A movement model to predict resource discovery by central place foragers : an application to bumblebees - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

A movement model to predict resource discovery by central place foragers : an application to bumblebees

Un modèle de déplacement et découverte de ressources par des butineurs : le cas des bourdons

Résumé

Understanding how pollinators move across space is key to understanding plant mating patterns. Bees are usually assumed to search for flowers randomly or using simple movement rules so that the probability of discovering a flower depends primarily on its distance to the nest. However, experimental work shows this is not always the case. Until now, no one has successfully enunciated a realistic model of bee movement that considers the fact that they are Central Place Foragers and thus they start and end all their movements in the same place: the nest. To further our knowledge of the exploratory movement of central place foraging bees, I propose a model of central place foraging that produces realistic bee trajectories by accounting for the autocorrelation of the bee's angular speed, the attraction to the nest (homing), and Gaussian noise. The four parameters of this model have been tuned based on experimental trajectories collected on bumblebees (Bombus terrestris) in the field. The model not only has the potential to describe the movement patterns of bees but also those of other central place forager animals. The proposed model paves the way to compute theoretical predictions about pollination in the field. Here, I explored the statistics of flower discovery, depending on flower patch sizes and densities. Simulations of bumblebee trajectories highlight two effects that were previously overlooked: a extit{masking effect} that reduces the detection of flowers close to another and a extit{scale effect} that modulates this first effect as a function of the distance between flowers. At the plant level, flowers distant from the nest were more often discovered by bees in low-density environments. At the colony level, foragers found the most flowers when they were small and at medium densities. These results suggest that pollination would be optimized in a range of intermediate flower densities: when the density is too low, few flowers are discovered; when the density is too high, flowers distant from the nest become masked by closer ones (due to the masking effect). These results indicate that the processes of search and discovery of resources are potentially more complex than usually assumed, and question the importance of resource distribution and abundance on bee foraging success and plant pollination.
Comprendre comment les pollinisateurs se déplacent dans l'espace est essentiel pour comprendre les dynamiques de pollinisation entre les plantes. Il est généralement supposé que les insectes pollinisateurs recherchent les fleurs en suivant des règles de déplacement simples, de sorte que la probabilité de découvrir une fleur dépend essentiellement de sa distance par rapport au nid. Cependant, des travaux expérimentaux montrent que ce n'est pas toujours le cas. Jusqu'à présent, personne n'a proposé de modèle réaliste de déplacement d'insecte pollinisateur qui tienne compte du fait qu'ils sont des "central place foragers" pour prendre en compte le fait que toutes leurs trajectoires commencent et se terminent en un point central : le nid. Afin d'approfondir nos connaissances sur le mouvement exploratoire de ces insectes en tant que "central place foragers", je propose un modèle qui produit des trajectoires d'insecte pollinisateur réalistes en tenant compte de l'autocorrélation de la vitesse angulaire de l'individu, de l'attraction vers le nid et d'un bruit gaussien. Les quatre paramètres de ce modèle ont été ajustés sur la base de trajectoires expérimentales recueillies sur des bourdons (Bombus terrestris) sur le terrain. Le modèle peut décrire non seulement les statistiques de trajectoires des insectes pollinisateurs, mais aussi ceux d'autres animaux qui fourragent autour d'un point central. Le modèle proposé permet de calculer des prédictions théoriques sur la pollinisation en milieu naturel. Dans le présent travail, j'ai exploré les statistiques de découverte des fleurs en fonction de la taille et de la densité des parcelles de fleurs. Les simulations de trajectoires de bourdons mettent en évidence deux effets qui avaient été négligés jusqu'ici : un effet de masquage qui réduit la détection des fleurs proches les unes des autres et un effet d'échelle qui module ce premier effet en fonction de la distance entre les fleurs. Au niveau de la plante, les fleurs éloignées du nid sont plus souvent découvertes par les bourdons dans les environnements à faible densité. Au niveau de la colonie, les butineuses trouvent plus de fleurs lorsque celles-ci sont petites et à des densités moyennes. Ces résultats suggèrent que la pollinisation serait optimisée dans une gamme de densités de fleurs intermédiaires : lorsque la densité est trop faible, trop peu de fleurs sont découvertes ; lorsque la densité devient trop élevée, les fleurs éloignées du nid sont masquées par les fleurs plus proches en raison de l'effet de masquage. Ces résultats indiquent que les processus de recherche et de découverte des ressources sont potentiellement plus complexes que les prédictions fondées sur les seuls effets de distance, et mettent en question l'importance de la distribution et de l'abondance des ressources sur le succès du butinage des insectes pollinisateurs et la pollinisation des plantes.
Fichier principal
Vignette du fichier
2023TOU30131a.pdf (13.22 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04356534 , version 1 (20-12-2023)

Identifiants

  • HAL Id : tel-04356534 , version 1

Citer

Ana Morán. A movement model to predict resource discovery by central place foragers : an application to bumblebees. Animal biology. Université Paul Sabatier - Toulouse III, 2023. English. ⟨NNT : 2023TOU30131⟩. ⟨tel-04356534⟩
38 Consultations
6 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More