Modélisation Modélisation

de l’écosystème pélagique de l’écosystème pélagique

observé pendant la campagne Dynaproc 2observé pendant la campagne Dynaproc 2

Journées des doctorants, 6-8 fév 2008

Virginie RaybaudVirginie Raybaud

Paul Nival, Valérie Andersen, Louis PrieurPaul Nival, Valérie Andersen, Louis Prieur

Laboratoire d’Océanographie de Villefranche-sur-Mer (LOV)

Equipe : Dynamique du plancton, processus physiques et chimiques

Modéliser l’écosystème =Modéliser l’écosystème = construire un écosystème virtuel avec un ordinateur

IntroductionIntroduction

Modèle =Modèle = représentation simplifiée d’un système réel

Modéliser l’écosystème =Modéliser l’écosystème = construire un écosystème virtuel avec un ordinateur

IntroductionIntroduction

Avant : modèle type NPZD Modèles récents plus complexes(ex : PlankTOM9)

Nitrate

Zooplancton

Phytoplancton

Detritus

New prod.

Mortality + Fecal pellets

Grazing

Rem

iner

aliz

atio

n

Excretion

Mor

talit

y

Nitrate

Zooplancton

Phytoplancton

Detritus

New prod.

Mortality + Fecal pellets

Grazing

Rem

iner

aliz

atio

n

Excretion

Mor

talit

y

Modèle =Modèle = représentation simplifiée d’un système réel

Introduction de la complexité dans les modèles : source de discussions et de polémiques (Anderson, 2005 ; Le Quéré, 2006 ; Flynn, 2006 ; Anderson, 2006)

Pas d’ajout de compartiment supplémentaire sans données pour calibrer et valider le modèle

Notion de complexitéNotion de complexité

La campagne pluridisciplinaire Dynaproc 2La campagne pluridisciplinaire Dynaproc 2

DYFAMED

DYNDYNamique des PROCPROCessus rapides dans la colonne d’eau

sept/octsept/oct 2004 : transition été / automne

zone centrale de la mer Liguremer Ligure

acquisition des données à courte échelle courte échelle de tempsde temps

(environ toutes les 3h, jour et nuit, pendant 1 mois)

OBJECTIF :OBJECTIF : ModéliserModéliser l’évolution de l’écosystème pélagiquede l’écosystème pélagique pendant la campagne Dynaproc 2

IntroductionIntroduction

265 270 275 280 285 290

-150

-100

-50

0

dep

th (

m)

38

38.1

38.2

38.3

38.4

38.5

265 270 275 280 285 290

0

10

20

30

40

O nboard data

M étéo-France buoy dataa- W ind speed

kno

ts PrincipalesPrincipales conditions conditions environnementalesenvironnementales pendant Dynaproc 2 pendant Dynaproc 2

Vitesse du vent (en nœuds)

Jours juliens

noe

uds

NENE

SONE SO

LEG 1 LEG 2

265 270 275 280 285 290

-150

-100

-50

0

dep

th (

m)

38

38.1

38.2

38.3

38.4

38.5

265 270 275 280 285 290

0

10

20

30

40

O nboard data

M étéo-France buoy dataa- W ind speed

kno

ts

Vitesse du vent (en nœuds)

Jours juliens

Jours juliens

noe

uds

Pro

fon

deur

(m

)

NENE

SONE SO

Salinité

PrincipalesPrincipales conditions conditions environnementalesenvironnementales pendant Dynaproc 2 pendant Dynaproc 2

LEG 1 LEG 2

Esol

T S

Kz

U,V

W

BIOLOGY

Layer n-1

Layer n+1

Layer n

Sédimentation Advection Diffusion

METEO

PHYSICS(Gaspard et al., 1990)

PO4NH4NO3

POM phyto

N / P

Herbivorous

zooplankton

PicophytoNanophyto

POM zoo

N / P

Microphyto

Schéma conceptuel du modèleSchéma conceptuel du modèle

Résultats des simulations : températureRésultats des simulations : température

262 264 266 268 270 272 274 276 278 280 282 284 286 288 290-100

-80

-60

-40

-20

0

Pro

fon

de

ur

(m)

262 264 266 268 270 272 274 276 278 280 282 284 286 288 290

Jours juliens

-100

-80

-60

-40

-20

Pro

fon

deu

r (m

)

13

14

15

16

17

18

19

20

21

22

23

Tem pérature m esurée

Température simulée

°C

Résultats des simulations : températureRésultats des simulations : température

262 264 266 268 270 272 274 276 278 280 282 284 286 288 290-100

-80

-60

-40

-20

0

Pro

fon

de

ur

(m)

262 264 266 268 270 272 274 276 278 280 282 284 286 288 290

Jours juliens

-100

-80

-60

-40

-20

Pro

fon

deu

r (m

)

13

14

15

16

17

18

19

20

21

22

23

Tem pérature m esurée

Température simulée

°C

Résultats des simulations : températureRésultats des simulations : température

262 264 266 268 270 272 274 276 278 280 282 284 286 288 290-100

-80

-60

-40

-20

0

Pro

fon

de

ur

(m)

262 264 266 268 270 272 274 276 278 280 282 284 286 288 290

Jours juliens

-100

-80

-60

-40

-20

Pro

fon

deu

r (m

)

13

14

15

16

17

18

19

20

21

22

23

Tem pérature m esurée

Température simulée

°C

SST = Sea Surface Temperature

Résultats des simulations : SSTRésultats des simulations : SST

265 270 275 280 285 29018

19

20

21

22

23

24SST

Mesures

Simulation

°C

Jours juliens

SST = Sea Surface Temperature

Résultats des simulations : SSTRésultats des simulations : SST

265 270 275 280 285 29018

19

20

21

22

23

24SST

Mesures

Simulation

°C

Jours juliens

1ère intrusion d’eau dessalée :

Tmes > Tsim

(différence max d’environ 1°C)

SST = Sea Surface Temperature

Résultats des simulations : SSTRésultats des simulations : SST

265 270 275 280 285 29018

19

20

21

22

23

24SST

Mesures

Simulation

°C

Jours juliens

1ère intrusion d’eau dessalée :

Tmes > Tsim

(différence max d’environ 1°C)

En fin de campagne : Tmes < Tsim

Explication :

Contenu thermique de la couche mélangée < flux net de chaleur cumulé

signe d’advection d’eau + froide

(L. Prieur, comm. Pers.)

NO3NO3

PO4PO4

(µM.N) (µM.N) (µM.N) (µM.N)

(µM.P) (µM.P) (µM.P) (µM.P)

+++Model

Data

Résultats des simulations : sels nutritifsRésultats des simulations : sels nutritifs

Résultats des simulations : phytoplanctonRésultats des simulations : phytoplancton

Phytoplancton total simulé

Pro

fon

de

ur

(m)

261 265 270 275 280 285 290-120

-100

-80

-60

-40

-20

0

0.5

1

Pro

fon

de

ur

(m)

Phytoplancton total mesuré

261 265 270 275 280 285

-100

-50

0

0

0.5

1

261 265 270 275 280 285 29010

20

30

40

mg

Ch

l a /

m2

Données intégrées sur 0-200m

Data

Simulation

Phytoplancton total simulé

Pro

fon

de

ur

(m)

261 265 270 275 280 285 290-120

-100

-80

-60

-40

-20

0

0.5

1

Pro

fon

de

ur

(m)

Phytoplancton total mesuré

261 265 270 275 280 285

-100

-50

0

0

0.5

1

261 265 270 275 280 285 29010

20

30

40

mg

Ch

l a /

m2

Données intégrées sur 0-200m

Data

Simulation

µg Chl a / L

Phytoplancton se développe à la bonne profondeur dans le modèle (max à 40-50 m)

Pic profond de diatomées bien simulé mais maximum autour du jour 265 mal simulé

Fin de campagne, manque d’extension verticale dans le modèle

Phytoplancton total simulé

Pro

fon

de

ur

(m)

261 265 270 275 280 285 290-120

-100

-80

-60

-40

-20

0

0.5

1

Pro

fon

de

ur

(m)

Phytoplancton total mesuré

261 265 270 275 280 285

-100

-50

0

0

0.5

1

261 265 270 275 280 285 29010

20

30

40

mg

Ch

l a /

m2

Données intégrées sur 0-200m

Data

Simulation

Phytoplancton total simulé

Pro

fon

de

ur

(m)

261 265 270 275 280 285 290-120

-100

-80

-60

-40

-20

0

0.5

1

Pro

fon

de

ur

(m)

Phytoplancton total mesuré

261 265 270 275 280 285

-100

-50

0

0

0.5

1

261 265 270 275 280 285 29010

20

30

40

mg

Ch

l a /

m2

Données intégrées sur 0-200m

Data

Simulation

Résultats des simulations : zooplanctonRésultats des simulations : zooplancton

260 265 270 275 280 285 2900

0.5

1

1.5

2

g.m

-2

Zooplancton intégré sur 0-200m

SimulationMesures WP2 jour

Zooplancton herbivore intégré sur 0-200mZooplancton herbivore intégré sur 0-200m

Jours juliens

Résultats des simulations : zooplanctonRésultats des simulations : zooplancton

260 265 270 275 280 285 2900

0.5

1

1.5

2

g.m

-2

Zooplancton intégré sur 0-200m

SimulationMesures WP2 jour

Zooplancton herbivore intégré sur 0-200mZooplancton herbivore intégré sur 0-200m

Jours juliens

Mesures >> modèle

à la fin de la 1ère intrusion d’eau dessalée

Explication :

L’eau dessalée contient sa propre communauté zooplanctonique

Conclusions / PerspectivesConclusions / Perspectives

Conclusions / PerspectivesConclusions / Perspectives

Physique :Physique :

Inadéquation du modèle au niveau des intrusions d’eau dessaléeintrusions d’eau dessalée

Perspective : nous sommes en présence de 2 masses d’eau différentes faire tourner 2 modèles

Conclusions / PerspectivesConclusions / Perspectives

Physique :Physique :

Inadéquation du modèle au niveau des intrusions d’eau dessaléeintrusions d’eau dessalée

Perspective : nous sommes en présence de 2 masses d’eau différentes faire tourner 2 modèles

Biologie :Biologie :

Pour l’instant, il n’y a qu’un seul compartiment de zooplanctonzooplancton

Perspective : analyser quels sont les groupes fonctionnels important pendant Dynaproc 2 afin d’augmenter la complexité du zooplancton dans le modèle

(microzooplancton, gélatineux microphages, carnivores, omnivores)

Salpa maxima15 cm

Copepod

500 μm

Ciliate50 μm

Euphausiid4 cm

Merci de votre attentionMerci de votre attention

25/25

This study is part of the PECHE project (PI : V. Andersen and M. Goutx); financial support is provided by the I.N.S.U.-C.N.R.S. through the PROOF program.

1.20E+09

1.25E+09

1.30E+09

1.35E+09

1.40E+09

1.45E+09

1.50E+09

260 262 264 266 268 270 272 274 276 278 280 282 284 286 288 290

Jours juliens

J.m

-2Contenu thermique mesuré 0-15m

Flux net de chaleur cumulé

IntroductionIntroduction

OBJECTIF :OBJECTIF : ModéliserModéliser l’évolution de l’écosystème pélagiquede l’écosystème pélagique pendant la campagne Dynaproc 2

Comprendre le fonctionnement de l’écosystèmefonctionnement de l’écosystème (interpréter les variations observées)

Estimer la contribution des différents processuscontribution des différents processus physiques et biologiques

Estimer les flux flux

SimpleSimple mais réalisteréaliste :

Le modèle doit représenter tous les groupes fonctionnels importants dans le fonctionnement de l’écosystème de la campagne Dynaproc 2

Concordance des échelles de tempséchelles de temps

Le modèle doit représenter les processus étudiés à la même échelle de temps que celle de la campagne

Comment doit être le modèle ?Comment doit être le modèle ?

A quoi peut-il servir ?A quoi peut-il servir ?