Literatura académica sobre el tema "Réseaux d'interactions écologiques"

Les systèmes écologiques sont complexes car composés d'une multitude d'éléments en interaction. Ces interactions, entre espèces par exemple, forment des réseaux qui présentent des propriétés structurelles déterminantes pour la réponse du système écologique entier aux perturbations.Pour mieux identifier cette réponse, il est donc important de cartographier les interactions présentes dans les communautés écologiques et de comprendre leurs variations dans le temps et l'espace.Dans ce travail, nous avons utilisé les communautés de plantes comme systèmes écologiques modèles afin (i) d'identifier à partir de patrons spatiaux certains motifs présents dans les réseaux d'interaction écologiques (les boucles de rétroaction) et (ii) de cartographier les réseaux d'interactions (tels que mesurés par les associations spatiales entre plantes)le long de gradients de stress. Pour ce faire, nous avons utilisé deux jeux de données documentant des communautés de plantes de clairières subalpines (Etats-Unis) et méditerranéennes (La Crau, France). Nos résultats montrent que les boucles de rétroaction peuvent être inferées à partir des patrons spatiaux présents dans les communautés de plantes, permettant ainsi d'identifier des communautés pouvant répondre de manière abrupte aux perturbations. Les interactions entre plantes (déduites de leurs associations spatiales) dépendent fortement du stress appliqué à la communauté, et présentent une résilience faible aux évènements de perturbation.Ce travail montre que les interactions entre plantes peuvent être cartographiées in situ à partir des associations spatiales. Il ouvre la voie vers une meilleure compréhension et capacité d'anticipation de la réponse des communautés écologiques face aux perturbations
Ecological systems are not simple but composed of many different elements(species, for example) interacting with each other. These networks ofinteractions exhibit structural properties that determine ecological systems’ability to absorb and recover from perturbations. Mappinginteractions along with their changes in time and space is therefore key tounderstand and predict empirical communities' response to global changes.In this thesis, we used plant communities as model systems (i) to explore howspatial patterns may help identify feedbacks loops which make communities morefragile to upcoming changes and (ii) to map species interactions in empiricalcommunities and describe how they change along stress gradients and recover fromperturbations. To do so, we used two datasets documenting plant communities insubalpine meadows (USA) and Mediterranean grasslands (France).Our results show that feedback loops can be inferred to some extent from thespatial patterns of plant communities and hence help identify communities thatmay respond more abruptly to perturbations. Going to a more detailed level ofdescription, plant-plant interactions (as measured through spatial associations)were shown to respond strongly and consistently to stress but exhibited a weakresilience to disturbances.This work shows that plant-plant interactions -- which are linked to the response of the community to perturbations -- can be uncovered using spatial patterns. It paves the way towards a better understanding and a better anticipation capacity of how ecological communities might reorganize when subject to disturbances

L'objet de cette thèse a été d'appréhender la relation "structure-stabilité" dans le cadre de réseaux écologiques constitués de deux types différents d'interactions : mutualistes et antagonistes. Elle s'est caractérisée par l'étude de l'assemblage (ou "interconnexion") d'un réseau mutualiste et d'un réseau antagoniste au niveau d'une guilde d'espèces impliquées dans les deux systèmes simultanément. Jusqu'ici étudiés séparément, ces deux types de réseaux sont caractérisés par leurs structures qui favorisent leur stabilité. La modélisation et la simulation numérique de ces deux réseaux interconnectés indiquent que les effets de ces structures sont fortement réduits dans les réseaux combinant différents types d'interactions. Les effets de la structure d'un sous-réseau n'étant pas cantonnés à un seul système, il semble que la manière dont réseaux mutualistes et antagonistes se combinent affecte aussi la stabilité de la communauté. Grâce à l'analyse d'un réseau empirique combinant réseaux de pollinisation et de phytophagie au niveau des plantes, nous avons mis en évidence l'existence de motif dans cet assemblage et sa contribution à la stabilité de l'ensemble de la communauté. L'approche analytique d'un module constitués de deux ,espèces partageant un mutualiste et un antagoniste permet de mieux comprendre les conditions favorisant la coexistence des espèces et la stabilité d'une communauté présentant plusieurs types d'interactions
The purpose of this PhD thesis is to investigate the "structure-stability" relationship in networks with two different types of interaction: mutualistic and antagonistic. To do this, I considered mutualistic and antagonistic networks combined (or "inteconnected" at the level of a guild of species involved in both systems simultaneously (for instance plants interacting with herbivores and pollinators). When studied separately, mutualistic networks and antagonistic networks are characterised by different structures that promote their stability. Numerical simulations of a dynamical model indicate that the effects of these structures are greatly reduced when mutualistic and antagonistic networks are combined together. How antagonistic and mutualistic networks are interconnected also affects the stability of the whole community. By analysing an empirical network combining pollination and herbivory networks at the level of plants, I have highlighted the existence of a specific interconnection pattern between these two types of network and its contribution to. The stability of the whole community. The analytical study of a module consisting of two species sharing a mutualist and an antagonist allows to better understand the conditions that favour species coexistence and the stability of a community With multiple interaction types

Un réseau écologique désigne l'ensemble des interactions entre les espèces vivantes d'un écosystème donné. En connaître la structure est un défi important dans le domaine de l'écologie. Cela peut se faire par des méthodes d'inférence, c'est à dire le fait d'utiliser des données d'observation écologique (l'abondance des espèce, leur présence/absence...) afin de reconstruire par des méthodes mathématiques les interactions en captant leur influence sur ces observations. Dans cette thèse, nous nous plaçons dans le cadre où les données écologiques dont on dispose sont des données de présence/absence d'espèces mesurées à différents pas de temps. Le but est de développer une méthode exploitant la dynamique de ces données pour apprendre les interactions entre les espèces. La difficulté réside dans le fait que des données binaires sont peu informatives. Des connaissances expertes sur le système étudié pourront aider à l'apprentissage. Un cadre naturel pour apprendre une structure de réseau à partir de données binaires et dynamiques est celui des réseaux bayésiens dynamiques : les données de présence/absence temporelles sont modélisées comme des réalisations d'une série de variables aléatoires dynamiques dont les dépendances sont indiquées par un graphe orienté. Dans le cas où l'on n'a que peu de données, grâce à de la connaissance experte supplémentaire, il est possible de simplifier ce modèle.Cette thèse décrit un modèle particulier de réseau bayésien dynamique dit " étiqueté ". Ce modèle utilise un graphe dans lequel il existe un petit nombre de types d'interactions différentes, représentées par un petit nombre d'étiquettes attribuées à chaque arc. Ce modèle permet de décrire plusieurs phénomènes renseignant d'une information ou d'une perturbation pouvant se propager par contact (rumeur, maladie, feu de forêt...). Les probabilités de chaque variable sont calculées par une fonction dépendante du nombre d'interactions de chaque étiquette que cette variable subit. Ce modèle permet de décrire toutes les probabilités conditionnelles à l'aide d'un petit nombre de paramètres, indépendant de la structure du réseau. Ce cadre est utilisable pour modéliser la dynamique dans un réseau écologique : l'information diffusée est la présence ou l'absence d'une espèce, dépendant des interactions entre les espèces du réseau.Nous décrivons ensuite une méthode permettant d'apprendre la structure d'un réseau bayésien dynamique étiqueté à l'aide d'observations de présence/absence d'espèces au cours du temps. Cet algorithme dit d' "estimation-restauration" alterne deux phases : une phase d'estimation de paramètres à structure fixée et une phase d'apprentissage de structure à paramètres fixés. Cette deuxième phase peut être complexe, et est résolue comme un problème de programmation linéaire en nombres entiers. Cela permet, en plus de l'utilisation d'outils efficaces pour la résolution de tels problèmes, d'ajouter de la connaissance experte sous forme de contraintes.Ce procédé a été appliqué à un cas d'étude en particulier : l'observation d'espèces d'arthropodes piégés dans des champs expérimentaux au Royaume-Uni. Afin de constater les différences entre les cultures des parcelles, des réseaux différents ont été appris. Enfin, nous comparons ces réseaux à ceux obtenus par d'autres méthodes d'inférence de réseaux qui avaient été appliquées sur ces mêmes données
An ecological network represents the interactions between living species within an ecosystem. The knowledge of the structure of such a network is an important challenge in the field of ecology.This task can be realized by inference methods : a set of methods that uses ecological observations data (species abundance, presence or absence of species...) in order to learn the interactions mathematically, by the exploitation of the effect of these interactions on the observed data.This thesis describes a case where the ecological data we dispose of are only data of presence/absence of species observed at different moments. The goal is to develop a method that exploits those kind of data in order to learn the interaction between these species. The main difficulty is that binary variables carry little information. Expert knowledge on the system is used to help learning the network's structure.We use the framework of dynamic Bayesian network : temporal presence/absence data are modeled as the realization of a set of dynamic random variables whose dependencies are described by an oriented graph. Such a model can be simplified using expert knowledge.This thesis describes a particular model of "labelled" dynamic Bayesian network. In this model, the graph is defined by a small number of different types of interactions that constitute a set of labels attributed to the edges of the graph.This model can describe several phenomena where an information or a perturbation can be propagated by contact (rumour, disease, forest fire....)This model describes the presence or absence probabilities of each species as a function of the number of interactions of each label this species is subject to. This model allows to describe every presence/absence probability of species using a small number of parameters independent from the network's structure. This is the framework used for the modeling of species dynamics within an ecological network : the information propagated is the presence or the absence of a species, knowing the interaction between the species of the network. Then, we describe the processes we use for learning the structure of a labelled dynamic Bayesian network using time series of binary variables. This 'Estimation-Restoration' algorithm alternates two steps : a phase of parameter estimation knowing the structure, and a phase of structure learning knowing the parameters. This last step can be complex. It is done by solving a integer linear programming problem. This allows to use efficient existing tools for solving those kind of problems. Moreover, we can easily add expert knowledge by the form of linear constraints. This process has been used on a particular case study :the observation of arthropods species trapped in experimental fields in the united kingdom. In order to highlight the differences between the different crops, different networks have been learnt. Finally, we compare the learnt network with others, learnt with different learning methods on the same data

Les interactions entre espèces dans les communautés écologiques sont complexes : de nombreuses espèces peuvent interagir les unes avec les autres de façons variées et à différentes échelles spatiales et temporelles. De plus, ces réseaux d'interactions sont la résultante de multiples causes, engendrent de multiples processus et ont des conséquences parfois indirectes transmises au travers de la structure du réseau. Cette complexité nécessite une diversité d'approches pour comprendre les déterminants des interactions et prédire leurs effets dans les systèmes écologiques. Cette thèse étudie plusieurs aspects des réseaux d'interactions écologiques par une approche méthodologique qui se concentre sur la description, l'évaluation et le développement de méthodes statistiques et d'outils logiciels. Dans une première partie, j'étudie les causes de la structure des réseaux d'interactions en me concentrant sur les niches d'interactions et en utilisant la notion de concordance des traits entre espèces. Pour cela, j'utilise des méthodes de la famille de l'analyse des correspondances et j'applique et j'étends des méthodes de mise à l'échelle réciproque à l'analyse de réseaux bipartites. J'applique ces méthodes à l'analyse d'un réseau d'interactions plantes-frugivores d'une forêt de montagne péruvienne et je montre que les traits des espèces peuvent être reliés à leur largeur de niche. Dans une deuxième partie, j'étudie les conséquences des interactions au travers de leur influence sur la répartition spatio-temporelle des espèces. Pour cela, j'utilise des processus de Hawkes multivariés pour analyser des données de pièges photographiques. J'illustre ces modèles sur cinq mammifères de la savane sud-africaine et je montre des attractions et évitements entre plusieurs de ces espèces à courte échelle spatio-temporelle. Dans une troisième partie, je me penche sur l'analyse de données collectées par pièges photographiques. Je développe un package R pour nettoyer et standardiser ces données à l'usage du programme Snapshot Safari, ainsi qu'une application Shiny destinée à un usage plus général pour visualiser de données de façon interactive et reproductible. Cette thèse présente des méthodes statistiques et outils logiciels pour analyser des données écologiques complexes et améliorer la compréhension des réseaux d'interactions. Ces résultats ouvrent des perspectives nouvelles concernant l'analyse de données écologiques ainsi que les développement méthodologique en écologie
Interactions between species in ecological communities are complex: many species can interact with each other in a variety of ways and at different spatial and temporal scales. Moreover, these interaction networks are the result of multiple causes, generate multiple processes and can have indirect effects transmitted through the structure of the network. This complexity calls for a variety of approaches to understand the determinants of interactions and predict their effects in ecological systems. This thesis studies several aspects of ecological interaction networks using a methodological approach that focuses on the description, evaluation and development of statistical methods and software tools. In a first part, I study causes of the structure of interaction networks, focusing on interaction niches and using the notion of trait matching between species. To this end, I use methods from the correspondence analysis family and apply and extend reciprocal scaling methods to the analysis of bipartite networks. I apply these methods to the analysis of a plant-frugivore interaction network in a Peruvian montane forest, and show that species traits can be related to their niche width. In a second part, I study the consequences of interactions through their influence on the spatio-temporal distribution of species. To this end, I use multivariate Hawkes processes to analyze camera trap data. I illustrate these models on five mammals from the South African savanna, showing attraction and avoidance between several of these species at a short spatio-temporal scale. In a third part, I consider camera trap data analysis. I develop a R package to clean and standardize camera trap data intended for the Snapshot Safari program, as well as a Shiny application intended for a more general use to visualize data in an interactive and reproducible way. This thesis presents statistical methods and software tools to analyze complex ecological data and improve our understanding of interaction networks. These results open new perspectives on ecological data analysis and methodological development in ecology

Dans cette thèse, nous nous intéressons aux biais que peut causer l'échantillonnage sur l'estimation des modèles statistiques et des métriques décrivant les réseaux d'interactions écologiques. D'abord, nous proposons de combiner un modèle d'observation qui traite des efforts d'échantillonnage et un modèle à blocs stochastiques représentant la structure des interactions possibles. L'identifiabilité du modèle est démontrée et un algorithme est proposé pour estimer ses paramètres. La pertinence et l'intérêt pratique de ce modèle sont confirmés par un grand ensemble de données de réseaux plantes-pollinisateurs, où nous observons un changement structurel dans la plupart des réseaux. Ensuite, nous nous penchons sur un jeu de données massif issu d'un programme de sciences participatives. En utilisant de récents progrès en intelligence artificielle, nous proposons un moyen d'obtenir une reconstruction du réseau écologique débarrassé des effets d'échantillonnage dus aux niveaux d'expérience différents des observateurs. Enfin, nous présentons des méthodes pour identifier les variables d'intérêt écologique qui influencent la connectance du réseau et montrons que la prise en compte de l'effet d'échantillonnage modifie en partie l'estimation de ces effets. Nos méthodes, implémentées soit en R soit en Python, sont accessibles librement
In this thesis, we focus on the biases that sampling can cause on the estimation of statistical models and metrics describing ecological interaction networks. First, we propose to combine an observation model that accounts for sampling with a stochastic block model representing the structure of possible interactions. The identifiability of the model is demonstrated and an algorithm is proposed to estimate its parameters. Its relevance and its practical interest are attested on a large dataset of plant-pollinator networks, as we observe structural change on most of the networks. We then examine a large dataset sampled by a citizen science program. Using recent advances in artificial intelligence, we propose a method to reconstruct the ecological network free from sampling effects caused by the varying levels of experience among observers. Finally, we present methods to highlight variables of ecological interest that influence the network's connectivity and show that accounting for sampling effects partially alters the estimation of these effects. Our methods, implemented in either R or Python, are freely accessible

La bactérie Xylella fastidiosa est l'organisme de quarantaine avec une incidence socio-économique et environnementale potentielle considérée comme la plus grave en Europe. Elle est transmise par des insectes vecteurs polyphages. La compréhension des réseaux d'interactions écologiques est un prérequis indispensable à la mise en place de mesures de prophylaxie et de lutte. Cette thèse propose une approche transdisciplinaire avec l'étude des insectes vecteurs et une analyse des enjeux autour de la mobilisation de ces connaissances pour la préparation à une éventuelle crise. En écologie, l'étude des insectes vecteurs est menée à la fois en zone contaminée (Corse) et en zone indemne (principalement la Nouvelle-Aquitaine). En zone contaminée, les travaux de recherche permettent de mettre en évidence la bactérie dans les insectes vecteurs, avec une détection de Xylella fastidiosa à l'échelle du territoire Corse. En zone indemne, les insectes vecteurs potentiels et avérés de la bactérie et les interactions trophiques plantes-insectes dans les parcelles cultivées (principalement la vigne) et les milieux semi-naturels adjacents sont étudiés. Enfin, la mobilisation d'outils sociologiques (observation participante et entretiens semi-directifs) dans le champ des STS apportera un éclairage sur la production des connaissances scientifiques et leur mobilisation ou non dans des dispositifs réglementaires et de surveillance de la maladie. L'étude de la bactérie en zone contaminée a conduit à la mise au point d'une méthode à haut débit pour détecter Xylella fastidiosa dans ses insectes vecteurs et son application sur des insectes collectés en Corse entre 2016 et 2020 permet de mettre en évidence que la bactérie est présente sur l'ensemble de l'île. De plus, les résultats de modèles statistiques montrent l'influence de la température sur les populations de bactérie avec une prévalence plus importante lorsque les températures hivernales sont plus douces. Dans une perspective de changements globaux, des projections climatiques jusqu'en 2100 ont été utilisées et ont montré que les aires favorables à la bactérie et son principal insecte vecteur resteraient importantes en Corse et largement superposées avec des déplacements possibles du pathosystème en altitude. Les études en zones indemnes ont montré que Philaenus spumarius, Neophilaenus capestris, Neophilaenus lineatus et Cicadella viridis, sont les quatre espèces d'insectes vecteurs principalement retrouvées sur le continent en France. Ces espèces sont majoritairement collectées en strates herbacées de prairies et en bordures de parcelles cultivées (vigne) par rapport aux inter-rangs. Ces observations mettent en évidence que les milieux semi-naturels et les bordures de parcelles sont plus favorables à la propagation de la bactérie et le risque de transmission de la bactérie aux plantes cultivées semble plus modéré car peu d'insectes ont été collectés dans les parcelles. Les résultats issus de la recherche académique sont mobilisés dans d'autres contextes dont le contexte réglementaire. Dans le cas de Xylella fastidiosa, les résultats montrent que les recherches mondiales sont partagées par l'ensemble de la communauté scientifique bien qu'elles soient regroupées selon la discipline et la maladie étudiées. En France, ces recherches sont dissociées selon les disciplines et les instituts et sont également impactées par la médiatisation de cette bactérie de quarantaine à lutte obligatoire. Enfin, le dispositif d'épidémio-surveillance concernant Xylella fastidiosa en France et appuyé sur la plateforme d'épidémio-surveillance en santé du végétal résulte d'arrangements entre la recherche et le gestionnaire du risque. Ainsi, cette thèse propose une démarche transdisciplinaire afin d'éclairer la gestion intégrée des organismes pathogènes dans le cadre de la preparedness avec la production de résultats en écologie et l'analyse du système d'épidémio-surveillance de la bactérie en France
The bacterium Xylella fastidiosa is the quarantine pest with potential socio-economic and environmental impact considered to be the most serious in Europe. It is transmitted by polyphagous insect vectors. Understanding host plant - insect vector - bacterium interaction networks is an essential prerequisite to implement prophylactic and control measures. This thesis proposes a transdisciplinary approach with the study of insect vectors in ecology and an analysis of the issues around the mobilization of this knowledge for the preparation for a possible crisis. In ecology, the study of insect vectors of the bacterium is carried out both in contaminated areas (Corsica) and in unscathed areas (mainly New Aquitaine). In contaminated areas, research work will make it possible to highlight the bacterium in insect vectors, with the detection of Xylella fastidiosa across the Corsican territory. In free areas, the objective is to study potential and proven insect vectors of the bacterium and plant-insect trophic interactions in crops (mainly vines) and adjacent semi-natural environments. Finally, the mobilization of sociological tools (participant observation and semi-structured interviews) in the field of the study of science and methods will shed light on the production of scientific knowledge and its mobilization or not in regulatory and monitoring systems of the disease. The study of the bacterium in contaminated areas has led to the development of a high-throughput method to detect Xylella fastidiosa in its insect vectors. The application of this method on insects collected in Corsica between 2016 and 2020 makes it possible to demonstrate that the bacterium is present throughout the island. In addition, the results of statistical models show the influence of temperature on bacterial populations with a significant prevalence when winter temperatures are milder. From the perspective of global changes, climate projections up to 2100 were used and showed that the areas favorable to the bacterium and its main insect vector would remain significant in Corsica and largely superimposed with possible movements of the pathosystem at altitude and therefore that the risk of an epidemic would remain present. Studies in free areas have shown that Philaenus spumarius, Neophilaenus capestris, Neophilaenus lineatus and Cicadella viridis are the four vector insect species mainly found on the mainland in France. These species are mainly collected in herbaceous strata of meadows and on the edges of crops (vineyards) in relation to the inter-rows. These observations show that semi-natural environments and the edges of plots are more favorable to the spread of the bacterium and the risk of transmission of the bacterium to cultivated plants seems more moderate because few insects were collected in the plots. The results from academic research are used in other contexts, including the regulatory context. In the case of the bacterium Xylella fastidiosa, the results show that global research is shared by the entire scientific community although it is grouped according to the discipline and the disease studied. In France, this research is dissociated according to the disciplines and the institutes and it is also impacted by the media coverage of this quarantine bacterium which must be controlled. Finally, the epidemio-surveillance system concerning Xylella fastidiosa in France and supported by the plant health epidemio-surveillance platform results from arrangements between research and the risk manager. Thus, this thesis proposes a transdisciplinary approach in order to shed light on the integrated management of pathogenic organisms within the framework of preparedness with the production of results in ecology and the analysis of the epidemio-surveillance system of the bacterium in France

Nous allons présenter dans ce document un méta-modèle d'écosystème aquatique par des approches mixtes (équationnelles ou individu-centrée). Les écosystèmes sont complexes. Pour cela, notre modèle s'attache à représenter de façon optimale les interactions qui ont lieu à divers niveau d'observation. De plus, nous proposons un méta-modèle holarchique, multi-niveaux et mixte permettant de modéliser tous types de phénomènes suivant la connaissance que l'on en a. De plus, afin de rendre accessible et utilisable ce modèle, nous fournissons une ontologie le décrivant et précisons son utilisation dans ce mémoire. Finalement, nous présentons une plateforme distribuable permettant le calcul des modèles découlant de notre méta-modèle. Puis, nous décrivons des techniques basées sur l'ananlyse du réseau d'interaction de nos simulations permettant de détecter, de réifier et de gérer dynamiquement des organisations émergentes dans des simulations de types proies-prédateurs
We present in that document a meta-model of aquatic ecosystem which is multi-scale and uses hybrid approaches. Ecosystems are complex systems. Therefore, the model is made to give a performant description of multi-level interactions occuring in them. Thus, we propose a multi-scale and multi-level meta-model designed as an holarchy and embodying different approaches (equationnal, individual-based,. . . . ). Moreover, we present an ontology of the meta-model which help users understand and use that one. The methodology to apply the meta-model on a concrete problem using the ontology is shown. Finally, a plateform allowing using to compute their model as far as those ones respect the meta-model assumptions is described. Then, we introduce technics to detect, reify and handle emerging systems during the simulations. Those technics are based on the analysis of the interaction network of predator-preys simulation

Les communautés d'êtres vivants peuvent elles êtres considérées comme des organismes complexes, ou au contraire comme de simples groupes d'espèces, individuelles ? Cette question est à l'origine de nombreux débats en écologie, ces deux visions impliquant notamment des prédictions très différentes dans les patrons spatiaux et temporels de communautés. Lorsque l'environnement change graduellement dans l'espace ou dans le temps, la vision individualiste implique des changements graduels dans la composition des communautés, tandis que la vision du "super-organisme" prédit des changements davantage abrupts. L'objectif principal de cette thèse est de comprendre et déterminer sous quelles conditions ces différents types de réponse des communautés aux changements de l'environnement peuvent advenir. Dans une première partie, nous étudions le rôle que la compétition inter-spécifique peut jouer dans l'émergence de différents patrons spatiaux de communautés. Nous étudions notamment les conditions théoriques sous lesquelles la compétition peut faire apparaître des patrons graduels ou discontinus dans la composition des espèces. Dans une deuxième partie, nous étudions l'influence des interactions entre les espèces et leur environnement sur les patrons spatiaux de communautés. Nous montrons notamment comment des phénomènes de construction de niche peuvent mener à l'émergence de changements brutaux dans la composition des communautés, mais également dans les conditions de l'environnement. Enfin, dans une dernière partie, nous illustrons le rôle que peut jouer la biodiversité dans la protection des écosystèmes face à des effondrements écologiques, et notamment le rôle que peut jouer la biomasse dans cette protection
The question whether communities should be viewed as superorganisms or loose collections of individual species has been the subject of a long-standing debate in ecology. Each view implies different spatial and temporal community patterns. When environment gradually changes in space or in time, the organismic view predicts that species turnover is discontinuous, while the individualistic view predicts gradual changes in species composition. The main objective of this thesis is to understand the theoretical conditions under which these various types of community response can occur. First, I study the role of interspecific competition can play in the emergence of various spatial community patterns. I investigate the theoretical conditions in competition under which smooth or discrete spatial patterns can emerge. Then, I study how interactions between species and their environment can lead to various community patterns in space. I notably show how ecological niche construction can lead to the emergence of abrupt changes in species composition and in the environment, and the role biodiversity plays therein. Finally, I focus on the role biodiversity can play against ecosystem collapse. In this section, I illustrate how diversity loss, through its effects on total biomass, can lead to ecosystem collapse

Un des principaux challenges pour prédire la composition, la structure et la dynamique des communautés végétales est de déterminer comment l’environnement biotique et abiotique va modifier la direction et l’amplitude des interactions entre plantes. L’objectif de ma thèse est de mettre en évidence le rôle prépondérant des interactions complexes (impliquant plus de deux compartiments biotiques) dans la dynamique forestière et plus particulièrement dans la dynamique de régénération des ligneux d’intérêt sylvicole tel que le chêne sessile. Les résultats soulignent l’importance de prendre en compte : (i) l’effet des cervidés sur les patrons de réponses des interactions entre plantes le long des gradients de ressources, (ii) les interactions indirectes et notamment la facilitation indirecte, (iii) des paramètres démographiques différents en relation avec la phénologie des espèces en présence, (iv) la séparation des mécanismes sous-jacents à une interaction écologique multiple via un suivi des conditions environnementales. Ainsi, ma thèse appuie l’idée que les gestions se focalisant sur une unique pression et ignorant les autres pressions ne sont pas capables de maintenir des populations d’espèces cibles car elles ne tiennent pas compte des interactions multiples. Ceci souligne l’importance d’utiliser des stratégies complémentaires pour permettre la pérennité des écosystèmes forestiers et notamment une régénération suffisante dans le cadre des changements globaux que sont le changement climatique et la surabondance de cervidés
One of the main challenges to predict vegetation dynamics and plant community composition is to identify how biotic and abiotic factors modify the nature and magnitude of plant-plant interactions. The objective of my thesis is to highlight the leading role of multiple interactions (involving more than two biotic compartments) in forest understory dynamics and more specifically regeneration dynamics of target species such as sessile oak. The results emphasize the importance of: (i) effects of deer on response patterns of plant-plant interactions along resource gradients, (ii) indirect interactions, in particular indirect facilitation, (iii) demographic parameters in relation to species phenology, (iv) distinguishing among underlying mechanisms of multiple interactions thanks to environmental monitoring. Thus, my thesis supports the idea that management practices focusing on a single pressure, while ignoring others, are unable to conserve populations of target species because they don’t consider multiple interactions. This highlights the importance to use complementary management strategies to achieve sustainability in the context of global changes (climatic change and deer overabundance)

Malgré l'importance des interactions plante-plante dans le fonctionnement des écosystèmes naturels et des agro-écosystèmes, les études sur les interactions plante-plante ont encore deux lacunes importantes à combler, à savoir (i) la génétique associée à la variation naturelle des interactions plante-plante et (ii) l'importance relative des interactions positives au sein des espèces végétales. Après avoir rédigé deux revues faisant un état de l'art sur chacune de ces lacunes, j'ai décidé de m’intéresser à l’étude des bases génétiques adaptatives des interactions plante-plante positives chez Arabidopsis thaliana à deux échelles géographiques. Pour cela, j’ai adopté une approche interdisciplinaire entre génétique quantitative, écologie et génétique d’association pangénomique. Dans un premier temps, sur la base d'une expérience réalisée sur un terrain expérimental conçue pour étudier la variation naturelle des interactions génotype-génotype entre 52 populations naturelles de la région Midi-Pyrénées, j'ai identifié deux stratégies contrastées d'interactions positives, à savoir la coopération entre apparentés (kin cooperation) et la surproduction (overyielding). La variation naturelle des interactions positives entre ces populations était principalement associée à des facteurs écologiques biotiques variant à une fine échelle spatiale, tels que la présence de bactéries commensales ou l'indice de Shannon des communautés végétales dans les habitats natifs. Par ailleurs, les QTL associés à la variation des interactions positives sont significativement enrichis en signatures génomiques d'adaptation locale. Dans un deuxième temps, à partir d’une expérience en serre basée sur 195 accessions collectées dans une population locale française située dans une communauté végétale très diversifiée et compétitive, nous avons révélé l'existence de certaines combinaisons génotypiques où chaque accession bénéficie réciproquement de la présence de l'autre accession, résultant en une stratégie de ‘super overyielding’. De manière intéressante, nous avons trouvé que les accessions coopératives étaient génétiquement très différenciées au niveau des QTL associés à cette stratégie, ce qui soutient l'hypothèse des ‘gènes de compatibilité’ comme étant à la base de cette stratégie de ‘super overyielding’. Finalement, aux deux échelles géographiques, nous avons identifié que la variation naturelle des interactions positives étaient associées à une prédominance de fonctions génétiques liées au métabolisme, ce qui pourrait s'expliquer par leurs rôles potentiels dans (i) le recrutement de microbiotes similaires par deux plantes ayant le même génotype pour expliquer la coopération entre apparentés, et (ii) l’alimentation croisée complémentaire de métabolites pour expliquer la surproduction. La prochaine étape est sans aucun doute le clonage des gènes candidats pour identifier les associations causales, ce qui pourrait permettre de commencer à avoir un aperçu du paysage génétique et moléculaire associé aux interactions positives chez A. thaliana
Despite the importance of plant-plant interactions in the functioning of both natural ecosystems and agro-ecosystems, studies on plant-plant interactions still have two major gaps to be addressed, that is (i) the genetics of natural variation of plant-plant interactions and (ii) the relative importance of positive interactions within plant species. After writing two reviews on the state-of- the-art related to these gaps, I decided to understand the adaptive genetic bases of intraspecific positive plant-plant interactions in Arabidopsis thaliana at two geographical scales. To do so, I adopted an interdisciplinary approach between quantitative genetics, ecology and genome-wide association mapping. Firstly, based on a field experiment designed to study natural variation of genotype-by-genotype interactions among 52 whole-genome sequenced natural populations from the Midi-Pyrénées region, I identified two different strategies of positive interactions, i.e. kin cooperation and overyielding. Natural variation of positive interactions among these populations were mainly associated with biotic ecological factors varying at a fine spatial scale, such as presence of commensal bacteria or Shannon index of plant communities in the native habitats. Importantly, QTLs associated with variation of positive interactions were significantly enriched in genomic signatures of local adaptation. Secondly, based on a greenhouse experiment using 195 whole-genome sequenced accessions collected in a local French population located in a highly diverse and competitive environment, we revealed the existence of certain genotypic combinations that were benefitting reciprocally to each other’s presence, resulting in a ‘super overyielding’ strategy. Importantly, genetic dissimilarity at the QTLs associated with this strategy was detected for such pairs, supporting the ‘compatibility genes’ hypothesis as underlying this ‘super overyielding’ strategy. Finally, at both geographical scales, we detected a predominance of metabolism related gene functions underlying natural variation of positive interactions, which might be explained by their putative roles in (i) recruitment of similar microbiota by kin to explain kin cooperation, and (ii) potential complementary metabolite cross-feeding to explain overyielding. The next step is undoubtedly cloning of the candidate genes to identify causal associations, thereby allowing to start getting a glimpse on the genetic and molecular landscape associated with positive interactions in A. thaliana

Nous nous intéressons aux interactions entre espèces. Les données d'interactions sont représentées par un réseau dont la structure est étudiée pour comprendre l'organisation de l'écosystème. Pour ce faire, nous présentons les modèles à blocs stochastiques qui sont des modèles de mélange adaptés aux réseaux et qui permettent d'obtenir une classification des espèces sur la base de leurs patrons d'interactions.