maintenir une vitesse constante de 0,22 m
s-1 correspondant à un débit de 14,5 L s-1. Par ailleurs l’expérience effectuée par Godillot et al.
(2001) dans ce même canal semble conforter ce choix, puisqu’elle avait démontré un
optimum de biomasse pour un nombre de Reynolds de 22000 soit une vitesse de 0,21 m s-1.
Un débitmètre électromagnétique permet de contrôler le débit, et ce dernier peut être réajusté
en actionnant une vanne et un by-pass. Une seconde pompe (Omega 10-160-4, Smedegard,
Danemark) immergée dans la cuve aval renvoie l’eau (à un débit de 14,5 L s-1) vers la cuve
amont via une conduite de 100 mm de diamètre. L’eau circule de la cuve amont vers la cuve
aval par gravité. Après calcul, le nombre de Froude (adimensionnel) gD
VFr×
= avec V, la
vitesse moyenne du courant (m s-1), D, la hauteur d’eau (m) et g, l’accélération de la pesanteur
(m s-2) est égal à 0,19 donc caractéristique d’une zone de « plat courant ».
La hauteur d’eau, ajustée en permanence à 13 cm, est considérée suffisante pour
assurer un écoulement à surface libre, compte tenu de la hauteur (2 cm) des rugosités (ou
substrats). L’établissement dans le canal est facilité par un entonnoir en forme de Venturi
convergent localisé entre la cuve amont et l’entrée du canal. Un dispositif positionné dans la
cuve amont constitué d’une clarinette, d’un système de lattes de PVC verticales et d’un filtre
de 350 µm permet de tranquilliser et homogénéiser l’eau avant son entrée dans le canal.
Conditions d’éclairement
L’éclairage initial du canal a été adapté pour favoriser encore davantage le développement du
biofilm : le canal est presque intégralement recouvert (excepté aux extrémités) par 6 rampes
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 52
de 1,50 m, coulissantes et amovibles pour permettre l’accès pour les prélèvements et équipées
de néons. Ces rampes sont reliées à un programmateur qui assure une photopériode estivale
de 16 h de jour et de 8 h de nuit particulièrement favorable à la croissance photosynthétique.
L’éclairage artificiel est assuré par l’alternance de 15 néons « lumière du jour » (daylight
Philips TDL 58 W) et de 15 néons horticoles (Sylvania Gro-Lux 58 W) dont le spectre
d’émission dans le rouge est spécialement adapté à la croissance des végétaux. La mesure de
la lumière incidente, à l’aide d’un quantamètre LI-190 SA connecté à un enregistreur de
données (LI-COR Inc. Lincoln, Nebraska), avant la mise en eau du canal, montre que la PAR
atteint 180 µE m-2 s-1 au centre du canal et décroît sur les bords à 140 µE m-2 s-1. Or d’après
Bothwell et al. (1993), l’activité photosynthétique est saturée pour des intensités (en lumière
blanche) comprises entre 100 et 400 µE m-2 s-1. On peut donc penser que, même en
considérant la limitation de la pénétration de la lumière par les 13,5 cm d’eau, les conditions
d’éclairement ne sont ni limitantes ni inhibitrices. Les parois latérales du canal sont
recouvertes d’un film opaque pour limiter la croissance du biofilm sur ces parois.
Caractéristiques des substrats
Une forte erreur d’observation entache l’acquisition de la biomasse épilithique en milieu
naturel. Cette erreur est non seulement due à la mesure de la biomasse mais aussi à la
variabilité des conditions locales de développement du biofilm in situ qui génère une forte
hétérogénéité de la biomasse même à petite échelle. L’utilisation de substrats artificiels tous
identiques permet de limiter cette variabilité et de réduire significativement l’erreur associée à
l’estimation de la surface. Le fond du canal est recouvert de substrats hémisphériques de 37
mm de diamètre et de 20 mm de hauteur, de 0,065 m2 de surface, en résine polyuréthane et
lestés avec du sable pour ne pas être emportés par le courant (Figure 2.6.). Le matériau a été
sélectionné pour ses propriétés chimiques inertes et pour sa résistance à une température de
110°C. Cette résistance permet de s’affranchir de l’étape qui consiste à détacher le biofilm de
son support pour mesurer la MS en mettant directement les substrats colonisés à l’étuve.
L’étape de « grattage » étant une source de perte de matière et d’imprécision sur la surface
réellement échantillonnée, le protocole que nous avons retenu, sensément, diminue
l’incertitude sur la mesure de la biomasse. Biggs & Thomsen (1995) démontrent par ailleurs
que des substrats de même forme et de même taille confèrent des conditions optimales pour la
colonisation et la croissance du biofilm. Enfin la présence de sable donne à la surface du
substrat une texture granuleuse plus favorable à la colonisation du biofilm que les surfaces
lisses (Nielsen et al. 1984).
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 53
Afin de s’affranchir de problèmes liés au relargage de substances (toxiques) issues du
procédé de fabrication, les substrats sont immergés dans de l’eau de Garonne pendant 3
semaines puis stérilisés par autoclavage (120°C, 20 min) avant d’être disposés sur le fond du
canal. Ils sont disposés régulièrement et périodiquement sans colle pour être prélevés.
Figure 2.6. Photographie et schéma de l’agencement des substrats dans le canal.
2.1.2 – Déroulement de l’expérience
Phase d’ensemencement
Pour accélérer l’installation d’un biofilm diversifié, le canal est ensemencé à trois reprises
pendant trois semaines avec un inoculum constitué de biofilms collectés dans différentes
rivières du Sud-Ouest de la France. Avant son introduction dans le canal, la biomasse de 15
galets (surface d’environ 10 cm2) est mise en suspension dans 1 L d’eau filtrée (0,22 µm) puis
homogénéisée avec un homogénéiseur de tissus (Polytron, Kinematica) pour broyer la
50 cm3,8 cm
50 cm3,8 cm
50 cm3,8 cm
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 54
macrofaune et dilacérer les agrégats macroscopiques. Pendant cette période d’ensemencement
le canal fonctionne en circuit fermé ; avant chaque renouvellement de l’inoculum, l’eau du
canal est remplacée par de l’eau de Garonne pour la réenrichir en nutriments. A l’issue de
cette phase, débute la phase d’expérimentation proprement dite au cours de laquelle par
exemple, les processus de croissance/adaptation sont sensés prévaloir sur les processus
d’immigration pour expliquer la structuration des communautés.
Echantillonnage et conditionnement du biofilm
Pendant la phase d’expérimentation, la biomasse épilithique est prélevée une fois par semaine
pendant 14 semaines (soit 15 prélèvements) dans la zone aval du canal d’une longueur de 5
m. Les bords du canal peuvent générer une hétérogénéité dans le développement de la
biomasse. Les 3 substrats situés immédiatement près des parois sont donc volontairement
écartés du prélèvement pour éviter ces « effets de bords ». Chaque semaine, 11 substrats sont
aléatoirement prélevés avec une pince et un emporte-pièce et stockés au froid (4°C) jusqu’au
traitement ou stockage (systématiquement effectué dans les 4 heures qui suivent le
prélèvement) :
• 4 substrats constituent 4 échantillons réplicats qui sont sous échantillonnés pour la
caractérisation de la biomasse microbienne des biofilms : chlorophylle ; dénombrement des
bactéries ; composition des communautés bactériennes par PCR - DGGE. Le biofilm est
détaché du substrat à la brosse à dents stérile et mis en suspension dans 50 ou 100 mL (selon
la quantité de biomasse) d’eau filtrée (0,22 µm). La suspension de biofilm est ensuite
homogénéisée (Polytron, Kinematica). Deux aliquotes de 10 mL sont prélevés, centrifugés
(12000 g, 20 min, 4 °C) puis stockés à -80°C pour analyses ultérieures. Par manque de temps,
le dénombrement des bactéries n’a pas été effectué. De même, pour alléger les analyses, la
composition bactérienne a été réalisée en triplicat : 3 échantillons parmi les 4 ont été
sélectionnés au hasard.
• 6 substrats constituent 6 échantillons réplicats qui sont réservés aux mesures de
production et de respiration puis, en fin d’incubation, aux mesures de biomasse (MS et
MSSC).
• 1 substrat est utilisé pour la composition algale.
Chaque substrat prélevé est remplacé par un substrat vierge de couleur rose pour être plus
facilement identifié lors des prélèvements suivants. Si un substrat rose est prélevé, celui-ci est
exclu du prélèvement, remis à sa place et remplacé par un substrat « normal ».
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 55
Nous souhaitions compléter ces mesures hebdomadaires de production et de stock de
biomasse par une mesure de détachement afin de réaliser un bilan de matière. Un filet en
nylon de 50 µm de maille, monté sur un cadre métallique adapté à la section du canal, est
disposé verticalement à la sortie du canal. L’installation permanente de ce filet étant
impossible, l’estimation de la dérive est faite pendant 1 heure toutes les semaines. Notons que
cet empêchement technique ne nous permet pas d’assurer qu’aucune des cellules émigrant du
biofilm ne soit recyclée, ce qui était également le but d’une installation permanente de filet à
l’aval de la veine de croissance des biofilms. Six filets sont successivement positionnés et
remplacés toutes les 10 min pour collecter la matière. Le temps nécessaire à une filtration
complète de l’eau du canal étant inférieur à 7 minutes, on peut supposer que les 10 premières
minutes sont suffisantes pour filtrer toute l’eau du canal. La mesure de dérive est faite sur les
5 autres passages en considérant que ce qui est collecté s’est réellement détaché depuis le
début de la mesure.
2.1.3 – Analyses
Chlorophylle a
La biomasse chlorophyllienne a est mesurée au spectrophotomètre à partir des équations
trichromatiques (Jeffrey et al. 1997) après extraction à l’acétone 90 % (4 h, à l’obscurité et à
température ambiante) du culot homogénéisé (Ultra Turrax modèle T2S, Janke et Klunkel) et
désagrégé (Sonde à Ultra Son, 1 min).
Métabolisme
La production et la respiration du biofilm épilithique sont mesurées dans les 2 heures qui
suivent le prélèvement en utilisant une méthode respirométrique basée sur les changements
temporels (rapides) de concentration en oxygène en chambres d’incubation (McIntire &
Phinney 1965). Les mesures sont effectuées dans deux chambres d’Altuglass transparent de
18 cm de longueur et de largeur et de 5 cm de hauteur, d’un volume de 1,3 L (incluant le
volume de la pompe, de la cellule de mesure, des tuyaux et des substrats) refermées par un
couvercle d’Altuglass transparent étanche (Figure 2.7.). Les deux chambres sont remplies
d’eau filtrée (0,22 µm) et 3 substrats sont déposés dans chacune des chambres à l’obscurité et
à 4°C jusqu’à l’essai proprement dit, systématiquement intervenu après 1h30 à 1h45 de
stockage afin de s’assurer que cette phase de stabulation à l’obscurité serait comparable pour
tous les biofilms testés. Les chambres sont ensuite transférées dans une enceinte thermostatée
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 56
éclairée par une lampe à sodium haute pression (Phyto Claude 400 W) et où la température est
ajustée à la température mesurée le même jour dans le canal à 1°C près. Les chambres sont
positionnées par rapport à la lampe de manière à recevoir une intensité lumineuse moyenne de
150 µE m-2 s-1 similaire à l’intensité lumineuse moyenne du canal. Une pompe assure la
recirculation de l’eau (620 mL min-1) dans la chambre pour homogénéiser l’eau pendant
l’incubation. Ce débit de recirculation ne permet pas de recréer les conditions
hydrodynamiques du canal.
Figure 2.7. Schéma du dispositif de mesure de la production et de la respiration (schéma modifié de J. Meillon) et photographie de la chambre d’incubation des substrats.
L’oxygène dissous est mesuré toutes les minutes pendant 2 h à l’aide d’oxymètres (WTW
Oxi340i) connectés à un enregistreur de données. La production brute (GPP, Gross Primary
Production) est égale à la pente maximale de l’évolution de la concentration en oxygène
dissous au cours du temps mesurée pendant une période de 30 min de lumière. Les chambres
sont ensuite placées à l’obscurité pendant 90 min : la respiration (R) du biofilm (autotrophe +
hétérotrophe) est égale à la pente maximale de l’évolution temporelle de la concentration en
oxygène pendant cette période d’obscurité. Ces mesures ont été réalisées par M. Sellali dans
le cadre de son stage de DESUPS (2005-2006) au sein de l’ UMR 5177, LEH.
La production nette journalière (NPP en d-1) est obtenue en ajoutant GPP multipliée
par le nombre d’heures de jour (16 h) et R multipliée par le nombre d’heures de nuit (8 h). La
production brute spécifique ou productivité brute (h-1), la respiration spécifique (h-1) et la
productivité journalière spécifique (h-1) sont calculées en divisant GPP, R, NPP par la
biomasse chlorophyllienne, après conversion de toutes les grandeurs en carbone. La biomasse
Cellule de mesure
Boîte étancheVolume = 1350 mLTps renouvellement = 2 min
Tuyau
Pompe600 mL min-1
Substrat
Oxymètre
18 cm
Cellule de mesure
Boîte étancheVolume = 1350 mLTps renouvellement = 2 min
Tuyau
Pompe600 mL min-1
Substrat
Oxymètre
18 cm
Cellule de mesure
Boîte étancheVolume = 1350 mLTps renouvellement = 2 min
Tuyau
Pompe600 mL min-1
Substrat
Oxymètre
Cellule de mesure
Boîte étancheVolume = 1350 mLTps renouvellement = 2 min
Tuyau
Pompe600 mL min-1
Substrat
Oxymètre
18 cm
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 57
chlorophyllienne est convertie en carbone en utilisant le facteurs de conversion de 30 mg C
(mg Chl a)-1, valeur couramment utilisée dans les environnements riches en nutriments
(Cardinale et al. 2002). Les concentrations en oxygène sont converties en carbone en
multipliant par le rapport des masses molaires du C sur l’O2 (0,375) et en considérant des
quotients photosynthétique et respiratoire de 1 (Mulholland 1997). Enfin le rapport P/R
(GPP/R) est calculé et utilisé comme paramètre intégrateur de l’état physiologique du biofilm
(Fisher & Likens 1973).
MSSC et MS
Les substrats utilisés pour les mesures de production et de respiration sont retirés des
chambres, séchés à l’étuve (80°C, 12 h) puis pesés (P1). La biomasse sèche de chaque substrat
est récupérée par grattage à l’aide d’un cutter et pesée avant (P3) et après (P4) calcination
(500°C, 12 h) ; la fraction de MSSC de l’échantillon (%) est égale à 100)(
3
43 ×−P
PP . Les
substrats sont ensuite lavés, séchés puis pesés (P2). La MS de l’échantillon (en g m-2) est égale
à S
PP )( 21 − avec S, la surface d’un substrat (0,065 m2). La MSSC de l’échantillon (en g m-2)
est alors obtenue en multipliant la MS par le pourcentage de MSSC.
L’index autotrophique (IA) et le contenu chlorophyllien (CC en %) sont calculés en guise
d’évaluation de la part relative des algues dans le biofilm.
)m(gachl)m(gMIA 2
2
−
−
=SSC et 100
)m(gM)m(ga C 2
2
×=−
−
SSCchlC .
La matière collectée dans chaque filet est mise en suspension dans 0,5 L d’eau puis
homogénéisée (Polytron, Kinematica). Un aliquote de 50 mL est analysé en terme de MS et
MSSC. Les valeurs de MSSC issues de chaque filet sont ajoutées puis converties en
concentration (mg L-1) en tenant compte du débit de 14,5 L s-1. Cette concentration en dérive
est divisée par la MSSC fixée mesurée la même semaine de manière à fournir une estimation
d’un « potentiel » de détachement.
Composition algale
La biomasse d’un substrat est décrochée à l’aide d’une brosse à dents et mise en suspension
dans 30 mL d’eau filtrée (0,22 µm). L’échantillon est fixé à la glutaraldéhyde (concentration
finale 1%) et stocké au froid et à l’obscurité. L’échantillon est examiné qualitativement entre
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 58
lame et lamelle au microscope à un grossissement compris entre 600 et 1000. Comme
l’indique APHA (1992), 400 cellules ont été analysées donnant une marge d’erreur sur le
comptage estimée à 4002 = 10%. Les taxa sont généralement identifiés à l’espèce et parfois
au genre. Neuf échantillons parmi les 15 ont été sélectionnés pour estimer la composition
algale moyenne et son évolution temporelle.
Composition bactérienne
L’extraction d’ADN métagénomique a été réalisée à partir d’un kit commercial, Ultra clean
soil DNA isolation kit, (MO BIO, USA), sur 45 culots (triplicats de 15 échantillons) de
biofilms stockés à -80°C. La quantification de l’ADN extrait, l’amplification par PCR
(Polymerase Chain Reaction) d’une partie du marqueur taxonomique retenu (gène codant
pour l’ARNr 16S), la quantification de l’amplifiat et son analyse en gel de gradient dénaturant
(DGGE) ont été réalisées selon Lyautey et al. (2005b). Trois gels comportant un triplicat des
15 échantillons ont été réalisés. Chaque gel est coloré pendant 30 minutes avec du SYBR
Green (Sigma), puis photographié à l’aide d’une caméra CDD et du logiciel Biocapt (Vilber
Lourmat) et analysé avec le logiciel Bio 1D (Vilber Lourmat). Les PCR et DGGE ont été
réalisées par Y. Nicaise (AJT, Université Paul Sabatier, UMR 5245 EcoLab).
Selon Lyautey et al. (2005b), la méthode appliquée à des assemblages complexes comportant
des micro-organismes photosynthétiques eucaryotes révèle une partie de ces organismes
(ADN plastidial) ainsi que les cyanobactéries. La diversité ainsi obtenue correspond à la
diversité bactérienne au sens phylogénétique du terme « Bactérie ».
Analyses de l’eau
Les concentrations en ammonium, nitrite, nitrate, phosphate, phosphore total, silice et
chlorophylle a dans l’eau sont quantifiées en utilisant les méthodes colorimétriques manuelles
ou à la chaîne (APHA 1992). Le carbone organique dissous est mesuré à l’aide de l’analyseur
de carbone (Shimadzu TOC5000, Kyoto, Japon). La matière en suspension est mesurée par
pesée d’un filtre séché à l’étuve (105°C, 4 h) après filtration sur 0,45 µm.
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 59
2.2 – Expérimentation en milieu naturel
2.2.1 – Echantillonnage et conditionnement
L’échantillonnage est effectué dans le site de l’Aouach, site amont de la série
temporelle 2001-02, entre février 2005 et mars 2006 à une fréquence hebdomadaire.
L’échantillonnage est réalisé selon un protocole légèrement différent de celui pratiqué en
2001-02 (cf. partie 1.1.2) : 1es galets sont prélevés au hasard dans une zone d’environ 5 m2
située à 45 m d’un point fixe de la berge. Pour rendre possible le prélèvement y compris hors
période d’étiage, une seconde zone, elle située à 33 m du point fixe est échantillonnée lorsque
la première zone définie est inaccessible. Ces distances permettent généralement de prélever à
une profondeur moyenne (comprise entre 0,28 et 0,72 m). Les quelques points de
prélèvements pour lesquels la hauteur d’eau est inférieure à 0,3 m (zone de berge) sont exclus
de l’analyse (4 points sur 44). Malgré quelques différences de mise en place, le protocole
adopté permet d’échantillonner le même faciès qu’en 2001-02 : la zone du banc de galet d’une
profondeur de 0,5 m environ (cf. partie 1.1.2).
Dix-neuf (ou 8) galets (selon que l’échantillonnage est complet ou partiel) sont
prélevés au total. Seize (ou 8) d’entre eux sont stockés au froid (4°C) dans un sac plastique
jusqu’au traitement au laboratoire dans un délai inférieur à 2 h. Les 3 (ou 0) galets restants
sont grattés sur place avec un cutter et stockés au froid (4°C) dans un même flacon recouvert
de papier aluminium avant d’être transféré au congélateur -80°C au laboratoire. Un
prélèvement d’1,5 L d’eau est stocké au froid (4°C) pour les analyses chimiques au
laboratoire. La température, la conductivité, le pH et la concentration en oxygène dissous sont
mesurés in situ en utilisant respectivement un conductimètre WTW LF 95, un pH-mètre
WTW pH320 et un oxymètre WTW OXI 320. La hauteur d’eau et la vitesse du courant au
fond sont mesurées dans la zone de prélèvement à l’aide d’un courantomètre (Flow-Mate
model 2000, Marsh-McBirney Inc., USA).
Au laboratoire le biofilm est décroché à l’aide d’une brosse à dents et mis en
suspension dans un volume donné d’eau filtrée sur 0,22 µm :
• 4 galets constituent 4 échantillons réplicats pour les mesures des MS et MSSC.
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 60
• 4 galets constituent 4 échantillons réplicats pour la mesure des contenus en
chlorophylle a et pigmentaires après centrifugation (20 min à 2300 g, Sigma-202) de 4 fois 50
mL de suspension et stockage des culots à -80°C.
• 1 galet est destiné à la composition taxonomique algale après fixation de 30 mL de
suspension à la glutaraldéhyde (concentration finale de 1%) et stockage à 4°C.
• 4 galets constituent 4 échantillons réplicats pour la composition et l’abondance de la
méiofaune, après ajout de 20 µL de formaldéhyde (4%) et 20 µL de rose de bengale et
stockage à température ambiante.
• 3 galets constituent 3 échantillons réplicats pour la mesure de l’activité allélopathique
après stockage de 3 fois 50 mL de suspension à -80°C. Le biofilm de chaque galet est mis en
suspension dans 100 mL d’eau filtrée, homogénéisé puis aliquoté en 2 fois 50 mL. Les
aliquotes sont stockés à -80°C.
• Enfin, ponctuellement (prélèvements des 1, 13 et 26 juillet), 3 galets supplémentaires
sont prélevés pour identifier et analyser les macroinvertébrés. Le biofilm est raclé au couteau
et stocké dans du formaldéhyde à 4% jusqu’à identification.
Le périmètre de chaque galet est reporté sur un papier calque, la surface correspondante
découpée et déterminée par pesée.
Notons que le protocole d’analyse de la biomasse (en MS et MSSC et en chlorophylle
a) diffère de celui adopté en 2001-2002. En 2001-2002, la quantification des deux
descripteurs (MS et MSSC d’une part et chlorophylle a d’autre part) était réalisée à partir
d’une suspension provenant d’un même galet, aliquoté pour chaque analyse. Il était donc
possible de faire correspondre à chaque mesure de MSSC (ou MS), la mesure de chlorophylle
a correspondante. Ici, chaque galet est utilisé pour quantifier un seul descripteur, la MSSC (et
MS) ou la chlorophylle a. L’analyse, effectuée sur une quantité de biomasse plus importante,
est donc probablement plus représentative de la biomasse réelle du galet, surtout lors de
points de faible biomasse. En revanche, ce protocole est plus lourd car il double le nombre de
galets à prélever et à traiter lors de chaque prélèvement. Dans le cadre d’un échantillonnage à
long terme, il est préférable de réduire le nombre de galets à prélever pour ne pas trop
diminuer la quantité de galets dans la zone d’échantillonnage et ne pas trop la perturber.
Ce suivi résulte d’une collaboration engagée avec d’autres chercheurs du laboratoire.
Seuls les protocoles des analyses exploitées dans ce travail sont détaillés ci-après. A ce jour,
les résultats relatifs à l’activité allélopathique, la méiofaune et la composition pigmentaire
sont en cours de traitement.
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 61
2.2.2 – Analyses des échantillons
Certains des paramètres mesurés sont les mêmes que ceux mesurés durant
l’expérimentation en canal de laboratoire (cf. partie 2.1.3). Pour ceux-ci, seuls les principes
sont rappelés ainsi que les adaptations de protocole qui ont été nécessaires pour tenir compte
des contraintes propres à chaque type d’échantillon (galets naturels vs substrats artificiels).
MSSC et MS
La biomasse est détachée du substrat à la brosse à dents, mise en suspension dans 50 mL
d’eau filtrée (0,22 µm) et centrifugée (20 min à 2300 g, Sigma-202). Les MS et MSSC sont
obtenues après séchage (105°C, 10 h) et calcination (500°C, 8 h) du culot.
Chlorophylle a
Les culots ont été lyophilisés puis pesés avant d’être fractionnés en deux sous culots. Les sous
culots sont de nouveau pesés, le premier est extrait à l’acétone 90% (4 h, à température
ambiante et dans l’obscurité) après homogénéisation (homogénéiseur de tissus) et broyage
(sonde à ultrasons, 1 min) puis centrifugé (20 min à 12000 g et 4°C).
Dénombrements algaux
Les espèces algales sont identifiées et comptées au microscope selon Utermöhl (1958). Il
s’agit d’une analyse quantitative permettant d’obtenir des densités algales, contrairement à la
détermination qualitative effectuée pour les échantillons du canal.
Invertébrés
Les organismes sont identifiés à la loupe binoculaire (G x100) en utilisant la clé de
détermination de Tachet et al. (2000) et avec l’aide de A. Compin (AI CNRS, UMR 5177
LEH).
Analyses de l’eau
Les concentrations en ammonium, nitrite, nitrate, phosphate, phosphore total, silice et
chlorophylle a dans l’eau sont quantifiées en utilisant les méthodes colorimétriques manuelles
ou à la chaîne (APHA 1992). Le carbone organique dissous est mesuré à l’aide de l’analyseur
Chapitre 2. Méthodologie générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 62
de carbone (Shimadzu TOC5000, Kyoto, Japon). La matière en suspension est mesurée par
pesée d’un filtre séché à l’étuve (105°C, 4 h) après filtration sur 0,45 µm.
Débits
Les mesures physico-chimiques effectuées sur le terrain sont complétées par les mesures de
débit moyen journalier obtenues auprès de la DIREN Midi-Pyrénées. Comme dans la partie
1.1.2 de ce même chapitre, le débit à l’Aouach est obtenu en soustrayant le débit de la station
d’Auterive au débit de la station de Portet-sur-Garonne.
Rayonnement solaire
Les données de rayonnement journalier (J cm-2) sont obtenues auprès de Météo France dans le
site de Lherm.
Chapitre 3. Importance de l’hydrodynamique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 63
Chapitre 3
Importance des perturbations hydrodynamiques dans la
dynamique spatio-temporelle du biofilm épilithique : vers
un modèle de prédiction
«La simplicité est la sophistication suprême.» Léonard de Vinci
Chapitre 3. Importance de l’hydrodynamique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 64
Résumé de « Identification of a minimal adequate model to describe the biomass dynamics of
river epilithon » par Boulêtreau S, Izagirre O, Garabétian F, Sauvage S, Elosegi A and
Sánchez-Pérez J-M (2007) River Research and Application, Copyright © 2007 John Viley &
Sons Ltd.
1 – Contexte et objectifs
Depuis quelques décennies, les milieux naturels et notamment les cours d’eau
subissent de fortes pressions anthropiques qui ont affecté leur intégrité. On s’accorde à penser
que pour ralentir, stopper voire inverser cette tendance à la dégradation de l’état de santé des
milieux, il devient nécessaire de pouvoir définir leur état écologique et de pouvoir mesurer à
travers tel ou tel descripteur les effets des principales causes de dégradation et les efforts de
réhabilitation. Ce constat s’applique à de nombreux écosystèmes aquatiques un peu partout
dans le monde (Dodds 2003) et a constitué la trame générale de fond ayant présidé à la mise
en place, en Europe et pour les mieux aquatiques, de la directive cadre européenne
2000/60/CE.
Des efforts techniques et financiers pour multiplier les dispositifs de suivi des milieux
aquatiques (stations de jaugeage, de mesure de la qualité physico-chimique de l’eau, etc.) sont
tout particulièrement consentis par les gestionnaires et les exploitants de la ressource en eau
depuis l’adoption de la nouvelle législation imposée par la directive cadre européenne.
Jusqu’à présent le suivi de la qualité des cours d’eau s’est surtout concentré sur l’utilisation
d’indicateurs structurels comme la concentration en nutriments. Mais l’introduction dans la
directive d’une préoccupation nouvelle, le bon état écologique, a montré le besoin
d’indicateurs complémentaires, les indicateurs fonctionnels comme le métabolisme des cours
d’eau par exemple. La dynamique de l’épilithon peut également être considérée comme un
indicateur fonctionnel au sens de Matthews et al. (1982) puisqu’elle intègre les conditions
locales ayant prévalu au développement de l’épilithon, découle d’une grande fonction
écosystémique, la production primaire, et reflète la biodiversité qui y est associée,
microalgues et cyanobactéries. Un modèle capable de prédire la dynamique de biomasse
épilithique et de tester différents scénarios écologiques pourrait s’avérer particulièrement utile
en matière d’aide à la décision environnementale. Cependant l’élaboration de modèles à
Chapitre 3. Importance de l’hydrodynamique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 65
vocation prédictive exige de nombreuses données pour alimenter ces modèles (variables de
forçage) et pour les ajuster (variables d’état). Les suivis de routine sont une source de données
hydrologiques et physico-chimiques conséquente, collectées à une fréquence souvent élevée
(au minimum quotidienne) donc facilement exploitables comme variables de forçage. La
recherche d’un modèle opérationnel exige aussi d’acquérir des observations (mesure de
biomasse épilithique) issues de situations suffisamment contrastées pour s’affranchir au
mieux de conditions exceptionnelles. L’acquisition de telles données sur plusieurs années et
plusieurs sites est particulièrement contraignante et délicate, difficile à mettre en œuvre dans
le cadre d’une thèse.
Les travaux d’Izagirre & Elosegi (2005) s’appuient sur un tel jeu de
données comprenant des chroniques de biomasse épilithique collectée dans 5 sites de
l’Agüera, cours d’eau du Pays Basque espagnol, pendant 3 années. Cet écosystème ayant fait
l’objet de 14 années d’investigations synthétisées dans les travaux d’Elosegi et al. (2002),
nous bénéficions donc d’une large connaissance de ses caractéristiques hydrogéologiques,
hydrologiques, physico-chimiques et biotiques axées sur la structuration des communautés
benthiques (invertébrés et épilithon) et le fonctionnement du cours d’eau (métabolisme et
décomposition des litières). Plus spécifiquement la dynamique de la biomasse épilithique
avait déjà fait l’objet de deux publications, dans lesquelles d’importantes variations spatiales,
principalement attribuées à la disponibilité en lumière (couverture végétale), aux nutriments et
au substrat (Elosegi & Pozo 1998 ; Izagirre & Elosegi 2005) et associées à des perturbations
anthropiques avaient été démontrées. Par ailleurs, l’Agüera est caractérisé par une forte
variabilité interannuelle du régime hydrologique, liée aux importantes précipitations associées
au climat océanique et à la morphologie des cours d’eau basques particulièrement pentus. Ce
jeu de données qui inclut 13 chroniques annuelles de biomasse (trois années de suivi mensuel
dans 3 ou 5 sites selon les années) s’avérait particulièrement pertinent pour la mise en œuvre
d’un modèle mathématique. Même si la fréquence de mesures de biomasse restait trop faible
pour appréhender des processus fins, elle était adaptée pour reproduire des tendances.
Dans ce contexte, notre objectif est d’identifier un modèle (i) capable de reproduire la
dynamique de biomasse épilithique dans des conditions hydrologiques et physico-chimiques
spatio-temporellement contrastées et (ii) compatible avec les données. Le principal verrou
porte donc sur la recherche d’un niveau de complexité du modèle suffisamment réduit pour ne
prendre en compte que les processus dominants mais suffisamment complexe pour répondre à
Chapitre 3. Importance de l’hydrodynamique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 66
l’objectif. La démarche consiste à appliquer un critère de sélection de modèle, l’AICc (the
second order derivative of the Akaike Information Criterion), à une série de modèles emboîtés
(nested models) issue du modèle développé par Uehlinger et al. (1996) sélectionné pour ce
travail. Les modèles emboîtés sont une famille de modèles constituée d’un modèle
« complet » (full model) et de modèles correspondant tous à des cas particuliers de ce modèle
où l’on a rendu nul un ou plusieurs paramètres. Sept, 6 ou 5 sous modèles sont générés selon
les cas, en fonction des données disponibles.
L’approche mise en oeuvre présuppose que les observations sont parfaites et les
mécanismes simulés purement déterministes. Deux chroniques parmi les 13, caractérisées par
une forte stochasticité et une forte variabilité de mesure, et ne présentant aucune tendance
nette et une très mauvaise adéquation avec le modèle, ont été écartées de l’étude. Les
chroniques étudiées sont identifiées par l’année et le site de prélèvement : par exemple la
situation collectée en 1990 dans le site 2 est nommée 90-2 et ainsi de suite pour les autres
situations. L’ajustement entre simulations et observations est optimisé automatiquement pour
chaque situation et chaque modèle, sans contrainte sur les paramètres dans un premier temps.
Les combinaisons obtenues présentant parfois une paramétrisation irréaliste, une synthèse
bibliographique est réalisée, à partir d’expérimentations et de simulations issues de la
littérature pour des espèces benthiques et principalement planctoniques, pour fixer une
gamme de valeur à chaque paramètre.
2 – Principaux résultats et discussion
Les principaux résultats montrent que dans 7 situations sur 11 le meilleur sous modèle
(i.e. celui dont la valeur de l’AICc est la plus faible) correspond au modèle à 3 paramètres
(µmax,0, kinv,B et cdet) (Tableau 3.1.). Les situations 01-4 et 01-5 retiennent comme meilleur
sous modèle le modèle à un paramètre (le paramètre de croissance µmax,0). Dans la situation
01-2, la méthode de sélection de modèle ne parvient pas à choisir entre le modèle à 2 (µmax,0 et
cdet) ou 3 (µmax,0, kinv,B et cdet) paramètres mais, dans les deux cas, les processus retenus sont la
croissance et la perte proportionnelle au débit. La situation 01-9 est décrite par le sous modèle
à 2 paramètres (µmax,0 et kcat). Finalement 9 situations sur 11 sont en accord avec une
formulation du modèle qui considère la dynamique temporelle de biomasse comme l’équilibre
entre une fonction de croissance et un terme de perte proportionnel au débit, en accord avec le
Chapitre 3. Importance de l’hydrodynamique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 67
modèle retenu par Uehlinger et al. (1996) pour le River Necker et nos propres conclusions
d’une autre partie (cf. chapitre 4 et Boulêtreau et al. 2006)). Les situations qui s’écartent de
cette conclusion sont toutes issues de l’année 2001.
Tableau 3.1. Tableau récapitulatif des résultats de la sélection du « meilleur » modèle dans les 13 situations testées (1ère colonne). Les situations 90-9 et 92-7 n’ont pas été testées. La présence d’une croix dans une colonne indique que le processus de la colonne est activé. Exemples : le meilleur modèle de la situation 90-2 est constitué d’un terme de croissance, limité par l’épaisseur et d’un terme de détachement hydrodynamique continu ; le meilleur modèle de la situation 01-9 est constitué d’un terme de croissance et d’un terme de détachement hydrodynamique catastrophique (activé lorsque le débit Q est supérieur au débit critique Qcr). * avec kflood = kcat si Q > Qcr kflood = 0 si Q ≤ Qcr
L’objectif de la recherche d’un modèle simple, fidèle au rasoir d’Occam ou principe
de simplicité, est atteint avec ces premiers résultats. Si la structure du modèle est adaptée à la
majorité des situations testées, l’ajustement ne converge cependant pas vers une combinaison
unique de paramètres qui soit applicable quelle que soit la situation. Une régression multiple
sur les valeurs ajustées des 3 paramètres du sous modèle retenu (µmax,0, kinv,B et cdet) est
réalisée en fonction d’autres facteurs environnementaux non considérés par le modèle (la
couverture végétale, l’instabilité du substrat représentée par son pourcentage de sable, la
conductivité, l’azote total, le phosphore total et la silice) en vue d’expliquer les différences de
comportement du modèle d’une situation à l’autre et de réduire ainsi le degré de liberté. Les
résultats de cette régression indiquent une corrélation négative significative entre le paramètre
de croissance µmax,0 et le pourcentage de couverture végétale en accord avec les conclusions
situation croissance limitation limitation limitation limitation détachement hydro détachement hydro/ épaisseur / lumière / phosphore / température
90-2 x x x90-4 x x x90-5 x x x90-7 x x x90-992-5 x x x92-792-9 x x x01-2 x x01-4 x01-5 x01-7 x x x01-9 x x
*0flood0det
)0Tβ(T
PIBinv,max,0 )BQ(Bk)BQ(Bce
kPP
kII
Bk11Bµ
dtdB
−−−−+++
= −
Chapitre 3. Importance de l’hydrodynamique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 68
d’Izagirre & Elosegi (2005). Ce résultat pourrait suggérer que la couverture végétale est une
variable plus pertinente que l’intensité lumineuse pour décrire la limitation de l’accrétion de
biomasse par la lumière dans l’Agüera. En revanche, aucune autre relation, que ce soit entre le
paramètre de détachement cdet et l’instabilité du substrat ou entre le taux de croissance et la
concentration en nutriments, n’est détectée.
Les différences de performances du modèle retenu nous amènent à considérer deux
niveaux de performance que l’on pourrait associer aux différents patrons de dynamique
temporelle décrits par Biggs (1996) :
• Le premier cas correspond à des perturbations hydrologiques fréquentes. Il est
représenté par les situations de l’année 2001. Aucun patron n’est clairement identifiable, en
partie masqué par l’hétérogénéité de la biomasse. La modélisation reste limitée probablement
parce qu’aucun principe unificateur ne peut être utilisé pour expliquer de façon simple la
dynamique d’une biomasse qui croit dans des conditions variées et variables.
• Le second cas correspond à un patron de biomasse cyclique associé à une importante
saisonnalité du régime hydrologique où se succèdent des périodes de hautes eaux et de
stabilité. Ce cas est représenté par les situations des années 1990 et 1992. Le modèle simple
qui décrit l’alternance d’une croissance photosynthétique et d’une perte dépendante du débit
s’applique correctement.
Biggs (1996) décrit enfin un troisième patron de biomasse marqué par la succession de
cycles d’accrétion/détachement caractéristiques notamment de rivières où les perturbations
hydrologiques sont saisonnières ou peu fréquentes. Il évoque alors la contribution d’autres
facteurs de contrôle des communautés comme les successions, le broutage ou encore le
détachement autogène (autogenic sloughing). Ce cas n’est visiblement pas observé dans les
situations étudiées y compris pendant la longue période de stabilité observée en 1990 où
l’épilithon continue à se développer.
Enfin ces résultats introduisent la question de la « transférabilité » (transferability) du
modèle sélectionné. Un modèle est transférable si, à l’échelle de temps et d’espace
appropriée, il s’applique à différentes conditions sans recourir à un changement de sa
structure ou de sa paramétrisation (Snowling & Kramer 2001). Le modèle retenu est donc
assez correctement transférable dans sa structure puisqu’il s’adapte d’une situation à l’autre et
même d’une rivière à l’autre (Uehlinger et al. 1996). Il ne l’est cependant pas en terme de
Chapitre 3. Importance de l’hydrodynamique
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 69
paramétrisation et cela constitue une limite inhérente à l’objectif de simplicité maximale
imposée par les données. Rendre le modèle plus transférable nécessiterait bien évidemment
des données plus fréquentes mais supposerait peut être même de revoir la construction du
modèle. Par exemple le fait que le taux de croissance fluctue d’une année à l’autre ou même
d’un site à l’autre au sein d’une même rivière s’explique en partie par le fait qu’il ne s’agit
probablement pas des mêmes communautés algales. Cette hypothèse implique non seulement
un suivi supplémentaire de la composition taxonomique mais sans doute aussi, plus
fondamentalement, de ne plus considérer une variable d’état (la biomasse) mais d’en identifier
plusieurs, représentant (par exemple) différents taxa.
3 – Conclusion
Dans la plupart des séries temporelles testées, pourtant environnementalement
contrastées, la dynamique de la biomasse épilithique répond à une alternance entre une
croissance et un détachement hydrodynamique. Deux variables de forçage structurent cette
dynamique : l’épaisseur du biofilm (que le modèle assimile de manière simplifiée à la
biomasse) et le débit moyen journalier.
La recherche du modèle peut être vue comme une application du principe du rasoir
d’Occam, encore appelé principe de parcimonie (de simplicité ou d’économie). Ce principe
peut s’énoncer de la manière suivante : l’explication qui nécessite le moins d’hypothèses
possibles est vraisemblablement plus correcte. Les mesures d’information du type AIC sont
des avatars modernes du rasoir, directement appliquées du théorème de Bayes où l’hypothèse
la plus simple reçoit la probabilité la plus forte. Néanmoins ce principe n’est pas un substitut
de logique et de méthode scientifique : entre deux hypothèses mauvaises, son application
retiendra toujours une mauvaise hypothèse. C’est ce qu’Albert Einstein illustra par cette
citation « On devrait tout rendre aussi simple que possible, mais pas plus. » Si le rasoir
d’Occam est une méthodologie efficace pour obtenir une bonne théorie prédictive, il ne
garantie aucunement la justesse d’un modèle explicatif.
4 – Publication
Se reporter à la page suivante.
RIVER RESEARCH AND APPLICATIONS
River. Res. Applic. (2007)
Published online in Wiley InterScience
IDENTIFICATION OF A MINIMAL ADEQUATE MODEL TO DESCRIBETHE BIOMASS DYNAMICS OF RIVER EPILITHON
STEPHANIE BOULETREAU,a* OIHANA IZAGIRRE,b FREDERIC GARABETIAN,a
SABINE SAUVAGE,a ARTURO ELOSEGIb and JOSE-MIGUEL SANCHEZ-PEREZa
a Laboratoire d’ecologie fonctionnelle (EcoLab UMR 5245 CNRS-UPS-INPT), Universite Paul Sabatier,
118 route de Narbonne, 31062 Toulouse cedex 09, Franceb Department of Plant Biology and Ecology, Faculty of Science and Technology, University of the Basque Country,
PO Box 644, 48080 Bilbao, Spain
(www.interscience.wiley.com) DOI: 10.1002/rra.1046
ABSTRACT
The present study sought to identify a minimal adequate model to describe the biomass dynamics of river epilithon, a functionalindicator of river health. Identification of minimal adequate models is particularly necessary in river management, given thereduced number of variables authorities are willing to measure routinely. A model previously developed for epilithon dynamicsin a pre-alpine river was applied to epilithon biomasses recorded in contrasting hydrological, trophic and light conditions atvarious sites in the Aguera stream (Spain) over 3 years (11 case studies). A model selection tool, the Akaike InformationCriterion (AIC), was used to determine the optimal combination of parameters. In nine of 11 case studies, the best modeldescribed epilithon biomass dynamics as the equilibrium between phototrophic growth and discharge-dependent loss andignored light, temperature and nutrient influences. The best adequate minimal model i.e. the model that is the best trade-offbetween goodness-of-fit and model simplicity performed best, in years in which clearly contrasting short low and high waterperiods occurred. During years with less marked hydrodynamics, many other abiotic or biotic processes influenced epilithonbiomass dynamics. In these cases, weaker goodness-of-fit had to be accepted to avoid excessively increasing model complexity.Copyright # 2007 John Wiley & Sons, Ltd.
key words: model selection; model complexity; Akaike Information Criterion; periphyton; epilithic biofilms; stream
Received 10 January 2007; Revised 1 June 2007; Accepted 15 June 2007
INTRODUCTION
Since Streeter and Phelps (1925) started modelling river water quality, ecological models have been increasingly
used by environmental managers, especially from the beginning of the 1970s (Brown and Barnwell, 1987; Even
et al., 1998; Reichert, 2001; Reichert et al., 2001). One fundamental goal of ecological modelling is to predict how
the structure and function of communities respond to change, not only because streams and rivers are naturally
variable, but also because they are vulnerable to anthropogenic disturbances (Power et al., 1988). Awareness of the
importance of a healthy environment has grown steadily during recent decades among environmental management
authorities, leading to new, more ecologically sound policies such as the European Water Framework Directive
(2000/60/EC). Following this new legislation, river health monitoring has been substantially intensified (gauging
stations, water quality sampling), thus providing an important source of hydrological, physical and chemical data
for modelling. Choice of an appropriate set of variables in ecological models could therefore reduce the effort and
cost of data collection for improving fundamental knowledge and decision-making. In this context, it is important
to keep the models as simple as possible without losing predictive power, as complexity hinders the use of models
while not always improving their output.
River health monitoring has concentrated on the use of structural measurements such as the concentrations of
relevant chemicals (nutrients and/or pesticides), invertebrate community composition and algal biomass. Epilithon
has proven to be a reliable indicator of eutrophication (Paul et al., 1991; Rolland et al., 1997; Dodds et al., 1998),
*Correspondence to: Stephanie Bouletreau, Laboratoire d’ecologie fonctionnelle (EcoLab UMR 5245 CNRS-UPS-INPT), Universite PaulSabatier, 118 route de Narbonne, 31062 Toulouse cedex 09, France. E-mail: [email protected]
Copyright # 2007 John Wiley & Sons, Ltd.
S. BOULETREAU ET AL.
and the dynamics of epilithic biomass can also be considered a functional indicator of river health (sensu Matthews
et al., 1982) integrating local prevailing conditions with algal development.
A number of models have been designed to simulate the development of river epilithon. Some simple early
models (e.g. McIntire, 1973; Horner et al., 1983; Momo, 1995; Uehlinger et al., 1996; Saravia et al., 1998) related
peak epilithic biomass to environmental variables such as nutrient and light availability, whereas other more
complex models (e.g. Asaeda and Hong Son, 2000; Asaeda and Hong Son, 2001; Flipo et al., 2004) focused on
different component species of epilithon. Uehlinger et al. (1996) presented a model modified from McIntire (1973),
in which they explained the temporal variations in epilithic biomass in a flood-prone pre-alpine river in terms of
photosynthetic accrual and discharge-dependent loss. Its development was based on an experimental dataset for
which sampling strategy (high frequency and long duration) provided a guarantee of better model strength. The
model was later adapted by Bouletreau et al. (2006) to the large Garonne River by adding a term related to
autogenic sloughing. In any case, the level of complexity of epilithon models still used is highly variable and an
issue worthy of more research.
In this paper we address the optimal level of complexity for models of epilithic biomass, taking into account the
trade-off between model complexity and goodness-of-fit, by means of the Akaike Information Criterion (AIC)
(Akaike, 1969; Rawlings et al., 1998), a model selection tool. Our starting hypothesis was that a simple model
could satisfactorily describe epilithon biomass dynamics in a large range of environmental conditions whilst
providing reliable parameters.
METHODS
We assessed the biological realism of a hierarchical family of sub-models based on Uehlinger et al. (1996, Equation
1) according to the possibility of testing the assumptions (that form part of each sub-model) and to the biological
interpretability of the parameters. A twofold approach was adopted in which: (i) competing sub-models with
different combinations of predictor variables were compared and ranked to determine the best sub-model
formulation and (ii) when a minimal adequate model was found to describe epilithon dynamics in the Aguera
stream, the parameters estimated were interpreted.
Model presentation
The hierarchical family of sub-models presented and tested here are derived from the differential equation below
(Equation 1). The complete equation of the model (all processes tested) was
dB
dt¼ mmax;0B
1
1þkinv;BBebðT�T0Þ I
I þ kI
½P�½P�þkP
� cdetQðB � B0Þ � kfloodQðB � B0Þ (1)
with
kflood ¼ kcat if Q > Qcr
kflood ¼ 0 if Q � Qcr
where t is the time (day), B represents the epilithon biomass, T is the water temperature (8C), T0 is the reference
temperature (8C), I is the daily-integrated light intensity (E m�2), Q is the mean daily discharge (m3 s�1) and Qcr is
the critical discharge for the onset of bed load transport (m3 s�1). Uehlinger et al. (1996) developed this equation for
a Swiss pre-alpine gravel bed river (river Necker) characterized by frequent unpredictable disturbances. In that
river, the simplest model acceptably fitting the data employed a biomass-dependent growth rate (mmax,0 and kinv,B), a
detachment rate directly proportional to discharge and biomass (cdet) and a catastrophic loss rate during bed moving
spates (kcat). As the kcat value of 100 day�1 set by Uehlinger et al. (1996) is too high for the Aguera, we evaluated
kcat influence on epilithon dynamics by calibration. Nutrient limitation was implemented in accordance with
Izagirre and Elosegi (2005) and described by a Monod-type rate reduction factor. Only the reduction of phosphorus
[P], the most limiting nutrient, was considered as in Bouletreau et al. (2006).
The state variable B was expressed in grams of ash-free dry matter per surface unit (g AFDM m�2). We opted to
assess biomass dynamics using AFDM, which describes the entire biomass of the assemblage, rather than the
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
A MINIMAL ADEQUATE MODEL FOR RIVER EPILITHON BIOMASS
chlorophyll a, which only relates to the algal part of the mat and can be subject to change because of
photoadaptation. The reference temperature T0 was set to 208C. The initial biomass value corresponded to the
biomass measured at every site at the start of every experimental year. B0 was set to 0, a parameter considered
unnecessary in this case after check. As a result, these parameters were omitted from the calibration.
The differential equation was solved numerically by coding the fourth-order Runge–Kutta in FORTRAN90.
Additional graphics subroutines permitted the main programme to simultaneously display the results. Preliminary
tests had demonstrated that a time step fixed at 3 h is a good prerequisite condition to reduce errors caused by
numerical integration. Values for discharge, temperature, light and phosphate at each time step were obtained by
linear interpolation of observation data.
The simplest sub-model was the linear model with one parameter (mmax,0) and improvements (parameter addition)
were performed step by step. Simulations from every sub-model employing 1–7 parameters were then compared.
Model selection
To adjust the model, we calibrated parameter values that best fitted observed biomass dynamics at each site. The
iterative Marquardt–Levenberg algorithm (Press et al., 1988) was used to minimize the residual sum of squares
(RSS) between modelled and observed biomass for each sub-model at each site. The Akaike information criterion
(AIC) was employed to compare sub-models by quantifying the trade-off between goodness-of-fit (RSS) and model
complexity (number of parameters). The second-order derivative AICc (Equation 2), which contains a bias
correction term for small sample size, was used because the number of free parameters p exceeded approximately n/
40 (where n is the sample size):
AICc ¼ �2lnðLðup=yÞ þ 2p þ 2pð p þ 1Þ
ðn � p � 1Þ (2)
where Lðup=yÞ represents the likelihood of the model parameters given the data y. We computed the AICc using the
following equation (Equation 3):
AICc ¼ nlnRSS
nþ 2p þ 2p
ð p � 1Þðn � p � 1Þ (3)
The AIC penalizes the addition of parameters according to the principles of simplicity and parsimony and thus
selects a model that fits well but has a minimal number of parameters. Second derived measures Di (Equation 4) and
Akaike weight vi (Equation 5) as calculated below were also used to calculate the probability, given the data, of
each sub-model being the best of all those considered (all R models):
Di ¼ AICci � AICcmin (4)
where AICci is the AICc value for model i and AICmin is the AICc value of the best sub-model; and
vi ¼expð�Di=2Þ
PR
r¼1
expð�Dr=2Þ(5)
Evidence ratios were calculated to determine the extent to which the best model ( j) was better than another (i) by
applying vj
�v
i. As a rule of thumb, a Di< 2 (or an evidence ratio < 2.7) suggests substantial evidence for the
model, values between 3 and 7 indicate that the model has considerably less support, whereas a Di> 10 indicates
that the model is very unlikely (Burnham and Anderson, 2002).
Our model approach assumes that the observations are perfect and simulated mechanisms purely deterministic.
These assumptions can lead to bias in parameter estimation and hypothesis testing, as some data series are likely to
include an important stochastic component. Therefore, we only considered data with strong dynamics (sustained or
damped oscillations) and allowing reasonable fits, and deleted from our analyses 1992–93 data from site 7 and
1990–91 data from site 9, which showed a particular pattern likely to be due to development of Sphaerotilus sp.
(unpublished data).
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
S. BOULETREAU ET AL.
Because factors affecting epilithon growth are site- and time-dependent, tests of the adequacy of model structure
were site- and time-specific (Rodriguez, 1987). Simulations were first performed without constraining parameter
values, but in some cases parameter values that minimized the function were biologically unrealistic. Sub-models
were then ranked and compared with simulations with constrained parameters. Realistic constraints on mmax,0, kP, kI
and b were derived for each of the major model parameters, based on field, laboratory and modelling studies
reported in the literature for phytoplanktonic (mainly) and benthic algae. Table I summarizes the parameter values
found in the literature and the constraints we imposed for calibration step. We imposed no constraint on kinv,B and
cdet values, as these parameter values naturally converged towards values calibrated in Uehlinger et al. (1996).
However, the kcat value of 100 days�1 proposed by Uehlinger et al. (1996) was too high to be applied in our work.
Table I. Values of the parameters: mmax,0 (A); kP (B); kI (C) and b (D) obtained from the literature. The constraining range ofparameters used in simulations is given at the end of each sub-section
Description References Values
A. Maximum growth rate (days�1) reported for freshwater/marine phytoplanktonic/benthic algae.Phytoplankton/lake Arhonditsis and Brett (2005 and references therein) 1.2; 1.8; 2.2Phytoplankton/lake Hamilton and Schladow (1997 and references therein) 1.3–3.9Phytoplankton/lake Reynolds (1984 and references therein) 0.21–2.01 (7.97�)Phytoplankton Sterner and Grover (1998) 0.82Phytoplankton/sea Eppley (1972) 2.1Phytoplankton/lake Bouterfas et al. (2002) 1.; 1.64; 1.73Phytoplankton/sea Banse (1982) 0.14–0.7Periphyton Cladophora glomerata/lake Auer and Canale (1982) 0.714; 0.6Periphyton/river Borchardt (1996) 0.8; 2; 2.6–2.7;
0.12–0.47Periphyton/river This study 0.1–2.7
B. Half-saturation constant for phosphorus uptake (mg P L�1) reported for freshwaterphytoplanktonic/benthic algae.
Phytoplankton/lake Arhonditsis and Brett (2005 and references therein) 6; 10; 18Phytoplankton/lake Hamilton and Schladow (1997 and references therein) 1.4–30Phytoplankton/lake Schladow and Hamilton (1997) 1.0–25Phytoplankton/lake Omlin et al. (2001) 1.9Phytoplankton/lake Chen et al. (2002, and reference therein) 0.05; 0.2Phytoplankton/lake Sterner and Grover (1998) 10.1Phytoplankton/marine & freshwater species Lehman et al. (1975) 7.5; 8.7; 9; 12; 15;
16.5; 60–75; 240Periphyton/river Bothwell (1985) 0.5; 0.8; 1.2;
1.6; 2.3; 7.2Periphyton/river Borchardt (1996) 0.3–3; 5–23;
7.5–42; 15–122; 45Periphyton/river This study 0.05–240
C. Light half-saturation constant (mE m�2 s�1) reported for marine phytoplankton.Phytoplankton Klausmeier and Litchman (2001) 50Phytoplankton Huisman et al. (1999) 36Chlorophyte Bates (1976) 5.5–21Coccolithus huxleyi Parsons et al. (1961) 7Ditylum brighwellii Parsons et al. (1961) 29Sargassum sp. Carpenter and Cox (1974) 46Skeletonema costatum Bates (1976) 1.0–21Periphyton/river This study 1.0–50
D. Temperature coefficient (8C�1) reported for freshwater phytoplanktonPhytoplankton/lake Arhonditsis and Brett (2005
and references therein)0.069
Phytoplankton/lake Omlin et al. (2001) 0.046Periphyton/river This study 0.01–0.1
�This measurement was performed in particular temperature conditions (408C).
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
A MINIMAL ADEQUATE MODEL FOR RIVER EPILITHON BIOMASS
Model interpretation
To explain model behaviour and to reduce the freedom as much as possible, we interpreted parameter values of
the best sub-model selected in the first modelling step and used step-wise regression analysis (Statview software) to
explore the influence of environmental factors on these. Only variables with p< 0.05 were kept in the equation. The
explicative factors were mean velocity, percentage of sand, conductivity, total nitrogen, total phosphorus, silicate
and canopy cover.
Experimental data set
We used data on epilithon biomass (g AFDM m�2) in the Aguera stream (Northern Spain) published by Elosegi
and Pozo (1998) and Izagirre and Elosegi (2005). The Aguera is a flood-prone, steep, 30-km long stream draining a
145 km2 basin with humid maritime climate. The number of floods, and the duration of flood-free periods in
particular, can change markedly from year to year (Elosegi et al., 2002; Elosegi et al., 2006). Physico-chemical
characteristics of the water are quite contrasting, reflecting the geology and land-use of different parts of the basin
(Table II). At the headwaters (site 2) conductivity and nutrient contents are low, but they increase sharply when the
stream runs through the villages of Villaverde (site 4) and Trucıos (site 5), decrease again further downstream (site
7) and increase below the town of Guriezo (site 9). Izagirre and Elosegi (2005) showed that at open sites flow is the
main temporal controller, whereas at closed sites the effects of light availability prevail, thus giving more similar
seasonal patterns from year to year.
Epilithon sampling was performed monthly during three 12-month periods (January 1990–January 1991;
October 1992–November 1993; October 2001–November 2002) at five sites (2, 4, 5, 7 and 9). Study cases were
named according to measurement period and site (e.g. case 90–2 was collected in 1990 from site 2). Ten stones were
collected at random in a 100 m2-area in a given riffle at each study site. Study sites are between 2–7 km apart, so we
can therefore reasonably assume that differences in stream bottom facies and biomass levels observed from site to
site ensure the relevance of considering them as distinct study cases. In contrast, in the river Necker studies, the
measured biomasses used for comparison with simulated biomasses were sampled in a reach of 2 km length to
ensure good predictability of the succession sequences of epilithon at a local scale, as epilithon distribution is very
patchy and underdeterministic (Uehlinger et al., 1996).
Additional data used for modelling included daily discharge and solar radiation and periodic data on water
chemistry. Discharge was measured daily by the Spanish Northern Hydrological Confederation at site 9 and
recalculated for the other sites from empirical regressions. Following Elosegi and Pozo (1998), we considered a
discharge of 30 m3 s�1 at site 9 as the critical threshold for flood-induced epilithic sloughing. Solar radiation
(J cm�2) was measured by the Spanish Meteorological Institute at San Sebastian, and in some periods of missing
data it was calculated from duration of sunshine in Bilbao, by means of the Angstrom formula, which relates solar
radiation to extraterrestrial radiation and relative sunshine duration (Food and Agricultural Organization of United
States: http://www.fao.org/). Every (measured or calculated) daily radiation value was first converted to PAR
(J cm�2) according to Steemann-Nielsen (1975) and then converted to photon flux density expressed as E m�2. To
calculate the radiation effectively reaching the stream, we corrected the above data for canopy cover. Canopy cover
was measured using 10 vertical photographs taken at each sampling site with a wide-angle lens in winter and
summer foliage. Photographs were scanned, their contrast increased to produce black (covered) and white
(uncovered sky) images, and analysed with NIH 1.55 software (Izagirre and Elosegi, 2005). Water chemistry was
measured approximately every 15 days during 1990–91 and 2001–02, but not during 1992–93. Phosphate was
measured by the stannous chloride method (APHA, 1992) on a Shimadzu UV-1603 spectrophotometer.
RESULTS
Results of AIC statistics for each sub-model at every study site are listed in Table III. The set of candidate
sub-models (R) varied between years: in 2001 R was 7; in 1990 R was 6 because discharge was always lower than
critical and subsequently kcat was never activated; and in 1992 R was 5, as phosphate and temperature data were not
available and thus kP and b were not activated. One single sub-model was clearly the best of all: in 7 of 11 study
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
Tab
leII
.G
eogra
phic
al,physi
cal
and
chem
ical
char
acte
rist
ics
of
the
study
site
s(m
ean�
SD
).W
hen
dif
fere
nt
figure
sap
pea
rse
par
ated
by
a/
sign,th
efi
rst
corr
esponds
toth
eper
iod
1990–91,
the
seco
nd
to2001–02
Sit
eS
ite
2S
ite
4S
ite
5S
ite
7S
ite
9
Ord
er2
33
33
Wat
erte
mper
ature
(8C
)11.1
(�4.1
)/12.5
(�4.6
)11.3
(�4.7
)/13.4
(�4.3
)12.7
(�4.0
)/13.8
(�4.3
)13.3
(�3.9
)/14.2
(�3.5
)13.3
(�3.7
)/15.0
(�4.3
)pH
7.7
(�0.4
)/7.4
(�0.2
)7.9
(�0.5
)/7.5
(�0.3
)8.4
(�0.7
)/7.8
(�0.3
)8.6
(�0.5
)/7.8
(�0.2
)7.8
(�0.4
)/7.5
(�0.2
)C
onduct
ivit
y(m
Scm
�1)
172(�
48)/
148(�
42)
243(�
86)/
203(�
74)
308(�
69)/
248(�
59)
262(�
31)/
234(�
34)
234(�
50)/
216(�
37)
Tota
lN
(mg
NL�
1)
646(�
314)/
493(�
284)
940(�
374)/
747(�
361)
950(�
207)/
1161(�
323)
722(�
322)/
914(�
282)
783(�
302)/
839(�
306)
Tota
lP
(mg
PL�
1)
6(�
10)/
8.5
(�11)
128(�
134)/
69(�
64)
111(�
62)/
105(�
99)
20(�
12)/
20(�
23)
103(�
85)/
38(�
31)
Sil
icat
e(m
gS
iL�
1)
2504(�
898)/
3590(�
477)
2021(�
858)/
2749(�
615)
1793(�
734)/
2572(�
691)
963(�
773)/
2006(�
623)
1275(�
623)/
2036(�
582)
Nit
rate
(mg
NL�
1)
590(�
302)/
443(�
281)
806(�
312)/
618(�
365)
830(�
231)/
1013(�
312)
696(�
327)/
848(�
282)
708(�
259)/
774(�
310)
Nit
rite
(mg
NL�
1)
2(�
1.5
)/17(�
12)
31(�
26)/
24(�
14)
32(�
26)/
34(�
18)
5(�
2)/
26(�
14)
35(�
25)/
20(�
9)
Am
oniu
m(m
gN
L�
1)
54(�
80)/
33(�
16)
104(�
112)/
105(�
77)
88(�
56)/
114(�
89)
21(�
17)/
39(�
9)
90(�
82)/
46(�
9)
Vel
oci
ty(m
s�1)
0.7
7(�
0.1
9)/
0.7
5(�
0.3
1)
0.2
1(�
0.2
6)/
0.5
9(�
0.3
0)
0.9
4(�
0.2
1)/
0.9
7(�
0.4
0)
0.8
2(�
0.1
9)/
0.8
1(�
0.3
3)
0.8
3(�
0.3
3)/
0.8
1(�
0.3
9)
San
d(%
)5.0
/25
23/0
2.0
/14
4.7
/05.8
/0C
anopy
cover
(%)
87/6
53.0
/72
8.0
/37
31/3
277/7
3
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
S. BOULETREAU ET AL.
Tab
leII
I.A
kai
ke
info
rmat
ion
stat
isti
csfo
rdif
fere
nt
sub-m
odel
s
Act
ivat
edpro
cess
esn
pR
SS
AIC
cD
AIC
cex
p(-D
AIC
c/2)
vi
vj/v
i
Stu
dy
case
:90–2
Max
.gro
wth
Hydro
det
ach
13
2521.2
53.1
91.36
0.5
10.1
52.0
Max.
gro
wth
Hyd
rodet
ach
Thic
knes
s13
3359.6
51.83
0.00
1.0
00.3
01.0
Max
.gro
wth
Hydro
det
ach
T8C
13
3521.2
56.6
54.8
30.0
90.0
311.2
Max
.gro
wth
Hydro
det
ach
Lig
ht
13
3379.0
52.5
10.68
0.7
10.2
11.4
Max
.gro
wth
Hydro
det
ach
Nutr
ient
13
3419.9
53.8
42.0
20.3
60.1
12.7
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
13
4339.3
55.4
13.5
80.1
70.0
56.0
Max
.gro
wth
Hydro
det
ach
Thic
knes
sL
ight
13
4349.3
55.7
83.9
60.1
40.0
47.2
Max
.gro
wth
Hydro
det
ach
Thic
knes
sN
utr
ient
13
4359.6
56.1
64.3
30.1
10.0
38.7
Max
.gro
wth
Hydro
det
ach
T8C
Lig
ht
13
4376.9
56.7
74.9
40.0
80.0
311.8
Max
.gro
wth
Hydro
det
ach
T8C
Nutr
ient
13
4392.0
57.2
85.4
60.0
70.0
215.3
Max
.gro
wth
Hydro
det
ach
Lig
ht
Nutr
ient
13
4376.9
56.7
74.9
40.0
80.0
311.8
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
Lig
ht
13
5339.3
60.9
89.1
50.0
10.0
097.1
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
Nutr
ient
13
5339.3
60.9
89.1
50.0
10.0
097.1
Max
.gro
wth
Hydro
det
ach
Thic
knes
sL
ight
Nutr
ient
13
5349.3
61.3
59.5
30.0
10.0
0117.2
Stu
dy
case
:90–4
Max.
gro
wth
Hyd
rodet
ach
Thic
knes
s13
3495.0
55.98
0.00
1.0
00.7
31.0
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
13
4495.0
60.3
14.3
30.1
10.0
88.7
Max
.gro
wth
Hydro
det
ach
Thic
knes
sL
ight
13
4495.0
60.3
14.3
30.1
10.0
88.7
Max
.gro
wth
Hydro
det
ach
Thic
knes
sN
utr
ient
13
4495.0
60.3
14.3
30.1
10.0
88.7
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
Lig
ht
13
5495.0
65.8
99.9
00.0
10.0
1141.5
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
Nutr
ient
13
5495.0
65.8
99.9
00.0
10.0
1141.5
Max
.gro
wth
Hydro
det
ach
Thic
knes
sL
ight
Nutr
ient
13
5495.0
65.8
99.9
00.0
10.0
1141.5
Stu
dy
case
:90–5
Max.
gro
wth
Hyd
rodet
ach
Thic
knes
s13
312203.7
97.65
0.00
1.0
00.7
31.0
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
13
412203.7
101.9
84.3
30.1
10.0
88.7
Max
.gro
wth
Hydro
det
ach
Thic
knes
sL
ight
13
412203.7
101.9
84.3
30.1
10.0
88.7
Max
.gro
wth
Hydro
det
ach
Thic
knes
sN
utr
ient
13
412203.6
101.9
84.3
30.1
10.0
88.7
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
Lig
ht
13
512203.6
107.5
59.9
00.0
10.0
1141.5
Max
.gro
wth
Hydro
det
ach
Thic
knes
sT8C
Nutr
ient
13
512203.6
107.5
59.9
00.0
10.0
1141.5
Max
.gro
wth
Hydro
det
ach
Thic
knes
sL
ight
Nutr
ient
13
512203.6
107.5
59.9
00.0
10.0
1141.5
Stu
dy
case
:90–7
Max
.gro
wth
13
18928.0
87.2
84.3
30.1
10.0
68.7
Max
.gro
wth
Thic
knes
s13
28928.0
90.1
27.1
60.0
30.0
135.9
Max
.gro
wth
T8C
13
28928.0
90.1
27.1
60.0
30.0
135.9
Max
.gro
wth
Lig
ht
13
28928.0
90.1
27.1
60.0
30.0
135.9
Max
.gro
wth
Nutr
ient
13
28928.0
90.1
27.1
60.0
30.0
135.9
Max
.gro
wth
Hydro
det
ach
13
27111.2
87.1
64.2
00.1
20.0
68.2
Max.
gro
wth
Thic
knes
sH
ydro
det
ach
13
33941.5
82.95
0.00
1.0
00.5
21.0
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007
DOI: 10.1002/rra
A MINIMAL ADEQUATE MODEL FOR RIVER EPILITHON BIOMASS
(Conti
nues
)
)
Tab
leII
I.(C
onti
nued
)
Act
ivat
edpro
cess
esn
pR
SS
AIC
cD
AIC
cex
p(-D
AIC
c/2)
vi
vj/v
i
Max
.gro
wth
T8C
Hydro
det
ach
13
37111.2
90.6
27.6
70.0
20.0
146.3
Max
.gro
wth
Lig
ht
Hydro
det
ach
13
35695.5
87.7
44.7
90.0
90.0
510.9
Max
.gro
wth
Nutr
ient
Hydro
det
ach
13
36176.7
88.7
95.8
40.0
50.0
318.5
Max
.gro
wth
Thic
knes
sT8C
Hydro
det
ach
13
43941.5
87.2
94.3
30.1
10.0
68.7
Max
.gro
wth
Thic
knes
sL
ight
Hydro
det
ach
13
43941.5
87.2
94.3
30.1
10.0
68.7
Max
.gro
wth
Thic
knes
sN
utr
ient
Hydro
det
ach
13
43941.5
87.2
94.3
30.1
10.0
68.7
Max
.gro
wth
T8C
Lig
ht
Hydro
det
ach
13
45961.3
92.6
79.7
10.0
10.0
0128.5
Max
.gro
wth
T8C
Nutr
ient
Hydro
det
ach
13
45537.2
91.7
18.7
50.0
10.0
179.5
Max
.gro
wth
Lig
ht
Nutr
ient
Hydro
det
ach
13
45156.7
90.7
87.8
30.0
20.0
150.1
Max
.gro
wth
Thic
knes
sT8C
Lig
ht
Hydro
det
ach
13
53941.5
92.8
69.9
00.0
10.0
0141.5
Max
.gro
wth
Thic
knes
sT8C
Nutr
ient
Hydro
det
ach
13
53941.5
92.8
69.9
00.0
10.0
0141.5
Max
.gro
wth
Thic
knes
sL
ight
Nutr
ient
Hydro
det
ach
13
53941.5
92.8
69.9
00.0
10.0
0141.5
Stu
dy
case
:92–5
Max
.gro
wth
Thic
knes
s13
22303.1
72.5
05.8
70.0
50.0
318.8
Max
.gro
wth
Lig
ht
13
22444.5
73.2
86.6
50.0
40.0
227.8
Max.
gro
wth
Thic
knes
sH
ydro
det
ach
13
31122.9
66.63
0.00
1.0
00.6
41.0
Max
.gro
wth
Thic
knes
sL
ight
13
32303.1
75.9
79.3
40.0
10.0
1106.6
Max
.gro
wth
Thic
knes
sC
ata
det
ach
13
32303.1
75.9
79.3
40.0
10.0
1106.6
Max
.gro
wth
Thic
knes
sL
ight
Hydro
det
ach
13
41122.9
70.9
64.3
30.1
10.0
78.7
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Hydro
det
ach
13
4973.8
69.1
12.4
80.2
90.1
83.5
Max
.gro
wth
Thic
knes
sL
ight
Cat
adet
ach
13
41304.2
72.9
16.2
80.0
40.0
323.1
Max
.gro
wth
Thic
knes
sL
ight
Hydro
det
ach
13
5973.8
74.6
88.0
50.0
20.0
156.1
Stu
dy
case
:92–9
Max
.gro
wth
13
12649.3
71.4
99.6
30.0
10.0
0123.6
Max
.gro
wth
Thic
knes
s13
21188.2
63.9
02.0
50.3
60.2
02.8
Max
.gro
wth
Lig
ht
13
21515.2
67.0
65.2
10.0
70.0
413.5
Max.
gro
wth
Thic
knes
sH
ydro
det
ach
13
3777.6
61.85
0.00
1.0
00.5
51.0
Max
.gro
wth
Thic
knes
sL
ight
13
31188.2
67.3
65.5
10.0
60.0
315.7
Max
.gro
wth
Thic
knes
sC
ata
det
ach
13
31188.2
67.3
65.5
10.0
60.0
315.7
Max
.gro
wth
Lig
ht
Hydro
det
ach
13
31515.2
70.5
28.6
70.0
10.0
176.4
Max
.gro
wth
Lig
ht
Cat
adet
ach
13
31515.2
70.5
28.6
70.0
10.0
176.4
Max
.gro
wth
Thic
knes
sL
ight
Hydro
det
ach
13
4777.6
66.1
94.3
30.1
10.0
68.7
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Hydro
det
ach
13
4800.3
66.5
64.7
10.0
90.0
510.5
Max
.gro
wth
Thic
knes
sL
ight
Cat
adet
ach
13
41188.2
71.7
09.8
50.0
10.0
0137.4
Max
.gro
wth
Thic
knes
sL
ight
Cat
adet
ach
Hydro
det
ach
13
5777.6
71.7
69.9
00.0
10.0
0141.5
Stu
dy
case
:01–2
Max.
gro
wth
Hyd
rodet
ach
13
2209.1
41.31
0.00
1.0
00.2
51.0
Max
.gro
wth
Cat
adet
ach
13
2323.4
46.9
85.6
70.0
60.0
117.0
Max
.gro
wth
Thic
knes
sH
ydro
det
ach
13
3160.5
41.3
40.03
0.9
90.2
41.0
(Conti
nues
)
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007
DOI: 10.1002/rra
S. BOULETREAU ET AL.
)
Tab
leII
I.(C
onti
nued
)
Act
ivat
edpro
cess
esn
pR
SS
AIC
cD
AIC
cex
p(-D
AIC
c/2)
vi
vj/v
i
Max
.gro
wth
Thic
knes
sC
ata
det
ach
13
3323.4
50.4
59.1
30.0
10.0
096.3
Max
.gro
wth
T8C
Hydro
det
ach
13
3208.5
44.7
43.4
30.1
80.0
45.5
Max
.gro
wth
T8C
Cat
adet
ach
13
3323.4
50.4
59.1
30.0
10.0
096.3
Max
.gro
wth
Lig
ht
Hydro
det
ach
13
3199.4
44.1
62.8
50.2
40.0
64.2
Max
.gro
wth
Lig
ht
Cat
adet
ach
13
3323.4
50.4
59.1
30.0
10.0
096.3
Max
.gro
wth
Nutr
ient
Hydro
det
ach
13
3209.1
44.7
83.4
70.1
80.0
45.7
Max
.gro
wth
Nutr
ient
Cat
adet
ach
13
3323.4
50.4
59.1
30.0
10.0
096.3
Max
.gro
wth
Cat
adet
ach
Hydro
det
ach
13
3209.1
44.7
83.4
70.1
80.0
45.7
Max
.gro
wth
Thic
knes
sT8C
Hydro
det
ach
13
4160.5
45.6
74.3
60.1
10.0
38.9
Max
.gro
wth
Thic
knes
sL
ight
Hydro
det
ach
13
4158.9
45.5
54.2
30.1
20.0
38.3
Max
.gro
wth
Thic
knes
sN
utr
ient
Hydro
det
ach
13
4160.5
45.6
74.3
60.1
10.0
38.9
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Hydro
det
ach
13
4127.6
42.6
91.3
80.5
00.1
22.0
Max
.gro
wth
T8C
Lig
ht
Hydro
det
ach
13
4209.1
49.1
17.8
00.0
20.0
149.4
Max
.gro
wth
T8C
Nutr
ient
Hydro
det
ach
13
4209.1
49.1
17.8
00.0
20.0
149.4
Max
.gro
wth
T8C
Hydro
det
ach
Cat
adet
ach
13
4209.1
49.1
17.8
00.0
20.0
149.4
Max
.gro
wth
Lig
ht
Nutr
ient
Hydro
det
ach
13
4209.1
49.1
17.8
00.0
20.0
149.4
Max
.gro
wth
Lig
ht
Hydro
det
ach
Cat
adet
ach
13
4209.1
49.1
17.8
00.0
20.0
149.4
Max
.gro
wth
Thic
knes
sH
ydro
det
ach
Cat
adet
ach
13
4209.1
49.1
17.8
00.0
20.0
149.4
Max
.gro
wth
Thic
knes
sC
ata
det
ach
T8C
13
5127.6
48.2
66.9
50.0
30.0
132.3
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Lig
ht
13
5127.6
48.2
66.9
50.0
30.0
132.3
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Nutr
ient
13
5127.6
48.2
66.9
50.0
30.0
132.3
Max
.gro
wth
Thic
knes
sT8C
Lig
ht
13
5127.6
48.2
66.9
50.0
30.0
132.3
Max
.gro
wth
Thic
knes
sT8c
Nutr
ient
13
5127.6
48.2
66.9
50.0
30.0
132.3
Max
.gro
wth
Thic
knes
sL
ight
Nutr
ient
13
5127.6
48.2
66.9
50.0
30.0
132.3
Max
.gro
wth
T8C
Lig
ht
Nutr
ient
13
5127.6
48.2
66.9
50.0
30.0
132.3
Stu
dy
case
:01–4
Max.
gro
wth
13
1874.9
57.08
0.00
1.0
00.1
41.0
Max
.gro
wth
Thic
knes
s13
2858.2
59.6
72.5
90.2
70.0
43.6
Max
.gro
wth
T8C
13
2874.9
59.9
22.8
40.2
40.0
34.1
Max
.gro
wth
Lig
ht
13
2874.9
59.9
22.8
40.2
40.0
34.1
Max
.gro
wth
Nutr
ient
13
2857.4
59.6
62.5
70.2
80.0
43.6
Max
.gro
wth
Hydro
det
ach
13
2732.7
57.6
10.5
30.7
70.1
11.3
Max
.gro
wth
Cat
adet
ach
13
2866.7
59.8
02.7
10.2
60.0
43.9
Max
.gro
wth
Thic
knes
sH
ydro
det
ach
13
3732.8
61.0
84.0
00.1
40.0
27.4
Max
.gro
wth
Thic
knes
sC
ata
det
ach
13
3614.4
58.7
91.7
10.4
30.0
62.3
Max
.gro
wth
Thic
knes
sT8C
13
3874.9
63.3
96.3
00.0
40.0
123.4
Max
.gro
wth
Thic
knes
sL
ight
13
3874.9
63.3
96.3
00.0
40.0
123.4
Max
.gro
wth
Thic
knes
sN
utr
ient
13
3857.4
63.1
26.0
40.0
50.0
120.5
Max
.gro
wth
T8C
Hydro
det
ach
13
3732.7
61.0
84.0
00.1
40.0
27.4
(Conti
nues
)
Tab
leII
I.(C
onti
nued
)
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
A MINIMAL ADEQUATE MODEL FOR RIVER EPILITHON BIOMASS
Tab
leII
I.(C
onti
nued
)
Act
ivat
edpro
cess
esn
pR
SS
AIC
cD
AIC
cex
p(-D
AIC
c/2)
vi
vj/v
i
Max
.gro
wth
T8C
Lig
ht
13
3874.9
63.3
96.3
00.0
40.0
123.4
Max
.gro
wth
T8C
Nutr
ient
13
3857.4
63.1
26.0
40.0
50.0
120.5
Max
.gro
wth
T8C
Cat
adet
ach
13
3642.8
59.3
82.2
90.3
20.0
43.1
Max
.gro
wth
Lig
ht
Hydro
det
ach
13
3732.7
61.0
84.0
00.1
40.0
27.4
Max
.gro
wth
Lig
ht
Nutr
ient
13
3857.4
63.1
26.0
40.0
50.0
120.5
Max
.gro
wth
Lig
ht
Cat
adet
ach
13
3668.9
59.9
02.8
10.2
40.0
34.1
Max
.gro
wth
Nutr
ient
Hydro
det
ach
13
3732.7
61.0
84.0
00.1
40.0
27.4
Max
.gro
wth
Nutr
ient
Cat
adet
ach
13
3644.7
59.4
22.3
30.3
10.0
43.2
Max
.gro
wth
Cat
adet
ach
Hydro
det
ach
13
3638.8
59.3
02.2
10.3
30.0
53.0
Max
.gro
wth
Thic
knes
sT8C
Cat
adet
ach
13
4607.8
58.6
51.5
70.4
60.0
62.2
Max
.gro
wth
Thic
knes
sL
ight
Hydro
det
ach
13
4732.7
65.4
18.3
30.0
20.0
064.4
Max
.gro
wth
Thic
knes
sL
ight
Cat
adet
ach
13
4607.8
58.6
51.5
70.4
60.0
62.2
Max
.gro
wth
Thic
knes
sN
utr
ient
Hydro
det
ach
13
4732.7
65.4
18.3
30.0
20.0
064.4
Max
.gro
wth
Thic
knes
sN
utr
ient
Cat
adet
ach
13
4607.8
58.6
51.5
70.4
60.0
62.2
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Hydro
det
ach
13
4614.4
63.1
26.0
40.0
50.0
120.5
Max
.gro
wth
T8C
Lig
ht
Hydro
det
ach
13
4732.7
65.4
18.3
30.0
20.0
064.4
Max
.gro
wth
T8C
Lig
ht
Cat
adet
ach
13
4642.8
63.7
16.6
30.0
40.0
127.5
Max
.gro
wth
T8C
Nutr
ient
Hydro
det
ach
13
4732.7
65.4
18.3
30.0
20.0
064.4
Max
.gro
wth
T8C
Nutr
ient
Cat
adet
ach
13
4642.8
63.7
16.6
30.0
40.0
127.5
Max
.gro
wth
T8C
Hydro
det
ach
Cat
adet
ach
13
4638.8
63.6
36.5
50.0
40.0
126.4
Max
.gro
wth
Lig
ht
Nutr
ient
Hydro
det
ach
13
4732.7
65.4
18.3
30.0
20.0
064.4
Max
.gro
wth
Lig
ht
Nutr
ient
Cat
adet
ach
13
4642.8
63.7
16.6
30.0
40.0
127.5
Max
.gro
wth
Lig
ht
Hydro
det
ach
Cat
adet
ach
13
4638.8
63.6
36.5
50.0
40.0
126.4
Max
.gro
wth
Nutr
ient
Hydro
det
ach
Cat
adet
ach
13
4638.8
63.6
36.5
50.0
40.0
126.4
Stu
dy
case
:01-5
Max.
gro
wth
13
12762.0
72.03
0.00
1.0
00.2
91.0
Max
.gro
wth
Thic
knes
s13
22762.0
74.8
62.8
40.2
40.0
74.1
Max
.gro
wth
T8C
13
22762.0
74.8
62.8
40.2
40.0
74.1
Max
.gro
wth
Lig
ht
13
22762.0
74.8
62.8
40.2
40.0
74.1
Max
.gro
wth
Nutr
ient
13
22762.0
74.8
62.8
40.2
40.0
74.1
Max
.gro
wth
Hydro
det
ach
13
22762.0
74.8
62.8
40.2
40.0
74.1
Max
.gro
wth
Cat
adet
ach
13
22762.0
74.8
62.8
40.2
40.0
74.1
Max
.gro
wth
Thic
knes
sH
ydro
det
ach
13
32279.5
75.8
33.8
10.1
50.0
46.7
Max
.gro
wth
Thic
knes
sC
ata
det
ach
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
Thic
knes
sT8C
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
Thic
knes
sL
ight
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
Thic
knes
sN
utr
ient
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
T8C
Hydro
det
ach
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
T8C
Lig
ht
13
32762.0
78.3
36.3
00.0
40.0
123.4
(Conti
nues
)
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
S. BOULETREAU ET AL.
Tab
leII
I.(C
onti
nued
)
Act
ivat
edpro
cess
esn
pR
SS
AIC
cD
AIC
cex
p(-D
AIC
c/2)
vi
vj/v
i
Max
.gro
wth
T8C
Nutr
ient
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
T8C
Cat
adet
ach
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
Lig
ht
Hydro
det
ach
13
32491.7
76.9
94.9
60.0
80.0
212.0
Max
.gro
wth
Lig
ht
Nutr
ient
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
Lig
ht
Cat
adet
ach
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
Nutr
ient
Hydro
det
ach
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
Nutr
ient
Cat
adet
ach
13
32762.0
78.3
36.3
00.0
40.0
123.4
Max
.gro
wth
Cat
adet
ach
Hydro
det
ach
13
32279.1
75.8
33.8
00.1
50.0
46.7
Max
.gro
wth
Thic
knes
sL
ight
Hydro
det
ach
13
42215.3
79.8
07.7
70.0
20.0
148.6
Max
.gro
wth
Thic
knes
sN
utr
ient
Hydro
det
ach
13
42279.1
80.1
78.1
40.0
20.0
158.6
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Hydro
det
ach
13
42279.1
80.1
78.1
40.0
20.0
158.5
Stu
dy
case
:01-7
Max
.gro
wth
Hydro
det
ach
13
22249.6
72.2
07.4
80.0
20.0
242.0
Max
.gro
wth
Cat
adet
ach
13
22255.5
72.2
37.5
10.0
20.0
142.7
Max.
gro
wth
Thic
knes
sH
ydro
det
ach
13
3969.5
64.72
0.00
1.0
00.6
31.0
Max
.gro
wth
Lig
ht
Hydro
det
ach
13
31746.2
72.3
77.6
50.0
20.0
145.8
Max
.gro
wth
Nutr
ient
Hydro
det
ach
13
32056.0
74.4
99.7
70.0
10.0
0132.4
Max
.gro
wth
Thic
knes
sL
ight
Hydro
det
ach
13
4931.7
68.5
43.8
20.1
50.0
96.7
Max
.gro
wth
Thic
knes
sN
utr
ient
Hydro
det
ach
13
4969.5
69.0
54.3
30.1
10.0
78.7
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Hydro
det
ach
13
4916.2
68.3
23.6
00.1
70.1
06.0
Max
.gro
wth
Thic
knes
sC
ata
det
ach
T-C
Hydro
det
ach
13
5916.2
73.8
99.1
70.0
10.0
198.0
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Lig
ht
Hydro
det
ach
13
5885.9
73.4
58.7
30.0
10.0
178.7
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Nutr
ient
Hydro
det
ach
13
5916.2
73.8
99.1
70.0
10.0
198.0
Max
.gro
wth
Thic
knes
sT-C
Lig
ht
Hydro
det
ach
13
5885.9
73.4
58.7
30.0
10.0
178.7
Max
.gro
wth
Thic
knes
sT-C
Nutr
ient
Hydro
det
ach
13
5885.9
73.4
58.7
30.0
10.0
178.7
Max
.gro
wth
Thic
knes
sL
ight
Nutr
ient
Hydro
det
ach
13
5885.9
73.4
58.7
30.0
10.0
178.7
Stu
dy
case
:01-9
Max
.gro
wth
13
11587.5
64.8
32.9
80.2
30.0
74.4
Max
.gro
wth
Thic
knes
s13
21509.0
67.0
05.1
50.0
80.0
213.1
Max
.gro
wth
T-C
13
21587.5
67.6
65.8
10.0
50.0
218.3
Max
.gro
wth
Lig
ht
13
21587.5
67.6
65.8
10.0
50.0
218.3
Max
.gro
wth
Nutr
ient
13
21537.1
67.2
55.3
90.0
70.0
214.8
Max
.gro
wth
Hydro
det
ach
13
21303.6
65.1
03.2
50.2
00.0
65.1
Max.
gro
wth
Cata
det
ach
13
21015.2
61.85
0.00
1.0
00.3
21.0
Max
.gro
wth
Thic
knes
sH
ydro
det
ach
13
31303.6
68.5
76.7
20.0
30.0
128.7
Max
.gro
wth
Thic
knes
sC
ata
det
ach
13
3910.7
63.9
12.0
50.3
60.1
12.8
Max
.gro
wth
Thic
knes
sT8C
13
31509.0
70.4
78.6
20.0
10.0
074.4
Max
.gro
wth
Thic
knes
sL
ight
13
31509.0
70.4
78.6
20.0
10.0
074.4
Max
.gro
wth
Thic
knes
sN
utr
ient
13
31509.0
70.4
78.6
20.0
10.0
074.4
(Conti
nues
)
Tab
leII
I.(C
onti
nued
)
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
A MINIMAL ADEQUATE MODEL FOR RIVER EPILITHON BIOMASS
Tab
leII
I.(C
onti
nued
)
Act
ivat
edpro
cess
esn
pR
SS
AIC
cD
AIC
cex
p(-D
AIC
c/2)
vi
vj/v
i
Max
.gro
wth
T8C
Cat
adet
ach
13
31015.2
65.3
23.4
70.1
80.0
65.7
Max
.gro
wth
Lig
ht
Hydro
det
ach
13
31303.6
68.5
76.7
20.0
30.0
128.7
Max
.gro
wth
Lig
ht
Cat
adet
ach
13
31015.2
65.3
23.4
70.1
80.0
65.7
Max
.gro
wth
Nutr
ient
Hydro
det
ach
13
31303.6
68.5
76.7
20.0
30.0
128.7
Max
.gro
wth
Nutr
ient
Cat
adet
ach
13
31015.2
65.3
23.4
70.1
80.0
65.7
Max
.gro
wth
Cat
adet
ach
Hydro
det
ach
13
31015.2
65.3
23.4
70.1
80.0
65.7
Max
.gro
wth
Thic
knes
sT8C
Cat
adet
ach
13
4910.7
68.2
46.3
90.0
40.0
124.4
Max
.gro
wth
Thic
knes
sL
ight
Cat
adet
ach
13
4910.7
68.2
46.3
90.0
40.0
124.4
Max
.gro
wth
Thic
knes
sN
utr
ient
Cat
adet
ach
13
4910.7
68.2
46.3
90.0
40.0
124.4
Max
.gro
wth
Thic
knes
sC
ata
det
ach
Hydro
det
ach
13
4910.7
68.2
46.3
90.0
40.0
124.4
Max
.gro
wth
T8C
Lig
ht
Cat
adet
ach
13
41015.2
69.6
57.8
00.0
20.0
149.4
Max
.gro
wth
T8C
Nutr
ient
Cat
adet
ach
13
41015.2
69.6
57.8
00.0
20.0
149.4
Max
.gro
wth
T8C
Hydro
det
ach
Cat
adet
ach
13
41015.2
69.6
57.8
00.0
20.0
149.4
Max
.gro
wth
Lig
ht
Nutr
ient
Cat
adet
ach
13
41015.2
69.6
57.8
00.0
20.0
149.4
Max
.gro
wth
Lig
ht
Hydro
det
ach
Cat
adet
ach
13
41015.2
69.6
57.8
00.0
20.0
149.4
Max
.gro
wth
Nutr
ient
Hydro
det
ach
Cat
adet
ach
13
41015.2
69.6
57.8
00.0
20.0
149.4
The
firs
tco
lum
nin
dic
ates
acti
vat
edpro
cess
es(a
nd
thus
acti
vat
edpar
amet
ers)
:m
ax.gro
wth
form
max,0
acti
vat
ion;
Hydro
det
ach
for
c detac
tivat
ion;
Cat
adet
ach
for
k catac
tivat
ion;
Thic
knes
sfo
rk i
nv,B
acti
vat
ion;
Lig
ht
for
k Iac
tivat
ion;
tem
per
ature
forb
acti
vat
ion
and
Nutr
ient
for
k Pac
tivat
ion.
nis
the
num
ber
of
obse
rved
dat
a.p
isth
enum
ber
of
par
amet
erof
each
-sub-m
odel
.R
SS
corr
esponds
toth
ere
sidual
sum
of
squar
esbet
wee
nobse
rved
and
sim
ula
ted
dat
aof
each
sub-m
odel
.AIC
cis
the
Akai
ke
info
rmat
ion
crit
erio
nad
just
edfo
rsm
allsa
mple
size
s.D
AIC
cin
dic
ates
the
amountof
support
for
the
sub-m
odel
rela
tive
toth
eto
p-r
ankin
gone.
Akai
ke
wei
ght(v
i)is
anoth
erin
dex
of
the
stre
ngth
of
evid
ence
for
each
sub-m
odel
.Itis
the
rati
obet
wee
nD
AIC
cof
the
targ
etsu
b-m
odel
rela
tive
toal
lth
eoth
ersu
b-m
odel
san
dca
nbe
inte
rpre
ted
asth
epro
bab
ilit
yof
the
sub-m
odel
bei
ng
corr
ect
giv
enth
edat
a.v
j/v
iis
the
evid
ence
rati
osh
ow
ing
the
exte
nt
tow
hic
hth
e‘b
est’
sub-m
odel
isbet
ter
than
the
model
inques
tion.A
Di<
2(o
ran
evid
ence
rati
o<
2.7
)su
gges
tssu
bst
anti
alev
iden
cefo
rth
esu
b-m
odel
.E
ver
yca
sew
her
eD
i>
10,i
ndic
atin
gth
atth
em
odel
isver
yunli
kel
y,w
asdel
eted
from
this
table
.V
alues
corr
espondin
gto
the
min
imal
AIC
,to
aD
i<
2an
dto
anev
iden
cera
tio<
2.7
are
inbold
.T
he
sele
cted
‘bes
t’su
b-m
odel
isit
alic
ized
.
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
S. BOULETREAU ET AL.
Figure 1. Biomass of epilithon at different sites along the Aguera stream. Lines correspond to values simulated with the best model (minimalAIC), dots to observed biomass (� SE). Models selected for sites 5 and 7, period 2001–02 not shown as too simple (exponential increase) to be
relevant
A MINIMAL ADEQUATE MODEL FOR RIVER EPILITHON BIOMASS
cases, the ‘best’ sub-model (with the smallest AICc value) was the 3-parameter model (mmax,0, kinv,B and cdet). The
‘best’ sub-model in case 01–9 included mmax,0 and kcat. In case 01–2, the Akaike weight and the evidence
ratio indicated that three sub-models (2 and 3 parameters) performed similarly. These included mmax,0, cdet
and also kinv,B. In cases 01–4 and 01–5, the simplest sub-model (mmax,0) had the minimal AICc. Thus, 9 of
11 selected sub-models described epilithon biomass dynamics as the equilibrium between growth and
discharge-dependent loss terms. However, including parameters such as b, kI or kP did not result in significant
improvements on AICc values in any of the cases studied. Nevertheless, RSS decreased by inclusion of b in 90–2;
by inclusion of kinv,B and kcat in 01–4; by inclusion of kinv,B and kcat and kI in 01–5; by inclusion of kI and kcat in 01–7
and by inclusion of kinv,B in 01–9. The fits produced with the best and most convenient sub-model are illustrated in
Figure 1. Simulations combining the net growth term limited by biomass thickness and discharge correctly
reproduced the global pattern described by epilithon dynamics in 1990 and 1992. On the other hand, this model
fitted worse in 2001.
Step-wise regressions were performed on log-transformed data from six situations (90–2, 90–4, 90–5, 90–7,
01–2 and 01–7) corresponding to the best sub-model (mmax,0, kinv,B and cdet). The cases 92–5 and 92–9 were
excluded from the analyses because no physico-chemical data were available in 1992. Results showed that mmax,0
was negatively correlated with the percentage of canopy cover, while the other variables, particularly nutrients,
were excluded from the regression (Table IV), suggesting that epilithon maximal growth rate is controlled by
canopy cover (R2¼ 0.86, p¼ 0.007). No significant correlation was found between kinv,B or cdet and the
environmental variables tested.
DISCUSSION
The dataset presented in Elosegi and Pozo (1998) and Izagirre and Elosegi (2005) was a good candidate to check the
biological realism of the model developed by Uehlinger et al. (1996) under contrasting conditions. The monthly
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
Table IV. Results of step-wise multiple regression analysis between environmental factors (mean velocity, sand %, watertemperature, conductivity, total nitrogen, total phosphorus, silicate and canopy cover %) and parameters of the best sub-models(mmax,0, kinv,B and cdet) of study cases 90–2, 90–4, 90–5, 90–7, 01–2 and 01–7
Dependent variable Independent variable Coefficient Standard error t-value Significativity level
mmax,0 Constant 0.69 0.09 7.54 0.001Canopy cover �0.31 0.062 �5.02 0.007
kinv,B Constant 0.27 0.09 2.89 0.03cdet Constant 0.08 0.02 3.44 0.02
S. BOULETREAU ET AL.
sampling frequency is compatible with the application of models with few parameters allowing only major trends to
be observed and thus emphasizing the role of major environmental factors. The dataset included three 12-month
data series of epilithon biomass sampled at five sites along the channel of the Aguera stream, selected for the
broadest range of environmental conditions. As flood frequency and intensity are known to radically change from
year to year, contrasting hydrological contexts were observed. The sampling year 1990 was characterized by low
discharge (lower than 30 m3 s�1) and a 6-month flood-free period lasting from May to October, which allowed for
an important development of epilithon biomass that peaked at 300 g AFDM m�2. In sampling periods 1992–93 and
2001–02 more frequent floods and higher discharge were recorded, especially in 1992, and peak biomass reached
only 50 g AFDM m�2. Analysis of this dataset concluded hydrology to be the major controlling factor, except at
canopy covered sites where light availability overrides the effect of floods (Izagirre and Elosegi, 2005).
Ecological modelling strives to identify models that capture the essence of a system, explaining observations and
perhaps ultimately permitting prediction. Simple models contain fewer nuisance variables and have greater
generality (Ginzburg and Jensen, 2004). For that reason our aim was to identify a simple model that was in general
agreement with observed data. We used model fitting to investigate the most appropriate and simplest model form
to describe epilithon dynamics. Models with simplicity, parsimony and minimum adequacy based on Occam’s
Razor have recently been promoted in theoretical and applied ecology (Burnham and Anderson, 2001; Johnson and
Omland, 2004). With this objective, model selection was performed by applying a global optimization algorithm to
fit mechanistic non-linear models to time-series data, and AIC to check agreement between modelled and observed
data. AIC and related criteria (e.g. the Bayesian information criterion) provide an alternative to traditional analyses
for evaluating variable or parameter combinations, especially in studies with few hypotheses and a small sample
size. AIC and its related measures were first applied almost exclusively in the context of model selection in
capture-recapture analyses (Lebreton et al., 1992; Anderson et al., 1994) but in the past decade have been
recognized as a valuable tool in more general situations (Johnson and Omland, 2004). AIC is a likelihood-based
measure of model fit that accounts for the number of parameters estimated in a model (Akaike, 1973). It has two
components: negative log-likelihood, which measures lack of model fit to the observed data, and a bias correction
error, which increases as a function of the number of model parameters. Models with a large number of parameters
are penalized more heavily than those with a small number of parameters. Therefore, the model with the lowest AIC
has the best relative fit. If only poor models are considered, the AIC will select the best of the poor models,
highlighting the importance of determining the set of suitable candidate models with respect to the current
knowledge of the modelled processes.
According to AIC results, 7 simulations of 11 in the present study showed that modelling proved to give a correct
fit by means of three parameters (mmax,0, kinv,B and cdet). Epilithon biomass dynamics in the Aguera stream (this
dataset) can be simply simulated by accounting for the same processes as in the river Necker (Uehlinger et al.
dataset). Epilithon biomass dynamics can roughly be considered to be the result of equilibrium between
phototrophic growth and discharge-dependent loss.
The implementation of the density-limited growth parameter (kinv,B) into biomass growth appeared to be
significant in describing epilithon biomass accrual. Light (corrected by accounting for the canopy cover at each
site), temperature and phosphorus limitation processes did not significantly improve the goodness-of-fit and were
much less important than the above-mentioned processes. Although variations in both nutrient conditions and solar
radiation (due to differences in canopy cover) have been used to explain spatial biomass dynamics in the Aguera
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
A MINIMAL ADEQUATE MODEL FOR RIVER EPILITHON BIOMASS
stream (Izagirre and Elosegi, 2005), their contribution to epilithon development was not underlined by our models:
whatever the conditions (site and year), light availability was not a predominant factor explaining temporal biomass
dynamics. In streams with unpredictable flow patterns, light has been reported not to be a significant predictor of
biomass (Fisher and Grimm, 1988; Biggs and Close, 1989). Nevertheless, results of step-wise regression in the
present investigation suggested a linear dependence of maximum biomass growth rate on canopy cover, in
accordance with conclusions from Izagirre and Elosegi (2005). These paradoxical results raise the question of
representation of the growth light limitation term in the equation. Light was assumed to be an ‘interactive-essential’
resource with the limiting nutrient, following Tilman (1982) and Huisman et al. (1999). It means that both nutrient
availability and light limitation affect the primary producers to some extent. Despite its simplicity, the light
limitation term integrating daily irradiance changes was ultimately not adapted to represent spatial light variability
from one site to another. Canopy cover can be considered to be a more adapted variable than the global daily
radiation to represent light limitation of epilithon in the Aguera stream.
Our study confirmed that the dynamics of epilithon biomass in the Aguera stream are mainly driven by
hydrodynamics, as previously stated in reports on streams and rivers (Biggs and Close, 1989; Biggs and Thomsen,
1995; Bouletreau et al., 2006). Biomass detachment mainly requires a sufficient critical shear stress (linked to
discharge) to dislodge material from the epilithon mat (Biggs and Close, 1989). Regarding the value of the
detachment parameter, we did not observe a correlation between cdet (a descriptor of substrate sensitivity to floods)
and the percentage of sand on the river bottom. Assemblages colonizing fine substrata would probably be scoured
more easily by flooding (Cattaneo et al., 1997). Moreover, under low current conditions biofilms tend to grow as
loose assemblages, which are easily scoured by changes in river flow regime (Peterson, 1996). Hence, this result
suggests that cdet cannot simply be seen as an estimate of the biofilm resistance to shear stress. In 1990, several
floods strong enough to slough epilithon off the substrate were recorded and inter-flood periods were sufficiently
long and stable to allow for large biomass accumulation, mainly due to filamentous algae. In 2001–02, the simple
model including biomass-dependent growth rate detachment losses directly proportional to discharge and biomass
was the minimal adequate model, but in some cases its fit was not particularly good. Poor fit between observed and
modelled data can arise from both process and observational errors. Regarding observational errors, the time-series
was small (13 points) and showed rather large measurement errors with coefficients of variation up to 50%,
reflecting a very patchy distribution of epilithon. Regarding process errors, the temporal pattern described by
epilithon in 2001 was much less conspicuous than the clear cycles of biomass accumulation and loss in 1990.
Unpredictable hydrodynamic changes were not the only substantial factor in biomass loss in 2001, suggesting that
the model could be partly insufficient for explaining parameters and predicting biomass dynamics. For example, the
long low-water period that the Garonne River experienced in 2001 required inclusion of an additional autogenic
biomass loss factor in the model (Bouletreau et al., 2006). A similar 6-month flood-free period was observed in the
Aguera stream in 1990, but epilithon biofilm development persisted, attaining very high biomasses without
autogenic sloughing. The latter finding could be attributed to the mat structure being dominated by cyanobacteria,
as many species of these bacteria can grow heterotrophically, fix atmospheric nitrogen and engage in anoxic
photosynthesis. It can thus be hypothesized that cyanobacteria-dominated epilithon displays a higher resistance to
scouring, forming cohesive mats as observed in the Llobregat River (Sabater et al., 2003).
Temporal dynamics of epilithon can be quite contrasting. Biomass can be well described by alternating accrual
(one simple growth function) and one flow-related loss, especially when large floods combine with short and stable
inter-flood periods. If the inter-flood period is sufficiently stable and long, one or several factors such as seasonal
changes in communities, autogenic sloughing, grazing or internal nutrient loading can interact and produce
complex trajectories of epilithic biomass. On the other hand, when floods are too frequent, epilithic patchiness can
mask temporal differences and no clear pattern can be discerned. Nevertheless our results suggest that the model
formulation developed by Uehlinger et al. (1996) would be a satisfactory minimal adequate model to describe the
biomass dynamics of river epilithon in contrasting conditions.
To improve model performance one should increase model transferability, i.e. its ability to be applied in different
conditions at the relevant spatial and temporal scales without requiring changes in model structure or
parameterizations (Snowling and Kramer, 2001). In the present study the model was indeed transferred both
spatially and temporally, as we used the model formulation developed by Uehlinger et al. (1996) in the river Necker
to estimate the epilithic biomass dynamics in the Aguera stream. The model thus transferred worked pretty well,
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
S. BOULETREAU ET AL.
especially in hydrological conditions that combine contrasting short low with high water periods, but a
re-calibration of parameters was unavoidable to retain accuracy. Transferability is known to be challenging in
ecological models (Leftwich et al., 1997; Guay et al., 2003). Transferability could perhaps improve making the
model more complex, taking into account additional processes to increase flexibility and more sensitivity.
Designing a model that would be transferable is likely to be an open question for modelling the biomass dynamics
of river epilithon. Nevertheless, this would require an adapted dataset with high number and frequency of observed
data.
ACKNOWLEDGEMENTS
Stephanie Bouletreau was supported by FEDER (Fonds Europeens de Developpement Regional) and a grant for
foreign exchange (ATUPS) from the University Paul Sabatier. Oihana Izagirre did part of this work thanks to a
pre-doctoral grant by the Basque Government. This work was supported by the research projects PIGV 8924
(Basque Government), 9/UPV00118.310-14476/2002 (University of the Basque Country), DGICYT PB459/92,
MCYT BOS2003-04466 (Spanish Government) and by the GIS-ECOBAG (Groupement d’Interet Scientifi-
que-Ecologie et Economie du Bassin Adour Garonne). Discharge data were kindly provided by the Spanish
Northern Hydrographical Confederation and solar radiation data by the Spanish Meteorological Institute.
REFERENCES
Akaike H. 1969. Fitting autoregressive models for prediction. Annals of the Institute of Statistical Mathematics 21: 243–247.
Akaike H. 1973. Information theory and an extension of the maximum likelihood principle. In 2nd International Symposium on Information
Theory, Petrov BN, Csaki F (eds). Akademia Kiado: Budapest; 267–281.
Anderson DR, Burnham KP, White GC. 1994. AIC model selection in overdispersed capture-recapture data. Ecology 75: 1780–1793.
American Public Health Association (APHA). 1992. Standard methods for the Examination of Water and Wastewater, 18th edn. APHA:
Washington, DC.
Arhonditsis GB, Brett MT. 2005. Eutrophication model for Lake Washington (USA) Part I. Model description and sensitivity analysis.
Ecological Modelling 187: 140–178.
Asaeda T, Hong Son D. 2000. Spatial structure and populations of a periphyton community: a model and verification. Ecological Modelling 133:
195–207.
Asaeda T, Hong Son D. 2001. A model of the development of a periphyton community resource and flow dynamics. Ecological Modelling 137:
61–75.
Auer MT, Canale RP. 1982. Ecological studies and mathematical modelling of Cladophora in Lake Huron: 3. The dependence of growth rates
on internal phosphorus pool size. Journal of Great Lakes Research 8: 93–99.
Banse K. 1982. Cell volumes maximal growth rates of unicellular algae and ciliates, and the role of ciliates in the marine pelagial. Limnology and
Oceanography 27: 1059–1071.
Bates SS. 1976. Effects of light and ammonium on nitrate uptake by two species of estuarine phytoplankton. Limnology and Oceanography
21(2): 212–218.
Biggs BJF, Close ME. 1989. Periphyton biomass dynamics in gravel bed rivers: the relative effects of flows and nutrients. Freshwater Biology
22: 209–231.
Biggs BJF, Thomsen HA. 1995. Disturbance in stream periphyton by perturbations in shear stress: time to structural failure and difference in
community resistance. Journal of Phycology 31: 233–241.
Borchardt MA. 1996. Nutrients. In Algal Ecology: Freshwater Benthic Ecosystems, Stevenson RJ, Bothwell ML, Lowe RL (eds). Academic
Press: San Diego; 183–227.
Bothwell ML. 1985. Phosphorus limitation of lotic periphyton growth rates: an intersite comparison using continuous-flow troughs (Thompson
River system, British Columbia). Limnology and Oceanography 30: 527–542.
Bouletreau S, Garabetian F, Sauvage S, Sanchez-Perez JM. 2006. Assessing the importance of a self-generated detachment process in river
biofilm models. Freshwater Biology 51: 901–912.
Bouterfas R, Mouhssine B, Dauta A. 2002. Light and temperature effects on the growth rate of three freshwater algae isolated from a eutrophic
lake. Hydrobiologia 489: 207–217.
Brown LC, Barnwell TO. 1987. The enhanced stream water quality models QUAL2E and QUAL2E-UNCAS: Documentation and user manual.
Report EPA/600/3-87/007, U.S. EPA, Athens, GA.
Burnham KP, Anderson DR. 2001. Kullback–Leibler information as a basis for strong inference in ecological studies. Wildlife Research 28:
111–119.
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
A MINIMAL ADEQUATE MODEL FOR RIVER EPILITHON BIOMASS
Burnham KP, Anderson DR. 2002. Model Selection and Multimodal Inference: A Practical Information Theoretic Approach. Springer-Verlag:
New York.
Carpenter EJ, Cox JL. 1974. Production of pelagic Sargassum and a blue-green epiphyte in the western Sargasso Sea. Limnology and
Oceanography 19: 429–436.
Cattaneo A, Kerimian T, Roberge M, Marty J. 1997. Periphyton distribution and abundance on substrata of different size along a gradient of
stream trophy. Hydrobiologia 354: 101–110.
Chen C, Ji R, Schwab DJ, Beletsky D, Fahnenstiel GL, Jiang M, Johengen TH, Vanderploeg H, Eadie B, Budds JW, Bundy MH, Gardner W,
Cotner J, Lavrentyev PJ. 2002. A model study of the coupled biological and physical dynamics in Lake Michigan. Ecological Modelling 152:
145–168.
Dodds WK, Jones JR, Welch EB. 1998. Suggested classification of stream trophic state: distributions of temperate stream types by chlorophyll,
total nitrogen. Water Research 32: 1455–1462.
Elosegi A, Pozo J. 1998. Epilithic biomass and metabolism in a north Iberian stream. Aquatic Sciences 60: 1–16.
Elosegi A, Basaguren A, Pozo J. 2002. Ecology of the Aguera: a review of fourteen years of research on a Basque stream. Munibe 53: 15–38.
Elosegi A, Basaguren A, Pozo J. 2006. A functional approach of the ecology of Atlantic Basque streams. Limnetica 25(1–2): 123–134.
Eppley RW. 1972. Temperature and phytoplankton growth in the sea. Fishery Bulletin 70: 1063–1085.
Even S, Poulin M, Garnier J, Billen G, Servais P, Chesterikoff A, Coste M. 1998. River ecosystem modelling: application of the PROSE model
to the Seine river (France). Hydrobiologia 373–374: 27–45.
Fisher SG, Grimm NB. 1988. Disturbance as a determinant of structure in a Sonoran Desert stream ecosystem. Verhanlungen der Internationale
Vereinigung fur Theoretische und Angewandt Limnologie 23: 1183–1189.
Flipo N, Even S, Poulin M, Tusseau-Vuillemin M-H, Ameziane T, Dauta A. 2004. Biogeochemical modelling at the river scale: plankton and
periphyton dynamics. Grand Morin case study, France. Ecological Modelling 176: 333–347.
Ginzburg LR, Jensen CXJ. 2004. Rules of thumb for judging ecological theories. Trends in Ecology and Evolution 29: 121–126.
Guay JC, Boisclair D, Leclerc M, Lapointe M. 2003. Assessment of the transferability of biological habitat models for Atlantic Salmon Parr
(Salmo salar). Canadian Journal of Fisheries and Aquatic Sciences 60(11): 1398–1408.
Hamilton DP, Schladow SG. 1997. Prediction of water quality in lakes and reservoirs. Part I – Model. Ecological Modelling 96: 91–110.
Horner RR, Welch EB, Veenstra RB. 1983. Development of nuisance periphytic algae in laboratory streams in relation to enrichment and
velocity. In Periphyton of Freshwater Ecosystems, Wetzel RG (ed.). Dr. W Junk Publishers: The Hague; 121–134.
Huisman J, Jonker RR, Zonneveld C, Weissing FJ. 1999. Competition for light between phytoplankton species: experimental tests of
mechanistic theory. Ecology 80: 211–222.
Izagirre O, Elosegi A. 2005. Environmental control of seasonal and inter-annual variations of periphytic biomass in a North Iberian stream.
Annales de Limnologie - International Journal of Limnology 41: 35–46.
Johnson JB, Omland KS. 2004. Model selection in ecology and evolution. Trends in Ecology and Evolution 19: 101–108.
Klausmeier CA, Litchman E. 2001. Algal games: the vertical distribution of phytoplankton in poorly mixed water columns. Limnology and
Oceanography 45(8): 1998–2007.
Lebreton J-D, Burnham KP, Clobert J, Anderson DR. 1992. Modeling survival and testing biological hypothesis using marked animals: a
unified approach with case studies. Ecological Monographs 62: 67–118.
Leftwich KN, Angermeier PL, Dolloff CA. 1997. Factors influencing behaviour and transferability of habitat models for a benthic stream fish.
Transactions of the American Fisheries Society 126: 725–734.
Lehman JT, Botkin DB, Likens GE. 1975. The assumptions and rationales of a computer model of phytoplankton population dynamics.
Limnology and Oceanography 20(3): 343–364.
Matthews RA, Buikema AL, Cairns J, Rodgers JH. 1982. Biological monitoring Part IIA–Receiving system functional methods, relationships
and indices. Water Research 16: 129–139.
McIntire CD. 1973. Periphyton dynamics in laboratory streams: a simulation model and its implications. Ecological Monographs 34: 399–420.
Momo FR. 1995. A new model for periphyton growth in running waters. Hydrobiologia 299: 215–218.
Omlin M, Brun R, Reichert P. 2001. Biogeochemical model of Lake Zurich: sensitivity, identifiability and uncertainty analysis. Ecological
Modelling 141: 105–123.
Parsons T, Stephens K, Strickland JDH. 1961. On the chemical composition of eleven species of marine phytoplankters. Journal of the Fisheries
Research Board of Canada 18: 1001–1016.
Paul BJ, Duthie HC, Taylor WD. 1991. Nutrient cycling by biofilms in running waters of different nutrient status. Journal of the North American
Benthological Society 10: 31–41.
Peterson CG. 1996. Response of benthic algal communities to natural physical disturbance. In Algal Ecology: Freshwater Benthic Ecosystems,
Stevenson RJ, Bothwell ML, Lowe RL (eds). Academic Press: San Diego; 375–403.
Power ME, Stout RJ, Cushing CE, Harper PP, Hauer FR, Matthews WJ, Moyle PB, Statzner B, Wais De Bagden IR. 1988. Biotic and abiotic
controls in river and stream communities. Journal of the North American Benthological Society 7: 456–479.
Press W, Flannery B, Teukolsky S, Vetterling W. 1988. Numerical Recipes. Cambridge University Press: Cambridge.
Rawlings JO, Pantula SG, Dickey DA. 1998. Applied Regression Analysis. A Research Tool. Springer: New York.
Reichert P. 2001. River Water Quality Model no. 1 (RWQM1): case study II. Oxygen and nitrogen conversion processes in the River Glatt
(Switzerland). Water Science and Technology 43: 51–60.
Reichert P, Borchardt D, Henze M, Rauch M, Shanahan P, Somlyody L, Vanrolleghem P. 2001. River Water Quality Model no. 1 (RWQM1):
II. Biochemical process equations. Water Science and Technology 43: 11–30.
Reynolds CS. 1984. The Ecology of Freshwater Phytoplankton. Cambridge University Press: Cambridge.
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
S. BOULETREAU ET AL.
Rodriguez MA. 1987. Estimating periphyton growth parameters using simple models. Limnology and Oceanography 32: 458–464.
Rolland T, Fayolle S, Cazaubon A, Pagnetti S. 1997. Methodological approach to distribution of epilithic and drifting algae communities in a
French subalpine river: inferences on water quality assessment. Aquatic Sciences 59: 57–73.
Sabater S, Vilalta E, Gaudes A, Guasch H, Munoz I, Romani AM. 2003. Ecological implications of mass growth of benthic cyanobacteria in
rivers. Aquatic Microbial Ecology 32: 175–184.
Saravia LA, Momo F, Boffi Lissin LD. 1998. Modelling periphyton dynamics in running water. Ecological Modelling 114: 35–47.
Schladow SG, Hamilton DP. 1997. Prediction of water quality in lakes and reservoirs: part II–model calibration, sensitivity analysis and
application. Ecological Modelling 96: 111–123.
Snowling SD, Kramer JR. 2001. Evaluating modelling uncertainty for model selection. Ecological Modelling 138: 17–30.
Steemann-Nielsen E. 1975. Marine Photosynthesis with Special Emphasis on Ecological Aspects. Elsevier Scientific Publishing: Amsterdam.
Sterner RW, Grover JM. 1998. Algal growth in warm temperate reservoirs: kinetic examination of nitrogen, temperature, light, and other
nutrients. Water Research 32(12): 3359–3548.
Streeter HW, Phelps EB. 1925. Study of the pollution and natural purification of the Ohio River. Bulletin N0. 146, US Public Health Service:
Washington, DC.
Tilman D. 1982. Resource Competition and Community Structure. Princeton University Press: Princeton.
Uehlinger U, Burher H, Reichert P. 1996. Periphyton dynamics in a flood-prone pre-alpine river: evaluation of significant processes by
modelling. Freshwater Biology 36: 249–263.
Copyright # 2007 John Wiley & Sons, Ltd. River. Res. Applic. (2007)
DOI: 10.1002/rra
Chapitre 4. Importance du détachement autogène
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 88
Chapitre 4
Importance du détachement autogène dans la dynamique
spatio-temporelle du biofilm épilithique : le modèle comme
outil de recherche
Chapitre 4. Importance du détachement autogène
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 89
Résumé de « Assessing the importance of a self-generated detachment process in river biofilm
models » par Boulêtreau S, Garabétian F, Sauvage S and Sánchez-Pérez J-M (2006)
Freshwater Biology 51: 901-912. Copyright© 2006 Blackwell Publishing Ltd.
1 – Contexte et objectifs
Le chapitre précédent confirme par la modélisation l’importance du facteur
hydrodynamique dans la structuration temporelle de la biomasse épilithique en milieu naturel
(Biggs & Close 1989 ; Biggs & Thomsen 1995). La confrontation du modèle à différentes
situations hydrologiques montre cependant que la sensibilité du modèle varie selon la nature
des perturbations. En particulier, les longues périodes de stabilité hydrologique sont
impossibles à reproduire en appliquant un modèle simple tel que celui développé par
Uehlinger et al. (1996), notamment parce que l’absence de perturbation est propice à la
contribution d’autres facteurs allogènes ou autogènes que l’hydrodynamique. En absence de
perturbation, la maturation du biofilm se manifeste par des changements progressifs de
populations au sein de l’assemblage (Fisher 1990). Les pertes de biomasse associées aux
effets du détachement autogène ou du broutage augmentent avec le temps écoulé depuis la
dernière perturbation (Leff et al. 1994 ; Biggs 1996 ; Lawrence et al. 2002 ; Battin et al.
2003a). Le détachement autogène est lié à une diminution de la résistance des algues
benthiques, elle-même favorisée par l’augmentation de l’âge et la biomasse de la communauté
(Peterson et al. 1990). De même le broutage prédomine après une longue période sans
perturbation car la recolonisation par les invertébrés est souvent lente par rapport à la
croissance de l’épilithon (Biggs & Close 1989). Enfin dans le cas particulier des tapis
phototrophes de rivière, une période de maturation prolongée permet le développement massif
de méiofaune qui accentue par bioturbation le détachement du tapis (Schmid-Araya & Schmid
2000 ; Sabater et al. 2003). La compréhension et la modélisation de tels processus exigent de
suivre l’évolution de la biomasse sur le long terme en conditions non perturbées. Or si les
conditions de non perturbation sont bien remplies dans des systèmes maîtrisés où règnent des
conditions hydrauliques quasi stationnaires, ce n’est pas le cas en rivière. C’est une des
raisons pour laquelle un phénomène comme le détachement autogène, pourtant déjà évoqué
par Biggs (1996) comme étant un facteur susceptible de contrôler la biomasse en rivière, n’a,
à notre connaissance, pas été décrit. La compréhension de ces processus nécessite aussi de
disposer de données complémentaires pour pourvoir formuler des hypothèses : par exemple la
Chapitre 4. Importance du détachement autogène
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 90
prise en compte d’une perte de biomasse liée au broutage dans une équation différentielle
nécessiterait d’identifier la ou les espèce(s) d’invertébrés en cause, d’estimer leur biomasse,
de déterminer leur cycle de vie et d’estimer leur taux d’ingestion.
Dans le cadre de l’action 4.1.1. « Niveaux trophiques et Impact des rejets » du
programme du groupement ECOBAG, Programme Partenarial « Agence de l’Eau Adour-
Garonne » (2000 – 2004) qui visait à établir les bases d’une analyse du statut trophique d’une
rivière à biomasse fixée comme la Garonne, deux sites de la Garonne (Aouach et Gagnac) ont
fait l’objet d’un échantillonnage hebdomadaire (ou bimensuel) de juin 2001 à février 2002
pendant une période d’étiage particulièrement longue (7 mois consécutifs). L’échantillonnage
a concerné les descripteurs structurels classiques du biofilm (biomasse épilithique en MSSC,
MS, chlorophylle a) et les variables environnementales (lumière, température, débit et
variables chimiques de la colonne d’eau), autant de données indispensables à l’ajustement et
l’alimentation d’un modèle comme celui mis en œuvre dans le chapitre précédent. Par ailleurs
cette étude s’est concentrée plus spécifiquement sur les changements temporels de la structure
des communautés bactériennes, analysée par typage moléculaire (PCR – DGGE) des gènes
codant pour l’ARNr 16S (thèse Lyautey 2005). L’analyse indique que l’évolution temporelle
de la biomasse épilithique correspond à la succession de deux cycles d’accrétion/détachement
(de juin à octobre puis d’octobre à décembre) atteignant une biomasse maximale d’environ 25
g de MSSC par m2. Les analyses portant sur la structure des communautés bactériennes
indiquent une structuration temporelle des communautés assimilable à une succession en
accord avec un modèle de succession en biofilm développé auparavant (Lyautey et al. 2005a).
Nous avons donc souhaité utiliser ce jeu de données afin de tester par modélisation
l’hypothèse selon laquelle l’introduction d’une perte associée à un détachement autogène
pourrait expliquer la dynamique du biofilm épilithique observée entre juin 2001 et février
2002 dans la Garonne. La fréquence d’échantillonnage (hebdomadaire ou bimensuelle) et les
données complémentaires sont favorables à la complexification d’un modèle existant, le
modèle d’Uehlinger et al. (1996). La démarche consiste à (i) vérifier si d’autres facteurs
allogènes comme le débit, la température, la lumière et les nutriments peuvent avoir contrôlé
la biomasse pendant cette période de temps, en utilisant la formulation des processus du
modèle d’Uehlinger et al. (1996) présenté dans le chapitre précédent puis (ii), à développer le
modèle pour qu’il prenne en compte une perte par détachement autogène. Les processus à
tester sont activés les uns après les autres dans chaque site (détachement hydrodynamique,
limitation de la croissance par la lumière et la température, limitation de la croissance par le
Chapitre 4. Importance du détachement autogène
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 91
phosphore et détachement autogène). La recherche de la combinaison optimale des
paramètres de chaque simulation est basée sur la minimisation du χ2.
Selon l’hypothèse à tester, le détachement autogène est défini comme une perte de
biomasse soudaine et conséquente générée par la diminution de la résistance du biofilm aux
forces de cisaillement. Cette diminution de résistance se produit lorsque le biofilm s’épaissit
et perd sa cohésion interne. La sénescence des couches d’algues inférieures, leur dégradation
hétérotrophe ainsi que la production de bulles de gaz issues de la respiration sont à l’origine
de cette perte de cohésion. Le biofilm se détache en plaques, laissant le support nu ; certains
auteurs parlent de « mue autogène » (Figure 4.1.). L’hypothèse formulée mathématiquement
simplifie ce détachement comme la conséquence de l’activité de dégradation bactérienne.
Figure 4.1. Illustration d’un galet érodé par le détachement autogène.
2 – Principaux résultats et discussion
La formulation (1) du modèle retenue par Uehlinger et al. (1996) pour expliquer
l’évolution de la biomasse épilithique dans le River Necker (cours d’eau préalpin suisse)
décrit assez correctement l’évolution de la biomasse dans les deux sites de la Garonne
(Aouach et Gagnac). La comparaison des simulations avec et sans prise en compte du
détachement hydrodynamique montre une nette diminution du χ2 (de 268 à 88 pour l’Aouach
et de 386 à 137 pour Gagnac) i.e. une nette amélioration de l’ajustement lorsque le
détachement hydrodynamique est considéré dans l’équation. Ce premier résultat confirme le
5 cm5 cm
Chapitre 4. Importance du détachement autogène
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 92
rôle substantiel de l’hydrodynamique sur la dynamique temporelle du biofilm épilithique dans
la Garonne (par ex. Fisher & Grimm 1988 ; Biggs & Close 1989). La formulation du modèle
est transférable de l’hydrosystème River Necker à l’hydrosystème Garonne malgré
d’importantes disparités entre les deux systèmes : avec un débit moyen de 200 m3 s-1, contre
4,6 m3 s-1 dans le River Necker, et une largeur de 80 m, contre 25 m dans le River Necker, la
Garonne est soumise à une fréquence de perturbation hydrologique (2 évènements par mois)
largement moindre que celle du cours d’eau suisse (2 évènements par semaine). En revanche
ces simulations confirment que la perte de biomasse du premier pic de croissance n’est pas
expliquée par l’influence de l’hydrodynamique telle qu’elle est décrite par le modèle.
L’activation des termes de limitation de la croissance par la température (paramètre β) et la
lumière (paramètre kI) n’apporte aucune amélioration supplémentaire à l’ajustement. Au
contraire lorsqu’on impose au modèle (1) ajusté des valeurs de β et kI particulièrement
élevées, pour donner arbitrairement plus d’importance à ces deux derniers processus, la
tendance simulée s’éloigne encore davantage du patron de biomasse observé. La composition
taxonomique mesurée au cours des pics de biomasse ne montre pas de changement en réponse
à la diminution de température : 3 espèces sur les 5 représentent 80% de la biomasse algale
totale sont communes au deux pics (Diatoma vulgaris Bory, Melosira varians Agardh et
Amphora ovalis Kütz). De la même manière l’introduction d’un terme de limitation par le
phosphore (paramètre kP) ne génère pas de diminution du χ2. L’attribution d’une valeur élevée
au paramètre kP génère une diminution du taux de croissance plus soutenue à l’Aouach qu’à
Gagnac, due aux concentrations en nutriments plus réduites à l’Aouach en amont de
l’agglomération toulousaine qu’en aval à Gagnac (Teissier et al. 2002 ; Lyautey et al. 2003).
En revanche l’introduction du terme de détachement autogène génère une diminution du χ2 de
88 à 56 et de 137 à 102 dans les sites de l’Aouach et de Gagnac respectivement. Cette
amélioration est observée seulement lorsque le modèle initial intègre déjà le terme de perte
hydrodynamique.
Ce travail illustre l’utilisation de la formulation mathématique pour générer une
hypothèse écologique. Si la modélisation d’une biomasse phototrophe semble suffisante en
règle générale, cette situation où la perturbation hydrologique est absente semble montrer la
nécessité de considérer le compartiment hétérotrophe du biofilm épilithique dans l’écriture
des modèles. De même si la communauté algale semble peu sensible à l’évolution saisonnière
de la température, la sensibilité de l’activité hétérotrophe vis-à-vis de la température pourrait
favoriser une évolution autogène du biofilm. Du point de vue du fonctionnement de l’agrégat,
l’approche numérique, couplée aux résultats expérimentaux de Lyautey et al. (2005a) et de
Chapitre 4. Importance du détachement autogène
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 93
Teissier et al. (2007) semble confirmer que la dynamique de biomasse épilithique obéit à une
double fonctionnalité :
• une fonction de croissance associée à l’activité phototrophe des microalgues et
relativement peu sensible à la température,
• une fonction de perte de biomasse (minéralisation, auto-détachement) initiée par
l’activité bactérienne hétérotrophe basée sur le recyclage d’une partie des ressources
accumulées dans l’agrégat au cours de la croissance et fortement dépendante de la
température et de l’absence de perturbation.
Du point de vue de l’écosystème, l’approche numérique semble démontrer qu’ :
• en conditions hydrodynamiques perturbées et même à faible température, la
dynamique de la biomasse peut être assimilée à un équilibre entre une croissance
phototrophe limitée par l’épaisseur du biofilm et une perte directement proportionnelle
au débit instantané et à la biomasse fixée,
• en conditions de (longue) stabilité hydrodynamique et à température élevée (i.e. étiage
estival des zones tempérées), la dynamique de la biomasse peut être assimilée à un
équilibre entre une croissance phototrophe limitée par l’épaisseur du biofilm et une
perte proportionnelle à l’activité hétérotrophe et l’épaisseur du biofilm.
3 – Conclusion
Ce travail constitue, à notre connaissance, la première indication du processus de
détachement autogène en rivière dans un modèle. Si l’expérimentation numérique basée sur
les connaissances acquises expérimentalement dans des travaux antérieurs tend à préciser le
processus de détachement autogène, celle-ci ne constitue cependant pas une preuve. Elle
permet de générer une nouvelle hypothèse selon laquelle le détachement autogène se produit
en absence de perturbation lorsque les conditions de température sont favorables et se
manifeste par le changement fonctionnel de l’assemblage de l’autotrophie vers
l’hétérotrophie, hypothèse que nous allons préciser à partir d’expérimentations dans le
chapitre 5.
4 – Publication
Se reporter à la page suivante.
Assessing the importance of a self-generated detachmentprocess in river biofilm models
STEPHANIE BOULETREAU, FREDERIC GARABETIAN, SABINE SAUVAGE AND JOSE-MIGUEL
SANCHEZ-PEREZ
Laboratoire d’Ecologie des Hydrosystemes, UMR 5177 CNRS-Universite Paul Sabatier, Toulouse, France
SUMMARY
1. Epilithic biofilm biomass was measured for 14 months in two sites, located up- and
downstream of the city of Toulouse in the Garonne River (south-west France). Periodical
sampling provided a biomass data set to compare with simulations from the model of
Uehlinger, Burher and Reichert (1996: Freshwater Biology, 36, 249–263.), in order to evaluate
the impact of hydraulic disturbance.
2. Despite differences in application conditions (e.g. river size, discharge, frequency of
disturbance), the base equation satisfactorily predicted biomass between low and high
water periods of the year, suggesting that the flood disturbance regime may be considered
a universal mechanism controlling periphyton biomass.
3. However modelling gave no agreement with biomass dynamics during the 7-month
long low water period that the river experienced. The influence of other biomass-
regulating factors (temperature, light and soluble reactive phosphorus) on temporal
biomass dynamics was weak.
4. Implementing a supplementary mechanism corresponding to a temperature-dependent
self-generated loss because of heterotrophic processes allowed us to accurately reproduce
the observed pattern: a succession of two peaks. This case study suggests that during
typical summer low water periods (flow stability and favourable temperature) river
biofilm modelling requires self-generated detachment to be considered.
Keywords: autogenic sloughing, biomass dynamics, detachment, epilithic biofilm, river model
Introduction
As a zone of transient storage, epilithic biofilms
influence biogeochemical processes in shallow
streams (Battin et al., 2003), especially nitrogen cycling
(Teissier et al., 2002). Nutrient concentrations and flow
disturbance are considered the major external driving
variables influencing periphyton colonisation, growth,
immigration and removal processes (Biggs & Close,
1989; Lohman, Jones & Perkins, 1992; Chetelat et al.,
1999). A modelling approach has been extensively
employed as a convenient tool to identify the factors
that primarily control temporal variability in epilithic
biomass and several models are available for head-
water streams (Horner, Welch & Veenstra, 1983;
Uehlinger et al., 1996; Saravia, Momo & Boffi Lissin,
1998; Asaeda & Hong Son, 2000). Modelling detach-
ment processes in natural river biofilm assemblages
mainly focuses on the response of the periphyton
community as a function of hydraulic forces (dis-
charge, velocity of water flow and roughness of the
substrata). Non-flow mediated detachment sources
are assumed to be constant or are simply included in a
net growth term because their minor impact cannot be
detected in studies where flow-mediated detachment
dominates over decay processes. In less unpredictable
flow regimes involving other kinds of microbial
biofilms (e.g. in biofilm airlift suspension reactors)
other detachment mechanisms (erosion, abrasion and
Correspondence: Stephanie Bouletreau, Laboratoire d’Ecologie
des Hydrosystemes, UMR 5177 CNRS-Universite Paul Sabatier,
29 rue Jeanne Marvig, F-31055 Toulouse, France.
E-mail: [email protected]
Freshwater Biology (2006) 51, 901–912 doi:10.1111/j.1365-2427.2006.01541.x
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd 901
sloughing) have been more precisely investigated
using experimentation or modelling (Morgenroth &
Wilderer, 2000; Telgmann, Horn & Morgenroth, 2004).
In rivers with extended periods of low flow, the
dynamics of epilithic biomass are expected also to
depend on self-generated detachment. This hypoth-
esis was tested with an adapted version of a
dynamic periphyton model previously proposed by
Uehlinger et al. (1996). Simulated biomasses were
compared with a biomass data set collected in a large
French river (Garonne River). We particularly
focused on epilithic biomass dynamics during an
unusually long low water period; by implementing a
new equation we checked for the impact of autogenic
sloughing in the absence of hydraulic disturbances.
The possible influence of other allogenic factors
(temperature, light and nutrient availability) was
first investigated to test for their respective influence
on simulated biomasses.
Methods
Study site
The Garonne River (south-west France) is a large river
(eighth order, 600 km long) with pebble banks cov-
ered by epilithic biofilm even in channels up to the
seventh order. Study sites were located 36 km
upstream (upstream site, sixth order) and 12 km
downstream (downstream site, seventh order) of
Toulouse, an urban centre with 965 000 inhabitants.
The mean daily discharge at Toulouse is 200 m3 s)1
(minimum 30 m3 s)1 to maximum 3500 m3 s)1). Dur-
ing the low water period (from July to October), the
mean discharge is about 50 m3 s)1 and the river is
characterised by a shallow (<1.5 m) and wide bed
(100 m) with a mean water velocity on the riverbed of
0.5 m s)1. Low turbidity (<30 NTU) favours the
development of epilithic biomass. According to Eulin
& Le Cohu (1998), epilithic algal communities are
dominated by typical diatoms of a moderately
mineralised river of a limestone region, most species
being rheophile and alkaliphile.
Sampling procedure and biomass measurement
Sampling was performed from July 2001 to December
2001 at weekly intervals and then monthly until
November 2002. The sampling strategy was designed
to ensure that sample collection was as repeatable and
as regular as possible. Note that collection of pebbles
on the riverbed was only possible when discharge
was lower than 200 m3 s)1. For each study site, a
reference point was chosen in a riffle. At this reference
point, sampling was performed on each date at three
distinct depths of the cross section: 30, 50 and 70 cm.
Three pebbles (mean diameter: 12 cm) from each
depth were collected and depth samples were pooled
for biomass analysis. Within 6 h of collection, biofilm
was removed from the upper surface with a tooth-
brush and suspended in filtered water (0.2 lm). The
scrubbed surface of the pebbles was traced on tracing
paper and its area (m2) calculated from the mass of the
tracings. Biomass records of the three depths were
then averaged to provide a mean ± SE biomass data
for each date at each site. According to the results of a
previous study the recorded biomass is not represen-
tative of the biomass occurring at all points of the
cross section (e.g. the tidal zone close to the banks and
at maximum depth) but satisfactorily describes the
low depth region of the cross section where epilithic
biofilm typically develops (Ameziane et al., 2002). In
the Garonne River such biomass records may thus be
representative of the epilithon dynamics of this kind
of river bottom facies.
Dry mass (DM) was obtained by weighting the dry
pellet (80 �C, overnight) after centrifugation (2300 g,
20 min) of a 50 mL aliquot of biofilm suspension. The
dry pellet was combusted (500 �C, overnight) and
weighed to determine ash-free dry mass (AFDM). A
second aliquot (10 mL) of the bio-film suspension was
centrifuged (12 000 g, 20 min, 4 �C). The chlorophyll a
content was measured spectrophotometrically using
trichromatic equations (Jeffrey, Mantoura & Wright,
1997) after extraction with acetone 90% (4 h, dark-
ness, room temperature) of the suspended (tissue
homogeniser) and ground (ultrasonic disintegrator)
pellet.
Environmental variables
Mean daily discharges were supplied by three
gauging stations of the French water management
authorities (DIREN Midi-Pyrenees). The gauging
station at Portet-sur-Garonne provided daily dis-
charge records for the upstream site after subtraction
of the Ariege tributary mean daily discharge recor-
ded at the gauging station at Auterive. The station of
902 S. Bouletreau et al.
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
Verdun-sur-Garonne provided discharge records for
the downstream site. The French meteorological
society (Meteo France) provided global daily radi-
ation at Lherm (20 km on south-west from
Toulouse). Each global daily radiation (J cm)2) was
first converted to daily integrated photosynthetically
(400–700 nm) active radiation I (J cm)2) according to
Steemann-Nielsen (1975). To compare with Uehlinger
et al. (1996), I was converted as a photon flux density
expressed as E m)2 (equivalent to mol m)2). Mean
daily water temperatures were calculated from
hourly temperatures supplied by DIREN Midi-
Pyrenees. Water soluble reactive phosphorus (SRP),
ammonium, nitrite and nitrate concentrations were
quantified by standard colorimetric methods [Ameri-
can Public Health Association (APHA), 1992] from
filtered water samples collected at each biomass
sampling campaign.
Modelling approach
Initial model. We used the structure of the differential
equation developed by Uehlinger et al. (1996) for a
Swiss prealpine gravel bed river characterised by
unpredictable and frequent disturbances. Two terms
compose the differential equation of epilithic biomass
B (g AFDM m)2) in accordance with the benthic algal
theoretical curve proposed by Biggs (1996): an accrual
term and a loss term.
dB
dt¼ lmaxB
1
1 þ kinv;BB
I
kI þ IebðT�T0Þ � cdetQðB � B0Þ
ð1Þ
The accrual term is mainly based on a net biomass
growth term (lmax) limited by biomass thickness
(kinv,B). The biofilm thickness is considered as a
variable of growth limitation; in a biofilm mat of
increasing thickness, the surface layers are supported
by better light (and nutrient conditions) than deeper
layers. A detachment term directly proportional to the
mean daily discharge Q and to biomass B composed
the loss term (cdet).
Two other growth limitation terms I/(kI + I) and
eb(T)T0) account for the influence of seasonal variations
in light (kI) and temperature (b and T0) on the growth
rate. The reference temperature T0 was set to 20 �C.
We decided to remove from (1) the catastrophic loss
term proposed by Uehlinger et al. (1996) and activated
when discharge is higher than a critical discharge. Its
impact on epilithic biomass was short term and did
not give significant changes.
Model development: SRP impact. Water SRP concentra-
tions (kP) were included in the equation to complete
the set of external factors.
dB
dt¼ lmaxB
1
1 þ kinv;BB
[SRP]
kP þ [SRP]� cdetQðB � B0Þ
ð2Þ
The growth rate nutrient limitation term is the
classic Monod function widely used to represent SRP
limitation of algal growth in freshwater systems. The
Monod function assumes that the growth rate of
periphyton increases rapidly with P at low concen-
trations of SRP and becomes insignificant at high P
concentrations.
Model development: self-generated detachment. Self-gene-
rated detachment is a sizeable and rather sudden
loss of biofilm standing stock that can arise because
of a decrease of attached biomass resistance to
floating and drifting. This occurs when the biofilm
becomes thicker and less cohesive. Senescence of
the deeper algal layers, their heterotrophic degrada-
tion and consequent respiratory gas bubble produc-
tion is the typical autogenic sequence that results
in sloughing of a mature biofilm. Various matur-
ation-related processes such as enhanced meiofauna
activity may also contribute to self detachment,
which may thus be schematically viewed as a shift
from photoautotrophic accrual to heterotrophic
losses.
Self-generated detachment was assumed to be
mainly triggered by the bacterial degradation of the
biofilm mat, which is in turn strongly controlled by
temperature. A self-generated detachment term (cauto)
is a conceptual formulation indicating that favourable
temperature conditions may activate bacteria
involved in the degradation process and hence
emphasise sloughing.
This term was formulated using the same form as
the discharge-dependant term of Uehlinger et al.
(1996): lost epilithic biomass is an increasing function
of biomass of biofilm standing stock, thus propor-
tional to (B)B0). Loss is thus expressed as a function of
the active bacterial density Bb (cells m)2).
Importance of a self-generated detachment process in river biofilm models 903
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
dB
dt¼lmaxB
1
1þkinv;BB�cdetQðB�B0Þ�cautoBbðB�B0Þ
ð3Þ
The active bacterial density Bb was simultaneously
described by a simple differential equation composed
by a growth and a loss term.
dBb
dt¼ ½lBbebBbðT�T0BbÞ�c0detB�Bb ð4Þ
Active bacterial density accrual was approximated
by a temperature limited growth rate; temperature
limitation was expressed by the Arrhenius or van’t
Hoff equation [bBb and T0Bb, the reference (optimal)
temperature). The loss term (c0det) was expressed as a
detachment term considering that biofilm detachment
(discharge-dependant and/or self-generated) simul-
taneously causes bacterial matter losses. Epilithic
biomass B was thus chosen as an integrative variable
explaining bacterial detachment. Other kinds of loss
(death, lysis) were included in lBb. The list of
parameters symbols, units and names was detailed
in Table 1.
Model resolution, calibration and settings. Equations
were resolved using the Runge-Kutta method (fourth
order). Preliminary tests had demonstrated the
accuracy of a time step fixed at 3 h. Values of
discharge, temperature, light and SRP at each time
step were obtained by linear interpolation of obser-
vational data.
Model simulations and parameter estimation in the
eqns (1) and (2) were based on the minimisation of
chi-square in each site. The initial value of epilithic
biomass B was fixed at 4 g AFDM m)2 in accordance
with average initial measured biomasses in both sites.
The initial Bb value was fixed in accordance with
previous studies showing that epilithic bacterial
densities represented on average 3 · 1010 cells (g
AFDM))1 (Lyautey et al., 2003, 2005a). The initial Bb
value was thus equal to 1 · 1011 cells m)2 in accor-
dance with the retained initial B value.
Results
Environmental variables and biomass dynamics
Active radiation I exhibited a typical seasonal cycle
between an irradiance of 63 E m)2 in summer to
2 E m)2 in winter (Fig. 1a). Water temperature des-
cribed a parallel pattern, varying between 27 �C in
August and 0.5 �C in December (Fig. 1b). During the
modelling period (July 2001 to November 2002), the
Garonne River exhibited stable hydrology with a
mean flow of 60 m3 s)1 (minimum 35 to maximum
225) from July 2001 to January 2002 followed by a
disturbed hydrological period with a mean flow of
182 m3 s)1 (maximum 1183 m3 s)1 to minimum
45 m3 s)1) from February to November 2002 (Fig. 1c).
Our study period began on 19 July 2001 after
6 months of high water that initialised the growth
biofilm. SRP concentrations were quite stable with an
average of 9 lg L)1 in the upstream site (Fig. 1d). In
the downstream site, SRP concentrations were more
variable around an average of 100 lg L)1. Mean (±SE)
N/P ratios were 29 (±4.8) and 14 (±0.6) for the
upstream and downstream sites respectively.
Epilithic biomass was estimated using three area-
specific masses, namely DM, AFDM and chlorophyll a
per square meter (Fig. 2). Irrespective of the method
used to estimate biomass, epilithic biomass exhibited
the same pattern at both sites: two successive peaks of
biomass, occurring in summer (from July 2001 to
November 2002) and in winter (from November to
March 2002). In summer, biomass reached a maximum
of 156 and 151 g DM m)2 (in upstream and down-
stream sites, respectively), 24 and 25 g AFDM m)2, 146
and 115 mg chlorophyll a m)2. In winter, biomass
reached a maximum of 217 and 157 g DM m)2 (in
upstream and downstream sites, respectively), 30 and
Table 1 Model parameters
Symbols Units Names
First equation
lmax d)1 maximum specific growth rate
kinv,B g AFDM)1 m2 inverse half-saturation constant
kl E m)2 light half-saturation coefficient
b �C)1 coefficient of temperature
T0 �C reference temperature (20 �C)
kp mg)1 L phosphorus half-saturation constant
cdet s m)3 d)1 detachment coefficient
B0 g AFDM m)2 minimal biomass
cauto cells)1 m2 self-generated detachment coefficient
Second equation
lBb d)1 maximum specific growth rate
bBb �C)1 coefficient of temperature
T0Bb �C reference temperature (20 �C)
c0det d)1 bacterial detachment coefficient
904 S. Bouletreau et al.
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
29 g AFDM m)2, 282 and 195 mg chlorophyll a m)2.
DM and AFDM (r2 ¼ 0.80, n ¼ 66, P < 0.001) and
chlorophyll a and AFDM (r2 ¼ 0.61, n ¼ 59, P < 0.001)
were significantly correlated in the two sites. The
weaker correlation found between chlorophyll a and
AFDM could be related to chlorophyll a cell content,
which increases with decreasing light intensity in
winter (data not shown). Pigment chromatic adapta-
tion (to low light particularly) may alter the ratio
between these chemical indicators.
Initial model
The first simulation combining the net growth term
limited by biomass thickness and discharge (Fig. 3a,b)
provided satisfactory levels of epilithic biomass as
indicated by the chi-square drop when discharge
detachment was activated (Table 2; fits U2 and D2).
As measured by chi-square value, model calibration
seemed to provide a better fit in the upstream site. In
both sites, however, modelling reproduced global
differences in biomass values in relation to mean flow.
Conversely, during the 7-month low water period,
simulations did not reproduce intermediary biomass
losses and showed poor agreement with measured
data in both sites, especially between September 2001
and January 2002 when measured epilithic biomass
was decreasing.
Light and temperature limitation terms did not
improve simulations, particularly during the first low
water period (Fig. 3c,d; Table 2; fits U3, D3, U4 and
D4). Conversely, because of the substantial reduction
in I (from 26 to 5 E m)2; Fig. 1a) and temperature
(from 25 to 1 �C; Fig. 1b) from November 2001 to
January 2002, the biomass simulated with overstated
temperature and light parameters decreased while the
measured biomass values continued to increase.
SRP impact
The introduction of an SRP limitation term did not
substantially improve the fit with observed data
(Table 2; fits U5 and D5). The influence of SRP
limitation on epilithic biofilm accrual rate differed
between the sites (Fig. 3e,f), as expected given diffe-
rences in their SRP levels. The term was negligible in
July 01 November 01 March 02 July 02 November 02
Ligh
t (E
m–2
)
0
10
20
30
40
50
60
70(a)
(c)
(b)
(d)
July 01 November 01 March 02 July 02 November 02
July 01 November 01 March 02 July 02 November 02July 01 November 01 March 02 July 02 November 02
Tem
pera
ture
(°C
)
0
5
10
15
20
25
30
SR
P c
once
ntra
tions
(µ
g l–1
)
0
50
100
150
200
250 Upstream siteDownstream site
Mea
n da
ily d
isch
arge
(m
3 s–1
)
0
200
400
600
800
1000
1200
1400Upstream siteDownstream site
Fig. 1 Seasonal changes in (a) light, (b) temperature, (c) mean daily water discharge and (d) SRP concentration from July 2001 to
November 2002 in the upstream and downstream sites.
Importance of a self-generated detachment process in river biofilm models 905
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
determining the accrual rate in the downstream site
but was responsible for a substantial reduction in the
upstream site.
Self-generated detachment
The addition of a self-generated sloughing term
allowed the model to reproduce the decrease of
epilithic biomass in September 2001 at both
sites (Fig. 3g,h). This resulted in substantial change
of chi-square values in the upstream and downstream
sites (Table 2; fits U8 and D8). A loss was generated
from July 2001 to January 2002, increasing to more
than 1 g AFDM m)2 in the upstream site and to 0.5 g
AFDM m)2 in the downstream site (Fig. 4a,b). Note
that the implementation of the self-generated detach-
ment term only improved the initial model conside-
ring as long as it was considered to be a supplement to
a flow-mediated loss (Table 2; fits U9 and D9).
Deactivation of bacterial detachment (c0det ¼ 0) or
Chlorophyll a
0
100
200
300
400
0
10
20
30
40
50
AFDM
0
50
100
150
200
250
300
DM
0
10
20
30
40
50
AFDM
July November March July November July November March July November
July November March July NovemberJuly November March July November
July November March July November July November March July November
g m
–2g
m–2
mg
m–2
0
50
100
150
200
250
300
DM
Upstream site Downstream site
0
100
200
300
400
Chlorophyll a
(a)
(c)
(e)
(b)
(d)
(f)
Fig. 2 Biofilm dynamics (mean ± SE) expressed as (a,b) dry mass DM, (c,d) ash-free dry mass AFDM and (e,f) chlorophyll a from July
2001 to November 2002 in the upstream and downstream sites.
906 S. Bouletreau et al.
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
Upstream site Downstream site
AF
DM
(g
m–2
) A
FD
M (
g m
–2)
AF
DM
(g
m–2
) A
FD
M (
g m
–2)
July November March July November0
10
20
30
40
July November March July November 0
10
20
30
40
50
July November March July November 0
10
20
30
40
July November March July November0
10
20
30
40
50
July November March July November0
10
20
30
40
November March July July November0
10
20
30
40
50
(a)
(c)
(e)
(g)
(b)
(d)
(f)
(h)
0
10
20
30
40
July November March July November0
10
20
30
40
50
July November March July November
Initial model
Initial model + kI = 1; = 0.1
Initial model
Initial model
Initial model + kP = 0.01
Initial model
Final model:self-generated detachment impact
Fig. 3 Model simulations: biofilm ash-free dry mass (g AFDM m)2). Comparisons between measured (mean ± SE) and simulated
biomasses (lines) from July 2001 to November 2002 in the upstream site and the downstream site. (a, b) Initial models. Represented
simulation corresponds to the fits U2 and D2 in Table 2; (c, d) Light and temperature impact on initial models; (e, f) SRP impact on
initial models; (g, h) Final models: self-generated detachment. Represented simulations correspond to the fits U2, D2, U8 and D8 in
Table 2.
Importance of a self-generated detachment process in river biofilm models 907
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
temperature limitation (bBb ¼ 0) gave poorer agree-
ment with measured data (Fig. 4c,d), indicating that
the employed parameters were appropriate. A Bb loss
term (represented by c0det) was necessary to balance Bb
growth (deactivation of c0det). Comparisons between
the final simulation and the deactivated bBb simula-
tion indicate that temperature sensitivity may explain
the first biomass peak.
Discussion
Initial model
The model developed by Uehlinger et al. (1996) was
based on the hypothesis that disturbances produced
by spates are the major mechanism controlling
periphyton biomass in streams, initiating new cycles
of accrual, metabolic and structural succession (Biggs
& Thomsen, 1995). This convenient model has been
retained in our study because the variables were easy
to measure, parameters are explicit and calibration
and validation have been performed with a long-term
measured data set. However, we preferred to assess
biomass dynamics using AFDM, which describes the
entire biomass of the biofilm assemblage, rather than
chlorophyll a, which only relates to the algal part of
the mat and can be subject to changes because of
photoadaptation.
Some differences in conditions can be listed
between the present study and that of Uehlinger et al.
(1996): mean annual discharge (200 versus 4.6 m3 s)1),
river width (80 versus 25 m) and disturbance fre-
quency (one flow event per 2 months versus one flow
event per 2 weeks). Despite these differences, the
equation combining growth, nutrient limitation and a
light diffusion term, together with loss related to a
discharge effect, simulated satisfactory levels of bio-
mass during annual low and high water periods. The
mean seasonal epilithic biomass in the Garonne River
is thus likely to be controlled by hydrological distur-
bance intensity in accordance with previous studies
showing that more than 60% of the variance in
periphyton biomass in streams can be explained by
spates (Biggs & Close, 1989; Uehlinger et al., 1996). By
activating light and temperature limitation terms in
our model we found that neither active radiation nor
Table 2 Result of parameter fits (minimisation chi-square) of the model simulations. The fits are ordered with different active
processes. Bold and narrow text respectively corresponds to simulations in the upstream (U) and the downstream (D) sites. Each
number marks the value of the parameter. Empty cells mark the parameters set to zero and not included in the fit.
Fit
Accrual
SRP limited
kP
Loss
v2-value
Biofilm
thickness
limited Light
limited
k1
Temperature
limited
b
Discharge-dependant Self-generated
lmax kinv,B cdet B0 cauto lBb c0det bBb
U1 6.64 10.5 268.1
D1 13.12 25.4 386.3
U2 7.84 3.8 0.0016 0.00001 88.1
D2 25.28 10.9 0.0016 0.00001 136.7
U3 7.28 3.5 0.001 0.0016 0.00001 88.1
D3 25.28 10.9 0.001 0.0016 0.00001 136.7
U4 7.28 3.5 0.00001 0.0016 0.00001 88.1
D4 25.28 10.9 0.00001 0.0016 0.00001 136.7
U5 7.36 3.5 0.0001 0.0016 0.00001 88.1
D5 26.16 11.0 0.002 0.0016 0.00001 136.1
U6 20.00 9.6 0.0016 0.00001 3·10)15 0.0008 87.6
D6 57.6 23.9 0.0016 0.00001 4·10)15 0.040 135.6
U7 20.80 9.0 0.0016 0.00001 9·10)15 0.80 0.056 75.1
D7 72.8 22.9 0.0016 0.00001 3·10)14 0.768 0.0552 119.9
U8 5.52 1.0 0.0032 0.00001 5·10)17 0.176 0.0216 0.60 55.6
D8 61.6 13.9 0.0024 0.00001 5·10)16 0.688 0.384 0.23 102.1
U9 26.16 13.6 2·10)15 0.080 0.000008 0.53 122.0
D9 44.32 15.0 2·10)15 0.080 0.000008 0.57 151.4
908 S. Bouletreau et al.
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
water temperature improved the simulation of bio-
mass dynamics at the observed seasonal scale. Despite
a seasonal decrease of water temperature and light,
comparable biomass values were reached in both
epilithon peaks (about 30 g AFDM m)2), suggesting
that within this range of variation neither light nor
temperature had a substantial effect. Moreover, three
out of the five algal species accounting for nearly
80% of algal biomass were common to both peaks
(J. Brabet & L. Ten Hage, unpublished data): Diatoma
vulgaris Bory, Melosira varians Agardh and Amphora
ovalis Kutz, indicating that a few taxa, quite well
adapted to temperature seasonal changes, may have
sustained epilithic biomass development.
SRP impact
Nutrient availability is an important factor influencing
periphyton development in streams, particularly dur-
ing periods without spates (Biggs, 1995). Taking into
account the recorded biomass, the sampled sections of
the Garonne River can be considered to be ‘enriched’
according to Biggs (1996), or ‘eutrophic’ according to
Dodds, Jones & Welch (1998). It thus seems that no
nutrient deprivation occurred in the biofilms, as
compared with the river sampled by Uehlinger et al.
(1996). The N/P ratios in each site indicate that SRP
would be the less available element in this system. As
expected, implementing a SRP limitation term during
these periods did not improve the simulation of
biomass temporal variations but accurately simulated
differences in epilithic biomass accrual rates between
sites. The impact of urban discharges on epilithic
community structure or activity had previously been
evidenced in the Garonne River (Teissier et al., 2002;
Lyautey et al., 2003). Differences in epilithic biomass
accrual rates between sites might thus be due to
changes in nutrient loads.
Upstream site Downstream siteA
FD
M (
g m
–2)
AF
DM
(g
m–2
)
July November March July November0
1
2
3
4
5(a)
(c)
(b)
(d)
July November March July November0
1
2
3
4
5 Discharge-dependant detachment
Self-generated detachment
0
10
20
30
40
50
July November March July November0
10
20
30
40
50
July November March July November
Final simulation
Bb = 0c’det = 0
Fig. 4 (a, b) Temporal dynamics of losses because of self-generated detachment (bold line) and discharge-dependant detachment (thin
line) from July 2001 to November 2002 in the upstream and downstream sites. (c, d) Response of epilithic biomass to deactivation of
temperature (bBb ¼ 0) and loss (c0det ¼ 0) parameters from July 2001 to November 2002 in the upstream and downstream sites.
Importance of a self-generated detachment process in river biofilm models 909
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
Self-generated detachment impact
Uehlinger et al. (1996) included in the net growth rate
lmax other implicit loss factors (decay, loss by grazing
and discharge-independent detachment). Nevertheless
floods were so frequent and intense that biomass
growth curves were periodically truncated by spates
and that impact of other loss terms were negligible.
Algal communities in streams exhibiting frequent
floods tend to have the characteristics of immature or
pioneer communities (Odum, 1969; Biggs, Stevenson &
Lowe, 1998) as the maturation of the epilithic biomass
and thus community succession, is truncated. In such
cases, colonisation and rapid growth are the distinctive
characters of the communities and accrual is the
dominant process. Modelling net phototrophic growth
is then satisfactory to simulate epilithic biomass
dynamics. This may explain why the direct application
of Uehlinger’s model simulated adequate levels of
biomass during one hydrological cycle in any given
hydrosystem. According to the theoretical benthic algal
growth curve proposed by Biggs (1996), when no
hydrological disturbance occurs, an accrual phase
because of immigration/colonisation is followed by
losses through a combination of death, emigration,
sloughing and removal by grazing. Epilithic biomass
removal by autogenic sloughing and grazing typically
occurs with increasing time since the last disturbance
(Leff et al., 1994; Biggs, 1996; Lawrence et al., 2002;
Battin et al., 2003). Decreasing of the resistance of
benthic algae with community age and biomass may
favour autogenic sloughing (Peterson, Hoagland &
Stevenson, 1990). Grazing may also be a relevant
constraint after a long period without spates since the
recovery of invertebrates is usually slow compared
with periphyton growth (Biggs & Close, 1989).
In our study sites, an analysis of the epilithic
community structure in relation to abiotic factors has
been performed by Lyautey et al. (2005b). This
showed that recorded biomass dynamics (July 2001
to March 2002) may not have simply represented a
single production event interrupted by disturbance,
but rather a sequence of two production events with
accrual and loss phases. Typical life history and diet
parameters of benthic invertebrates (e.g. Benke, 1979;
Basaguren, Riano & Pozo, 2002) suggest that the
studied period (July to December) should be charac-
terised by high numbers of small individuals which
have lower energetic demands. Ingestion by inverte-
brates should thus have been low and rather constant.
Subsequent losses because of grazing were unlikely to
occur during the loss phase. We assumed therefore
that epilithic biomass underwent autogenic evolution.
Indeed hydrological stability, seasonal variations of
light and temperature and biofilm accrual were the
main variables that might have driven bacterial
community succession. As hydrological, chemical
and biological data supported the hypothesis of an
autogenic evolution of epilithic biomass within each
production event, autogenic sloughing was consi-
dered to be a function of resource stress of underlying
layers, because of bacterial activity indicated by the
intensification of the heterotrophic decay processes in
the course of biofilm maturation. Our model, inclu-
ding a new detachment term, provided a good
simulation of epilithic biomass during the low water
period, supporting the hypothesis that the dynamics
of mature epilithic biomass are not only driven by
photoautotrophic growth but also by a heterotrophic
loss process.
As already mentioned, temperature is unlikely to
have affected the extent of biomass accrual. Changes
in temperature could nevertheless explain differences
between the first and the second production events; in
particular, the limitation of bacterial activity by low
temperature might have led to the stability of the
second peak of biomass. The time taken to reach the
first epilithic biomass peak (TPB as defined by Biggs,
1996) is indeed about half as long (60 days) as for the
second peak (120 days). We suppose that summer
temperatures might favour bacterial activity, although
winter temperatures could moderate such activity. A
close association between temperature and microbial
growth in biofilms has also been demonstrated in
drinking water distribution systems (Lund & Orme-
rod, 1995; Ndiongue, Huck & Slawson, 2005). More-
over, previous studies in marine waters have
mentioned a stronger temperature dependence of
microbial respiration as compared with photosyn-
thesis (Pomeroy & Deibel, 1986; Hancke & Glud,
2004). In our model, a temperature limitation term for
bacterial activity generated a temperature-dependant
loss. As a consequence (Fig. 4), such a loss might have
controlled the biomass dynamics in the first peak
while in the second peak no self-generated loss was
likely to occur. In low temperature conditions only
hydrodynamics would have controlled biomass loss,
as modelled by Uehlinger et al. (1996).
910 S. Bouletreau et al.
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
Our study confirmed that dynamics of the epilithic
biomass is mainly driven by hydrodynamics, which
plays a substantial role in biomass loss through a
discharge-dependant detachment. Regarding the bio-
logical processes, our study outlined that epilithic
biomass resulted from a phototrophic growth, which
was quite insensitive to temperature and a heterotro-
phic bacteria mediated loss, which was strongly
dependant on temperature. In disturbed streams or in
low temperature conditions, the hypothesis that epi-
lithic biomass results from the equilibrium between a
phototrophic growth and a discharge dependant
detachment is reliable as the bacteria-mediated hetero-
trophic loss is negligible while hydrodynamics control
prevails. Conversely during extended periods of flow
stability and favourable temperature, i.e. in typical
summer low water period, the self-generated detach-
ment because of heterotrophic processes should be
considered to accurately model epilithic biomass.
Acknowledgments
The work was supported by GIS-ECOBAG (Groupe-
ment d’Interet Scientifique-Ecologie et Economie du
Bassin Adour Garonne). We wish to thanks J. Brabet
and L. Ten Hage for algal data. We are grateful to
S. Teissier and E. Lyautey for their valuable comments.
We also thank anonymous reviewers for their critical
comments.
References
American Public Health Association (APHA) (1992)
Standard Methods for the Examination of Water and
Wastewater, 18th edn. APHA, Washington, DC.
Ameziane T., Garabetian F., Dalger D., Sauvage S., Dauta
A. & Capblancq J. (2002) Epilithic biomass in a large
gravel-bed river (the Garonne, France): a manifestation
of eutrophication? River Research and Applications, 18,
343–354.
Asaeda T. & Hong Son D. (2000) Spatial structure and
populations of a periphyton community: a model and
verification. Ecological Modelling, 133, 195–207.
Basaguren A., Riano P. & Pozo J. (2002) Life history
patterns and dietary changes of several caddisfly
(Trichoptera) species in a northern Spain stream.
Archiv fur Hydrobiologie, 155, 23–41.
Battin T.J., Kaplan L.A., Newbold J.D. & Hansen C.M.E.
(2003) Contributions of microbial biofilms to ecosystem
processes in stream ecosystems. Nature, 426, 439–442.
Benke A.C. (1979) A modification of the Hynes method
for estimating secondary production with particular
signification for multivoltine population. Limnology and
Oceanography, 24, 168–170.
Biggs B.J.F. (1995) The contribution of flood disturbance,
catchment geology and land use to the habitat tem-
plate of periphyton in stream ecosystems. Freshwater
Biology, 33, 419–438.
Biggs B.J.F. (1996) Patterns in benthic algae of streams. In:
Algal Ecology: Freshwater Benthic Ecosystems (Eds R.J.
Stevenson, M.L. Bothwell & R.L. Lowe), pp. 31–56.
Academic Press, San Diego.
Biggs B.J.F. & Close M.E. (1989) Periphyton biomass
dynamics in gravel bed rivers: the relative effects of
flows and nutrients. Freshwater Biology, 22, 209–231.
Biggs B.J.F. & Thomsen H.A. (1995) Disturbance in
stream periphyton by perturbations in shear stress:
time to structural failure and difference in community
resistance. Journal of Phycology, 31, 233–241.
Biggs B.J.F., Stevenson R.J. & Lowe R.L. (1998) A habitat
matrix conceptual model for stream periphyton. Archiv
fur Hydrobiologia, 143, 21–56.
Chetelat J., Pick F.R., Morin A. & Hamilton P.B. (1999)
Periphyton biomass and community composition in
rivers of different nutrient status. Canadian Journal of
Fisheries and Aquatic Sciences, 56, 560–569.
Dodds W.K., Jones J.R. & Welch E.B. (1998) Suggested
classification of stream trophic state: distributions of
temperate stream types by chlorophyll, total nitrogen.
Water Research, 32, 1455–1462.
Eulin A. & Le Cohu R. (1998) Epilithic diatom commu-
nities during the colonization of artificial substrates in
the River Garonne (France). Comparison with the
natural communities. Archiv fur Hydrobiologie, 143,
79–106.
Hancke K. & Glud R.N. (2004) Temperature effects on
respiration and photosynthesis in the three diatom-
dominated benthic communities. Aquatic Microbial
Ecology, 37, 265–281.
Horner R.R., Welch E.B. & Veenstra R.B. (1983) Devel-
opment of nuisance periphytic algae in laboratory
streams in relation to enrichment and velocity. In:
Periphyton of Freshwater Ecosystems (ed. R.G. Wetzel),
pp. 121–164. Junk, The Hague.
Jeffrey S.W., Mantoura R.F.C. & Wright S.W. (1997)
Phytoplankton Pigments in Oceanography. 661 pp. UN-
ESCO, Paris.
Lawrence J.R., Scharf B., Packroff G. & Neu T.R. (2002)
Microscale evaluation of the effects of grazing by
invertebrates with contrasting feeding modes on river
biofilm architecture and composition. Microbial Ecol-
ogy, 43, 199–207.
Importance of a self-generated detachment process in river biofilm models 911
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
Leff L.G., Vaun McArthur J., Meyer J.L. & Shimkets L.J.
(1994) Effect of macroinvertebrates on detachment of
bacteria from biofilms in stream microcosms. Journal of
the North American Benthological Society, 13, 74–79.
Lohman K., Jones J.R. & Perkins B.D. (1992) Effects on
nutrient enrichment and flood frequency on periph-
yton biomass in northern Ozark streams. Canadian
Journal of Fisheries and Aquatic Sciences, 49, 1198–1205.
Lund V. & Ormerod K. (1995) The influence of disinfec-
tion processes on biofilm formation in water distribu-
tion systems. Water Research, 29, 1013–1021.
Lyautey E., Teissier S., Charcosset J.Y., Rols J.L. &
Garabetian F. (2003) Bacterial diversity of epilithic
biofilm assemblages of an anthropised river section,
assessed by DGGE analysis of a 16S rDNA fragment.
Aquatic Microbial Ecology, 33, 217–224.
Lyautey E., Lacoste B., Ten-Hage L., Rols J.L. &
Garabetian F. (2005a) Analysis of bacterial diversity
in river biofilms using 16S rDNA PCR-DGGE: meth-
odological settings and fingerprints interpretation.
Water Research, 39, 380–388.
Lyautey E., Jackson C.R., Cayrou J., Rols J.L. &
Garabetian F. (2005b) Bacterial community succession
in natural river biofilm assemblages. Microbial Ecology,
50, 589–601.
Morgenroth E. & Wilderer P.A. (2000) Influence of
detachment mechanisms on competition in biofilms.
Water Research, 34, 417–426.
Ndiongue S., Huck P.M. & Slawson R.M. (2005) Effects of
temperature and biodegradable organic matter on
control of biofilms by free chlorine in a model drinking
water distribution system. Water Research, 39, 953–964.
Odum E.P. (1969) The strategy of ecosystem develop-
ment. Science, 164, 262–270.
Peterson C.G., Hoagland K.D. & Stevenson R.J. (1990)
Timing of wave disturbance and the resistance and
recovery of a freshwater epilithic microalgal commu-
nity. Journal of the North American Benthological Society,
9, 54–67.
Pomeroy L.R. & Deibel D. (1986) Temperature regulation
of bacterial activity during the spring bloom in
Newfoundland Coastal Waters. Science, 233, 359–361.
Saravia L.A., Momo F. & Boffi Lissin L.D. (1998)
Modelling periphyton dynamics in running water.
Ecological Modelling, 114, 35–47.
Steemann-Nielsen E. (1975) Marine Photosynthesis with
Special Emphasis on Ecological Aspects. Elsevier Oceano-
graphic Series. 141 pp. Elsevier Scientific Publishing,
Amsterdam.
Teissier S., Garabetian F., Torre M., Dalger D. & Labroue
L. (2002) Impact of an urban centre on the nitrogen
cycle processes of epilithic biofilms during a summer
low-water period. River Research and Applications, 18,
21–30.
Telgmann U., Horn H. & Morgenroth E. (2004) Influence
of growth history on sloughing and erosion from
biofilms. Water Research, 38, 3671–3684.
Uehlinger U., Burher H. & Reichert P. (1996) Periphyton
dynamics in a floodprone prealpine river: evaluation
of significant processes by modelling. Freshwater
Biology, 36, 249–263.
(Manuscript accepted 3 February 2006)
912 S. Bouletreau et al.
� 2006 The Authors, Journal compilation � 2006 Blackwell Publishing Ltd, Freshwater Biology, 51, 901–912
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 106
Chapitre 5
Dynamique de la biomasse épilithique en écoulement
contrôlé : vers une évolution autogène de l’agrégat ?
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 107
1 – Contexte et objectifs
Dans des situations hydrologiques très contrastées, marquées par une alternance de
périodes de hautes et basses eaux, la dynamique temporelle de la biomasse épilithique peut
être assimilée à un équilibre entre une croissance photosynthétique et un détachement
proportionnel au débit (cf. chapitre 3). Si les périodes de basses eaux sont suffisamment
stables et longues, d’autres facteurs peuvent interagir et complexifier le patron de biomasse.
C’est le cas dans les chroniques de la Garonne à l’Aouach et Gagnac observées en 2001 (cf.
chapitre 4) où la seule croissance d’une biomasse phototrophe soumise à un détachement
dépendant de l’hydrodynamique ne suffit plus à interpréter la dynamique temporelle de la
biomasse. L’introduction d’un compartiment hétérotrophe dans le modèle semble démontrer
que le détachement autogène pourrait être considéré comme la conséquence d’une transition
fonctionnelle du biofilm de l’autotrophie vers l’hétérotrophie. Cette transition se révélerait en
absence de perturbations hydrologiques et lorsque la température est favorable. Ce sont ces
conditions expérimentales, difficiles à observer simultanément in situ, que nous avons
souhaité reproduire artificiellement. Une telle démarche exigeait de permettre au biofilm
épilithique d’évoluer pendant plusieurs semaines voire plusieurs mois sans qu’aucune
perturbation hydrodynamique ne vienne interrompre cette évolution.
L’expérimentation a été réalisée en canal expérimental pour mieux répondre aux
contraintes de maintenir une hydrodynamique constante, de limiter les carences nutritives, de
maintenir un éclairement favorable à la croissance des algues, d’exposer le biofilm à des
températures élevées et de réduire l’hétérogénéité spatiale du développement du biofilm. Le
canal expérimental, déjà utilisé pour les travaux de Godillot et al. (2001) et Fothi (2003) a
donc fait l’objet d’adaptations en ce sens, en concertation avec les chercheurs de l’équipe
OTE (Ondes Turbulence Environnement) de l’IMFT, responsables de ce canal et pour qui,
cette expérimentation était l’occasion d’étudier les interactions entre l’écoulement et la
biomasse en croissance.
Initialement en circuit fermé et alimenté par de l’eau de ville, le canal est maintenant
alimenté en continu par de l’eau provenant de la Garonne à un débit tel que l’eau du canal est
entièrement renouvelée en 4h (circuit semi-ouvert). Un dispositif de filtration a été installé
pour empêcher l’apport de particules et de macroorganismes et donc le broutage. Le débit et
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 108
la hauteur d’eau dans le canal ont été fixés à 14,5 L s-1 et 13 cm respectivement de telle
manière à ce que l’habitat/le faciès reproduit dans ce canal soit proche de celui échantillonné
dans la Garonne : d’après la classification de Jowett (1993), le nombre de Froude (Fr) égal à
0,19 est effectivement caractéristique d’une zone de « plat courant » (0,18 < Fr < 0,41)
comme le faciès échantillonné in situ (cf. chapitres 4 et 6). Le canal a été équipé de rampes
lumineuses supplémentaires, associant néons de base et néons horticoles, recouvrant toute la
longueur du canal, pour favoriser une croissance homogène. Il a été entièrement recouvert de
substrats artificiels hémisphériques tous identiques. Enfin celui-ci n’étant pas équipé de
système de chauffage, l’expérimentation a été réalisée entre le 16 janvier et le 16 mai 2006,
période durant laquelle la température de l’eau a augmenté progressivement de 9 à 23 °C
environ. L’évolution du biofilm épilithique a été appréhendée des points de vue structurel et
fonctionnel par une mesure hebdomadaire de sa biomasse (MSSC, MS et chlorophylle a), de
sa composition algale (dénombrements algaux), de sa composition bactérienne (DGGE) et de
son métabolisme (production et respiration) pendant 17 semaines.
Ce chapitre s’organise en deux sous parties : la première fait l’objet d’une publication
qui décrit les évolutions structurelle et fonctionnelle du biofilm épilithique durant ces 17
semaines en l’absence de perturbation hydrodynamique alors que la seconde partie cherche à
expliquer les processus à l’origine du patron de biomasse obtenu et initie un développement
en terme de modélisation.
2 – Evolutions structurelle et fonctionnelle du biofilm
Résumé de « Long term dynamics of epilithic biofilm in controlled flow: structural and
functional changes » par Boulêtreau S, Sellali M, Nicaise Y, Sauvage S, Sánchez -Pérez J-M
et Garabétian F. Article en préparation.
Au cours des 10 premières semaines du suivi, la biomasse décrit un premier pic dont
l’évolution s’apparente à la dynamique théorique décrite par Biggs (1996) avec une phase de
colonisation suivie d’une croissance exponentielle puis d’une stabilisation de la biomasse (cf.
chapitre 1). La biomasse maximale, PB, s’élève alors à 33 g MSSC contre 25 g MSSC m-2 en
moyenne lors des pics de biomasse observés in situ en 2001 ; le temps nécessaire pour
atteindre la biomasse maximale, TPB, de 42 jours en canal est proche des 46 jours calculés sur
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 109
les pics de 2001 dans la Garonne et caractéristique, d’après Biggs (1996), d’une croissance
modérée. Le taux de croissance, AR, est deux fois plus élevé dans le canal (1,1 g MSSC m-2 d-
1) qu’en 2001 (0,53 g MSSC m-2 d-1). Le biofilm est plus riche en biomasse algale dans le
canal qu’en milieu naturel, comme en témoigne la valeur de l’index autotrophique moyen de
110 contre celui calculé lors des premiers pics de biomasse observé in situ en 2001-02 (324).
L’importance du compartiment photosynthétique, confirmée par la valeur du P/R moyen de 4,
indique une dominance de l’autotrophie. Deux diminutions du rapport P/R, principalement
attribuées à une baisse de la production (P), se produisent néanmoins ponctuellement pendant
la phase de stabilisation de la biomasse : de 6,5 à 4,3 entre les 7 et 14 mars (après 50 jours de
colonisation) puis de 6 à 1,4 entre les 22 et 28 mars (après 65 jours de colonisation). Ces
dernières coïncident aussi avec des diminutions faibles et ponctuelles de biomasse et
interviennent alors que la concentration en matière en suspension mesurée dans le canal
augmente jusqu’à 16 et 19 NTU les 10 et 14 mars puis jusqu’à 175 NTU le 23 mars.
Une importante diminution de biomasse, durant laquelle le biofilm perd 80 % de sa
chlorophylle a et 60 % de sa MSSC, interrompt le patron de biomasse après 71 jours de
colonisation. Aucune transition vers l’hétérotrophie, qui se manifesterait par une diminution
du rapport P/R, n’est observée à ce moment. Bien au contraire, la diminution de biomasse
coïncide avec les augmentations de la production et de la respiration, une correspondance qui
pourrait suggérer une stimulation du métabolisme associée à la perte de biomasse.
McCormick (1994) constate que la rupture physique du biofilm permet d’augmenter la
disponibilité en nutriments et donc de stimuler la croissance algale. En examinant l’effet d’un
orage sur le biofilm de rivière, Blenkinsopp & Lock (1994) montrent qu’une augmentation
significative de l’activité métabolique est observée immédiatement après l’orage pour le
biofilm le plus « perturbé » structurellement.
Une fois cette perte de biomasse produite, la tendance décrite par la biomasse varie
plus nettement d’un descripteur à l’autre : la biomasse chlorophyllienne reste constante
pendant un mois (entre les 6 et 24 avril, du 80 au 98ème jour de colonisation) autour de 73 mg
m-2 avant d’augmenter en l’espace d’une semaine à 211 mg m-2 et de se stabiliser pendant les
2 semaines suivantes autour de 147 mg m-2 (le 16 mai, après 120 jours de colonisation) ; les
biomasses organique (MSSC) et totale (MS) amorcent, directement la perte de biomasse
terminée, un nouveau pic avoisinant 13 et 42 g m-2 de MSSC et MS respectivement avant de
diminuer légèrement à 17 et 5 g m-2 respectivement. Au mois d’avril (entre les 75 et 105èmes
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 110
jours de colonisation), alors que la biomasse chlorophyllienne reste faible, le rapport P/R, en
moyenne égal à 3, est moins élevé que lors de la phase d’accrétion du premier pic, en
particulier en raison de la respiration dont la tendance est à une légère augmentation. Enfin,
entre les 2 et 9 mai (entre le 106ème et le 113ème jour de colonisation), la légère diminution de
la biomasse chlorophyllienne coïncide avec une diminution de la production, comme au cours
du mois de mars. Un autre évènement de turbidité marqué par l’augmentation de la
concentration en MES jusqu’à 34 NTU a lieu du 6 au 9 mai (entre le 110ème et le 113ème jour).
Si l’augmentation de la concentration en MES est probablement à l’origine de pertes
de biomasse algale, celle-ci ne semble pas avoir engendré de modifications significatives ni
de la richesse spécifique ni de la composition algales. Rappelons que les échantillons collectés
n’ont cependant pas tous fait l’objet de comptage et d’identification des algues. Les 9
prélèvements sélectionnés parmi les 15 représentent principalement l’évolution du
compartiment algal au cours du premier pic de biomasse, i.e. jusqu’au 11 avril (jusqu’au 85ème
jour de colonisation). Lors de ce premier pic, la richesse spécifique, très inférieure à celle
mesurée in situ (cf. chapitre 6) oscille entre 12 et 21 taxa. Parmi eux, deux taxa dominent
largement la communauté composée à plus de 97 % par des diatomées : Fragilaria capucina
Desmaziere var vaucheriae (Kütz) Lange-Bertalot représente 28 à 64 % et Cymbella minuta
Hilse ex. Rabenhorst représente 19 à 47 % de l’abondance totale. Trois autres espèces
dépassent au moins ponctuellement 5 % de l’abondance totale : Achanthidium minutissimum
Kütz., Fragilaria crotonensis Kitton et Nitzschia fonticola Grun.. Le seul prélèvement (2 mai,
106ème jour de colonisation), qui représente le second pic de biomasse, indique une richesse
spécifique plus réduite (9 taxa) avec une nette dominance de Fragilaria capucina (85 %) et de
Diatoma erhenbergii Kütz (12 %), les autres taxa auparavant majoritaires n’étant que très
faiblement présents. Si aucune conclusion ne peut être affirmée par l’analyse d’un unique
échantillon, l’observation visuelle de l’évolution des substrats semble confirmer néanmoins
un changement des communautés algales au cours de ce second pic : la biomasse se
développe de façon plus hétérogène et voit l’installation d’algues filamenteuses d’une
longueur moyenne de 35 cm (Figure 5.1.d). Il faut d’ailleurs souligner que la technique de
prélèvement à l’emporte-pièce (cf. chapitre 2), mise au point pour faire correspondre le plus
précisément possible une quantité de biomasse à une surface de substrat connue, n’est plus
aussi adaptée lors de ce second pic. La biomasse y est très probablement sous-estimée et les
conclusions, concernant ce second pic, moins fiables.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 111
L’analyse de l’évolution de la composition des communautés bactériennes est réalisée
en triplicat du 7 février au 16 mai (soit 15 prélèvements). Les 45 échantillons ainsi analysés
sont répartis en trois gels comprenant chacun un triplicat de chaque prélèvement. Pour éviter
de recourir à une normalisation inter gels, chaque gel est analysé séparément et trois
dendrogrammes sont construits. Quel que soit le gel, le dendrogramme discrimine deux
groupes d’échantillons significativement différents qui partagent respectivement 35, 32 et 40
% des bandes détectées. Lyautey et al. (2005b) montrent que l’ARNr 16S plastidial représente
autour de 25% des OTUs dans des biofilms de rivière. Nous venons de montrer que les
communautés algales présentent une composition relativement constante. Cela renforce la
discrimination entre les deux groupes. Les groupes discriminés varient d’un gel à l’autre mais
dans tous les gels, le premier groupe rassemble au minimum les 6 échantillons collectés entre
le 7 février et le 22 mars (entre le 22ème et 65ème jours de colonisation) et le second groupe
comprend au minimum les 4 échantillons du 11 avril au 2 mai (du 85ème au 106ème jour). Les 3
échantillons des dates intermédiaires (du 28 mars au 6 avril) appartiennent, selon les gels, au
groupe 1 (gel 3), au groupe 2 (gel 1) ou au deux groupes (gel 2). Quant aux échantillons des 9
et 16 mai, ils sont soient associés au groupe 1 (gel 1) ou au second groupe (gel 2). Cette
analyse indique une évolution graduelle de la composition bactérienne jusqu’à la fin du mois
de mars, période de transition à partir de laquelle les échantillons se différencient nettement.
La richesse S semble similaire d’un groupe à l’autre, avec une richesse comprise entre 27 et
40 dans le premier groupe et entre 28 et 36 OTUs dans le second groupe du premier gel, entre
26 et 33 dans le premier groupe et 24 et 35 OTUs dans le second groupe du deuxième gel et
entre 29 et 36 dans le premier groupe et 22 et 30 OTUs dans le second groupe de troisième
gel. La richesse varie d’un gel à l’autre, elle est plus réduite dans les gels 2 et 3 (S = 29 et 30)
que dans le gel 1 (S = 35). Ce résultat est très probablement lié à la qualité des photographies
des gels, plus difficiles à analyser pour les gels 2 et 3 que pour le gel 1. Les résultats
concernant le groupement des échantillons sont cependant suffisamment significatifs pour
valider les conclusions.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 112
Figure 5.1. Photographies des substrats colonisés après 4 semaines (a), 10 semaines (b), 12 semaines (c) et 14 semaines (d) de croissance. Le diamètre d’un substrat est de 4 cm.
La dynamique du biofilm épilithique au cours de ce suivi met en évidence les rôles
respectifs des communautés qui le composent. La composition constante des algues tout ou
moins lors du premier pic de biomasse, reflète très vraisemblablement une relative stabilité
des conditions environnementales. L’hypothèse de la perturbation intermédiaire (Connell
1978), selon laquelle, en absence de perturbation, seules les espèces les plus compétitives
dominent (exclusion compétitive), pourrait expliquer la faible diversité algale observée. A
titre illustratif, dans la Garonne, Eulin & Le Cohu (1998) ont répertorié 132 taxa (30 genres)
dans 8 stations réparties sur 200 km de rivière à l’occasion de deux prélèvements (hivernal,
estival). On est donc très loin de la quinzaine de taxa identifiés dans cette expérience. Les
conditions du dispositif expérimental en sont aussi certainement responsables : malgré
l’introduction répétée d’un inoculum volontairement diversifié au cours des trois premières
17/02
(a)
28/03
(b)
10/04
(c)
20/04
(d)
17/02
(a)
17/02
(a)
28/03
(b)
10/04
(c)
20/04
(d)
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 113
semaines, le dispositif n’assure pas un renouvellement/apport permanent de propagules (en
provenance de l’amont) permettant de réenrichir en continu le système ; par ailleurs, la
disposition géométrique des substrats dans le canal créé des conditions hydrodynamiques
assez homogènes et donc, un développement du biofilm plus synchronisé et moins riche qu’en
milieu naturel. Le développement du biofilm nous a semblé particulièrement homogène sur
toute la longueur du canal. Malgré un assemblage algal « appauvri », ce sont bien les algues,
architectes et bâtisseurs de l’agrégat, qui imposent par leur activité (production), les tendances
à l’accrétion ou à la diminution de biomasse fixée au cours de ce suivi. Les bactéries, formes
pondéralement minoritaires, maintiennent leur capacité à recycler la production végétale
(respiration) au prix d’une adaptation de la composition des communautés (Jackson et al.
2001). Malgré une apparente diversification des communautés bactériennes, rien n’indique
cependant la réalité d’un détachement autogène.
3 – Vers une identification des processus de détachement de biomasse
Contrairement à l’objectif initial, nous ne sommes pas parvenus à garantir l’absence de
perturbations environnementales durant l’intégralité du suivi : en particulier le dispositif de
filtration s’est avéré insuffisant pour retenir les particules lors des crues de la Garonne. Ces
dernières ont alors généré des augmentations ponctuelles de la turbidité dans le canal qui,
converties en matières en suspension (MES) à partir d’une régression entre turbidité (y) et
MES (x) égale à y = 0,4889 x + 0,5015 (r2 = 0,84 ; n = 14), s’élèvent finalement à 9 et 10 mg
L-1pour les deux premiers pics des 10 et 14 mars, à 86 mg L-1 pour le pic du 23 mars et à 16
mg L-1 pour celui du mois de mai. Les particules en suspension, dont la distribution de taille
comprise entre 0,4 et 100 µm est maximale à 25 µm, sont des particules de limon. Malgré le
dispositif de filtration, cette distribution de taille est bien représentative de la distribution de
taille observée dans la Garonne (Schafer & Blanc 2002). Dans la Garonne, ces évènements de
turbidité correspondent à des épisodes de crues durant lesquelles la fraction organique est
faible (de 2 à 5 % des MES totales) et principalement allochtone (Veyssy et al. 1999).
La turbidité est connue pour modifier les propriétés optiques de l’eau, en dispersant et
absorbant la lumière et empêchant sa transmission. Son effet sur les processus
photosynthétiques, et sur la croissance de l’épilithon a été largement étudié (Kirk 1983 ;
Davies-Colley et al. 1992 ; Hill 1996). En revanche, ses effets sur le détachement de biomasse
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 114
sont moins connus. Quelques études pourtant suggèrent que le détachement de biofilm lors
des crues n’est pas seulement le fait de l’augmentation de vitesse (Horner et al. 1990 ;
Uehlinger 1991 ; Francoeur & Biggs 2006). Les particules en suspension pendant les crues
peuvent altérer la composition des communautés algales (Uehlinger 1991 ; Biggs 1996 ;
Jowett & Biggs 1997). Pour Grimm & Fisher (1989), la différence entre la quantité de
chlorophylle a perdue lors des crues entre des radiers de galets et blocs et des plats courants
de sable et graviers est liée à l’abrasion par les sédiments en suspension. Les zones de forte
biomasse peuvent persister après la crue, probablement parce qu’elles sont au-dessus de la
zone d’abrasion par les sédiments (par ex. Uehlinger 1991 ; Francoeur et al. 1998).
Finalement, très peu d’études confirment expérimentalement cette hypothèse et quantifient
l’intensité du détachement provoqué, et ceci principalement parce que les effets de l’érosion
(effet de la phase fluide du débit) et de l’abrasion (effet de la phase solide) sont indissociables
en milieu naturel. Dans cette expérimentation, l’augmentation de la concentration en
particules solides est isolée de l’augmentation de débit. Les conditions environnementales
sont par ailleurs rendues artificiellement optimales pour la croissance du biofilm épilithique.
Les résultats de l’évolution temporelle du biofilm épilithique peuvent être interprétés dans ce
contexte pour expliquer le ou les mécanisme(s) susceptibles d’être à l’origine de la perte de
biomasse.
La matière en dérive a été quantifiée ponctuellement en posant un filet à l’extrémité
aval du canal. La quantité de MSSC par volume d’eau filtrée est divisée par la biomasse fixée
sur les substrats en MSSC au même moment. Ce ratio constitue une estimation grossière du
potentiel de détachement du biofilm dans le canal expérimental. Ce détachement, stable et
exponentiellement de 0,5 à 18 mg MSSC L-1 (g MSSC m-2)-1 pendant les cinq semaines
suivantes avant de diminuer aux environs de 5 mg MSSC L-1 (g MSSC m-2)-1 (Figure 5.2.a).
Cette estimation démontre que la diminution de la biomasse fixée observée est au moins
partiellement attribuée à un détachement. La diminution du contenu chlorophyllien du biofilm
au même moment semble démontrer par ailleurs que ce détachement est principalement
d’origine algale (Figure 5.2.b).
Quelle est l’origine de la perte de biomasse ? Parmi les processus suspectés, l’abrasion
est la principale cause de détachement proposée dans la littérature (Ryan 1991). Elle est
néanmoins peu effective avec des particules d’argile ou de limon, dont la surface spécifique
est très élevée (de l’ordre de 1 m2 g-1). Or l’analyse granulométrique des MES dans le canal
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 115
montre qu’il s’agit de particules dont la taille, comprise entre 0,4 et 100 µm, est centrée
autour de 25 µm, taille qui caractérise les limons. Pour Francoeur & Biggs (2006), une telle
distribution granulométrique des MES (80-85% < 63 µm) est beaucoup moins abrasive que
des particules de sable. Ils démontrent expérimentalement que l’abrasion par des particules
sableuses se produit principalement dans les 30 minutes après l’évènement et que la perte de
biomasse est plus complète sur la partie supérieure des substrats hémisphériques. Or dans le
canal, la perte de biomasse ne se produit que près d’une semaine après le principal pic de
turbidité et celle-ci semble concerner principalement, au moins au début, la partie inférieure
des hémisphères (Figure 5.1.c).
Si l’abrasion n’est pas en cause, comment expliquer le détachement ? L’augmentation
de la turbidité a probablement affecté temporairement la production photosynthétique
(Davies-Colley et al. 1992) puisque, lors du principal pic de turbidité (22 mars), les substrats
n’étaient plus visibles par transparence pendant presque une journée. Cet effet ne peut
néanmoins pas être quantifié dans ce travail car les mesures de production ont été réalisées
avec de l’eau claire i.e. dans des conditions de transparence optimales par rapport aux
conditions régnant dans le canal. Des diminutions nettes de la production mesurée sont
pourtant observées, entre les 7 et 14 mars et entre les 22 et 28 mars, périodes qui coïncident
avec les deux évènements de turbidité. L’effet de la turbidité sur la production n’est pas
uniquement la conséquence d’une extinction lumineuse de l’eau. L’augmentation du
pourcentage de cendres (de 72 à 85%) dans le biofilm observée en même temps (Figure 5.2.c)
suggère un dépôt de MES dans le biofilm. En effet même si, d’après la loi de Stokes, la
vitesse de sédimentation des particules de limons est largement inférieure à la vitesse
moyenne du courant dans le canal, les particules peuvent par saltation se déposer même dans
des zones plutôt turbulentes (Graham 1990). Plusieurs auteurs montrent d’ailleurs que les
limons se trouvent piégés au sein de la matrice et des surfaces mucilagineuses des diatomées
(Graham 1990 ; Hoagland et al. 1982). D’ailleurs Jowett & Biggs (1997) et Yamada &
Nakamura (2002) observent que la proportion de sédiments fins piégés par l’épilithon est
corrélée à la biomasse. Or dans la présente étude, la perturbation se produit alors que la
biomasse est relativement élevée donc susceptible de piéger davantage de sédiments (Figure
5.1.b). Ce piégeage de particules fines pourrait être la cause de la diminution de la production,
même si pour Davies-Colley et al. (1992), l’ombrage et donc l’extinction lumineuse générés
par des particules fines déposées est plus faible que celui causé par les particules de la
colonne d’eau.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 116
Figure 5.2. Evolutions temporelles de (a) la dérive moyenne du biofilm exprimée en mg MSSC L-1 (g MSSC m-2)-1, (b) le contenu chlorophyllien et (c) le contenu inorganique (en % de cendres). L’évolution de la biomasse chlorophyllienne (moyenne ± ES) en mg chlorophylle a m-2 est reportée sur chaque graphique sur l’axe des ordonnées de droite (cercles gris).
0
0.005
0.01
0.015
0.02
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
mg
MSS
C L
-1 (g
MSS
C m
-2)-1
0
100
200
300
400
500
600
mg
chla
m-2
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
cont
enu
chlo
roph
ylie
n
0
100
200
300
400
500
600
mg
chla
m-2
40
50
60
70
80
90
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
cont
enu
inor
gani
que
(%)
0
100
200
300
400
500
600
mg
chla
m-2
(a)
(b)
(c)
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 117
Cette hypothèse pourrait expliquer une baisse de la production et donc une diminution de
biomasse fixée mais ne permet cependant pas d’expliquer pourquoi un détachement s’est
produit. On peut imaginer de plus que le colmatage par les sédiments soit à l’origine d’une
« asphyxie » du biofilm et/ou à une « intoxication » via des échanges d’ions associés à ces
limons, qui le fragilisent, diminuent sa cohésion et sa résistance aux forces de cisaillement. Si
la fragilisation du biofilm est induite par le dépôt de particules, on peut simplifier le
raisonnement en considérant que le détachement est fonction de la quantité de particules
déposées.
A partir de ces constats, deux hypothèses susceptibles d’expliquer une perte de
biomasse ont été testées par modélisation. La première hypothèse (hyp. n° 1) est celle de
l’altération des performances du biofilm liée au piégeage des limons. Elle assume une perte
proportionnelle à la biomasse fixée et à la quantité de particules piégées. Cette quantité
n’étant pas connue, nous l’avons estimée comme étant proportionnelle à la concentration
cumulée des MES. La seconde hypothèse (hyp. n° 2) est celle de l’abrasion. Nous avons
considéré une perte proportionnelle à la biomasse fixée et à la quantité de particules en
suspension soit la concentration en MES au même moment. Le modèle employé pour tester
ces hypothèses de perte est une adaptation du modèle logistique, déjà appliqué à des données
de biomasse épilithique par Rodriguez (1987) (cf. chapitre 2, partie 1.2), dans lequel la perte
de biomasse telle qu’elle est décrite précédemment est intégrée. Cette formulation de la
croissance est préférée à celle proposée par Uehlinger et al. (1996) parce qu’elle reproduit
plus précisément l’évolution théorique proposée par Biggs (1996) et en particulier la courbe
sigmoïde qui la caractérise. Quant au terme de perte proportionnel au débit démontré comme
indispensable pour expliquer la dynamique de la biomasse en milieu naturel (cf. chapitres 3 et
4), il est négligé car constant dans les conditions de l’expérimentation.
)()())(1()()( tBtSedkK
tBtBrdt
tdBsed ⋅⋅−−⋅⋅=
où t, représente le temps (d), B(t), la biomasse épilithique (en g MSSC ou mg chlorophylle a
m-2) à l’instant t, r, le taux de croissance (d-1) et K, la limite supérieure que la biomasse peut
Croissance logistique
Perte
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 118
atteindre (capacité de charge, en g MSSC m-2 ou mg chl a m-2). La variable Sed(t) est
exprimée en mg MES L-1 mais diffère selon qu’il s’agit de l’hypothèse 1 ou 2 (Figure 5.3.).
ksed est le paramètre de perte (L (mg MES)-1 d-1).
Le meilleur ajustement est obtenu selon l’hypothèse de « l’altération physiologique »
qui, contrairement à l’hypothèse d’ « abrasion », permet de simuler la diminution de biomasse
progressive (Figure 5.3.). Cette observation rejoint les arguments évoqués précédemment
plutôt en faveur d’une altération physiologique du biofilm mais ne constitue pas une preuve.
4 – Conclusion et perspectives
La transition fonctionnelle de l’autotrophie vers l’hétérotrophie et le détachement
autogène que nous espérions mettre en évidence dans cette expérimentation n’ont pas été
observés. Néanmoins cette expérience a été l’occasion d’observer sur les plans structurel et
fonctionnel des réponses des communautés bactériennes et algales. En terme de processus,
rien ne permet véritablement de savoir si l’évolution observée s’apparente à une dynamique
temporelle « classique » en absence de perturbation ou si la perte est déclenchée par un flux
de particules d’intensité marquée mais de durée réduite. En effet ni la biomasse fixée ni la
dérive ne subissent d’évolution brutale et aucun des facteurs environnementaux, à l’exception
de la turbidité, ne montrent de changements brutaux. Quant à l’analyse numérique, elle a
permis de tester statistiquement le réalisme d’un mécanisme de détachement à effet brutal et
immédiat et d’un phénomène à effet progressif et différé.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 119
Figure 5.3. Résultats des simulations en chlorophylle a (colonne de gauche) et MSSC (colonne de droite). Les graphiques comparent les évolutions de la biomasse (moyenne ± ES) observée (carrés noirs) et de la biomasse simulée selon l’hypothèse 1 d’« altération physiologique » (ligne noire) ou l’hypothèse 2 d’ « abrasion » (ligne grise). Les tableaux indiquent la signification de la variable de forçage Sed(t) du terme de perte ainsi que les valeurs des paramètres et de l’ajustement de la combinaison optimale.
0
100
200
300
400
500
600
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4
mg
chl a
m-2
biomasse observée
hypothèse de l'abrasion
hypothèse de "l'altérationphysiologique"
0
5
10
15
20
25
30
35
40
16/1 30/1 13/2 27/2 13/3 27/3 10/4
g M
SSC
m-2
biomasse observée
hypothèse de l'abrasion
hypothèse de "l'altérationphysiologique"
n°1 n°2"altération physiologique abrasion
variable forçageSed(t)
paramètresr 0,11 0,11K 789 1081
ksed 0,0008 0,0131
Binit 10 10
ajustement
χ2 1046 2851
hypothèse
∑=
=t
tkkMES
0
)()(tMES=
n°1 n°2"altération physiologique abrasion
variable forçageSed(t)
paramètresr 0,14 0,15K 37 36
ksed 0,0008 1,0
Binit 1 1
ajustement
χ2 1,5 3,9
hypothèse
)(tMES= ∑=
=t
tkkMES
0
)(
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 120
5 – Publication (en préparation)
Se reporter à la page suivante.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 121
Full title: Long-term dynamics of epilithic biomass in controlled flows: structural
and functional changes
Authors: Stéphanie Boulêtreau1*, Mehdi Sellali1, Yvan Nicaise1, Sabine Sauvage1, José-
Miguel Sánchez -Pérez1, Frédéric Moulin2, Olivier Eiff2 and Frédéric Garabétian1
1Laboratoire d’écologie fonctionnelle (EcoLab UMR 5245 CNRS-UPS-INPT), Université
Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 09, France
2Institut de Mécanique des Fluides de Toulouse (UMR 5502 CNRS-INPT-ENSEEIHT-UPS),
1 Allée du Professeur Camille Soula, 31400 Toulouse, France
*Corresponding author:
Tel: +33 (0)5 61 55 85 49
Fax: +33 (0)5 61 55 60 96
Email: [email protected]
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 122
ABSTRACT
River biofilm autogenic evolution was studied in a streamside channel during a 17-week
experiment by maintaining controlled flow conditions. Temporal algal and bacterial
community structure changes in biofilms were respectively evaluated by counting and
identifying cells and using 16S rRNA gene-based polymerase chain reaction-denaturing
gradient gel electrophoresis (DGGE). Temporal algal and bacterial community function
changes were analysed by measuring community production and respiration in chambers
using a respirometer method based on changes in oxygen over time. Over the course of the
experiment, biomass mainly exhibited colonisation and exponential growth phases (7 weeks)
reaching at 33 g ash-free dry mass and 487 mg chlorophyll a per square metre followed by a
slowing down phase (3 weeks) and interrupted by a significant decrease in biomass where
AFDM and chlorophyll a lost 60 and 80% of their biomass. Whereas algal diversity remained
low and constant during the whole pattern, DGGE banding patterns discriminated between
two groups of samples (that shared 36% of the detected bands) corresponding to samples
before and after biomass loss. However community respiration was quite constant whereas
community production evolution was likely to control biomass accrual and loss, following the
same trends as biomass. In spite of bacterial composition changes, P/R remained high during
the experiment, suggesting no occurrence of autogenic detachment.
KEYWORDS
Epilithon; diversity; metabolism; periphyton; experimental flume
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 123
INTRODUCTION
Disturbance is a major source of temporal and spatial heterogeneity in the structure and
dynamics of natural communities. Among physical processes of disturbance, flow is the main
agent of natural disturbance in lotic ecosystems (Power and Stewart 1987; Biggs et al. 2005)
since stream (and river) ecosystems in all regions can be affected to some extent by extremely
high or low flows. In addition extreme flooding have been intensified by flood control
procedures combined with human modification and degradation of watersheds and might
intensify in view of the forecasted effects of climate change (intensified precipitation and run-
off).
Hydrodynamics is considered as the main factor controlling spatial patterns in average
epilithic biomass among streams (Biggs 1996), temporal patterns in epilithic biomass (Biggs
and Thomsen 1995) and epilithic algae taxonomic richness (Biggs 2002). Modelling studies
confirmed this conclusion showing that biomass dynamics can roughly be considered to be
the result of equilibrium between phototrophic growth and discharge-dependant loss
(Uehlinger et al. 1996; Boulêtreau et al. 2006; Boulêtreau et al. in press), especially when
contrasting short low and high water periods occur. Nevertheless, if the inter-flood period is
sufficiently stable and long, one or several additional factors can interact and produce
complex trajectories of epilithic biomass. With increasing time since the last hydrodynamic
disturbance, other sources of losses due to autogenic sloughing and/or grazing can become
significant, suggesting a shift from abiotic to biotic control of biomass (Biggs et al. 1996).
Grazing may depress epilithon standing crops if grazer density and consumption rates are
sufficient to counteract rates of epilithon accrual (Steinman 1996), affect epilithon
heterogeneity (Alvarez and Peckasrky 2005), influence epilithon composition and architecture
(Steinman et al. 1987; Lawrence et al. 2002) and change rates of primary production
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 124
(Lamberti, 1987). As for autogenic sloughing, its importance was brought up (Biggs 1996)
but rarely examined in the literature. Autogenic sloughing occurs when the biofilm becomes
thicker and less cohesive because of senescence of the deeper algal layers, their heterotrophic
degradation and consequent respiratory gas bubble production. Resource stress of underlying
layers gets biofilm less resistant to floating and drifting, resulting in sloughing of a mature
biofilm. Such architectural changes of the assemblage are accompanied by changes in the
bacterial community structure (Lyautey et al. 2005). Self-generated detachment requires
biofilm maturity, and subsequently may occur during long stable inter-flood period. The
hypothesis of a self-generated detachment (versus hydrodynamics-generated detachment) was
successfully tested by modelling during one extended period of flow stability (Boulêtreau et
al. 2006): indeed the implementation of a loss as a function of temperature-dependant
heterotrophic processes allowed to accurately model epilithic biomass in two sites of the
River Garonne (France). Conclusions of this study suggested that self-generated detachment
may be viewed as a shift from photoautotrophic to heterotrophic processes and may be
favoured by high temperature conditions.
In this study, we describe the changes in algal- and bacterial-assemblage structure and
function that occur as epilithic biofilm develop and mature. As undisturbed flow and high
temperature conditions that facilitate autogenic changes are not automatically guaranteed in
field, biofilm development was followed in a streamside channel during a 17-week
experiment.
MATERIAL AND METHODS
1. Experimental design
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 125
The experiment was conducted in an 11-m long by 50-cm wide by 20-cm deep slightly tilting
(slope: 1/1000) indoor flume (Figure 1) situated on the right bank of the River Garonne at
Toulouse, France. The flume bed and walls are respectively made of opaque PVC 20 mm
thick and Plexiglas® 10 mm thick. The experimental flume from Godillot et al. (2001) was
adapted for the present study to be run using a partially re-circulating system opened in the
River Garonne that successfully combines crucial conditions for river biofilm accrual (natural
water with no limiting nutrients and natural physico-chemical changes) and detailed control
and manipulation of hydraulic and ecological variables.
1.1. Hydraulic characteristics
One pump (Selfinox 200/80T, ITT Flygt, France) continuously supplied water from
the river to the outlet reservoir (3300 L) (Figure 1). One second submerged pump (Omega 10-
160-4, Smedegard, Denmark) ran water to the inlet reservoir (1500 L) through a 100-mm
main. The inlet reservoir fed the outlet reservoir by gravity. Pumps were robust enough to
work equally well with both clear and water contaminated with sediment particles or with
biological particles. The transition between the inlet reservoir and the flume was gradually
curved to avoid effects of flume separation, to suppress turbulence generated in the reservoir,
and to ensure a smooth entrance to the flume. Guiding (grid) and stabilizing (convergent)
were placed in the inlet reservoir to ensure a quasi uniform entrance flow. The water
discharge was measured by an electromagnetic flow meter and regulated with a sluice gate
and a by-pass. A moderate value of velocity was selected to limit current effects (external
shear stress) on biofilm while high velocities become inhibitory as the community age and
biofilm thickness increase. In addition moderate velocity values are likely to enhance
colonisation of the substrata and favour establishment of the community (Stevenson and
Peterson 1991). A previous study conducted in the same flume had shown that the correlation
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 126
between the Reynolds number and epilithic biomass exhibited an optimal value of Re near to
22000 that corresponds to a velocity of 0.21 m s-1 (Godillot et al. 2001). Therefore, discharge
was set to 14.5 L s-1 i.e. with a moderate mean velocity of 0.22 m s-1. The outlet reservoir was
fed by a water discharge of 800 L h-1 (2.2x10-4 m3 s-1) that allows for a complete turnover of
water in the system every 4 h. A valve was installed to regulate the water depth which was set
to 13.5 cm.
1.2. Environmental conditions
Before its entrance to the inlet reservoir, water from the river was filtered to control
the supply of suspended matter and to limit grazing by avoiding exogenous meio- and
macrofauna entrance. Two centrifugal separators eliminated large particles (whose diameter
was up to 125 µm) and three filters (respectively 90, 20 and 10 µm pore-size) were connected
in series.
Illumination was supplied by six 1.5 m long, sliding and removable racks of 5 neon tubes.
Two models were associated and evenly dispatched in and between racks: 15 neon tubes
“daylight” (Philips TLD 58 W) and 15 fluorescent tubes (Sylvania Gro-Lux 58 W) especially
designed for enhancing photosynthesis as they emit in the visible red. The incident light was
measured as photosynthetically active radiation (PAR) before filling the flume with water
using a LI-190SA quantum sensor and a LI-1000 datalogger (LI-COR Inc. Lincoln,
Nebraska). The PAR recorded a maximal value of 180 µE m-2 s-1 in the middle of each rack
that decreased around 140 µE m-2 s-1 at the ends of the rack. The 6 racks were connected to a
timer that ensured a photoperiod of 16 hours of day and 8 hours of night. According to
Bothwell (1993), the photosynthetic activity is saturated for light intensities between 100 and
400 µE m-2 s-1 (for wavelengths between 400 and 700 nm). The walls have been made opaque
to daylight in order to limit the accrual of epilithic biofilm on them.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 127
Water temperature, conductivity (COND), pH, dissolved oxygen (DO), turbidity (TURB in
NTU) were hourly measured during the experiment using an YSI 6600 probe that was
immersed in the inlet reservoir. Furthermore water was weekly and automatically sampled by
samplers ISCO 3000 in the inlet reservoir (flume water) and before the entrance to the flume
(river water) to assess water analyses. Samplers were programmed to weekly sample 500 mL
per hour during one day from 7:00 to 6:00. The 24 samples were mixed in order to provide
three samples per week as chosen to possibly convey daily changes of the water chemistry:
the first sample was the mean of the first 8 hours of the day (7:00-14:00), the second one was
the mean of the second 8 hours of the day (15:00-22:00) and the third one was the mean of the
8 hours of the night (23:00-6:00).
1.3. Substratum characteristics and layout
The flume bed was completely covered by an artificial cobble substratum, which
mimics natural cobbles. Substrate shape has been shown to provide effective conditions for
colonization and growth of biofilm (Biggs and Thomsen 1995). These substrata consisted of
37 mm-diameter and 20 mm in height sand-ballasted polyurethane resin substrates. Substrate
material was designed for its chemical inertia properties and its resistance to temperature of
110 °C making biomass measurement easier and more reliable. Sand particles give a rough
surface texture of crystalline stones that enhances biofilm adhesion (Nielsen et al. 1984).
Substrates were immersed in the water of the river during three weeks and sterilized at the
autoclave (120°C, 20 min) before being positioned in the flume. They were regularly and
periodically adjoined on the bottom without any fixation to be sampled, except at both ends
and in the middle of the flume.
2. Experimental procedure
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 128
2.1. Seeding phase
Seeding with biofilm suspension was performed three times (from T0 to T0’), weekly
renewing water just before. During this 3-week period the flume was run using the closed
recirculation. A large pool of biofilms was collected from SW France streams and rivers
varying in nutrient conditions and stored in another flume especially dedicated to provide
biofilm matter during this period. The inoculum was produced by removing biofilm from the
upper surface of 15 pebbles (average size 10 cm2) with a toothbrush and suspending it in
filtered (0.22 µm) water (1 L). The biofilm suspension was homogenized (tissue
homogenizer) to remove macro fauna from the biofilm and to approach grazer-free
conditions.
2.2. Monitoring phase
Biofilm sampling
Epilithic biomass sampling began after the seeding phase (T0’) and was weekly
performed during 14 weeks (i.e. 15 samples) in a 5-m long area of the experimental flume.
The 3 substrates placed near the walls were not sampled to avoid “side effects”. For each
sampling date, 11 substrates were randomly sampled with a punch and kept in sterile small
containers at 4 °C: 4 substrates were dedicated to chlorophyll a biomass and bacterial
composition, 1 substrate to algal composition and 6 substrates were dedicated to production
and respiration measurements and then, to dry matter (DM) and ash-free dry matter (AFDM)
biomasses. Every sampled substrate was replaced with one new pink-coloured substrate. In
case of inadvertent sampling of a pink substrate, this latter was excluded from the analysis
and another substrate was sampled.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 129
Biomass measurement
Substrates (used for metabolism measurement) were removed from the chambers and
used to determine AFDM and DM biomass. Substrates were dried (80 °C, overnight),
weighted (P1) and scrapped. One fraction (around 25 mg) of scrapped dry matter was
weighted before and after combustion (500 °C, overnight) to determine AFDM percent.
Substrates were finally cleaned, dried and weighted (P2) to obtain DM by difference between
P1 and P2.
Biofilm was removed from the upper surface of 4 other substrates with a sterile toothbrush
and suspended in filtered (0.2 µm) water (50 or 100 mL according to biomass level). The
biofilm suspensions (one suspension per substrate) were homogenised (tissue homogenizer).
A 10-mL aliquot of the biofilm suspension was centrifuged (12000 x g, 20 min, 4 °C) for
chlorophyll a determination. Chlorophyll a was measured spectrophotometrically using
trichromatic equations (Jeffrey et al. 1997) after extraction with acetone 90 % (4 h, darkness,
room temperature) of the suspended (tissue homogenizer) and ground (ultrasonic
disintegrator) pellet. Another 10-mL aliquot of the biofilm suspension was centrifuged (12000
x g, 20 min, 4 °C) and was kept at -80°C for bacterial community composition.
The inorganic content (IC) was calculated as the ash percent: [ ] 100×−
−
)m (g AFDM)m (g AFDM -DM
2
2.
The autotrophic index (AI) was calculated to evaluate the relative algal component of the
collected biofilm: )m(gachl)m(gAFDMAI 2
2
−
−= .
Metabolism measurements
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 130
Biofilm community metabolism (primary production and respiration) was weekly
measured on the substrate sampling day using a rapid respirometer method based on changes
in oxygen over time (McIntire & Phinney 1965). Measurements were conducted in two
transparent Altuglass chambers (18-cm long x 18-cm wide x 5-cm deep, 1.3 litre total volume
with pipes, measurement cell and substrates) closed with a 2-cm thick transparent Altuglass
lid. Chambers were filled with filtered water (0.2 µm) to exclude the impact of light
extinction (turbidity) and to only explore the effect of fine sediment accumulation on
metabolism. Three substrates (0.0065 m2) collected in the flume were placed in each chamber.
Chambers were then incubated in the climate controlled incubator. They were incubated in a
temperature controlled incubator to hold temperature constant, regulated at the same value as
one measured one hour before in the flume. A lamp (Phyto Claude 400 W) placed above the
chambers was used to achieve the same light conditions as in the flume for all incubations
(150 µE m-2 s-1). Chambers were fitted with an aquarium pump to ensure water recirculation
(600 mL min-1) and homogenisation during incubation. Note that pumping is not intended to
recreate the water velocity that prevails in the flume. Dissolved oxygen within the chamber
was monitored using oxygen probes (WTW Oxi340i) over a 2-h period at 1-minute intervals.
Data were collected on a datalogger. Measurements from the two sets of three substrates were
averaged for the final metabolism results. Gross primary production (GPP) was determined by
measuring dissolved oxygen (DO) change over a 30-min period of daylight (maximal slope).
Following the light incubations, chambers were exposed in the dark and the rate of respiration
of the biofilm (autotrophic respiration + heterotrophic respiration) was determined as the
change in oxygen concentration over a 90-min second incubation period (maximal slope). An
opaque box was used to prevent all light penetration to the chambers. This technique allowed
incubations to be relatively short which is important for minimizing nutrient depletion and
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 131
supersaturation of oxygen that can be problematic when using enclosed chambers to measure
metabolism (Bott et al. 1997).
The daily net productivity was calculated by adding GPP multiplied by the number of day
hours (16) to R multiplied by the number of night hours (8) according to the photoperiod.
Biomass-specific GPP (h-1), biomass-specific R (h-1) and biomass-specific net productivity (d-
1) were calculated by dividing respectively GPP, R and the net productivity by the algal
biomass, both converted to carbon (C) units. Chlorophyll a biomasses were converted to algal
carbon biomasses using a factor of 30 (mg C (mg Chl a)-1), suitable value for communities in
nutrient-rich unshaded environments (Cardinale et al. 2002). DO values were converted to C
units assuming photosynthetic and respiration quotients of 1 (Mulholland 1997), by
multiplying by the molar ratio of C to O2 (0.375). The ratio of GPP to respiration (P/R) was
calculated and used as an integrative parameter of the physiological state of the community
(Fisher & Likens 1973).
Algal composition
Biofilm was removed from the upper surface of 1 substrate with a sterile toothbrush
and suspended in filtered (0.2 µm) water (50 mL) for algae composition. The sample was
preserved with glutaraldehyde (1% final concentration) and stored refrigerated in darkness
until examination between slide and cover glass at a magnification of 600 to 1000. Taxa were
identified to the lowest practical taxonomic level, usually to species but often to genus. 9
samples over 15 were selected to estimate the mean algae composition and to observe
potential changes in taxonomic composition.
Bacterial composition
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 132
For practical reason, bacterial composition was analysed on triplicates of samples by
selecting at random three out of four samples. DNA analysis was carried out on 45 samples
collected from the experimental flume (15 dates x triplicate).
DNA extraction was carried out on 10-50 mg of biofilm dry mass pellet (obtained by
centrifugation at 16000 g, 20 min, 4°C) using a MO BIO (USA) Kit. Extracted DNA
concentration was quantified by fluorimetry (Fluroskan Ascent II; Labsystems, Helsinki,
Finland) (excitation 485 nm, emission 538 nm) using SYBR Green (Sigma-Aldricht, St.
Louis, MO, USA; dilution 1:10000). Extracted DNA was amplified by PCR using the
universal Bacteria primers 341F-GC and 907R (Muyzer et al., 1997) and 20 ng of template
DNA. The PCR products from 3 distinct reactions each performed with 20 ng were pooled
and loaded in an acrilamide gel containing a 35 to 70% urea and formamide gradient (100%
corresponding to 7M of urea and 40% of deionised formamide).
DGGE (Denaturing Gradient Gel Electrophoresis) was carried out using D-Code Universal
Mutation Detection System (BioRad). The 45 samples were dispatched on 3 gels putting one
triplicate per gel. The electrophoresis was run for 18 h at 100V at 60°C. The gel was stained
for 30 min with SYBR Green (Sigma) and gel image was captured using a CCD camera and
Biocapt software (Vilber Lourmat) and analyzed using Bio 1D software (Vilber Lourmat).
DGGE profiles were compared with regard to the presence or absence of bands using the
Jaccard similarity index (Jaccard 1912) and dendrogram construction according to the
unweighted pair group method with average means (UPGMA) (Michener and Sokal 1957).
Statistical differences between groups determined from the dendrograms were tested using
random permutation test (Monte Carlo test, 10000 permutations) (Kropf et al. 2004).
Water analyses
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 133
Water concentrations of ammonium (NH4), nitrite (NO2), nitrate (NO3), phosphate
(PO4), total phosphorus (totP), silicate (Si) and chlorophyll a (Chl a) were quantified by either
manual or continuous-flow methods colorimetric standardized for water analysis (APHA
1992). Dissolved organic carbon (DOC) was measured using a Shimadzu TOC5000 carbon
analyzer (Kyoto, Japan). Suspended matter (SM) was measured by weighting the dried matter
(105 °C, 4 h) collected by filtration onto a 0.45-µm pore-size membrane filter.
RESULTS
Biomass measurement
Irrespective of the biomass descriptor (chl a, AFDM or DM), epilithic biomass
exhibited the same general pattern with a colonisation phase followed by an exponential
growth to 33 g AFDM m-2, 104 g DM m-2 and 487 mg chl a C in March (Figure 2 a, b, c).
Chlorophyll a and AFDM (r2 = 0.64; n = 12; p = 0.0018) and DM and AFDM (r2 = 0.73; n =
12; p = 0.0004) were significantly correlated. Maximal biomasses were not exactly
concomitant respective of the descriptor: the time to reach the peak of biomass (TPB; Biggs
1996) varied from 28 days (from T0’) for DM to 42 and 49 for AFDM and chlorophyll a
respectively. DM reached its maximal value in one week from T0’ and remained maximal
during 6 consecutive weeks whereas AFDM and chlorophyll a were more progressively
reaching their maximal level in 3 and 4 weeks respectively. In 3 following weeks, biomass
exhibited a slowing down/decrease phase around of 356 mg chl a and 24 g AFDM m-2.
The accrual pattern was interrupted by a significant decrease in biomass at the end of March
where biomass has lost 77% of DM, 60% of AFDM and 80% of chl a (Mann-Whitney p <
0.05). Following this decrease, the global trend depended on the descriptor: chlorophyll a
biomass remained low around a mean value of 73 mg m-2 before slightly increased in May,
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 134
whereas DM and AFDM seemed to exhibit a peak of biomass reaching 39 and 15 g m-2
respectively.
Mean (± SD) autotrophic index and inorganic content were 100 (± 56) and 69 (± 8.5) % over
the course of the experiment.
Metabolism measurements
The evolution of the Gross Primary Production (GPP) followed a similar trajectory as
biomass dynamics except during one month from the 27th of March (concomitantly with/to
the main biomass loss) to the 25th of April (before the second biomass accrual). Maximal GPP
values coincided with maximal chlorophyll a biomasses, reaching averages of 325 and 315
mgO2 m-2 h-1 on the 7th of March and the 2nd of May respectively. Except during the main
biomass loss, GPP decreases coincided with biomass decreases: GPP decreased by 48% from
the 7th to the 14th of March, by 80% from the 22nd to the 28th of March and by 50% from the
2nd to the 9th of May (Figure 3a). Nevertheless, from the 27th of March to the 25th, GPP
experienced a more different trend as biomass dynamics with a significant increase of
biomass-specific GPP from 0.004 to 0.048 h-1 in one month (Figure 3d).
Respiration (R) values were oscillating between mean absolute values of 25 and 91 mgO2 m-2
h-1 (Figure 3b). No general pattern related to biomass dynamics was observed on respiration
changes except from the 27th of March to the 25th of April where biomass-specific respiration
increased from 0.003 to 0.015 h-1 in one month (Figure 3e).
As could be expected, the biofilm communities were dominated by autotrophic processes with
a mean P/R ratio of 4, very larger than 1 (Figure 3c). Highest ratios (between 5 and 7) were
coincided with maximal biomasses whereas the lowest ratio (1.45) was observed at the end of
the first biomass accrual.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 135
Biomass-specific net productivity had a mean value of 0.23 d-1 during the experiment.
Biomass accruals coincided with general decreases, from 0.28 to 0.04 d-1 from the 7th of
February to the 28th of March, and from 0.66 to 0.17 from the 24th of April to the 9th of May
(Figure 3f). And between theses decreases, biomass-specific net productivity exhibited a rapid
increase from 0.04 to 0.66 d-1 as expected with biomass-specific GPP and R changes during
this same period.
Algal composition
Species richness was relatively low, varying from 9 to 21 identified taxa (Figure 4a).
Algal community was dominated by diatoms that represented 97 to 100% of the total
abundance according samples. Two taxa strongly dominated the algal community: Fragilaria
capucina Desmaziere var vaucheriae (Kütz) Lange-Bertalot represented 28 to 85% and
Cymbella minuta Hilse ex. Rabenhorst represented 2 to 47% of the total community (Figure
4b). Apart from these two species, only 4 species reached abundances higher than 5% at least
once: Achanthidium minutissimum Kütz., Fragilaria crotonensis Kitton, Nitzschia fonticola
Grun., and Diatoma erhenbergii Kütz. punctually represented until 10, 13, 14 and 12 % of the
total community respectively. The last sample was quite different of others: with the lowest
diversity, it was largely dominated by Fragilaria capucina (85%) and by Diatoma
erhenbergii which did not exceed 5 % in other samples. Nevertheless no substantial changes
in algal composition and species richness were observed during the main biomass loss.
Bacterial community composition
Bacterial community composition was studied using DGGE of PCR-amplified 16S
rRNA fragments on 15 sample date on three gels (one triplicate per gel). Irrespective of the
gel, dendrograms based on Jaccard similarity index of DGGE banding patterns discriminated
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 136
between two groups of samples that shared respectively 35, 32 and 40% of the detected bands
(Figure 5) and were significantly different (10000 permutations, p < 0.01). Nevertheless
groups slightly varied between gels. In every gel, the first group comprised the 6 samples
collected from the 7th of February to the 22nd of March (corresponding to the first biomass
accrual phase), whereas the second group concerned samples collected from the 11th of April
to the 2nd of May (corresponding to sampled following biomass loss). Intermediate dates of
the 28th of March and 6th of April were either located in the first group (gel 3), either in the
second group (gel 1) or in both groups (gel 2). As for samples of the 9 and 16th of May they
were associated with the first (gel 1) or in the second group (gels 2 and 3). Similar richness
values were observed for each cluster of each gel, with 27-40, 26-33 and 29-36 OTUs being
present per sample in the first group and 28-36, 24-35 and 22-30 OTUs per sample in the
second group. Nevertheless the mean richness was smaller in gels 2 (S = 29) and 3 (S = 30)
than in the gel 1 (S = 35).
Water analyses
Chemical variables such as NO3, NH4, tot P and DOC exhibited similar temporal
variations as natural variations with similar CV values (Table 1a). Differences in CV of nitrite
concentrations between river and flume were attributed to one punctual increase and decrease
from 0.006 to 0.043 and 0.043 to 0.005 mg L-1 on the 18th of April. Changes in Si and PO4
were higher in the flume than in the river but lesser for Chl a. Mean chlorophyll a was more
than twice higher in the experimental flume than in the river suggesting chlorophyll a
production due to epilithic biofilm in the experimental flume. Nevertheless mean NH4, PO4,
Si and totP were 1.8, 2.4, 2.5 and 1.7 times lesser in average in the experimental flume than in
the river, suggesting consumption in the flume by the epilithic biofilm.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 137
Except turbidity records, the physico-chemical environment in the experimental flume
(TEMP, COND, DO and pH) was quite stable over the course of the experiment with
coefficients of variation < 25% (Table 1.b). Temperature was increasing between 9.2 and 22.5
°C (Table 1.b). TURB record averaged 6.7 NTU during the experiment and exhibited two 3
and 2-day peaks reaching 16 and 19 NTU on the 10th and the 14th of March respectively,
followed by one clear 3-day increase on the 23rd of March reaching 175 NTU and one 4-day
increase on the 9th of May reaching 35 NTU (Table 1.b and Figure 6). After the event hourly
TURB records continued being higher than the mean TURB value during two weeks.
Suspended sediments were mainly silt and very fine sand sized-particles as 90% of the total
sediment particles were lesser than 76µm. Most of particles were fine silt-sized particles
(>2µm and <20µm) corresponding to 33% of the total SM, coarse silt-sized particles (>20µm
and <50µm) corresponding to 45% and very fine sand (>50µm and <100µm) corresponding
to 14%. Clay-sized particles (<2µm) and (fine and medium) sand (>100µm and <500µm)
represented less than 3% and around 5% respectively.
DISCUSSION
In the present paper, we thought to describe structural and functional changes of the
algal- and bacterial-assemblage as epilithic biofilm matures in controlled flow conditions. The
pattern of accrual that biomass experienced during the first 10 weeks of the experiment
appeared to be consistent with the benthic algal theoretical curve proposed by Biggs (1996):
one colonisation phase was followed by one exponential growth and by one slowing down
phase. The time taken to reach the peak of biomass TPB of 42 days (in AFDM) was in the
same order as TPB values of biomass peaks that biofilm exhibited in the River Garonne in
2001 when autogenic detachment was identified (46 days in upstream and downstream sites)
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 138
(Boulêtreau et al. 2006). Such duration is characteristic of moderate growth rates according to
Biggs (1996). As for maximal biomasses (PB), they were quite similar in AFDM with 33 g in
the present study versus 25 g m-2 in the River Garonne but widely different in chlorophyll a
with 445 mg versus 132 mg m-2 in the River Garonne. The weaker mean autotrophic index
that results (110 in the experimental flume versus 324 in the River Garonne) suggested indeed
that non-polluted conditions with little organic detritus and autotrophy prevailed in the present
study. The evolution of GPP that followed a similar trajectory as biomass dynamics with one
mean P/R value of 4, confirmed that autotrophic energy fixation plays a dominant role in the
metabolism of the experimental flume. With an inorganic content of 69 %, epilithic biofilm is
inorganic-organic periphyton according to the classification proposed by Lakatos (1989),
widely more organic than natural biofilm (IC > 80%).
In one week, biomass experienced an effective shift to dominance of loss over accrual
processes associated to structural and functional changes. P/R experienced punctual decreases
during the slowing down phase, concomitantly with small biomass decreases. A main shift of
P/R towards a lower value and, subsequently, towards heterotrophy was observed just before
the main biomass loss and as the same time as turbidity increase. This shift did not really
persist later excluding autogenic sloughing as the origin of biomass loss. On the contrary,
biomass-specific R, GPP and net productivity were likely to be stimulated by biomass loss.
This kind of effect was reported by McCormick (1994) that have shown that physical
disruption of epilithic biofilms increases availability to water column nutrients and stimulated
algal growth. Similarly Blenkinsopp and Lock (1992) that examined the effect of simulated
storm-flow (with river sediment added) on river biofilm observed that the more severely
impacted biofilm exhibited a significant increase in metabolic activity immediately after
storm flow.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 139
The relative constant algal diversity (that biofilm experienced during the first biomass
peak) could probably reveal stable environmental conditions. Low disturbance conditions
could have favoured the dominance of the most competitive species according to the
intermediate disturbance hypothesis (Connell 1978). In addition experimental design
conditions are probably responsible to the very low algal diversity. For instance, Eulin & Le
Cohu (1998) have identified 132 taxa on 8 stations along the River Garonne from summer and
winter samples, i.e. 8 times more than in the present study. In spite of the introduction of a
large pool of biofilms during the first three weeks, the partially re-circulating system did not
ensure continuous enrichments in new algal propagules. Nevertheless, although algal
community composition was low and constant, its production activity varied controlling
accretion and biomass loss trends during the experiment. These changes could probably be
due to the limited pool of algae that cannot maintain constant its activity. Species functional
redundancy could be inferred if different species are equivalent in their activity (Walker 1992;
Huston 1997). Species may appear to perform the same function (i.e. be redundant) under a
restricted set of conditions (Wellnitz & Poff). Low algal diversity could be linked to the low
spatial heterogeneity of environmental conditions that occurred in the laboratory stream. As
revealed by quite stable respiration measurements, bacterial-assemblage is likely to maintain
its ability to recycle algal production thanks to bacterial-assemblage structure changes. In
spite of bacterial composition changes, nothing showed that autogenic detachment occurred.
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 140
LISTED REFERENCES
Alvarez M, Peckarsky BL (2005) How do grazers affect periphyton heterogeneity in streams.
Oecologia 142:576-587
Biggs BJF (1996) Patterns in benthic algae of streams. In: Stevenson RJ, Bothwell ML, Lowe
RL (eds) Algal ecology: freshwater benthic ecosystems. Academic Press, San Diego, pp 31-
56
Biggs BJF, Nikora VI, Snelder TH (2005) Linking scales of flow variability to lotic
ecosystem structure and function. River Research and Applications 21:283-298
Biggs BJF, Smith RA (2002) Taxonomic richness of stream benthic algae: effects of flood
disturbance and nutrients. Limnology and Oceanography 47:1175-1186
Biggs BJF, Thomsen HA (1995) Disturbance in stream periphyton by perturbations in shear
stress: time to structural failure and difference in community resistance. Journal of Phycology
31:233-241
Blenkinsopp SA, Lock MA (1994) The impact of storm-flow on river biofilm architecture.
Journal of Phycology 30:807-818
Bothwell ML, Sherbot D, Roberge AC, Daley RJ (1993) Influence of natural ultraviolet
radiation on lotic periphytic diatom community growth, biomass accrual, and species
composition: short-term versus long-term effects. Journal of Phycology 29:24-35
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 141
Bott TL, Brock JT, Baattrup-Pedersen A, Chambers PA, Dodds WK, Himbeault KT,
Lawrence JR, Planas D, Snyder E, Wolfaardt GM (1997) An evaluation of techniques for
measuring periphyton metabolism in chambers. Canadian Journal of Fisheries and Aquatic
Sciences 54:715-725
Boulêtreau S, Garabétian F, Sauvage S, Sánchez-Pérez JM (2006) Assessing the importance
of a self-generated detachment process in river biofilm models. Freshwater Biology 51:901-
912
Boulêtreau S, Izagirre O, Garabétian F, Sauvage S, Elosegi A, Sánchez-Pérez JM (2007)
Identification of a minimal adequate model to describe the biomass dynamics of river
epilithon. River Research and Applications (in press)
Cardinale BJ, Palmer MA, Swan CM, Brooks S, Poff NL (2002) The influence of substrate
heterogeneity on biofilm metabolism in a stream ecosystem. Ecology 83:412-422
Connell JH (1978) Diversity in tropical rain forest and coral reefs. Science 199:1302-1310
Eulin A, Le Cohu R (1998) Epilithic diatom communities during the colonization of artificial
substrates in the River Garonne (France). Comparison with the natural communities. Archiv
für Hydrobiologie 143:79-106
Fisher SG, Likens GE (1973) Energy flow in Bear brook, New Hampshire: an integrative
approach to stream ecosystem metabolism. Ecological Monographs 43:431-439
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 142
Godillot R, Caussade B, Améziane T, Capblancq J (2001) Interplay between turbulence and
periphyton in rough open-channel flow. Journal of Hydraulic Research 39:227-239
Huston MA (1997) Hidden treatments in ecological experiments: re-evaluating the ecosystem
function of biodiversity. Oecologia 110:449-160
Jaccard P (1912) The distribution of flora in the alpine zone. New Phytology 11:37-50
Jeffrey SW, Mantoura RFC, Wright SW (1997) Phytoplankton pigments in oceanography,
Paris
Kropf S, Heuer H, Grüning M, Smalla K (2004) Significance test for comparing complex
microbial community fingerprints using pairwise similarity measures. Journal of Microbial
Methods 57:187-195
Lakatos G (1989) Composition of reed periphyton (biotecton) in the Hungarian part of lake
Fertö. Biol. Forschung. für Burg. 71:126-134
Lamberti GA, Ashkenas LR, Gregory SV (1987) Effects of three herbivores on periphyton
communities in laboratory streams. Journal of the North American Benthological Society 6:
92-104
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 143
Lawrence JR, Scharf B, Packroff G, Neu TR (2002) Microscale evaluation of the effects of
grazing by invertebrates with contrasting feeding modes on river architecture and
composition. Microbial Ecology 43:199-207
Lyautey E, Jackson CR, Cayrou J, Rols J-L, Garabétian F (2005) Bacterial community
succession in natural river biofilm assemblages. Microbial Ecology 50:589-601
McCormick PV (1994) Evaluating the multiple mechanisms underlying herbivore-algal in
streams. Hydrobiologia 291:47-59
McIntire CD, Phinney HK (1965) Laboratory studies of periphyton production and
community metabolism in lotic environments. Ecological Monographs 35:237-258
Michener CD, Sokal RR (1957) A quantitative approach to a problem in classification.
Evolution 11:130-162
Mulholland PJ (1997) Organic matter dynamics in the West Fork of Walker Branch,
Tennessee, USA. Journal of the North American Benthological Society 16:61-74
Muyzer G, Brinkhoff T, Nubel U, Santegoeds C, Schafer H, Wawer C (1997) Denaturing
gradient gel electrophoresis (DGGE) in microbial ecology. In: Kowalchuk GA, De Bruijn FJ,
Head IM, Akkermans D, Van Elsas JD (eds) Molecular Microbiology Ecology Manual.
Kluwer Academic Publishers, Dordrecht, pp 1-27
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 144
Nielsen TS, Funk WH, Gibbons HL, Duffner RM (1984) A comparison of periphyton growth
on artificial and natural susbtrates in the upper Spokane River. Northwest Science 58:243-248
Power ME, Stewart JA (1987) Disturbance and recovery of an algal assemblage following
flooding in an Oklahoma stream. American Midland Naturalist 117:333-345
Steinman AD (1996) Effects of grazers on freshwater benthic algae In: Stevenson RJ,
Bothwell ML, Lowe RL (eds) Algal ecology: freshwater benthic ecosystems. Academic Press,
San Diego, pp 341-373
Steinman AD, McIntire CD, Gregory SV, Lamberti A, Ashkenas L (1987) Effect of herbivore
type and density on taxonomic structure and physiognomy of algal assemblages in laboratory
streams. Journal of the North American Benthological Society 6:175-188
Stevenson RJ, Peterson CG (1991) Emigration and immigration can be important
determinants of benthic diatom assemblages in streams. Freshwater Biology 26:279-294
Uehlinger U, Bürher H, Reichert P (1996) Periphyton dynamics in a floodprone prealpine
river: evaluation of significant processes by modelling. Freshwater Biology 36:249-263
Walker BH (1992) Biodiversity and ecological redundancy. Conservation Biology 6:18-23
Wellnitz T, Poff NL (2001) Functional redundancy in heterogeneous environments:
implications for conservation. Ecology Letters 4:177-179
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 145
Figure 1. Schematic diagram of the experimental design.
neon tube neon tube neon tube neon tube neon tube neon tube
flow metre sluice gate pump downstreamtank 3300 L
river tank
filtered riverwater 800 L h-1
probe
probe
samplerISCO 3000
samplerISCO 3000
0,22 m s-1
upstreamtank 1500 L
neon tube neon tube neon tube neon tube neon tube neon tube
flow metre sluice gate pump downstreamtank 3300 L
river tank
filtered riverwater 800 L h-1
probe
probe
samplerISCO 3000
samplerISCO 3000
0,22 m s-1
upstreamtank 1500 L
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 146
Figure 2. Temporal changes in epilithic biomass (mean ± SE) expressed in (a) mg of
chlorophyll a, (b) g of ash-free dry matter (AFDM) and (c) g of dry matter (DM) per square
metre over the course of the experiment.
0
20
40
60
80
100
120
140
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
gDM
m-2
0
5
10
15
20
25
30
35
40
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
gAFD
M m
-2
0
100
200
300
400
500
600
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
mg
chla
m-2
(a)
(b)
(c)
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 147
Figure 3. Metabolism changes (black square) in (a) gross primary production (GPP in mgO2 m-2 h-1), (b) respiration (R in mgO2 m-2 h-1), (c) P/R (GPP/R), (d) biomass-specific GPP (h-1), (e) biomass-specific R (h-1) and (f) biomass-specific net productivity (d-1). Biomass (mean ± SE) in mg of chlorophyll a per square metre was reported on each graph (grey square).
0
1
2
3
4
5
6
7
8
9
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
P/R
0
100
200
300
400
500
600
Bio
mas
s m
gChl
a m
-2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
biom
ass-
spec
ific
net p
rodu
ctiv
ity
(d-1
)0
100
200
300
400
500
600
biom
ass
mgC
hla
m-2
-0.016
-0.014
-0.012
-0.01
-0.008
-0.006
-0.004
-0.002
0
biom
ass-
spec
ific
R (h
-1)
0
100
200
300
400
500
600
biom
ass
mgC
hla
m-2
0
0.01
0.02
0.03
0.04
0.05
0.06
biom
ass-
spec
ific
GPP
(h-1
)
0
100
200
300
400
500
600
biom
ass
mgC
hla
m-2
-120
-100
-80
-60
-40
-20
0
R m
gO2 m
-2 h
-1
0
100
200
300
400
500
600
Bio
mas
s m
gChl
a m
-2
0
50
100
150
200
250
300
350
400
450
GPP
mgO
2 m-2
h-1
0
100
200
300
400
500
600
Bio
mas
s m
gChl
a m
-2
(a)
(b)
(c)
(d)
(e)
(f)
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 148
Figure 4. (a) Number of algal taxa and (b) cumulative relative abundance of main (> 5%) of
algal taxa. Associated mean biomass in mg of chlorophyll a per square metre was reported on
each graph.
(a)
(b)
0
5
10
15
20
25nu
mbe
r of t
axa
0
100
200
300
400
500
600
mg
chl a
m-2
Species richnessBiofilm chl a
0
10
20
30
40
50
60
70
80
90
100
rela
tive
abun
danc
e (%
)
0
100
200
300
400
500
600
mg
chl a
m-2
Cymbella minuta Fragilaria gr. capucina Fragilaria crotonensis
Diatoma erhenbergii Achnanthidium minutissimum Nitzschia fonticola
Biofilm chl a
16/01 07/02 21/02 07/03 22/03 06/04 18/04 02/05 16/05
(a)
(b)
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 149
Figure 5. UPGMA Jaccard distance dendrograms (left column) generated from the DGGE profiles of the bacterial community (right column) present in epilithic biofilm samples collected from the 7th of February to the 16th of May 2006. Richness is given for each sample at the bottom of each band.
12
1434567
1589
10111213
7/0214/02
21/0228/02
7/0314/0322/03
28/036/04
11/0418/0425/04
2/05
9/05
16/05
100 30homology percent
12
1434567
1589
10111213
12
1434567
1589
10111213
7/0214/02
21/0228/02
7/0314/0322/03
28/036/04
11/0418/0425/04
2/05
9/05
16/05
100 30homology percent 7/02
14/0
2
21/0
228
/02
7/03
14/0
322
/03
28/0
36/
0411
/04
18/0
425
/04
2/05
9/05
16/0
5
40 39 39 39 35 37 36 32 27 29 34 36 28 32 36
7/02
14/0
2
21/0
228
/02
7/03
14/0
322
/03
28/0
36/
0411
/04
18/0
425
/04
2/05
9/05
16/0
5
7/02
14/0
2
21/0
228
/02
7/03
14/0
322
/03
28/0
36/
0411
/04
18/0
425
/04
2/05
9/05
16/0
5
40 39 39 39 35 37 36 32 27 29 34 36 28 32 36
7/0214/0221/0228/02
7/0314/0322/0328/03
6/0411/04
18/0425/04
2/059/05
16/05
100 30homology percent
7/0214/0221/0228/02
7/0314/0322/0328/03
6/0411/04
18/0425/04
2/059/05
16/05
100 30homology percent 7/02
14/0
221
/02
28/0
27/
0314
/03
22/0
328
/03
6/04
11/0
4
18/0
425
/04
02/0
59/
05
16/0
5
28 31 29 26 28 26 32 33 35 29 31 29 29 24 29
7/02
14/0
221
/02
28/0
27/
0314
/03
22/0
328
/03
6/04
11/0
4
18/0
425
/04
02/0
59/
05
16/0
5
28 31 29 26 28 26 32 33 35 29 31 29 29 24 29
7/0214/0221/0228/02
7/0314/0322/0328/03
6/0411/0418/0425/0402/0509/0516/05
100 40homology percent 7/02
14/0
221
/02
28/0
27/
0314
/03
22/0
328
/03
6/04
11/0
418
/04
25/0
42/
059/
0516
/05
29 29 31 34 32 31 33 36 32 27 25 27 25 22 30
7/0214/0221/0228/02
7/0314/0322/0328/03
6/0411/0418/0425/0402/0509/0516/05
100 40homology percent
7/0214/0221/0228/02
7/0314/0322/0328/03
6/0411/0418/0425/0402/0509/0516/05
100 40homology percent
7/0214/0221/0228/02
7/0314/0322/0328/03
6/0411/0418/0425/0402/0509/0516/05
100 40homology percent 7/02
14/0
221
/02
28/0
27/
0314
/03
22/0
328
/03
6/04
11/0
418
/04
25/0
42/
059/
0516
/05
29 29 31 34 32 31 33 36 32 27 25 27 25 22 30
7/02
14/0
221
/02
28/0
27/
0314
/03
22/0
328
/03
6/04
11/0
418
/04
25/0
42/
059/
0516
/05
29 29 31 34 32 31 33 36 32 27 25 27 25 22 30
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 150
Figure 6. Temporal changes in turbidity (NTU) over the course of the experiment. Associated mean (± SE) biomass in mg of chlorophyll a m-2 was reported on the graph.
0102030405060708090
100
16/1 30/1 13/2 27/2 13/3 27/3 10/4 24/4 8/5
TUR
B (N
TU)
0
100
200
300
400
500
600
mg
chl a
m-2
Chapitre 5. Vers une évolution autogène ?
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 151
Table 1. (a) Water chemistry of the flume and the river and (b) physico-chemistry of the flume. Mean, standard deviation (SD, minimum, maximum and coefficient if variation (CV, in %) were calculated for every variable: chlorophyll a (Chl a), nitrate (NO3), nitrite (NO2), ammonium (NH4), phosphate (PO4), total phosphorus (tot P), silicate (Si), temperature (TEMP), conductivity (COND), dissolved oxygen (DO), pH and turbidity (TURB).
variable
unit
condition flume river flume river flume river flume river flume river flume river flume river flume river
mean 4.3 2.1 1.063 1.124 0.009 0.011 0.017 0.031 0.003 0.008 1.496 3.757 0.013 0.022 2.061 2.078
SD 2.4 1.8 0.357 0.343 0.009 0.004 0.008 0.014 0.002 0.004 1.016 1.505 0.007 0.010 0.282 0.484
min 0.2 0.5 0.668 0.769 0.004 0.001 0.002 0.008 0.001 0.003 0.148 1.345 0.007 0.015 1.564 1.543
max 9.1 6.7 1.968 1.985 0.043 0.016 0.036 0.066 0.010 0.013 3.074 5.919 0.029 0.049 2.700 2.950
CV 57 86 34 31 104 37 51 45 71 46 68 40 57 46 14 23
mg L-1mg L-1 mg L-1 mg L-1
chl a NO3 NO2 NH4 PO4 Si tot P DOC
µg L-1 mg L-1 mg L-1 mg L-1
(a)
(b)
variable TEMP COND DO DO pH TURB
unit °C mS cm-1 mg L-1 % - NTU
mean 15.2 0.196 10.6 106 8.6 6.7
SD 3.6 0.023 1.3 10 0.2 13.1
min 9.2 0.189 9.1 101 8.4 3.0
max 22.5 0.199 11.6 105 8.5 8.7
CV 23 12 12 10 2 195
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 152
Chapitre 6
Comparaison interannuelle de la dynamique de la
biomasse épilithique en milieu naturel
« You cannot step twice into the same river » Héraclite
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 153
1 – Contexte et objectifs
Les conclusions d’une première approche visant à rechercher un modèle simple
capable de reproduire la dynamique de biomasse dans des conditions contrastées (cf. chapitre
3) ont démontré le manque de transférabilité du modèle testé soulignant, tout
particulièrement, l’impossibilité de déterminer une paramétrisation optimale pour l’intégralité
des séries temporelles disponibles (11 séries testées). La recherche d’un modèle transférable
pose problème dans la plupart des modèles écologiques (Leftwich et al. 1997 ; Guay et al.
2003). Elle exige de complexifier le modèle en considérant davantage de processus afin
d’augmenter sa flexibilité et sa sensibilité. En multipliant le nombre de processus pris en
compte, cette recherche de transférabilité se traduit enfin par la contrainte de disposer de
nombreuses informations et données expérimentales. Le modèle que nous avons testé dans ce
mémoire, a par ailleurs démontré les limites d’une réduction du nombre de processus
considéré et d’une simplification poussée de l’objet modélisé. Nous avons en effet pu
constater (cf. chapitre 4) qu’une équation simple, ne considérant initialement que la
composante algale du biofilm épilithique, s’avère parfois insuffisante pour expliquer
l’évolution de la biomasse épilithique. Simultanément, l’identification de processus
complémentaires, liés à la prise en compte de la composante hétérotrophe de l’épilithon, et, en
corollaire, la complexification de l’équation exigent de disposer de connaissances, que les
descripteurs globaux de la biomasse épilithique (MS, MSSC et chlorophylle a) n’apportent
pas seuls. Nous avons donc identifié la nécessité, au-delà de mesures de biomasses qui
permettent de calibrer le modèle, d’acquérir des informations complémentaires sur les autres
compartiments constituant le biofilm (bactéries, méiofaune, macrofaune) afin d’expliquer la
dynamique de la biomasse par la dynamique des compartiments qui la composent.
Compte tenu de l’investissement que nécessiterait la réalisation d’un échantillonnage
de l’ensemble des composants du biofilm, nous avons profité d’une campagne initiée depuis
novembre 2004 par E. Buffan-Dubau (LEH, UMR 5177 CNRS – UPS) pour effectuer un
suivi de la biomasse épilithique en collaboration. Cette campagne avait été organisée pour
étudier plus spécifiquement l’évolution temporelle de l’abondance et de la composition de la
méiofaune du biofilm pendant une année ainsi que la mesure de l’activité de broutage par
l’analyse des contenus stomacaux. E. Buffan-Dubau a souhaité par ailleurs utiliser l’HPLC
pour déterminer la composition pigmentaire du biofilm. A l’occasion de cette collaboration et
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 154
dans le cadre de ses recherches doctorales au LEH, J. Leflaive s’est intéressée au suivi de
l’activité allélopathique au sein de biofilms naturels. Les dénombrements algaux ont été
effectués par J. Brabet, R. Le Cohu et L. Ten-Hage, la chimie de l’eau par C. Mur et D.
Dalger et des prélèvements destinés à analyser la diversité bactérienne ont été collectés.
L’intérêt de cette expérimentation était double : (i) disposer d’une chronique de
biomasses supplémentaire dans un site d’étude déjà échantillonné (cf. chapitre 2, Figure 2.2.)
donc comparable à la chronique acquise en 2001-02 pour tester la paramétrisation du modèle
identifiée dans le chapitre 4 et (ii) disposer de connaissances complémentaires de la structure
et du fonctionnement du biofilm afin d’identifier de nouvelles hypothèses permettant d’en
modéliser la dynamique temporelle. En accord avec les exigences de la modélisation, nous
avons décidé d’augmenter la fréquence d’échantillonnage du biofilm, initialement
bimensuelle à une fréquence hebdomadaire, pour le suivi de la biomasse (descripteurs
globaux et composition pigmentaire) ainsi que pour le suivi physico-chimique de l’eau
(échantillonnage partiel). Les prélèvements relatifs aux autres analyses (pigments, contenus
stomacaux, activité allélopathique, méiofaune, composition taxonomique algale) ont été
réalisés à une fréquence bimensuelle (échantillonnage complet).
Une synthèse aboutie de ces données ne peut être présentée dans ce travail puisque
certains résultats sont actuellement en cours d’acquisition. Néanmoins le suivi de biomasse
per se, complété par l’environnement physico-chimique et la composition algale, constituent
une base de réflexion pour une comparaison interannuelle de la dynamique de biomasse avec
les données de 2001-02.
2 – Résultats et discussion
2.1 – Caractéristiques de la série temporelle de 2004-05-06
Les biomasses maximales sont observées en hiver où elles atteignent 88 g MSSC m-2, 461 g
MS m-2 et 1247 mg chlorophylle a m-2 le 2 mars 2005 puis 139 g MSSC m-2, 1129 g MS m-2
et 666 mg chlorophylle a m-2 fin février - début mars 2006 (Figure 6.1. a, b, c). Le premier
pic de biomasse du 2 mars 2005 est très bref : un mois avant et après, les biomasses avoisinent
respectivement 6 g MSSC et 30 g MS m-2 le 2 février et 31 mg de chlorophylle a m-2 le 5
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 155
avril. La perte de biomasse est très probablement associée à un changement du débit, qui
augmente de 73 à 279 m3 s-1 pendant cette période. D’ailleurs les conditions
hydrodynamiques des mois suivants (avril et mai) n’ont pas permis d’échantillonner pendant
cette période (moyenne des QMJ de 233 m3 s-1 ; Figure 6.1. a).
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 156
Figure 6.1. Evolutions temporelles de la biomasse épilithique (moyenne ± ES) exprimées en g MSSC m-2 (a, a’), g MS m-2 (b, b’) et mg chl a m-2 (c, c’) des séries temporelles de 2004-05-06 (colonne de gauche) et de 2001-02 (colonne de droite) à l’Aouach (site amont, Garonne). Noter que les échelles des axes des ordonnées sont multipliées par 4 entre 2004-05-06 et 2001-02.
0
20
40
60
80
100
120
140
160
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06 mai-06 juil.-06 sept.-06 nov.-06
g M
SSC
m-2
0
5
10
15
20
25
30
35
40
nov.-00 janv.-01 mars-01 mai-01 juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02 nov.-02
g M
SSC
m-2
0
200
400
600
800
1000
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06 mai-06 juil.-06 sept.-06 nov.-06
g M
S m
-2
0
50
100
150
200
250
nov.-00 janv.-01 mars-01 mai-01 juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02 nov.-02
g M
S m
-2
0
200
400
600
800
1000
1200
1400
1600
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06 mai-06 juil.-06 sept.-06 nov.-06
mg
chl a
m-2
0
50
100
150
200
250
300
350
400
nov.-00 janv.-01 mars-01 mai-01 juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02 nov.-02
mg
chl a
m-2
(a) (a’)
(b) (b’)
(c) (c’)
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 157
Lorsque les prélèvements sont de nouveau possibles (moyenne des QMJ de 95 m3 s-1 ; Figure
6.2. a), la MSSC atteint 24 g m-2, la MS 102 g m-2 et la chlorophylle a 291 mg m-2 le 9 juin
puis ces dernières déclinent progressivement pour atteindre 6 g MSSC m-2 et 61 g MS m-2 le 6
juillet (chlorophylle a indisponible) et 18 mg chlorophylle a m-2 le 26 juillet.
Figure 6.2. Evolutions temporelles du débit moyen journalier (a, a’), du rayonnement global journalier (b, b’), de la température de l’eau (c, c’), de la concentration en phosphore (d, d’) et de la biomasse épilithique (e, e’) des séries temporelles de 2004-05-06 (colonne de gauche) et de 2001-02 (colonne de droite) à l’Aouach (site amont, Garonne). Noter que les échelles d’une série à l’autre sont identiques, excepté pour la biomasse (e, e’).
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02
05
101520
25303540
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02 nov.-02
0
200
400
600
800
1000
1200
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
QM
J ( m
3 s-1
)
0
500
1000
1500
2000
2500
3000
3500
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
ray.
glob
al jo
urna
lier (
J cm
-2)
0
5
10
15
20
25
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
tem
péra
ture
(°C
)
0
0.005
0.01
0.015
0.02
0.025
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
PO
43- (m
g P
L-1)
0
2040
6080
100
120140
160
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
biom
asse
(g M
SSC
m-2
)
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02
05
101520
25303540
juil.-01 sept.-01 nov.-01 janv.-02 mars-02 mai-02 juil.-02 sept.-02 nov.-02
0
200
400
600
800
1000
1200
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
QM
J ( m
3 s-1
)
0
500
1000
1500
2000
2500
3000
3500
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
ray.
glob
al jo
urna
lier (
J cm
-2)
0
5
10
15
20
25
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
tem
péra
ture
(°C
)
0
0.005
0.01
0.015
0.02
0.025
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
PO
43- (m
g P
L-1)
0
2040
6080
100
120140
160
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
biom
asse
(g M
SSC
m-2
)
(a)
(b)
(c)
(d)
(e)
(a’)
(b’)
(c’)
(d’)
(e’)
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 158
Du 9 juin au 26 juillet, une diminution de la biomasse épilithique représente une perte qui
s’élève à 41% en MS, 72% en MSSC et 94% en chlorophylle a. Ce phénomène se produit
dans des contextes hydrodynamique, lumineux et thermique pourtant assez favorables à la
croissance du biofilm : pendant cette période, du 9 juin au 26 juillet 2005, le débit est dans
une phase de diminution de 113 à 35 m3 s-1, la hauteur d’eau moyenne (± ET) de 48 cm (±
12), la vitesse moyenne (± ET) du courant au fond de 0,30 m s-1 (± 0,13), le rayonnement
global journalier moyen (± ET) est plutôt élevé autour de 2397 J cm-2 (± 621) et la
température de l’eau augmente progressivement de 17 à 23,5 °C (Figure 6.2. a, b, c).
Majoritairement algale, la perte de juin-juillet 2005 serait due à l’activité de broutage
des macroinvertébrés particulièrement abondants sur les galets à cette période-ci.
L’observation d’un grand nombre d’individus d’invertébrés lors du traitement des
échantillons prélevés nous a conduit à dénombrer et identifier ces communautés à l’occasion
de 3 prélèvements entre le 1 et le 26 juillet 2005. La densité moyenne d’invertébrés
benthiques y est très élevée puisqu’elle atteint 12059 ind. m-2. Un total de 21 taxa ont été
recensés et classés selon leur comportement alimentaire en 5 groupes fonctionnels :
collecteurs filtreurs, collecteurs assembleurs, brouteurs, prédateurs et déchiqueteurs.
Figure 6.3. Densités totales, des collecteurs filtreurs, des collecteurs assembleurs, des brouteurs, des prédateurs et des déchiqueteurs lors des prélèvements des 1, 13 et 26 juillet 2005.
Les brouteurs constituent le groupe majoritaire, représentant en moyenne 72% de la densité
totale. Ces brouteurs sont principalement représentés (96%) par Psychomyia pusilla (Fabricius
1781), espèce de Trichopterae Psychomyiidae largement répandue en rivière. A titre
0
2000
4000
6000
8000
10000
12000
14000
1-janv. 2-janv. 3-janv.
dens
ité (i
nd. m
-2)
DéchiqueteurPrédateurBrouteurCollecteur assembleurCollecteur filtreur
1 juillet 2005 13 juillet 2005 26 juillet 2005
0
2000
4000
6000
8000
10000
12000
14000
1-janv. 2-janv. 3-janv.
dens
ité (i
nd. m
-2)
DéchiqueteurPrédateurBrouteurCollecteur assembleurCollecteur filtreur
1 juillet 2005 13 juillet 2005 26 juillet 2005
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 159
illustratif, les galets échantillonnés (surface de 12 cm2 environ) sont occupés par 110
individus de cette espèce en moyenne. D’après la grande taille des individus observés (5 mm),
les stades larvaires sont plutôt tardifs et l’émergence proche. Or les paramètres de régime
alimentaire et de croissance des invertébrés benthiques (par ex. Benke 1979 ; Basaguren et al.
2002) indiquent que la biomasse individuelle augmente jusqu’aux derniers stades larvaires
alors que le nombre d’individus diminue. Ainsi l’impact le plus important en terme de
pression de prédation sur le biofilm épilithique a lieu lorsque les individus atteignent ces
stades larvaires tardifs. Dans la Garonne, Psychomyia pusilla est observé dans les zones d’eau
courante essentiellement entre juin et août (Compin, communication personnelle). Le cycle de
l’espèce effectué sur des rivières de Grande Bretagne indique que juillet correspond au
maximum du nombre d’individus et à la période d’éclosion (Crichton & Fisher 1978).
Psychomyia pusilla, qui se nourrit de microphytes vivants, est donc probablement la
principale origine de la perte de biomasse observée.
Pendant l’étiage estival 2005 (moyenne des QMJ de 57 m3 s-1), la biomasse
chlorophyllienne décrit la succession de deux pics : un premier, durant lequel elle augmente
de 18 à 87 mg de chl a entre le 26 juillet 2005 et le 17 août 2005 puis diminue de 87 à 32 mg
de chlorophylle a entre le 17 août 2005 et le 7 septembre 2005 et un second, entre le 7
septembre 2005 et le 3 novembre 2005 où elle atteint une biomasse maximale de 131 mg de
chlorophylle a (Figure 6.1. c). L’évolution des MS et MSSC est assez similaire même si les
tendances sont moins nettes : entre le 6 juillet 2005 et le 17 août 2005, les MSSC et MS
augmentent respectivement de 6 à 26 et de 61 à 479 g m-2 puis diminuent (respectivement) à
14 et 137 g m-2 jusqu’au 7 septembre 2005 ; du 7 au 21 septembre 2005, elles augmentent
(respectivement) à 26 et 243 g m-2 et diminuent ensuite à 14 et 132 g m-2 le 3 novembre 2006
(Figure 6.1. a, b). Suite à ces deux pics de biomasse, et entre les 3 et 30 novembre 2005, la
chlorophylle a augmente très fortement jusqu’à 529 mg m-2 avant de décrire une alternance de
diminutions et d’augmentations autour d’un niveau moyen de biomasse élevé (484 mg m-2)
pendant les deux mois suivants (Figure 6.1. c). Les MSSC et MS suivent une évolution plus
progressive, augmentant respectivement de 14 à 139 et de 132 à 779 g m-2 entre le 3 novembre
2005 et le 8 février 2006 et se stabilisant pendant les trois semaines suivantes autour de 118 et
de 681 g m-2 respectivement (Figure 6.1. a, b). Cette longue accrétion de biomasse est
rapidement interrompue entre le 3 et le 9 mars 2006 par une perte équivalente à 83% de sa
MSSC maximale, 77% de sa MS maximale et 75% de sa chlorophylle a maximale (Figure
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 160
6.1. a, b, c). L’augmentation soudaine du QMJ de 50 à 133 m3 s-1 entre le 7 et le 8 mars 2006
est très probablement due à l’origine de cette perte (Figure 6.2. b).
Quel que soit le descripteur utilisé, l’évolution temporelle de la biomasse suit
globalement le même patron. Les MS et MSSC (r2 = 0,83 ; p < 0,0001 ; n = 40) ainsi que la
chlorophylle a et la MSSC (r2=0,66 ; p<0,0001; n=31) sont d’ailleurs significativement
corrélées. La corrélation entre chlorophylle a et MSSC est cependant plus faible que la
corrélation entre MSSC et MS. Le contenu chlorophyllien (g chl a / g MSSC x 100) plutôt
faible lors de l’étiage estival de 2005 (moyenne de 0,31%) est généralement plus élevé en
périodes hivernales (moyenne de 0,92%) (Figure 6.4. a). Le fait que le contenu
chlorophyllien intracellulaire soit en moyenne supérieur l’hiver (9,8 10-9 mg chl a (cellule)-1)
à l’été (2,1 10-9 mg chl a (cellule)-1) pourrait suggérer une adaptation saisonnière du contenu
cellulaire en chlorophylle a à de faibles intensités lumineuses ou photoadaptation (Figure 6.4.
b).
Figure 6.4. Evolutions temporelles du contenu chlorophyllien du biofilm en % (a) et du contenu intracellulaire en chlorophylle a en mg chl a (ind.)-1 (b). La biomasse épilithique (en g MSSC m-2) est reportée sur le second axe des ordonnées du graphique (a). Le rayonnement global journalier (en J cm-2) est reporté sur le second axe des ordonnées du graphique (b).
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
cont
enu
chlo
roph
yllie
n (%
)
0
20
40
60
80
100
120
140
biom
asse
(g M
SSC
m-2
)
0.0E+00
5.0E-09
1.0E-08
1.5E-08
2.0E-08
2.5E-08
3.0E-08
3.5E-08
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
mg
chl a
(ind
.)-1
0
500
1000
1500
2000
2500
3000
3500ra
y. g
loba
l jou
rnal
ier (
J cm
-2)
00.20.4
0.60.8
11.21.4
1.61.8
2
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
cont
enu
chlo
roph
yllie
n (%
)
0
20
40
60
80
100
120
140
biom
asse
(g M
SSC
m-2
)
0.0E+00
5.0E-09
1.0E-08
1.5E-08
2.0E-08
2.5E-08
3.0E-08
3.5E-08
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
mg
chl a
(ind
.)-1
0
500
1000
1500
2000
2500
3000
3500ra
y. g
loba
l jou
rnal
ier (
J cm
-2)
(a)
(b)
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 161
En revanche, à la fin de l’accrétion de biomasse, entre le 20 décembre 2005 et le 16 février
2006, le contenu chlorophyllien diminue de 1,16 à 0,46%, une diminution qui pourrait
coïncider avec un enrichissement du biofilm en matière organique non « vivante » favorisé
par la sénescence algale.
2.2 – Comparaison interannuelle des patrons de biomasse
Le modèle simplifié d’Uehlinger et al. (1996) à trois paramètres ayant démontré sa
pertinence dans l’Agüera comme dans la Garonne (cf. chapitres 3 et 4), celui-ci est confronté
à la série temporelle de 2004-05-06 en appliquant les paramètres calibrés sur le même site en
2001-02 (µmax,0 = 1 d-1, kinv,B = 3,8 et cdet = 0,0002 d-1). La paramétrisation retenue pour la
série temporelle de 2001-02 ne décrit pas correctement l’évolution temporelle de la biomasse
en 2005-06 (Figure 6.5.). Celle-ci semble sous-estimer l’effet de l’hydrodynamique sur la
biomasse ainsi que la vitesse d’accrétion.
Figure 6.5. Comparaison entre la biomasse épilithique observée (moyenne ± ES) et la biomasse épilithique simulée obtenue en appliquant la paramétrisation optimale du modèle à trois paramètres confronté à la série temporelle de 2001-02 : µmax,0 = 1 d-1, kinv,B = 3,8 et cdet = 0,0002 d-1.
La valeur du détachement optimisée pour la série temporelle de 2001-02 est beaucoup
trop faible pour reproduire l’effet de l’augmentation du QMJ observée en mars 2006. Cet
évènement montre que l’augmentation soudaine du QMJ de 50 à 133 m3 s-1 en un jour suffit à
interrompre brutalement le pic de biomasse par une perte équivalente à 75% de la biomasse
0
25
50
75
100
125
150
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
biom
asse
(g M
SSC
m-2
)
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 162
initiale. Une augmentation pourtant assez comparable en terme d’amplitude (de 59 à 120 m3
s-1) observée entre les 6 et 7 février 2002, alors que la biomasse est à son niveau maximal, ne
génère pas de perte apparente.
De même, les vitesses d’accrétion observées sont radicalement différentes d’une année
à l’autre : alors que la MSSC croit à raison d’un taux de 0,48 et 0,36 d-1 au cours des deux
pics de biomasse de 2001-02, ce dernier atteint 2,95 d-1 en février 2005. Les MSSC, MS et
chlorophylle a moyennes sont 2,5 fois, 4,5 fois et près de 3 fois supérieures en 2005 qu’en
2001 (Tableau 6.1.). Les MSSC, MS et chlorophylle a maximales sont près de 4,5 fois, 10
fois et 4,5 fois supérieures en 2005 qu’en 2001. Le rapport de la chlorophylle a maximale sur
la chlorophylle a moyenne de 3 en 2001 contre 4,6 en 2005 montre une plus forte variabilité
temporelle de la biomasse épilithique lors de la campagne de 2005. Le pourcentage de cendres
est du même ordre de grandeur en 2005 (86,7 %) que celui de 2001 (81,7%) surtout compte
tenu de la précision limitée du protocole employé. Rappelons aussi que les protocoles
d’analyse diffèrent d’une campagne à l’autre (cf. chapitre 2). Ces valeurs supérieures à 75%
indiquent que le biofilm épilithique de la Garonne est inorganique d’après la classification
proposée par Lakatos (1989).
Tableau 6.1. Caractéristiques structurelles globales du biofilm épilithique lors des séries temporelles de 2004-05-06 et de 2001-02.
Unité 2004-05-06 2001-02
moy g m-2 36,8 14,6
max g m-2 139,4 30,2
moy g m-2 388,0 85,5
max g m-2 2161,0 216,9
moy mg m-2 269,7 95,3
max mg m-2 1246,9 281,8
max/moy - 4,6 3,0
% cendres moy (± ET) % 88,0 (± 4,4) 81,5 (± 8,2)
contenu chlorophyllien moy (± ET) % 0,63 (± 0,13) 0,62 (± 0,30)
index d'autotrophie moy (± ET) - 245,8 (± 179,9) 186,1 (± 104,2)
Critère
MSSC
MS
chlorophylle a
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 163
Les contenus chlorophylliens moyens sont similaires entre 2005 (0,63%) et 2001 (0,62%) et
caractéristiques d’un biofilm de système autotrophe d’après Lakatos (1989) car supérieurs à
0,60%. Quelle que soit l’année de prélèvement, les niveaux de chlorophylle a moyens et
maximaux respectivement supérieurs à 70 et 200 mg m-2 caractérisent un milieu eutrophe
selon Dodds et al. (1998).
2.3 – Comparaison interannuelle des conditions environnementales
Une longue période d’étiage estival de 7 mois (entre les 26 juillet 2005 et 7 mars
2006) est observée lors de la campagne 2005-06, même si celle-ci est moins soutenue que
celle de 2001-02 (entre les 19 juillet 2001 et 24 janvier 2002). Pendant ces étiages, le QMJ
moyen est de 57 et 39 m3 s-1 en 2005 et 2001 ; les extrema sont respectivement en 2005 et
2001, 30 et 21 m3 s-1 et 165 et 173 m3 s-1 ; 75% des QMJ sont inférieurs à 63 en 2005 et 54 m3
s-1 en 2001. L’historique des conditions hydrodynamiques pendant les mois précédents
n’explique pas non plus les différences entre les patrons de biomasse : les périodes de hautes
eaux (mars, avril, mai et juin) ayant prévalu avant ces périodes d’étiage soutenu sont assez
comparables en terme d’intensité avec des QMJ moyens de 187 et 172 m3 s-1, des minima de
68 et 71 m3 s-1 et des maxima de 575 et 427 m3 s-1 en 2005 et 2001 respectivement.
La qualité physico-chimique et la composition chimique moyenne de l’eau n’ont
sensiblement pas varié d’une campagne à l’autre (Tableau 6.2.). Les concentrations
moyennes de nutriments (azote, phosphore et silice) sont similaires, toutes légèrement
supérieures en 2001-02 : les concentrations moyennes avoisinent les 0,035 mg N L-1
d’ammonium, 0,014 mg N L-1 de nitrite, 0,7 mg N L-1 de nitrate, 4,2 mg L-1 de silice, 0,009
mg P L-1 de phosphore réactif soluble et 0,023 mg P L-1 de phosphore total.
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 164
Tableau 6.2. Caractéristiques environnementales moyennes des prélèvements lors des séries temporelles de 2004-05-06 et de 2001-02. M.E.S. : Matières en Suspension ; C.O.D. : Carbone Organique Dissous ; Vf : vitesse au fond ; Hf : hauteur d’eau et Distance : distance au point fixe.
2.4 – Comparaison taxonomique des assemblages algaux
Le nombre de taxa identifiés varie, selon les prélèvements, de 20 à 54 en 2001 et de 21
à 47 taxa en 2005 (Figure 6.6. b, b’). Une richesse minimale semblerait coïncider avec une
biomasse minimale. La communauté algale des biofilms épilithiques est majoritairement
composée de diatomées qui représentent en moyenne 97% de la biomasse algale lors des deux
campagnes (Figure 6.6. a, a’). La distribution de leurs morphotypes semble obéir à une même
logique : les diatomées unicellulaires libres (respectivement équivalentes à 29 et 30% de la
biomasse algale en moyenne des deux séries temporelles), les diatomées filamenteuses (15 et
19%) et les diatomées coloniales (28 et 35%) dominent lors des pics de biomasse ; en
revanche, les diatomées unicellulaires fixées (24 et 12%) sont surtout présentent lorsque la
biomasse est faible. Quatre espèces de diatomées, toutes correspondant à un morphotype
Variable Unitémoy min max moy min max
Température °C 13,0 3,0 21,8 15,0 6,4 23,5
pH 8,1 7,7 8,6 8,4 6,9 9,7
Conductivité µS cm-1 253 189 302 224 160 313
O2 mg L-1 10,5 6,8 12,0 9,7 7,6 12,6
M.E.S. mg L-1 5,3 0,3 34,3 5,0 1,5 18,2
N-NH4 mg L-1 0,032 0,000 0,090 0,037 0,010 0,080
N-NO2 mg L-1 0,010 0,000 0,030 0,017 0,000 0,060
N-NO3 mg L-1 0,656 0,400 1,380 0,769 0,590 1,060
SiO2 mg L-1 4,2 2,2 6,0 4,2 2,6 5,8
P-PO4 mg L-1 0,008 0,000 0,020 0,009 0,003 0,017
P. Total mg L-1 0,018 0,010 0,050 0,027 0,02 0,05
C.O.D. mg L-1 1,6 1,0 3,3 1,5 0,8 2,5
Vf m s-1 0,21 0,00 0,50 0,34 0,07 1,44
QMJ m3 s-1 96 30 565 92,00 21 1041
Hf cm 47 72 15 47 - -
Distance m 33 ou 45 33 45 47 - -
2001-022004-05-06
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 165
différent, dominent le peuplement en représentant toujours environ 80% de la biomasse totale.
Cocconeis placentula Ehr., principale diatomée unicellulaire fixée, représente jusqu’à 84 et
48% de la biomasse en 2001 et 2005 respectivement. Diatoma vulgaris Bory, diatomée
coloniale majoritaire, représente jusqu’à 59 et 45% de la biomasse. Melosira varians Agardh
1827, principale diatomée filamenteuse (et la seule identifiée avec Ellerbeckia arenaria), peut
atteindre jusqu’à 37 et 48% de la biomasse. Enfin Amphora ovalis Kütz., diatomée
unicellulaire libre majoritaire, représente 28 et 51% de la biomasse au maximum. Plus
secondairement la diatomée coloniale Diatoma erhenbergii Kuetzing et les diatomées
unicellulaires libres Navicula tripunctata (O. F. Müll.) Bory et Nitzschia dissipata Grunow
sont observées. En revanche l’espèce Achnanthes biasolettiana Grunow ponctuellement très
abondante entre début juin et début juillet 2005 (61% de la biomasse) n’est pas identifiée en
2001.
Pendant et après la période de broutage par les macroinvertébrés, la reprise de la
croissance semble assurée par les diatomées unicellulaires fixées et notamment par Cocconeis
placentula qui se développe très rapidement entre le 24 juin et le 19 juillet 2005 où elle atteint
son niveau maximal en % de biomasse. Comme les autres diatomées monoraphidées,
Cocconeis est capable de produire des exsudats mucilagineux qui favorisent un ancrage fort
au substrat (Korte & Blinn 1983), une adaptation qui lui permet de dominer les communautés
après les perturbations (Peterson & Stevenson 1990). Son développement est favorisé par la
température, élevée à cette période. Melosira varians est une espèce à vitesse de croissance
plus faible que celle de Cocconeis placentula mais capable d’atteindre de fortes biomasses,
comme c’est le cas fin 2005. Elle n’est présente que lorsque le courant est faible. Son
abondance en février et mars 2006 et sa faible résistance au courant pourraient expliquer la
forte amplitude de la perte de biomasse de mars 2006. Amphora ovalis, espèce adaptée aux
conditions hydrodynamiques fortes, est présente toute l’année mais domine largement au
printemps 2005. Diatoma vulgaris est observée toute l’année en accord avec les travaux de
Eulin (1997) qui la recense comme espèce très commune l’hiver et commune l’été.
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 166
Figure 6.6. Evolutions temporelles de l’abondance relative (%) des biovolumes des principaux groupes algaux (a, a’) et du nombre de taxa (b, b’) lors des séries temporelles de 2004-05-06 (colonne de gauche) et de 2001-02 (colonne de droite). R : Rhodophycées ; C : Cyanophycées ; VF : algues vertes filamenteuses ; VNF : algues vertes non filamenteuses ; DF : diatomées filamenteuses ; DC : diatomées coloniales ; DUL : diatomées unicellulaires libres et DUF : diatomées unicellulaires fixées. La biomasse épilithique en g MSSC m-2 est reportée sur les graphiques (a) et (a’)
0
10
20
30
40
50
60
70
80
90
100
juil.-01 août-01 sept.-01 oct.-01 nov.-01 déc.-01 janv.-02 févr.-02 mars-02
biov
olum
e al
gal (
%)
0
5
10
15
20
25
30
35
biom
asse
(g M
SSC
m-2
)
RCVFVNFDFDCDULDUFbiomasse
0
10
20
30
40
50
60
juil.-01 août-01 sept.-01 oct.-01 nov.-01 déc.-01 janv.-02 févr.-02 mars-02
nom
bre
de ta
xa
0
10
20
30
40
50
60
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
nom
bre
de ta
xa
0
10
20
30
40
50
60
70
80
90
100
nov.-04 janv.-05 mars-05 mai-05 juil.-05 sept.-05 nov.-05 janv.-06 mars-06
biov
olum
e al
gal (
%)
0
20
40
60
80
100
120
biom
asse
(g M
SSC
m-2
)
RCVFVNFDFDCDULDUFbiomasse
(a) (a’)
(b) (b’)
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 167
3 – Conclusion et perspectives
Le contenu chlorophyllien et la composition algale des biofilms collectés en 2001-02
et 2004-05-06 semblent indiquer qu’il s’agit, du point de vue de sa biomasse autotrophe, d’un
même « biofilm ». Sa dynamique temporelle décrit une succession de pics de biomasse
fortement structurée par le régime hydrodynamique mais peu sensible aux conditions
lumineuses et thermiques. En revanche, les paramètres qui structurent ces pics (tPB, PB et
AR ; Biggs 1996) sont nettement différents d’une série temporelle à l’autre, et en particulier
lors des étiages. Si ces derniers présentent globalement de fortes similitudes
environnementales, les conditions hydrodynamiques seraient a priori plus défavorables en
2005 qu’en 2001. En effet sur la base du calcul des débits minimaux pendant 180 jours
d’étiage (VCN, loi de Galton, http://www.hydro.eaufrance.fr), l’étiage de 2001-02 (11 août –
6 février) est caractéristique d’une fréquence de retour cinquantennale sèche alors que l’étiage
de 2005-06 (6 juillet – 1 janvier) est caractéristique d’une fréquence de retour quadriennale
sèche. C’est aussi ce que semble confirmer le graphique de la figure 6.7. qui représente la
distribution des années (de janvier à janvier) en fonction de la durée et de l’amplitude de leur
période de basses eaux.
Figure 6.7. Distribution des années en fonction de la valeur du couple durée moyenne/amplitude moyenne des périodes de basses eaux. Le couple est défini à partir des indices hydrologiques décrits par Richter et al. (1998). La durée de la période de basses eaux correspond à la durée moyenne des périodes où le QMJ est inférieur au premier quartile des QMJ des 15 années testées (soit 47 m3 s-1). L’amplitude de la période de basses eaux correspond au minimum de l’amplitude des QMJ de toutes les périodes de 90 jours de l’année considérée.
0
10
20
30
40
50
60
70
80
90
0 5 10 15 20 25
durée moyenne (d)
ampl
itude
moy
enne
(m
3 s-1
) 2002
1990
1993
2001
1996
19981992
20032000
1997
1995
2004
20051994
1991 1999
0
10
20
30
40
50
60
70
80
90
0 5 10 15 20 25
durée moyenne (d)
ampl
itude
moy
enne
(m
3 s-1
) 2002
1990
1993
2001
1996
19981992
20032000
1997
1995
2004
20051994
1991 1999
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 168
Or les biomasses maximales et les vitesses d’accrétion sont plus élevées en 2005 qu’en 2001.
Il est légitime de se demander s’il existe un patron typique de développement du biofilm
épilithique dans le site de l’Aouach et si oui, quelle série temporelle parmi les deux étudiées
le représente. Nous ne disposons d’aucune donnée de biomasse antérieure dans ce site pour
répondre à cette interrogation. En revanche le site aval (de Gagnac) a fait l’objet de quelques
prélèvements ponctuels avant 2001 : entre septembre 1997 et juillet 1999, la biomasse
moyenne (± ET) s’élevait à 34 (± 19) g MSSC, 125 (± 67) g MS et 238 (± 86) mg
chlorophylle a m-2 contre 12 (± 8) g MSSC, 58 (± 42) g MS et 75 (± 59) mg chlorophylle a
m-2 entre septembre 2000 et janvier 2003. Même si les nombres de prélèvements sur lesquels
se fondent ces moyennes sont assez disproportionnés (7 prélèvements avant contre 41 après
2000), ces observations pourraient conforter l’idée que l’étiage de 2001 était particulier avec
un niveau de biomasse exceptionnellement bas.
En 2000, soit l’année qui précède la chronique 2001, le régime hydrologique de la
Garonne a connu un épisode de crue cinquantennale en atteignant un QMJ de 3000 m3 s-1 le
11 juin 2000 dans la station de Portet-sur-Garonne (http://www.hydro.eaufrance.fr). A
l’Aouach, le QMJ a augmenté de 295 à 2135 m3 s-1 entre les 10 et 11 juin (Figure 6.8.). Cet
épisode pourrait avoir généré une perturbation telle que le développement du biofilm sur le
long terme en soit modifié. On pourrait effectivement imaginer que, suite à cette crue
exceptionnelle, le remaniement des bancs de galets réinitialise totalement le stock de
biomasse. Un tel épisode de crue a pu conduire à un « nettoyage » tel du système qu’une
partie de l’inoculum, principalement stocké dans les zones de bras morts et de sous
écoulement, ait été totalement transféré vers l’aval. Un(e) « chasse /lessivage» des cellules et
propagules susceptibles de contribuer à la recolonisation des galets, pourrait expliquer que la
dynamique de la biomasse épilithique puisse être affectée à une échelle interannuelle par des
évènements hydrologiques antérieurs. Malheureusement nous ne disposons d’aucune
information nous permettant de confirmer si de telles conditions peuvent conduire à un
appauvrissement du potentiel colonisateur de la rivière.
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 169
Figure 6.8. Evolution temporelle du débit moyen journalier QMJ (m3 s-1) entre janvier 1990 et janvier 2006 à l’Aouach.
La description de la série temporelle de biomasse obtenue en 2004-05-06 ouvre
quelques pistes de réflexion pour orienter la compréhension du jeu de données global et la
modélisation du patron de biomasse observé. Se pose notamment la question de la sénescence
algale, hypothèse formulée pour expliquer les tendances inverses décrites par la chlorophylle
a et la MSSC à la fin du patron de biomasse. L’évolution de la chlorophylle a est-elle
confirmée par la composition pigmentaire par HPLC? En particulier l’analyse des pigments
de dégradation démontre-t-elle une sénescence algale?
Alors que les deux pics de croissance présentaient des vitesses d’accrétion similaires lors de
l’étiage de 2001-02, les phases d’accrétion du biofilm de l’étiage de 2005-06 se distinguent
par des vitesses d’accrétion différentes et même, croissantes d’une phase à l’autre. Le modèle
sélectionné dans le chapitre 4 de ce travail ne peut en aucune manière représenter une telle
évolution, dans la mesure où une seule variable d’état (la biomasse) et une seule vitesse de
croissance (µmax,0) sont considérées. Or l’évolution temporelle des morphotypes de diatomées
au cours de l’étiage pourrait s’apparenter à une succession, avec une majorité de diatomées
unicellulaires et libres initialement et une diversification de l’assemblage en fin de cycle. Les
morphotypes étant tous majoritairement représentés par une espèce d’algue en particulier,
quatre variables d’état correspondantes à chacune de ces espèces pourraient être décrites par
un nouveau modèle. Une telle démarche nécessiterait de disposer d’informations relatives à
l’autoécologie de ces espèces en connaissant par exemple leur vitesse de croissance et leurs
exigences vis-à-vis de la lumière, des nutriments ou du courant, etc. Malheureusement ces
0
500
1000
1500
2000
2500
janv.-90 janv.-92 janv.-94 janv.-96 janv.-98 janv.-00 janv.-02 janv.-04 janv.-06
QM
J (m
3 s-1
)
Chapitre 6. Comparaison interannuelle de la dynamique de biomasse
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 170
données ne nous ont pas semblé disponibles lors d’un inventaire succinct de la littérature
(interrogation ISI web of knowledge, le 6 juin 2007).
Les prélèvements opportunément improvisés pour identifier les organismes
responsables de la perte de biomasse épilithique par broutage, en juillet 2005, justifient
l’intérêt de suivre l’évolution de la communauté de macroinvertébrés associée au biofilm. Si
plusieurs études ont démontré que le broutage engendrait une diminution de la biomasse
épilithique (Biggs 1996 ; Battin et al. 2003b), cet effet reste difficile à observer in situ,
souvent supplanté par les perturbations hydrodynamiques ou compensé par une accrétion
particulièrement soutenue. Même si la relation de cause à effet n’est pas prouvée dans cette
expérimentation, l’ensemble des observations et analyses tendent à démontrer la réalité de
l’effet du broutage. Le rôle du broutage a été largement étudié sur la diversité et la biomasse
algale (Steinman et al. 1987 ; Feminella & Hawkins 1995 ; Steinman 1996) à partir
d’expériences en microcosme sur une ou quelques espèces ciblées. Mais la complexité des
communautés en milieu naturel ne permet pas de transposer facilement ces connaissances in
situ, une transposition qui requiert d’identifier au préalable les espèces majoritaires. Si la
dominance de l’espèce Psychomyia pusilla, déjà identifiée dans les communautés en 2001-02
et dans la Garonne en général, et à une période faiblement perturbée par l’hydrodynamique,
était confirmée, il serait intéressant de réaliser le cycle biologique de l’espèce dans la
Garonne, de quantifier son taux d’ingestion pour décrire, en première approche, une perte
proportionnelle à ce taux d’ingestion et à l’évolution temporelle de la densité ou de la
biomasse du brouteur. Dans cette logique, des mesures par isotopes stables pourraient
permettre, en complément des approches d’ingestion de pigments, de quantifier des flux de
biofilms.
Conclusion générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 171
Conclusion générale
Conclusion générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 172
Ce travail a porté sur la contribution de l’outil numérique pour l’identification et la
description des processus de contrôle de la dynamique de la biomasse épilithique en rivière.
Les analyses numériques et expérimentales de ce travail ont apporté des conclusions
tant à l’échelle des processus que plus généralement celle du fonctionnement de l’écosystème.
Lorsque le régime hydrologique se caractérise par une succession de périodes de hautes et
basses eaux, l’assemblage microbien peut être assez simplement appréhendé comme une
biomasse photosynthétique qui croit puis se détache sous l’influence de facteurs allogènes. Au
cours de sa croissance, la biomasse s’autolimite de plus en plus : c’est ce que le terme de
limitation de la diffusion des nutriments et de la lumière retenu dans le modèle signifie. La
biomasse se détache d’autant plus que l’hydrodynamique est forte. Cette conception, déjà
ancienne, qui assimile l’assemblage au « périphyton » s’applique généralement en rivière, où
la plupart des travaux démontraient que l’hydrodynamique constitue le moteur principal de la
dynamique temporelle de la biomasse épilithique.
Notre contribution a davantage concerné les périodes d’étiage qui depuis plusieurs
années sont particulièrement longues dans la Garonne. Une tendance qui, dans le contexte du
changement global, devrait se poursuivre voire s’intensifier puisque les prévisions annoncent
une augmentation de la fréquence des phénomènes climatiques extrêmes. Finalement, une des
questions majeures à laquelle tente de répondre ce travail pourrait être formulée ainsi : « Que
se passe-t-il pour le biofilm épilithique lorsque l’on supprime de son environnement l’effet
perturbateur de l’hydrodynamique ? ». Ce travail montre que, lorsque les périodes de stabilité
hydrologique durent suffisamment longtemps, l’accroissement de biomasse devient alors le
moteur des propriétés structurelles et fonctionnelles de l’assemblage. L’évolution de
l’assemblage est telle que les interactions avec la colonne d’eau sus-jacente diminuent au
profit d’interactions internes entre les autres compartiments de l’assemblage qui peuvent alors
influencer significativement la dynamique de la biomasse. Nous avons identifié la nécessité
de considérer l’assemblage comme une unité fonctionnelle plus vaste, que ce soit du côté des
organismes « constructeurs » de l’agrégat, principalement les algues, que du côté des
organismes qui en régulent la biomasse.
C’est effectivement du côté des organismes régulateurs et dans le prolongement des
travaux de Lyautey et al. (2005a) et de Teissier et al. (2007) que ce travail est sans doute le
plus novateur. Le détachement autogène déjà défini par Biggs (1996) comme un facteur
Conclusion générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 173
susceptible de contrôler la biomasse épilithique en rivière n’avait pas été, à notre
connaissance, décrit, ni encore moins modélisé. Il s’agit d’une perte de biomasse liée à une
sénescence du biofilm, celle des couches les plus anciennes qui assurent l’ancrage du biofilm
au support. L’affaiblissement de cet ancrage, la production respiratoire accrue de gaz
augmentant la flottabilité d’un agrégat qui, devenu épais, offre plus de prise aux forces de
cisaillement, sont les causes de cet auto-détachement ou détachement autogène. Cette cascade
de processus a été largement simplifiée par modélisation sous la forme d’une perte
proportionnelle à la biomasse et à une biomasse hétérotrophe « activée » par des températures
élevées. L’activité du compartiment hétérotrophe, représenté notamment par les bactéries qui
sont pondéralement « négligeables » vis-à-vis du compartiment algal, peut être à l’origine
d’importantes pertes de biomasse. L’expérimentation numérique semble confirmer que ce
détachement se produit lorsque la biomasse de l’assemblage est élevée et semble démontrer
que, contrairement à la biomasse algale, visiblement peu affectée par la baisse hivernale de la
température, la biomasse hétérotrophe à l’origine du détachement serait très fortement
sensible à la température. Forte biomasse, stabilité hydrologique et température élevée
doivent donc coïncider pour que se manifeste un détachement autogène. C’est une hypothèse
qui rejoint celle de Hancke & Glud (2004) qui démontrent expérimentalement que, pour des
communautés microphytobenthiques de sédiments marins, l’augmentation de température
stimule plus l’activité hétérotrophe que la production photosynthétique. Parmi l’effet des
organismes régulateurs, le broutage par la macrofaune in situ a été mis en évidence et les
données acquises ouvrent des perspectives intéressantes quant au rôle de la méiofaune dans
l’assemblage, qui reste lui aussi largement méconnu.
En isolant le biofilm épilithique des perturbations hydrodynamiques et en instaurant
des conditions favorables à son développement, nous envisagions d’observer une évolution
autogène. L’assemblage algal s’est avéré particulièrement « pauvre » du point de vue de sa
composition algale et, visuellement, celui-ci ne présentait pas l’aspect d’un biofilm cohésif.
Avec l’augmentation de la concentration en MES, c’est sans doute un argument
supplémentaire qui justifie que nous ne soyons pas parvenu à observer la situation escomptée.
L’architecture du biofilm dépend des espèces présentes, elles-mêmes sélectionnées par les
conditions hydrodynamiques. En effet, le régime du courant dans lequel le biofilm se
développe influence la physionomie des communautés algales et en conséquence leur
résistance. Dans les habitats lotiques où le courant est faible, le développement des algues
n’est pas contraint par la vitesse du courant, l’assemblage qui s’établit est « aéré », à biomasse
Conclusion générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 174
élevée et une fraction importante des cellules sont libres ou attachées à un second substrat
(Peterson 1996). Dans les zones de courant plus soutenu, la plupart des cellules libres sont
détachées de l’assemblage sous l’effet du courant, formant un assemblage plus compact dans
sa physionomie et ancré solidement au substrat. C’est par leur organisation cohésive que les
biofilms épilithiques constituent des agrégats d’espèces nécessairement en interaction. Ces
constatations introduisent le problème du réalisme de l’assemblage non seulement en terme
d’espèce mais également en terme d’architecture obtenu en canaux artificiels. Une telle
expérimentation nécessiterait à posteriori non seulement de maîtriser les conditions
environnementales mais aussi de manipuler la « texture » du biofilm en sélectionnant une
hydrodynamique plus adaptée et/ou les espèces algales.
Parmi les questions que pose la mise en œuvre de la modélisation mécaniste en
écologie, celle de la complexité d’un modèle est sans doute la plus fondamentalement
problématique. La majorité des modèles souffre d’une sur paramétrisation que la qualité des
données ne peut que très rarement justifier. Ce constat s’explique notamment par le fait que la
démarche de modélisation préconisée, qui consiste à acquérir les observations en même temps
que d’analyser le système, n’est le plus souvent pas respectée. C’est d’ailleurs le cas de ce
travail. Ce dernier a cependant été mené avec la volonté de rechercher un niveau de
complexité adapté et donc de trouver une correspondance juste entre qualité des observations
et performances du modèle (sensibilité, précision, erreur) (chapitre 1). La nature du jeu de
données dans l’Agüera qui proposait des chroniques de biomasse spatio-temporellement
contrastées mais une description globale de la biomasse épilithique, une fréquence réduite de
prélèvement et une caractérisation « classique » de l’environnement (nutriment, température,
éclairement, débit) se sont avérées incompatibles avec l’application d’un modèle
« complexe ». Cela nous a conduit à rechercher un « minimal adequate model ». Cette
stratégie était d’autant plus légitime que la formulation du modèle retenu fournissait une
description plutôt satisfaisante de la biomasse dans les situations testées (chapitre 3). En
revanche, celle-ci ne permettait de décrire que partiellement la dynamique temporelle de la
biomasse dans la Garonne. Mais la nature des observations (notamment leur fréquence
hebdomadaire) et les connaissances acquises auparavant rendaient la « complexification » du
modèle méthodologiquement possible (chapitre 4). L’acquisition d’observations a été réalisée
dans l’idée d’augmenter la qualité des données disponibles, et ceci à travers l’analyse de
nouveaux compartiments du biofilm (chapitre 6). Néanmoins, pour des raisons pratiques et
techniques, cette acquisition n’est pas toujours réalisable in situ. Dans ce contexte,
Conclusion générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 175
l’alternative qui consiste à reproduire le système naturel tout en le simplifiant et le maîtrisant
nous a semblé idoine. Le dispositif expérimental du canal de laboratoire a été conçu afin de
réduire le degré de liberté du modèle. Nous espérions ainsi limiter et contraindre les
paramètres associés aux processus de croissance/détachement du biofilm en sélectionnant
et/ou maîtrisant les conditions environnementales au cours de son développement.
Pratiquement nous cherchions ainsi à (i) supprimer l’influence des facteurs allogènes et
favoriser les processus autogènes de structuration du biofilm en réduisant les sources de
perturbations et augmentant la durée de l’expérience ; (ii) favoriser l’activité hétérotrophe et
le détachement autogène en faisant coïncider artificiellement augmentations de biomasse et de
température et (iii) annuler la recirculation de matière et réduire l’immigration et l’émigration
de cellules en installant des filets en permanence. Enfin, par le biais d’un protocole de
quantification de la biomasse plus précis et l’utilisation de substrats artificiels, qui limitent
l’hétérogénéité du développement, nous souhaitions limiter l’incertitude sur les mesures et
améliorer la fiabilité du jeu de données.
De manière générale, nous nous sommes heurtés au manque de transférabilité du
modèle i.e. à son incapacité à reproduire la dynamique de biomasse d’un contexte
environnemental et/ou d’une année à l’autre sans avoir recours à une nouvelle
paramétrisation. Cela constitue effectivement un des problèmes récurrents des modèles
écologiques car, contrairement aux systèmes physiques, les écosystèmes ne sont pas
réductibles. Alors que la loi de l’attraction universelle, relation linéaire entre force et
accélération, s’applique partout, la croissance des organismes dépend de nombreux facteurs et
ne peut être transférée d’une situation et/ou d’un écosystème à un(e) autre. Les descripteurs de
la dynamique du biofilm épilithique qui seraient pertinents à l’échelle annuelle ne le seraient
pas nécessairement à l’échelle interannuelle (sur le long terme). Par descripteurs, il faut
entendre non seulement les différents composants de l’assemblage mais aussi les mécanismes
de régulation qui confèrent aux organismes (individus) ou aux populations la capacité de
survivre et de se reproduire malgré les changements de conditions extérieures. Les processus,
composants et mécanismes changent constamment pour une meilleure utilisation des
ressources. C’est ce que Brown (1995) souligne lorsqu’il identifie les écosystèmes à des
« complex adaptive systems ». Le remplacement d’espèces lors d’une succession algale
susceptible d’expliquer le patron de biomasse observé dans la Garonne lors de l’étiage de
2005 est un exemple de régulation. Cette régulation pourrait expliquer qu’une vitesse de
croissance unique caractéristique de la biomasse algale globale ne suffise pas à modéliser la
Conclusion générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 176
dynamique de biomasse pendant cette période. De plus, tel qu’il est construit, le modèle
intègre seulement les facteurs immédiats de structuration de l’assemblage sans intégrer l’effet
mémoire de la communauté qui module sa réponse en fonction des conditions qu’elle a
subies. Si, à moyen terme, la variable « débit moyen journalier » suffit pour reproduire
l’intensité du détachement hydrodynamique dans la Garonne, il n’en est sans doute pas de
même à long terme où l’historique des conditions hydrodynamiques est sans doute important.
C’est ce que semble dire l’hypothèse relative à la crue de 2000 exprimée dans le dernier
chapitre.
Ce sont, ici énoncées, autant d’explications qui confirment que ce modèle ne peut et ne
doit être utilisé comme outil de prédiction. La finalité d’un modèle prédictif est d’être utilisée
à des fins d’aide à la décision environnementale. L’approche statistique, qui nécessite moins
de données, est probablement plus adaptée pour développer un modèle « universel ». A partir
des données acquises dans la Garonne moyenne, l’impact biogéochimique du biofilm
épilithique a pu être appréhendé en particulier sur les transformations de l’azote. Il a été
calculé qu’un radier (banc de galets) virtuel de 50 km de long et de 100 m de large épurerait
entre 50 et 250 millions de litres, soit seulement 2,5% du flux. Si les performances épuratrices
intrinsèques du biofilm sont démontrées, son impact relatif dans l’écosystème fait de ce
compartiment un compartiment « mineur » de l’écosystème Garonne moyenne. En revanche,
en tant que compartiment caractéristique du fonctionnement des cours d’eau d’ordre
hydrologique intermédiaire, le biofilm épilithique peut faire fonction de sentinelle de la
qualité du milieu. Il a d’ailleurs été établi que la vitesse d’accrétion des biofilms épilithiques,
reflet de la production primaire benthique, permet de rendre compte de façon intégrée du
niveau d’enrichissement de la rivière par les apports anthropiques. A cette échelle,
l’utilisation de la modélisation nous apparaît donc plutôt pertinente dans sa capacité
analytique à identifier et comprendre les processus qui structurent la dynamique de biomasse
que dans sa capacité à la prédire. Or pour mieux appréhender ces processus, la modélisation
doit être capable de reproduire l’architecture de l’agrégat (sa structure tridimensionnelle), sa
diversité et le fonctionnement qui en résulte (métabolisme). Il apparaît en effet au terme de ce
travail que c’est bien autour de ce triptyque diversité – fonctionnement – architecture
qu’émergent les spécificités d’un agrégat de type biofilm. Dans le cadre des assemblages
phototrophes de rivière, il nous semble intéressant et relativement novateur de s’orienter vers
une modélisation qui se centre sur les interactions biotiques (en particulier entre les algues et
les bactéries) qui déterminent la structuration et le fonctionnement de l’assemblage. Cela
Conclusion générale
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 177
suppose de changer d’échelle et de disposer d’observations plus fines. De la rivière à
l’agrégat, à l’échelle du m2, la description globale de l’assemblage, en MSSC ou chlorophylle
a, a démontré ses limites et la nécessité de considérer d’autres compartiments et même
plusieurs espèces, s’agissant du compartiment algal. L’échelle de l'agrégat à la cellule, échelle
à laquelle pourrait s’expliquer la dynamique de ces biofilms, exigerait de nouveaux outils
numériques et expérimentaux. Nous rejoignons en ce sens nos collègues hydrodynamiciens
des fluides qui concluaient à la nécessité de prendre en compte les processus
hydrodynamiques locaux pour retrouver une cohérence entre l’échelle de l’agrégat et celle des
facteurs expliquant sa dynamique.
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 178
Références bibliographiques
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 179
Akaike H (1973) Information theory and an extension of the maximum likelihood principle.
In: Petrov BN, Csaki F (eds) 2nd International Symposium on Information Theory,
Budapest: Akademia Kiado, pp. 267-281
Allen PM (1988) Evolution: why the whole is greater than the sum of its parts. In: Wolff R,
Soeder G, Drepper S (eds) Ecodynamics. Springer-Verlag, Berlin
Améziane T, Dauta A, Le Cohu R (2003) Origin and transport of phytoplankton in a large
river: The Garonne, France. Archiv für Hydrobiologie 156:385-404
Améziane T, Garabétian F, Dalger D, Sauvage S, Dauta A, Capblancq J (2002) Epilithic
biomass in a large gravel-bed river (the Garonne, France): a manifestation of
eutrophication? River Research and Applications 18:343-354
Asaeda T, Hong Son D (2000) Spatial structure and populations of a periphyton community: a
model and verification. Ecological Modelling 133:195-207
Asaeda T, Hong Son D (2001) A model of the development of a periphyton community
resource and flow dynamics. Ecological Modelling 137:61-75
Basaguren A, Riano P, Pozo J (2002) Life history patterns and dietary changes of several
caddisfly (Trichoptera) species in a northern Spain stream. Archiv für Hydrobiologie
155:23-41
Battin TJ, Kaplan LA, Newbold JD, Cheng X, Hansen C (2003a) Effects of current velocity
on the nascent architecture of stream microbial biofilms. Applied and Environmental
Microbiology 69:5443-5452
Battin TJ, Kaplan LA, Newbold JD, Hansen CME (2003b) Contributions of microbial
biofilms to ecosystem processes in stream ecosystems. Nature 426:439-442
Benke AC (1979) A modification of the Hynes method for estimating secondary production
with particular signification for multivoltine population. Limnology and
Oceanography 24:168-170
Biggs BJF (1988) Artificial substrates exposure times for periphyton biomass estimates in
rivers. New Zealand Journal of Marine and Freshwater Research 22:507-515
Biggs BJF (1995) The contribution of flood disturbance, catchment geology and land use to
the habitat template of periphyton in stream ecosystems. Freshwater Biology 33:419-
438
Biggs BJF (1996) Patterns in benthic algae of streams. In: Stevenson RJ, Bothwell ML, Lowe
RL (eds) Algal ecology: freshwater benthic ecosystems. Academic Press, San Diego,
pp. 31-56
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 180
Biggs BJF (2000) Eutrophication of streams and rivers: dissolved nutrient-chlorophyll
relationships for benthic algae. Journal of the North American Benthological Society
19:17-31
Biggs BJF, Close ME (1989) Periphyton biomass dynamics in gravel bed rivers: the relative
effects of flows and nutrients. Freshwater Biology 22:209-231
Biggs BJF, Price GM (1987) A survey of filamentous algal proliferations in New Zealand
rivers. New Zealand Journal of Marine and Freshwater Research 21:175-191
Biggs BJF, Stevenson RJ, Lowe RL (1998) A habitat matrix conceptual model for stream
periphyton. Archiv für Hydrobiologie 143:21-56
Biggs BJF, Thomsen HA (1995) Disturbance in stream periphyton by perturbations in shear
stress: time to structural failure and difference in community resistance. Journal of
Phycology 31:233-241
Blenkinsopp SA, Lock MA (1994) The impact of storm-flow on river biofilm architecture.
Journal of Phycology 30:807-818
Borchardt D (1996) Nutrients. In: Stevenson RJ, Bothwell ML, Lowe RL (eds) Algal ecology:
freshwater benthic ecosystems. Academic Press, San Diego, pp. 183-227
Bothwell ML (1988) Phosphorus limited-growth dynamics of lotic periphytic diatom
communities: areal biomass and cellular growth rate responses. Canadian Journal of
Fisheries and Aquatic Sciences 46:1293-1301
Bothwell ML, Sherbot D, Roberge AC, Daley RJ (1993) Influence of natural ultraviolet
radiation on lotic periphytic diatom community growth, biomass accrual, and species
composition: short-term versus long-term effects. Journal of Phycology 29:24-35
Boulêtreau S, Garabétian F, Sauvage S, Sánchez-Pérez JM (2006) Assessing the importance
of a self-generated detachment process in river biofilm models. Freshwater Biology
51:901-912
Burnham KP, Anderson DR (2002) Model selection and multimodal inference: a practical
information theoretic approach, Springer-Verlag, New-York
Burns A, Ryder DS (2001) Potential for biofilms as biological indicators in Australian
riverine systems. Ecological Management and Restoration 2:53-64
Cardinale BJ, Palmer MA, Swan CM, Brooks S, Poff NL (2002) The influence of substrate
heterogeneity on biofilm metabolism in a stream ecosystem. Ecology 83:412-422
Cole JJ, Likens GE, Strayer DL (1982) Photosynthetically produced dissolved organic
carbon: an important carbon source for planktonic bacteria. Limnology and
Oceanography 27:1080-1090
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 181
Connell JH (1978) Diversity in tropical rain forest and coral reefs. Science 199:1302-1310
Costerton JW, Cheng K-J, Geesey GG, Ladd TI, Nickel JC, Dasgupta M, Marrie TJ (1987)
Bacterial biofilms in nature and disease. Annual Review of Microbiology 41:435-464
Crichton MI, Fisher D (1978) Life histories and distribution of British Trichoptera, excluding
Limnephilidae and Hydroptilidae, based on the Rothamsted Insect Survey. Holarctic
Ecology 1:31-45
Dahm CN, Grimm NB, Marmonier P, Valett HM, Vervier P (1998) Nutrient dynamics at the
interface between surface waters and groundwaters. Freshwater Biology 40:427-451
Davies-Colley RJ, Hickey CW, Quinn JM, Ryan PA (1992) Effects of clay discharges on
streams 1. Optical properties and epilithon. Hydrobiologia 248
DeAngelis DL, Loreau M, Neergaard D, Mulholland PJ, Marzolf ER (1995) Modelling
nutrient-periphyton dynamics in streams: the importance of transient storage zones.
Ecological Modelling 80:149-160
Dodds WK (2003) The role of periphyton in phosphorus retention in shallow freshwater
aquatic systems. Journal of Phycology 39:840-849
Dodds WK (2006) Eutrophication and trophic state in rivers and streams. Limnology and
Oceanography 51:671-680
Dodds WK, Jones JR, Welch EB (1998) Suggested classification of stream trophic state:
distributions of temperate stream types by chlorophyll, total nitrogen. Water Research
32:1455-1462
Dodds WK, Smith RA, Zander B (1997) Developing nutrient targets to control benthic
chlorophyll a levels in streams: a case study of the Clark Fork River. Water Research
31:1738-1750
Downing JA, Watson SB, McCauley E (2001) Predicting cyanobacteria dominance in lakes.
Canadian Journal of Fisheries and Aquatic Sciences 58:1905-1908
Duff JH, Triska FJ, Oremland RS (1984) Denitrification associated with stream periphyton:
chamber estimates from undisrupted communities. Journal of the Environment Quality
13:514-518
Eberl HJ, Picioreanu C, Heijnen JJ, van Loosdrecht MCM (2000) A three-dimensional
numerical study on the correlation of spatial structure, hydrodynamics conditions, and
mass transfer and conversion in biofilms. Chemical Engineering Science 55:6209-
6222
Elosegi A, Basaguren A, Pozo J (2002) Ecology of the Agüera: a review of fourteen years of
research in a basque stream. Munibe 53:15-38
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 182
Elosegi A, Pozo J (1992) Physico-chemical characteristics of the Agüera river (Spain) during
an unusual hydrologically period. International Review of Hydrobiology 28:85-96
Elosegi A, Pozo J (1994) Spatial versus temporal variability in the physico-chemical
characteristics of the Agüera stream (North Spain). Acta Oecologica 15:543-559
Elosegi A, Pozo J (1998) Epilithic biomass and metabolism in a north Iberian stream. Aquatic
Sciences 60:1-16
Eulin A (1997) Les communautés de diatomées épilithiques de la Garonne. Thèse, Université
Paul Sabatier, Toulouse, p. 248
Eulin A, Le Cohu R (1998) Epilithic diatom communities during the colonization of artificial
substrates in the River Garonne (France). Comparison with the natural communities.
Archiv für Hydrobiologie 143:79-106
Even S, Poulin M, Garnier J, Billen G, Servais PC, Chesterikoff C, Coste M (1998) River
ecosystem modelling: application of the PROSE model to the Seine river (France).
Hydrobiologia 373-374:27-45
Feminella JW, Hawkins CP (1995) Interactions between stream herbivores and periphyton: a
quantitative analysis of past experiments. Journal of the North American
Benthological Society 14:465-509
Fisher SG (1990) Recovery processes in lotic ecosystems: limits of successional theory.
Environmental Management 14:725-736
Fisher SG, Grimm NB (1988) Disturbance as a determinant of structure in a Sonoran Desert
stream ecosystem. Verhanlungen der Internationale Vereinigung fur Theoretische und
Angewandt Limnologie 23:1183-1189
Fisher SG, Likens GE (1973) Energy flow in Bear brook, New Hampshire: an integrative
approach to stream ecosystem metabolism. Ecological Monographs 43:431-439
Flipo N, Even S, Poulin M, Tusseau-Vuillemin M-H, Améziane T, Dauta A (2004)
Biogeochemical modelling at the river scale: plankton and periphyton dynamics.
Grand Morin case study, France. Ecological Modelling 176:333-347
Fothi A (2003) Effets induits de la turbulence benthique sur les mécanismes de croissance du
périphyton. Thèse, Institut National Polytechnique de Toulouse, p. 141
Francoeur SN, Biggs BJF (2006) Short-term effects of elevated velocity and sediment
abrasion on benthic algal communities. Hydrobiologia 561:59-69
Francoeur SN, Biggs BJF, Lowe RL (1998) Microform bed clusters as refugia for periphyton
in a flood-prone headwater stream. New Zealand Journal of Marine and Freshwater
Research 32:363-374
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 183
Geesey GG, Mutch R, Costerton JW, Green RB (1978) Sessile bacteria: an important
component of the microbial population in small mountain streams. Limnology and
Oceanography 23:1214-1223
Godillot R, Caussade B, Améziane T, Capblancq J (2001) Interplay between turbulence and
periphyton in rough open-channel flow. Journal of Hydraulic Research 39:227-239
Graham AA (1990) Siltation of stone-surface periphyton in rivers by clay-sized particles from
low concentrations in suspension. Hydrobiologia 199
Grimm NB, Fisher SG (1989) Stability of periphyton and macroinvertebrates to disturbance
by flach floods in a desert stream. Journal of the North American Benthological
Society 8:293-307
Guay JC, Boisclar D, Leclerc M, Lapointe M (2003) Assessment of the transferability of
biological habitat models for atlantic salmon parr (Salmo salar). Canadian Journal of
Fisheries and Aquatic Sciences 60:1398-1408
Hancke K, Glud RN (2004) Temperature effects on respiration and photosynthesis in the three
diatom-dominated benthic communities. Aquatic Microbial Ecology 37:265-281
Hilborn R, Mangel M (1997) The ecological detective: confronting models with data,
Princeton University Press, Princeton, New Jersey
Hill W (1996) Effects of light. In: Stevenson RJ, Bothwell ML, Lowe RL (eds) Algal
ecology: freshwater benthic ecosystems. Academic Press, San Diego, pp. 121-148
Hoagland KD, Roemer SC, Rosowski JR (1982) Colonization and community structure of
two periphyton assemblages, with emphasis on the diatoms (Bacillariophyceae).
American Journal of Botany 69:188-213
Horner RR, Welch EB, Seeley MR, Jacoby JM (1990) Responses of periphyton to changes in
current velocity, suspended sediment and phosphorus concentration. Freshwater
Biology 24:215-232
Horner RR, Welch EB, Veenstra RB (1983) Development of nuisance periphytic algae in
laboratory streams in relation to enrichment and velocity. In: Wetzel RG (ed)
Periphyton of freshwater ecosystems. Dr. W. Junk publishers, The Hague, pp. 121-134
Izagirre O, Elosegi A (2005) Environmental control of seasonal and inter-annual variations of
periphytic biomass in a North Iberian stream. International Journal of Limnology
41:35-46
Jackson CR, Churchill PF, Roden E (2001) Successional changes in bacterial assemblage
structure during epilithic biofilm development. Ecology 82:555-566
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 184
Jeffrey SW, Mantoura RFC, Wright SW (1997) Phytoplankton pigments in oceanography,
Paris
Jorgensen SE (1983) Application of ecological modelling in environmental management, Part
A, Elsevier Scientific Publishing Company, New York
Jorgensen SE (1999) State-of-the-art of ecological modelling with emphasis on development
of structural dynamic models. Ecological Modelling 120:75-96
Jowett IG (1993) A method for objectively identifying pool, run and riffle habitats from
physical measurements. New Zealand Journal of Marine and Freshwater Research
27:241-248
Jowett IG, Biggs BJF (1997) Flood and velocity affects on periphyton and silt accumulation
in two New Zealand rivers. New Zealand Journal of Marine and Freshwater Research
31:287-300
Kirk JTO (1983) Light an photosynthesis in aquatic ecosystems, Cambridge, UK
Kolkwitz R, Marsson K (1909) Ökologie der tierischen Saprobien. Beiträge zur Lehre von des
biologischen Gewasserbeurteilung Internationale revue der gesamten Hydrobiologie
und Hydrographie 1:126-152
Korte VL, Blinn DW (1983) Diatom colonization on artificial substrate in pool and riffle
zones studied by light and scanning electron microscopy. Journal of Phycology
19:332-341
Lakatos G (1989) Composition of reed periphyton (biotecton) in the Hungarian part of lake
Fertö. Biol. Forschung. für Burg. 71:126-134
Lawrence JR, Scharf B, Packroff G, Neu TR (2002) Microscale evaluation of the effects of
grazing by invertebrates with contrasting feeding modes on river architecture and
composition. Microbial Ecology 43:199-207
Lebreton J-D, Burnham KP, Clobert J, Anderson DR (1992) Modeling survival and testing
biological hypothesis using marked animals: a unified approach with case studies.
Ecological Monographs 62:67-118
Lecointe C, Coste M, Prygiel J (1993) 'OMNIDIA' software for taxonomy, calculation of
diatom indices and inventories management. Hydrobiologia 269/270:509-513
Leff LG, Vaun McArthur J, Meyer JL, Shimkets LJ (1994) Effect of macroinvertebrates on
detachment of bacteria from biofilms in stream microcosms. Journal of the North
American Benthological Society 13:74-79
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 185
Leftwich KN, Angermeier PL, Dolloff CA (1997) Factors influencing behaviour and
transferability of habitat models for a benthic stream fish. Transactions of the
American Fisheries Society 126:725-734
Lock MA (1993) Attached microbial communities in rivers. In: Ford TE (ed) Aquatic
microbiology - an ecological approach. Blackwell Scientific Publications, Oxford,
United Kingdom, pp. 113-138
Lock MA, Wallace RR, Costerton JW, Ventullo RM, Charlton SE (1984) River epilithon:
towards a structural-functional model. OIKOS 42:10-22
Lopez de Luzuriaga A (1995) Dinamica y colonization perifiticas en el rio Agüera. MsC
Thesis, University of the Basque Country
Lyautey E (2005) Caractérisation, dynamique et facteurs de contrôle des communautés
bactériennes de biofilms de rivière. Thèse, Université Paul Sabatier, p. 182
Lyautey E, Jackson CR, Cayrou J, Rols J-L, Garabétian F (2005a) Bacterial community
succession in natural river biofilm assemblages. Microbial Ecology 50:589-601
Lyautey E, Lacoste B, Ten-Hage L, Rols JL, Garabétian F (2005b) Analysis of bacterial
diversity in river biofilms using 16S rDNA PCR-DGGE: methodological settings and
fingerprints interpretation. Water Research 39:380-388
Lyautey E, Teissier S, Charcosset JY, Rols JL, Garabétian F (2003) Bacterial diversity of
epilithic biofilm assemblages of an anthropised river section, assessed by DGGE
analysis of a 16S rDNA fragment. Aquatic Microbial Ecology 33:217-224
Matthews RA, Buikema AL, Cairns J, Rodgers JH (1982) Biological monitoring Part IIA -
Receiving system functional methods, relationships and indices. Water Research
16:129-139
McCormick PV (1994) Evaluating the multiple mechanisms underlying herbivore-algal in
streams. Hydrobiologia 291:47-59
McIntire CD (1973) Periphyton dynamics in laboratory streams: a simulation model and its
implications. Ecological Monographs 34:399-420
McIntire CD, Colby JA (1978) A hierarchical model of lotic ecosystems. Ecological
Monographs 48:167-190
McIntire CD, Phinney HK (1965) Laboratory studies of periphyton production and
community metabolism in lotic environments. Ecological Monographs 35:237-258
Minshall GW (1978) Autotrophy in stream ecosystems. BioScience 28:767-771
Momo FR (1995) A new model for periphyton growth in running waters. Hydrobiologia
299:215-218
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 186
Motomizu S, Wakimoto T, Toei K (1983) Spectrophotometric determination of phosphate in
river waters with molybdate and malachite green. Analyst 108:361-367
Mulholland PJ (1992) Regulation of nutrient concentrations in temperate forest stream: roles
of upland, riparian, and instream processes. Limnology and Oceanography 37:1512-
1526
Mulholland PJ (1997) Organic matter dynamics in the West Fork of Walker Branch,
Tennessee, USA. Journal of the North American Benthological Society 16:61-74
Mulholland PJ, Steinman AD, Palumbo AV, Elwood JW (1991) Role of nutrient cycling and
herbivory in regulating periphyton communities in laboratory streams. Ecology
72:966-982
Navarro E, Guasch H, Sabater S (2002) Use of microbenthic algal communities in
ecotoxicological tests for the assessment of water quality: the Ter river case study.
Journal of Applied Phycology 14:41-48
Nielsen TS, Funk WH, Gibbons HL, Duffner RM (1984) A comparison of periphyton growth
on artificial and natural susbtrates in the upper Spokane River. Northwest Science
58:243-248
Odum HT (1956) Primary Production in Flowing Waters. Limnology and Oceanography
1:102-107
Olapade OA, Leff LG (2004) Seasonal dynamics of bacterial assemblages in epilithic
biofilms in a northeastern Ohio stream. Journal of the North American Benthological
Society 23:686-700
Patten BC (1997) Synthesis of chaos and sustainability in a nonstationary linear dynamic
model of the American black bear (Ursus americanus Pallas) in the Adirondack
Mountains of New York. Ecological Modelling 100:11-42
Peterson CG (1996) Response of benthic algal communities to natural physical disturbance.
In: Stevenson RJ, Bothwell ML, Lowe RL (eds) Algal Ecology: Freshwater Benthic
Ecosystems. Academic Press, San Diego, pp. 375-403
Peterson CG, Hoagland KD, Stevenson RJ (1990) Timing of wave disturbance and the
resistance and recovery of a freshwater epilithic microalgal community. Journal of the
North American Benthological Society 9:54-67
Peterson CG, Stevenson RJ (1990) Post-spate development of epilithic algal communities in
different current environments. Canadian Journal of Botany 68:2092-2102
Peterson CG, Stevenson RJ (1992) Resistance and resilience of lotic algal communities:
importance of disturbance timing and current. Ecology 73:1445-1461
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 187
Picioreanu C, van Loosdrecht MCM, Heijnen JJ (1999) Multidimensional modelling of
biofilm structure. In: Johnson-Green (ed) Microbial Biosystems: New Frontiers
Picioreanu C, van Loosdrecht MCM, Heijnen JJ (2000) Two-Dimensional Model of Biofilm
Detachment Caused by Internal Stress from Liquid Flow. Biotechnology and
Bioengineering 72:205-218
Posada D, Crandall KA (2001) Selecting the best-fit model of nucleotide substitution.
Systematics Biology 50:580-601
Poulickova A, Duchoslav M, Dokulil M (2004) Littoral diatom assemblages as bioindicators
of lake trophic status: a case study from prealpine lakes in Austria. European Journal
of Phycology 39:143-152
Press W, Flannery B, Teukolsky S, Vetterling W (1988) Numerical Recipes, Cambridge
University Press, Cambridge
Rasmussen K, Lewandowski Z (1998) Microelectrode measurements of local mass transport
rates in heterogeneous biofilms. Biotechnology and Bioengineering 59:302-309
Reynolds CS, Descy JP, Padisak J (1994) Are phytoplankton dynamics in rivers so different
from those in shallow lakes? Hydrobiologia 289:1-7
Riber HH, Wetzel RG (1987) Boundary-layer and internal diffusion effects on phosphorus
fluxes in lake periphyton. Limnology and Oceanography 32:1181-1194
Richter BD, Baumgartner JV, Braun DP, Powell J (1998) A spatial assessment of hydrologic
alteration within a river network. Regulated Rivers: Research and Management
14:329-340
Rodriguez MA (1987) Estimating periphyton growth parameters using simple models.
Limnology and Oceanography 32:458-464
Romani AM, Sabater S (2000) Influence of algal biomass on extracellular enzyme activity in
river biofilms. Microbial Ecology 41:16-24
Ryan PA (1991) Environmental effects of sediment on New Zealand streams: a review. New
Zealand Journal of Marine and Freshwater Research 25:207-221
Sabater S, Admiraal W (2005) Periphyton as Biological Indicators in managed Aquatic
Ecosystems. In: AZIM ME et al. (eds) Periphyton: Ecology, Exploitation and
Management, pp. 159-177
Sabater S, Guasch H, Romani A, Munoz I (2002) The effect of biological factors on the
efficiency of river biofilms in improving water quality. Hydrobiologia 469:149-156
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 188
Sabater S, Vilalta E, Gaudes A, Guasch H, Muñoz I, Romani AM (2003) Ecological
implications of mass growth of benthic cyanobacteria in rivers. Aquatic Microbial
Ecology 32:175-184
Saravia LA, Momo F, Boffi Lissin LD (1998) Modelling periphyton dynamics in running
water. Ecological Modelling 114:35-47
Schäfer J, Blanc G (2002) Relationship between ore deposits in river catchments and
geochemistry of suspended particulate matter from six rivers in southwest France. The
Science of the Total Environment 298:103-118
Schmid-Araya JM, Schmid PE (2000) Trophic relationships: integrating meiofauna into a
realistic benthic foodweb. Freshwater Biology 44:149-163
Sinsabaugh RL, Repert D, Weiland T, Golladay SW, Linkins AE (1991) Exoenzyme
accumulation in epilithic biofilms. Hydrobiologia 222:29-37
Snowling SD, Kramer JR (2001) Evaluating modelling uncertainty for model selection.
Ecological Modelling 138:17-30
Steemann-Nielsen E (1975) Marine photosynthesis with special emphasis on ecological
aspects, Elsevier Scientific Publishing, Amsterdam
Steinman AD (1996) Effects of grazers on freshwater benthic algae In: Stevenson RJ,
Bothwell ML, Lowe RL (eds) Algal ecology: freshwater benthic ecosystems.
Academic Press, San Diego, pp. 341-373
Steinman AD, McIntire CD, Gregory SV, Lamberti A, Ashkenas L (1987) Effect of herbivore
type and density on taxonomic structure and physiognomy of algal assemblages in
laboratory streams. Journal of the North American Benthological Society 6:175-188
Stevenson RJ (1996) An introduction to algal ecology in freshwater benthic habitats. In:
Stevenson RJ, Bothwell ML, Lowe RL (eds) Algal ecology: freshwater benthic
ecosystems. Academic Press San Diego, pp. 3-30
Stevenson RJ (1997) Scale-dependant determinants and consequences of benthic algal
heterogeneity. Journal of the North American Benthological Society 16:248-262
Stevenson RJ, Peterson CG (1991) Emigration and immigration can be important
determinants of benthic diatom assemblages in streams. Freshwater Biology 26:279-
294
Stoodley P, Cargo R, Rupp CJ, Wilson S, Klapper I (2002) Biofilm material properties as
related to shear-induced deformation and detachment phenomena. Journal of Industrial
Microbiology and Biotechnology 29:361-367
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 189
Tachet H, Richoux P, Bournaud M, Usseglio-Polatera P (2000) Guide des invertébrés d'eau
douce : systématique, biologie, écologie, Paris
Teissier S, Garabétian F, Torre M, Dalger D, Labroue L (2002) Impact of an urban centre on
the nitrogen cycle processes of epilithic biofilms during a summer low-water period.
River research and applications 18:21-30
Teissier S, Torre M, Delmas F, Garabétian F (2007) Detailing biogeochemical N budgets in
riverine epilithic biofilms. Journal of the North American Benthological Society
26:178-190
Thomas SA, Newbold JD, Monaghan MT, Minshall GW, Georgian T, Cushing CE (2001)
The influence of particle size on seston deposition in streams. Freshwater Biology
46:1415-1424
Uehlinger U (1991) Spatial and temporal variability of the periphyton biomass in a prealpine
river (Nicker, Switzerland). Archiv für Hydrobiologie 123:219-237
Uehlinger U, Bürher H, Reichert P (1996) Periphyton dynamics in a floodprone prealpine
river: evaluation of significant processes by modelling. Freshwater Biology 36:249-
263
Van Dam H, Mertens A, Sinkeldam J (1994) A coded checklist and ecological indicator
values of freshwater diatoms from the Netherlands. Netherlands Journal of Aquatic
Ecology 28:117-133
Vannote RL, Minshall GW, Cummins KW, Sedell JR, Cushing CE (1980) The river
continuum concept. Canadian Journal of Fisheries and Aquatic Sciences 37:130-137
Veres AJ, Pienitz R, Smol JP (1995) Lake water salinity and periphytic diatom succession in
three subarctic lakes, Yukon territory, Canada. Arctic 48:63-70
Veyssy E, Etcheber H, Lin RG, Buat-Menard P, Maneux E (1999) Seasonal variation of
Particulate Organic Carbon in the lower Garonne River at La Reole (soutwestern
France) Hydrobiologia 391:113-126
Wanner O, Gujer W (1986) A multispecies biofilm model. Biotechnology and Bioengineering
28:314-328
Wanner O, Reichert P (1996) Mathematical modeling mixed-culture biofilms. Biotechnology
and Bioengineering 49:172-184
Wetzel RG (1983) Opening remarks. In: Wetzel RG (ed) Periphyton of freshwater
ecosystems. Dr W. Junk Publishers, Boston
Références bibliographiques
Stéphanie Boulêtreau / Thèse en Hydrobiologie / Université Paul Sabatier, Toulouse 190
Yamada H, Nakamura F (2002) Effect of fine sediment deposition and channel works on
periphyton biomass in the Makomanai River, Northern Japan. River Research and
Applications 18:481-893
Zucchini W (2000) An introduction to model selection. Journal of Mathematical Psychology
44:41-61
Author: Stéphanie BOULÊTREAU
Title: Determinism of the accretion and detachment functions of phototrophic biofilm in
natural systems: experimental and numerical studies of the factors that control biomass in
rivers.
Abstract
Identifying and describing processes that controlled the dynamics of epilithic biofilms in river
were performed by coupling numerical and experimental tools. This work was based on
various time-series of epilithic biomass: (i) 11 time-series sampled in 5 sites of the Agüera
(Spain) during 3 years of monthly sampling; (ii) 3 time-series sampled in 2 sites of the River
Garonne (France) during 2 years (2001-02 and 2005-06) of weekly sampling and (iii) one
time-series sampled in a laboratory stream during 4 months of weekly sampling. Our
approach consisted in confronting simulations from a simple mechanistic model with
observations from different time-series. The set of observations and conclusions underlined
the need to consider the epilithic biofilm as a functional unit in research models.
Key-words: epilithon; mechanistic model; detachment; autogenic sloughing; periphyton
Auteur : Stéphanie BOULÊTREAU
Titre : Déterminisme des fonctions d’accrétion et de détachement du biofilm phototrophe en
milieu naturel : études expérimentale et numérique des facteurs de contrôle de la biomasse en
rivière.
Directeurs de thèse : Sabine SAUVAGE et José-Miguel SÁNCHEZ-PÉREZ
Lieu et date de soutenance : Laboratoire du CESBIO, salle de conférences – 13 avenue
du Colonel Roche, 31400 Toulouse – le 28 septembre 2007
Résumé
L’identification et la description des processus qui contrôlent la dynamique du biofilm
épilithique en milieu naturel ont été réalisées expérimentalement et à l’aide de l’outil
numérique. Ce travail s’appuie sur diverses séries temporelles de biomasse épilithique : (i) 11
séries collectées dans 5 stations de l’Agüera (Espagne) pendant 3 années d’échantillonnage
mensuel ; (ii) 3 séries collectées dans 2 stations de la Garonne (France) pendant 2 années
(2001-02 et 2005-06) d’échantillonnage hebdomadaire et (iii) 1 série collectée en canal de
laboratoire pendant 4 mois d’échantillonnage hebdomadaire. Notre démarche a reposé sur la
confrontation d’un modèle mécaniste simple avec les observations acquises dans les
différentes séries. L’ensemble de nos conclusions souligne la nécessité de considérer
l’assemblage « biofilm épilithique » comme une unité fonctionnelle au sein des modèles de
recherche.
Mots-clés : épilithon ; modèle mécaniste ; détachement ; autogenic sloughing ; périphyton
Discipline administrative : Hydrobiologie Intitulé et adresse du laboratoire : Laboratoire d’écologie fonctionnelle (EcoLab) – UMR 5245 (UPS-CNRS-INPT) Université Paul Sabatier, bât. 4R3 b2 – 118 route de Narbonne 31062 Toulouse cedex 9 - FRANCE