Modélisation prédictive des peuplements de poissons

Auteur.e.s

Philippe Boët, Thierry Fuhs

Université

Cemagref,

Pour approfondir notre connaissance du peuplement piscicole du bassin de la Seine et préciser davantage l'importance relative des variables de milieu dans les mécanismes de structuration des communautés, la modélisation est une étape indispensable. Une telle modélisation permettrait notamment de simuler l'impact de différents aménagements. Celle-ci se heurte toutefois à la complexité des systèmes étudiés. Ces derniers sont en effet constitués de nombreuses composantes dont l'ensemble des interactions est encore mal connu. Les relations entre les poissons et les descripteurs physiques de l'habitat ne sont, par exemple, pas a priori linéaires. Parmi les différentes possibilités qui s'offrent, nous avons donc recherché des modèles non-linéaires et robustes, c'est-à-dire peu sensibles au bruit des données, mieux adaptés à nos données. Les réseaux de neurones fournissent un exemple de tels modèles. Nous présentons ici les résultats d'une première utilisation de cet outil séduisant par sa simplicité d'application. Nous détaillons certaines difficultés pour sa mise en œuvre effective. Nos premiers résultats sont satisfaisants. Cette approche s'avère pertinente pour la prédiction des poissons à l'échelle d'un bassin comme la Seine et des possibilités de couplage avec le modèle Riverstrahler notamment s’offrent déjà. D'intéressantes perspectives se dessinent également qui méritent également d'être développées.