Effet de l'urbanisation sur la variabilité phénotypique d'une espèce de fourmi commune : Temnothorax nylanderi

Effet de l'urbanisation sur la variabilité phénotypique
d'une espèce de fourmi commune : Temnothorax nylanderi
2

RÉSUMÉ
Cette étude entend déterminer l'impact que l'urbanisation peut avoir sur le phénotype de
Temnothorax nylanderi, une espèce de fourmi commune connue pour avoir une forte plasticité
phénotypique. La taille des organismes ectothermes étant très sensible aux facteurs
météorologiques, nous avons mesuré ces paramètres dans des environnements urbains et ruraux,
pour déterminer l'impact qu'ils ont sur les fourmis dans ces deux types de milieu. Plus de 2400
fourmis ont été collectées sur six sites de la région parisienne (trois urbains et trois ruraux) et le
climat de ces sites de récolte a été caractérisé par des données de Météo France et par des capteurs
micro-climatiques laissés sur place pendant deux semaines. La taille des fourmis a été estimée
indirectement en mesurant la largeur de leur tête, qui est connue pour être un bon estimateur. Nos
résultats montrent que les fourmis urbaines sont effectivement légèrement plus petites que les
fourmis rurales , mais cette différence est grandement masquée par une variance très élevée, liée au
site de récolte et que nous n'expliquons pas. Cette variance est apparue comme nettement plus
élevée en milieu urbain, tandis que l'étude des reines a permis de montrer le compromis qu'elles
opèrent entre adaptation et dispersion. Enfin, cette étude a permis de prouver que les sondes micro-
climatiques sont indispensables pour caractériser de façon pertinente le micro-climat dans lequel
évoluent les hexapodes. Ces résultats encore incomplets mériteraient une investigation plus
profonde, avec notamment un relevé des données météorologiques plus long et sur un plus grand
nombre de sites.
ABSTRACT
This study aims to determine the impact of urbanization on the phenotype of Temnothorax
nylanderi, a common ant species known to have a high phenotypic plasticity. As the size of
ectothermic organisms is known to be sensitive to weather factors, we measured these parameters in
both urban and rural environments, to determine their impact on the ants in each of these two types
of environment. More than 2,400 ants were therefore collected in six different sites in the Paris area
(three urban ones and three rural ones) and the micro-climate of those sites has been measured by
micro-climatic sensors left on site two weeks. Broader data from Météo France were also used. The
size of the ants was estimated indirectly by measuring the width of their head, known to be a good
estimator. Urban ants do seem to be slightly smaller than rural ones in our results, but this
difference is largely hidden by a very high site-related variance that we cannot explain. This
variance was seen as substantially higher in urban areas, and the study of queens showed that they
operate trade-off between adaptation and dispersion. However, this study proves that micro-climatic
sensors are required in order to correctly characterize the micro-climates within which hexapods
live. These results, still incomplete, merit a deeper investigation, including a more thorough
sampling of the weather data and a greater number of collection sites.
3

TABLE DES MATIÈRES
INTRODUCTION................................................................................................................................5
MATERIEL ET METHODE................................................................................................................ 7
RESULTATS.......................................................................................................................................10
DISCUSSION.....................................................................................................................................16
BIBLIOGRAPHIE............................................................................................................................. 17
ANNEXE............................................................................................................................................18
Remerciements :
Nous remercions l'ANR (projet ANTEVO) pour le financement de cette étude.
Merci à Mathieu Molet pour son soutien tout au long de ce stage, ainsi que pour son aide
précieuse. Je remercie également Claudie Doums, tout particulièrement pour son aide statistique
sans laquelle je n'aurais pas pu analyser mes données aussi précisément.
Cette étude n'aurait pas été la même sans Théotime Colin, sa bonne humeur quotidienne au
laboratoire et ses conseils techniques. Merci également à Romain Péronnet pour son aide logistique,
notamment sur le terrain. Merci à Raphaël McFeat pour sa relecture.
4

INTRODUCTION
Le monde contemporain est caractérisé par un développement matériel sans précédent de l'espèce
humaine (croissance démographique, élévation du niveau de vie, etc.), menant notamment à une
urbanisation galopante à l'échelle mondiale, causée par de rapides évolutions techniques et
politiques (Cohen 2006). Deux milliards de nouveaux habitants sont attendus dans les villes d'ici 30
ans (Cohen et Barney 2006). Sur le plan écologique, l'effet de l'urbanisation sur la variabilité des
espèces reste encore peu étudié, alors qu'il a un impact évident sur la biodiversité, la réduction, la
fragmentation et la pollution des habitats et par la modification du micro-climat dans lequel vivent
des taxons comme les hexapodes (Grimm et al. 2008). Dans le contexte actuel d'érosion massive de
la biodiversité (50 000 espèces disparaissent chaque année d'après le ministère du Développement
durable1
), l'écologie de la conservation se tourne désormais aussi vers les villes pour préserver la
biodiversité. Nuançant l'idée que les villes seraient des lieux nécessairement appauvris en
biodiversité, il a été montré au contraire la richesse spécifique qu'elles accueillent bien souvent,
dans les parcs et jardins notamment, et le rôle qu'elles peuvent - sous certaines conditions - jouer
dans le maintien de la biodiversité dite « commune » (Idohou 2014). Encore faudrait-il pour cela
mieux connaître les enjeux auxquels sont confrontés les organismes en milieu urbain. Connaissant
la capacité de certaines espèces de s'adapter rapidement à des milieux variables, grâce à une
adaptation qui peut être d'ordre génétique ou plastique (Fierst 2011), doit-on veiller à construire des
villes aptes à accueillir davantage de biodiversité, ou bien cette biodiversité s'adaptera-t-elle d'elle-
même à nos cités ? Ces questions sous-tendent d'importants enjeux politiques, et le besoin de
connaissances sur le sujet se fait sentir.
Qui plus est, le réchauffement climatique, phénomène avéré, est désormais étudié par les écologues
en raison de ses répercussions potentiellement nombreuses sur les écosystèmes. En effet, la
température est un facteur environnemental crucial, affectant tous les processus biologiques et ayant
un effet majeur sur la physiologie et la fitness des organismes. Ce bouleversement de la
climatologie mondiale, quoique peu perceptible à l'échelle humaine, se produit très rapidement à
l'échelle de la planète et de sa biodiversité. En comparaison, la crise d'extinction majeure permo-
triasique se serait étalée sur 4 millions d'années environ (M. J. Benton, When Life Nearly Died : The
Greatest Mass Extinction of All Time, Thames & Hudson, 2005). Un des enjeux de l'écologie
actuelle est de comprendre et prévoir les effets du réchauffement climatique sur la biosphère, ainsi
que leur combinaison possible avec les effets de l'urbanisation. Notre étude s'inscrit directement
dans ce contexte.
Le maintien des espèces dans un environnement changeant est permis par des mécanismes comme
l'adaptation ou la plasticité phénotypique, sur laquelle nous travaillerons ici. On définit la plasticité
phénotypique comme une variabilité non génétique des organismes, en réponse à de la variation
phénotypique pour un génotype donné lorsqu’on le soumet à des variations environnementales,
1 - http://www.developpement-durable.gouv.fr/Un-constat-d-erosion,19291.html
5

biotiques ou abiotiques (West-Eberhard 1989). Dans le cadre d'un réchauffement du climat, il s'agit
d'une modification du phénotype des individus d'une espèce induite a posteriori par la température
à laquelle ils sont soumis durant leur développement, sans modification génétique et donc sans
évolution. Elle doit être différenciée de la variabilité génétique existant chez les espèces, et des
variations de taille des organismes liées à la latitude, résumées par la règle de Bergmann qui
s'applique aux organismes endothermes mais aussi parfois ectothermes (Vinarski 2014). La
plasticité phénotypique s'oppose aux notions de canalisations ou de robustesse (à savoir une certaine
insensibilité du phénotype aux conditions environnementales). Dans le contexte actuel de
réchauffement rapide de l'environnement, la plasticité phénotypique apparaît comme un mécanisme
potentiellement crucial pour permettre aux populations de s'adapter rapidement et de se maintenir,
sans devoir recourir à une trop lente évolution génétique.
Les fourmis constituent une part importante de la biodiversité terrestre (McIntyre 2000). Elles
représentent environ 15% de la biomasse mondiale et remplissent un grand nombre de fonctions
écologiques (décomposeur, détritivore, pollinisateur). Avec plus de 12 000 espèces connues, les
Formicidés sont le taxon le plus diversifié de la planète (Lombardi 2010). Connues pour être hyper-
organisées, elles manifestent une organisation sociale particulière, articulée autour des castes de
reines et d'ouvrières (même si d’autres castes dont les soldats peuvent parfois intervenir). A chacune
de ces castes correspond un rôle dans la colonie, et une morphologie adaptée à ce rôle (raison pour
laquelle les fourmis sont dites eusociales). Le dimorphisme entre reines et ouvrières est
généralement le résultat d'une plasticité phénotypique particulièrement marquée (polyphénisme),
bien qu’une composante génétique généralement mineure puisse être présente (Penick et al. 2012).
Pour cette raison, et pour leur temps de génération court, les fourmis constituent un taxon idéal pour
l'étude de cette plasticité phénotypique.
Temnothorax nylanderi (Förster 1850) est une espèce de fourmi d'Europe de l'Ouest. Sa distribution
s'étend de l'Espagne au Caucase et au sud de la Suède (Collingwood 1979). C'est une espèce de
fourmi commune dans un large panel d'habitats, allant des villes aux régions cultivées et forestières.
La littérature indique qu'elle niche dans des espaces étroits et notamment des glands, mais nous
avons pu aussi la trouver dans d'autres milieux confinés tels que branchettes, marrons ou fougères.
Son développement est optimal entre 17° et 26°C, tandis qu'en hiver elle observe une période
d'hibernation. La taille des ouvrières est inférieure à 2 millimètres tandis que les reines atteignent 5
millimètres (soit une variation d'un facteur 2,5). La morphologie propre à chaque caste est donc très
marquée (Peeters et Mollet 2010, Okada, Plateaux et Peeters 2013). T. nylanderi est une espèce de
fourmi très répandue en Europe occidentale, et notamment à Paris et en Île-de-France. Notre choix
s'est donc logiquement porté sur cette espèce, qui présente également l'avantage d'être
particulièrement exposée aux conditions climatiques, puisque ses nids sont superficiels et ne
profitent pas de l'effet tampon des colonies situées dans le sol.
Cette étude entend aider à déterminer quelles sont les conséquences des activités humaines sur les
fourmis, vaste sujet encore peu étudié (Folgarait 1998). Il est désormais avéré que l'urbanisation,
que nous étudierons tout particulièrement, entraîne une diminution de la diversité de fourmis
(Clarke et al. 2008), ainsi qu'une baisse de la densité en insectes d'une manière générale (Zhimin S.
et al. 2015). Des études préalables ont montré que chez les insectes sociaux, la taille des individus
est un paramètre crucial influençant nettement leur valeur sélective (Clémencet et Doums 2007).
Elle est par ailleurs fortement déterminée par l'environnement et c'est pourquoi c'est sur la taille des
fourmis que nous travaillerons. La taille de T. nylanderi, influencée par la température, sera étudiée
en fonction de celle-ci et du type d'environnement auquel elle est confrontée durant son
développement (urbain ou rural). Nous analyserons à la fois la taille moyenne des colonies et leur
variance. Cette variance, d'après la dynamique évolutive, devrait augmenter dans les
6

environnements les plus variables ou géographiquement irréguliers (Colin 2015), et la ville est
connue pour être, localement, un environnement beaucoup plus irrégulier que la campagne, en
termes de température notamment (une étude a par exemple montré que la différence de
température extérieure entre différents lieux du centre ville de Pékin pouvait être de 7°C, Hay et al.
2014).
En nous fondant sur des études préalables de la distribution de T. nylanderi dans Paris intra muros
(Kermagoret 2014), notre échantillonnage s'est fait au Jardin écologique du Jardin des Plantes, dans
le Parc des Buttes-Chaumont et au Parc Monceau. Nous avons comparé les tailles des individus de
ces trois sites urbains avec celles de trois sites nettement plus forestiers de la région parisienne (la
Forêt de Fontainebleau, la Forêt de Rambouillet et la Forêt de Chantilly). Pour tenter de caractériser
les phénotypes de T. nylanderi observés, nous nous sommes focalisés sur le type d'environnement
(urbain ou rural), ainsi que sur la température et l'humidité à une échelle locale (grâce à des sondes
micro-climatiques) et à une échelle plus globale (grâce à des données météorologiques). Nous avons
cherché des corrélations entre ces facteurs et la taille moyenne des colonies échantillonnées. Nous
formulons l'hypothèse que la taille moyenne des individus sera significativement plus faible en
milieu urbain qu'en milieu rural, car soumise à des températures plus clémentes, mais avec une
variance plus forte puisque soumise à un milieu plus variable. Nous supposons également que les
données météorologiques relevées localement par les sondes micro-climatiques seront
significativement différentes de celles fournies par Météo-France, fournissant ainsi une base de
données plus pertinente pour l'étude des hexapodes.
Le degré d'isolement génétique des différentes populations franciliennes reste mal connu à l'heure
actuelle et nous n'aurons donc pas la possibilité d'attribuer les éventuelles variations phénotypiques
observées à de la plasticité phénotypique ou à une variabilité génétique.
MATÉRIEL ET MÉTHODE
I) Milieu de prospection et échantillonnage :
La période de récolte s'est étalée du 25 mars au 10 avril 2015. Les fourmis ont été recherchées de
façon identique sur tous les points de récolte, principalement dans les glands et les branchettes
présents au sol. Les colonies ainsi que les reines solitaires ont été collectées systématiquement, dans
un périmètre de quelques dizaines de mètres tout au plus. La durée de la recherche, ainsi que les
coordonnées GPS de chaque site ont été relevées. Pour les sites ruraux (en forêt), nous avons veillé
à nous éloigner de plusieurs kilomètres de toute infrastructure humaine, pour respecter le cadre
« non urbain » du lieu de récolte.
A Rambouillet, le boisement était composé en grande majorité de chênes, tandis qu'à Fontainebleau
il s'agissait d'un boisement mixte de chênes et de conifères. A Chantilly, le boisement se composait
de diverses essences de feuillus.
7

Figure 1 :Localisation des 6 lieux de récolte en région parisienne.
Toutes les colonies ont été identifiées, afin de s'assurer d'étudier uniquement T. nylanderi.
L'identification de l'espèce a été réalisée grâce à la clé d'identification des Fourmis de France (R.
Blatrix et al. 2013). Deux autres espèces de Temnothorax ont été trouvées sur les lieux de récolte et
ont été éliminées de notre étude : T. unifasciatus (commune) et T. parvus (plus rare).
Figure 2 : Tableau récapitulatif des fourmis récoltées sur le terrain pour chaque site.
Une fois collectées, les colonies ont été dénombrées et placées en alcool tampon (95% éthanol)
après congélation. Pour chaque site, 12 colonies ont été étudiées, tirées au hasard parmi l'ensemble
des colonies arrivées à maturité (>30 individus). Ne connaissant pas l'influence éventuelle des
parasites sur la taille des individus, nous avons préféré exclure les colonies contenant des individus
parasités, afin d'éviter tout biais éventuel dans nos résultats.
II) Données environnementales :
Les data-loggers, ou sondes micro-climatiques (OM-EL-USB-2) ont tous été enfouis verticalement,
le sommet de la sonde situé seulement à 3 centimètres sous la surface du sol seulement, afin que les
températures extérieures soient enregistrées le plus fidèlement possible, sans l'effet tampon du sol.
Deux data-loggers ont été enfouis pour chacun des 6 sites de récoltes (un vol et une panne sont à
8

déplorer). Sur chaque site, ils ont été placés à quelques mètres de distance et dans des lieux
différemment exposés, afin d'enregistrer au mieux la diversité micro-climatique du lieu de récolte.
La période d'enregistrement, commune à tous les data-loggers, s'est étendue du 11 au 26 avril 2015.
Cette période de l'année 2015 s'est caractérisée en région parisienne par deux épisodes climatiques
distincts, d'abord un anticyclone (relative chaleur et absence de pluie du 11 au 24) puis par une
dépression (climat plus froid et précipitations les 25 et 26).
Les données de météorologie globale sont celles fournies par Météo France2
. Pour chaque site, la
station météorologique la plus proche a été choisie (soit les stations de Saint-Germain des Prés,
Creil, Trappes et Melun).
III) Morphométrie :
Pour chacune des 12 colonies de chaque site, 30 individus tirés au hasard ont été étudiés afin
d'établir une estimation de la taille moyenne de la colonie. Leurs têtes ont été isolées sous loupe
binoculaire (Olympus), collées sur une plaque et photographiées. La largeur maximale séparant les
deux yeux a été mesurée sur photographie, grâce au logiciel Image J. Toutes les reines collectées
ont été étudiées selon un protocole identique. Il a été montré précédemment (Kermagoret 2014) que
la largeur de la tête est directement corrélée à la longueur totale des fourmis et fournit donc un
indicateur fiable de leur taille. Au total, plus de 2400 têtes de fourmis ont été mesurées.
L'erreur de mesure a été estimée par Kermagoret (2014) pour une manipulation identique, prenant
en compte le positionnement de la tête sur la plaque, les réglages de l'appareil photo et la prise de
mesure sur logiciel. Elle serait inférieure à 5%.
IV) Analyse statistique :
L'analyse statistique a été effectuée sur le logiciel R (R Foundation for Statistical Computing,
Viennes). Elle s'est déroulée en deux phases : il a d’abord été procédé à une série de tests sur les
variables météorologiques récoltées, afin de déterminer leur cohérence et de laisser de côté les
données les moins informatives.
Ces données ont ensuite été incluses dans un modèle contenant l'ensemble de mes données (modèle
linéaire mixte comportant à la fois des effets fixes et des effets aléatoires). Le modèle comportait 10
variables : température minimale moyenne, température maximale moyenne, humidité minimale
moyenne, humidité maximale moyenne, mesure de la tête, colonie, site de récolte, caste de
l'individu (reine ou ouvrière), type de milieu (rural ou urbain) et effectif de la colonie. Ce dernier
paramètre a été inclus dans notre analyse car il a été montré qu'il est directement lié à la taille des
individus (Clémencet et Doums 2007). Cette hypothèse ne sera pas testée ici.
La méthode d'analyse générale des données récoltées a consisté à comparer par une ANOVA les
résultats d'un modèle neutre et d'un modèle intégrant notre hypothèse. Une différence significative
entre les deux modèles permettait alors de conclure que l'hypothèse était juste.
2 - http://www.meteo-paris.com/ile-de-france/station-meteo-paris.html
9

Figure 3 : Exemple d'un extrait du script de l'analyse statistique, dans laquelle il est utilisé une ANOVA pour
comparer deux modèles mixtes entre eux et ainsi déterminer s'il existe un effet de la variable «type » (le type
de milieu).
Le script de cette analyse statistique (voir annexe 5) a été écrit par Claudie Doums que je remercie.
RÉSULTATS
I) Données météorologiques :
Nous avons cherché à savoir si l'utilisation des sondes-microclimatiques était pertinente, en
complément ou en remplacement des données météorologiques globales fournies par Météo France
à l'échelle régionale. Sachant que toutes nos données ne suivaient pas une loi normale (test de
Shapiro, p< 0,0001 pour certaines variables), nous avons effectivement constaté une très nette
corrélation entre les données locales et globales, testées site par site (test non-paramétrique de
Spearman, après application d'une correction de Bonferroni due à la réutilisation des variables sur
plusieurs tests successifs, p = 0.0004079 pour la température maximale à Chantilly et p = 0.00973
pour la température minimale au Parc Monceau par exemple).
Figure 4 : Graphe représentant les valeurs météorologiques locales issues des data-loggers en fonction de
leur équivalent global issu de Météo France, laissant apparaître une nette corrélation (une couleur par
variable). Voir aussi la corrélation en annexe 1.
10

Pour savoir si nos sondes-microclimatiques constituaient un véritable apport pour caractériser le
micro-habitat dans lequel vivent les T. nylanderi, les moyennes des données locales et globales ont
été comparées séparément pour chaque site. Un test de Wilcoxon (petits échantillons appariés)
indique clairement que les moyennes entre données locales et globales sont significativement
différentes (p= 3,052 e^-5 pour la température maximum au Jardin des plantes par exemple), avec
des données locales toujours plus fraîches que les données globales. La différence moyenne de
température était de 4,9°C pour la température maximale et de 3,7°C pour la température minimale,
avec parfois localement des différences allant jusqu'à 7°C (voir l'exemple du Parc Monceau en
annexe 2). Les sondes microclimatiques sont donc certainement plus cohérentes que les données
générales de Météo France pour caractériser le micro-habitat propre aux insectes.
Nous avons ensuite vérifié par un test de Spearman la redondance des sondes micro-climatiques
entre elles pour un site donné, afin de nous assurer que deux sondes installées sur un même site
enregistrent effectivement le même type de valeurs et sont donc pertinentes à l'échelle d'un site. Les
sondes étaient effectivement très redondantes (p= 1.054 e^-08 pour la température minimale à
Rambouillet par exemple).
Figure 5 : Graphe représentant les valeurs de températures maximales enregistrées par un data-logger en
fonction de celles enregistrées par l'autre présent sur le même site, laissant apparaître une forte corrélation
entre eux (une couleur par site).
Aux vues de ces résultats, nous avons décidé de n'utiliser que les données locales et d'abandonner
les données globales de Météo France pour la suite de l'étude. Les moyennes des valeurs minimales
et maximales enregistrées au niveau local ont été utilisées pour le modèle statistique à suivre.
II) Analyse générale du modèle :
Afin de nous assurer que les conditions d'application du modèle mixte étaient respectées, la
normalité ainsi que l'homogénéité des variances (homoscédasticité) des résidus ont été vérifiées et
avérées par un test de Shapiro et un Q-Q plot (W=0,9348, voir les graphes en annexe 3).
11

Nous avons choisi de ne travailler d'abord que sur les ouvrières. Une première comparaison entre
modèles mixtes nous a permis de constater une hétérogénéité des variances significative entre
colonies. En effet, 25% de la variance totale de nos valeurs provient des colonies, tandis que 64%
est individuelle et seulement 11% provient de l'effet du site de récolte. Notre étude portant sur le
site de récolte, il est donc important de garder à l'esprit qu'il n'explique que 11% de ce que l'on
observe.
L'analyse des moyennes donne des résultats similaires : on y observe un très fort effet de la colonie
(p-value <0,0001). La comparaison des AICs entre modèles montre que cet effet est supérieur à
l'effet du site de récolte, lui-même significatif. Cela signifie que, comme pour la variance, la
variable « colonie » explique une plus grande part de ce que l'on observe que la variable « site de
récolte ».
Figure 6 : Box-plot de la répartition des valeurs de largeur de tête par site de récolte (en micromètres),
montrant une différence significative de moyenne entre les sites. Les variations semblent importantes d'un
site à l'autre, mais sans tendance nette. Le Jardin des Plantes apparaît clairement comme le site où les
fourmis sont les plus petites, tandis que c'est à Chantilly qu'elles sont les plus grandes.
Nous avons ensuite cherché à caractériser les différences de moyennes et de variances entre nos
deux types de milieu. La variance est apparue comme significativement supérieure en milieu urbain
qu'en milieu rural (p <0,0001). Pour la moyenne, un simple modèle mixte indique qu'il n'existe pas
de différence de taille significative entre nos fourmis urbaines et rurales (p= 0,3488). Cependant, en
analysant le box-plot de ce test, on constate visuellement une différence de taille entre les milieux
urbain et rural, certes non-significative car masquée par une trop forte variance. Nous avons donc
choisi de refaire notre test, en excluant cette fois le facteur « site », qui est une source de variance.
Nous avons alors observé des individus urbains significativement plus petits que les individus
12

ruraux (p < 0,04).Il en était de même en poolant tous les individus récoltés dans un modèle mixte
(p< 0,03).
Figure 7 : Box-plot de la répartition des valeurs de largeur moyenne de têtes de fourmis en fonction du
milieu de récolte (en micromètres). On constate visuellement une taille plus importante en milieu rural, mais
qui n'est pas significative selon notre modèle. On constate aussi une forte variance impliquant un fort
chevauchement, qui pourrait éventuellement masquer une différence significative entre les moyennes.
Une exploration des données à l'échelle de la colonie nous montre qu'il n'existe pas de corrélation
manifeste entre moyenne et variance dans nos données à l'échelle de la colonie (voir le graphe en
annexe 4). Les colonies ayant les plus faibles moyennes ne sont pas nécessairement celles ayant les
plus faibles variances.
Enfin, une étude de la morphométrie des reines nous a permis de constater qu'il n'existait pour elles
aucune différence significative de moyenne entre le milieu urbain et rural (d'après un modèle mixte
auquel nous avons enlevé l'effet « colonie », p= 0,4819). Nous avons renoncé à étudier la variance
de taille des reines, en raison du petit échantillon dont nous disposions (93 reines en tout) qui
impliquerait une trop faible puissance statistique.
13

Figure 8 : Box-plot de la largeur des têtes de reines dans les milieux urbains et ruraux (en micromètres).
Aucune différence significative n'a été observée entre les deux milieux, bien qu'une légère différence existe
visuellement.
DISCUSSION
Cette étude a tout d'abord permis de démontrer à quel point l'utilisation de sondes-microclimatiques
est pertinente lorsqu'il s'agit d'étudier des micro-organismes comme les hexapodes. Sur tous les sites
de récolte, la différence de température observée entre les données des data-loggers et celles
fournies par Météo-France était de plusieurs degrés Celsius, ce qui est loin d'être négligeable (on a
noté par exemple au Parc Monceau une température maximale moyenne de 13,4°C pour les données
locales, contre 20,3°C pour les données globales, voir annexe 3). On comprend donc que les
informations d'échelle régionale fournies par la météo n'ont aucun sens pour caractériser l'habitat
forestier, ombragé et humide dans lequel vit Temnothorax nylanderi. Une importante différence
vient également du fait que les données météorologiques donnent la température de l'air, tandis que
c'est plutôt celle du sol que les T. nylanderi subissent et que les data-loggers mesurent. D'où un
recours indispensable aux sondes-microclimatiques.
14

La principale surprise de cette étude a été la forte variance de taille que nous avons constatée, due
aux effets de la colonie et du site de récolte, et que notre jeu de données ne permet pas d'expliquer.
Au sein du facteur « urbanisation », dont nous savons désormais qu'il a une influence sur la taille
des fourmis, il serait intéressant de savoir quels facteurs précisément du milieu urbain ont un effet
sur leur plasticité phénotypique. Ces effets précis permettraient peut-être d'expliquer l'importance
de la variance due à l'effet « site », que nous ne pouvons expliquer pour le moment. Il apparaît
clairement que d'autres facteurs, non pris en compte dans cette étude, jouent un rôle primordial dans
l'expression de la plasticité phénotypique de T. nylanderi et dans la taille qu'atteindront les
individus. Ainsi par exemple, les fourmis du Jardin des Plantes sont apparues nettement plus petites
que toutes les autres, sans que l'on puisse pour le moment y apporter d'explication.
En outre, une variation génétique de la population du Jardin des Plantes ou des autres populations
étudiées ne peut être exclue, puisqu'il a été montré que les différentes populations françaises de T.
nylanderi connaissent des divergences génétiques (Allard B. 2014). Par ailleurs, cette espèce peut se
montrer particulièrement diversifiée localement, des phénomènes de micro-dispersion et
d'hybridation existant entre des colonies proches mais génétiquement différenciées (Pusch et al
2006). Il est donc possible que les populations des différents sites que nous étudions soient
effectivement soumises à ce type de variations génétiques, même si, comme nous l'avons montré, la
plasticité phénotypique joue un rôle prépondérant dans le déterminisme de la taille. Une étude
génétique précise des populations de T. nylanderi dans Paris intra muros est en cours et apportera
des réponses à ces questions.
L'étude de la morphométrie des reines se révèle particulièrement intéressante, dans la mesure où
celles-ci sont soumises à une sélection naturelle différente de celle des ouvrières, et montrent
justement des résultats différents.
Il est à noter tout d'abord que les pressions de sélection exercées sur les reines sont supérieures à
celles des ouvrières. En effet, lors de la fondation de la colonie, qui est une phase critique du
développement de l'espèce, la reine est seule et la survie de la future colonie ne va donc dépendre
que de son seul phénotype. Il y a, à ce moment-là, une pression de sélection bien plus importante
sur son phénotype que lors de la vie des ouvrières, qui vivent en grand nombre et ont chacune une
faible influence sur la fitness de la colonie. Il faut donc s'attendre à ce que les phénotypes de reines
soient particulièrement ajustés aux contraintes de leur environnement. Cela revient à dire que leur
variance devrait être plus faible, puisqu'à un environnement donné ne correspond qu'un seul
phénotype optimal, et que les reines s'en rapprocheront plus que les ouvrières. Nous n'avons pas été
en mesure de tester la variance des reines ici, car notre échantillon était trop petit. Une étude
comportant une plus grande quantité de reines serait donc particulièrement intéressante, car elle
permettrait de tester cette hypothèse, tout en comparant globalement l'importance de la sélection
exercée sur les reines à celle observée chez les ouvrières. Au moment de leur dispersion, au mois de
juin, il est possible de récolter de grandes quantités de reines sur le terrain, ce qui rendrait ce type de
statistique possible.
De plus, de par cette dispersion nuptiale, l'environnement dans lequel la larve de reine croît n'est pas
celui dans lequel elle vivra en tant que reine, et il lui est donc impossible de s'adapter à son futur
environnement qu'elle ne connaît pas. Nos résultats confirment très bien cette idée, puisque nous
n'avons pas trouvé de différence significative de taille entre nos deux types de milieu pour les
reines, contrairement aux ouvrières. On devine ici l'existence probable d'un compromis entre
adaptation et dispersion chez les reines : plus une reine va se disperser, moins elle aura intérêt à se
spécialiser dans un type d'environnement et plus son phénotype sera indifférencié. On peut donc
supposer que l'équivalence de taille que nous constatons ici entre toutes les reines est due au fait que
15

les reines nées en milieu urbain sont capables de se disperser jusqu'au milieu rural. A contrario, si
la distance séparant les reines urbaines du milieu rural devenait trop grande pour qu'elles puissent
l'atteindre, elles auraient alors tout intérêt à s'adapter au milieu urbain qu'elles ne seront pas
capables de quitter. Il serait donc intéressant de savoir si cette « uniformité » des reines que nous
constatons entre la ville et la campagne dépend de la taille de la ville en question et donc de la
capacité des reines à en sortir. Dans une ville gigantesque que les reines n'auraient pas la capacité de
quitter par leur dispersion, on peut supposer qu'elles adopteraient un phénotype pleinement adapté
au milieu urbain, se différenciant ainsi des reines rurales. Une étude fondée sur plusieurs villes de
différentes tailles permettrait peut-être de répondre à cette question, et même de savoir si les reines
peuvent, individuellement, se spécialiser dans un type de dispersion (dispersion courte ou longue),
en adoptant un phénotype adapté. Chez T. longispinosus, une espèce de Temnothorax américaine, un
phénomène de ce type a été démontré : les reines connaissent une forte variance de taille, les plus
petites dispersant peu tandis que les plus grandes se spécialisent dans la dispersion lointaine
(Howard 2006). Comment ce type de mécanisme pourrait interagir avec l'alternance de milieux
urbains et ruraux ?
Enfin, les différences météorologiques entre nos différents sites étant relativement faibles, et nos
sites trop peu nombreux et non-alignés, nous n'avons pas pu étudier la corrélation entre les variables
climatiques et la taille de nos individus, par manque de puissance statistique. Cette corrélation est
apparue non-significative pour la plupart de nos variables, ce qui ne signifie pas pour autant
qu'aucune corrélation n'existe en réalité, car les résultats obtenus ne peuvent être considérés comme
valables. Pour la température maximale, une légère corrélation avec la taille des ouvrières est
d'ailleurs apparue malgré le manque de puissance statistique, ce qui montre qu'une corrélation est
possible avec les autres variables, mais non détectée ici.
Figure 9 : Exemple de corrélation entre la taille des ouvrières (en micromètres) et la température maximale
(en degrés Celsius). Ici une corrélation existe effectivement entre la largeur de la tête des ouvrières et la
température maximale, mais on ne peut considérer ce résultat comme valable, car fondé uniquement sur 6
points proches.
16

Cette analyse n'a donc pas permis de déterminer si la température des larves, au moment de leur
développement, a réellement une influence sur leur taille future via la plasticité phénotypique. En
effet, notre jeu de données, quoique conséquent pour les mesures de fourmis, était trop limité en
données météorologiques. Avec seulement 6 sites étudiés, il n'a pas été possible de moyenner l'effet
du site de récolte, si bien que c'est surtout celui-ci que nous avons mesuré, plutôt qu'une réelle
influence de la température locale. Il serait donc intéressant de poursuivre cette étude avec un plus
grand nombre de points de récolte comportant plus de variations météorologiques (à différentes
latitudes), afin d'établir un gradient de température entre les différents sites, qui pourrait être corrélé
à la taille des fourmis.
Se pose également la question de savoir si les températures mesurées au cours de nos 15 jours de
relevé sont réellement représentatives de la température à laquelle les fourmis se sont développées,
quelques mois ou années auparavant. Il semble probable que nos 15 jours de mesure ne sont pas
parfaitement représentatifs de la réalité climatique durable de ces sites, 4 saisons par an et durant
plusieurs années. L'idéal serait donc de posséder des données locales précises de chaque site de
récolte, sur au moins un an, voire plus. Cet objectif se heurte cependant au problème de la durée des
batteries contenues dans les data-loggers (quelques mois maximum). Dans tous les cas, une étude
similaire comportant un plus grand nombre de sites plus étagés en latitude et avec une durée
d'enregistrement climatique plus longue serait intéressante.
Cette étude montre une nouvelle fois la capacité qu'a la biodiversité à s'adapter avec une grande
précision aux contraintes externes auxquelles elle est soumise. Ainsi par exemple, nous avons
montré que les reines adoptent un phénotype « moyen » en vue de leur future dispersion,
contrairement aux ouvrières qui s'adaptent aux contraintes locales de la colonie où elles vivront. Cet
exemple montre à quel point le phénotype de chaque organisme s'adapte avec précision à son
environnement et son mode de vie, et nous savons que la plasticité phénotypique joue un rôle
majeur dans cet ajustement. Si la plasticité phénotypique est connue pour être un phénomène
répandu chez les fourmis (Wills et al. 2014), elle est également à mettre en parallèle avec les
résultats existants chez d'autres organismes sur ce sujet. La plasticité phénotypique est un
mécanisme découvert relativement récemment dans l'histoire non moins récente de l'écologie, et
l'étendue de son champ d'application n'est pas encore complètement cernée. De nombreuses
incertitudes existent encore sur son existence chez certains taxons, ou sur l'importance des
variations qu'elle peut engendrer. Cette étude a permis de démontrer son existence chez
Temnothorax nylanderi, avec une amplitude de variation maximum de 9% environ entre les fourmis
du Jardin des Plantes et celles de la Forêt de Chantilly.
Si cette plasticité phénotypique n'a été découverte que récemment, c'est bien parce qu'elle reste
relativement marginale et de petite ampleur à l'échelle de la biodiversité. Étant donnés les avantages
évidents qu'elle confère à un organisme, il est alors légitime de se demander pourquoi elle n'est pas
plus répandue. Même si ce sujet reste encore peu étudié, il est probable que la prise en compte et la
compréhension des coûts et des limites de cette plasticité permettra de comprendre pourquoi elle
n'est pas venue supplanter plus largement la diversité génétique (Auld et al 2010).
17

BIBLIOGRAPHIE
– Allard B. (2014), Etude de la structuration génétique de Temnothorax nylanderi en France et
en Allemagne, Université Pierre et Marie Curie.
– Auld R., Agrawal A., Relyea A. (2010), Re-evaluating the costs and limits of adaptative
phenotypic plasticity, Royaume-Uni : Royal Society Publishing (RSPB).
– Blatrix R. (2013), Fourmis de France, Paris : Delachaux et Niestlé
– Benton M. (2005), When Life Nearly Died : The Greatest Mass Extinction of All Time,
Londres : Thames & Hudson.
– Clarke K., Fisher B., Le Buhn G. (2008), The influence of urban park characteristics on ant
(Hymenoptera, Formicidae) communities, Urban Ecosystems, vol 11, pages 317 – 334.
– Clémencet J., Doums C. (2007), Habitat-related microgeographic variation of worker size
and colony size in the ant Cataglyphis cursor, Oecologia, vol. 152, pages 211 – 218.
– Cohen B. (2006), Urbanization in developing countries: current trends, future projections,
and key challenges for sustainability, Technology in Society, vol. 28, pages 63 – 80.
– Colin T. (2015), Unpublished data.
– Collingwood C. (1979), The Formicidae (Hymenoptera) of Fennoscandia and Denmark.
Fauna Entomol. Scand., page 74, Status as species.
– Fierst J. (2011), A history of phenotypic plasticity accelerates adaptation to a new
environment, Journal of Evolutionary Biology, vol. 24, pages 1992 – 2001.
– Folgarait P. (1998), Ant biodiversity and its relationship to ecosystem functioning : a review,
Biodiversity and Conservation, vol. 7, pages 1221 – 1244.
– Grimm N., Faeth S., Golubiewski N., Redman C., Wu J., Bai X., Briggs J. (2008), Global
Change and the Ecology of Cities, Science, vol 319, pages 756 – 760.
– Hay Y., Shuxin F., Chenxiao G., Fan W., Nan Z., Li D. 2014, Assessing the effects of
landscape design parameters on intra-urban air temperature variability: The case of Beijing,
18

China, Building an Environment, vol. 76, pages 44 – 53.
– Howard K. (2006), Three queen morphs with alternative nest-founding behaviors in the ant,
Temnothorax longispinosus, Insectes sociaux, vol. 53, pages 480 – 488.
– Idohou R. (2014), Biodiversity conservation in home gardens: traditional knowledge, use
patterns and implications for management, International Journal of Biodiversity Science,
Ecosystem Services & Management, vol. 10 , pages 89 – 100.
– Kermagoret A. (2014), Effet de l'urbanisation sur la morphologie de Temnothorax nylanderi,
Université Pierre et Marie Curie.
– Lombardi A. (2010), Les fourmis, d'exceptionnelles colonisatrices, Le courrier de la nature,
n°250, pages 4 – 12.
– McIntyre N. (2000), Ecology of urban arthropods : a review and a call to action,
Entomological Society of America, vol. 93, pages 825 – 835.
– Okada Y., Plateaux L., Peeters C. (2013), Morphological variability of intercastes in the ant
Temnothorax nylanderi : Pattern of trait expression and modularity, International Union for
the study of social insects (UISSI).
– Peeters C., Mollet M. (2010), Colonial reproduction and life histories, Ant Ecology, Oxford
University Press, pages 159 – 176.
– Penick C., Prager S., Liebig J. (2012), Juvenile hormone induces queen development in
late-stage larvae of the ant Harpegnathos saltator, Journal of Insect Physiology, vol 58,
pages 1643 – 1649.
– Vinarski M. (2014), On the applicability of Bergmann's rule to ectotherms: the state of the
art, Biology Bulletin Reviews, vol. 4, pages 232 – 242.
– West-Eberhard M. (1989), Phenotypic Plasticity and the Origins of Diversity, Annual
Review of Ecology and Systematics, vol. 20, pages 249 – 278.
– Wills B., Moreau C., Wray B., Hoffmann B., Suarez A. (2014), Body size variation and
caste ratios in geographically distinct populations of the invasive big-headed ant, Pheidole
megacephala, Biological Journal of the Linnean Society, vol. 115, pages 423 – 438.
– Zhimin S., Xiaoma L., Weiqi Z., Zhiyun O. (2015), Effect of landscape pattern on insect
species density within urban Green Spaces in Beijing, China, Plos One, vol. 10, pages à 1 –
13.
19

ANNEXE
Annexe 1 : Plots de l'ensemble des données météorologiques, laissant apparaître notamment la
corrélation entre données météorologiques locales et globales :
20

Annexe 2 : Différence significative entre les données météorologiques locales et globales, ici avec
l'exemple des températures maximales moyennes au Parc Monceau :
Annexe 3 : Analyse des résidus du modèle mixte :
Q-Q plot des résidus suivant une loi normale
21

Homogénéité des variances
Annexe 4 : Graphe représentant, pour chaque colonie, la moyenne en fonction de la variance,
laissant apparaître l'absence de corrélation entre ces deux variables :
Annexe 5 : Script de l'analyse statistique des données, effectuée sous le logiciel R :
data<-read.table(file = "C:/Users/Doums Claudie/Dropbox/données/Temnothorax/silvere/datasilvere.txt",header = TRUE, na.strings = "NA")
names(data)
summary(data)
attach(data)
col2 = as.factor(col)
data = data.frame(data, col2) #### je met la colonie comme un facteur et pas une variable continue
detach(data)
table(data$col2, data$site)
22

data1 = (subset(data, caste == "ouvriere")) #### je ne garde que les ouvrières
table(data1$col2, data1$site)
library (nlme)
library(lattice)
lme1 = lme(tete ~ type, random = ~1 | site/col2, method = "REML", data1)
VarCorr(lme1) ###estime les composants de la variance
intervals(lme1) ###estimes les intervalles de confiance des estimateurs
rescol = ranef(lme1, drop = TRUE) ### residu des facteurs aléatoires
plot(rescol)
residu = resid(lme1, type = "pearson") ###residu intra colonie
qqnorm(residu) #### vérifie la normalité des residus
shapiro.test(residu) ####" vérifie statistiquement la normalité des résidus
plot(lme1) ### vérifie homogénéité des variances
lme1 = lme(tete ~ type, random = ~1 | site/col2, method = "ML", weight = varIdent(form=~1|col2), data1)
lme2 = lme(tete ~ type, random = ~1 | site/col2, method = "ML", data1)
anova(lme1, lme2)
intervals (lme2)
lme1 = lme(tete ~ type, random = ~1 | site/col2, method = "ML", weight = varIdent(form=~1|type), data1)
anova(lme1, lme2)
anova(lme1, lme2) #### a priori heterogeneité des variances significatives entre colonies
lme1 = lme(tete ~ 1, random = ~1 | site/col2, method = "ML", weight = varFixed (~tete), data1)
lme2 = lme(tete ~ 1, random = ~1 | site/col2, method = "ML", data1)
anova(lme1, lme2)
####" difference de moyenne entre colonies ?
lme1 = lme(tete ~ 1, random = ~1 | site/col2, method = "REML", data1)
lme2 = lme(tete ~ 1, random = ~1 | site, method = "REML", data1)
anova(lme1, lme2) ###" a priori c'est super significatif
####" difference de moyenne entre sites ?
lme1 = lme(tete ~ 1, random = ~1 | col2, method = "REML", data1)
lme2 = lme(tete ~ 1, random = ~1 | site, method = "REML", data1)
anova(lme1, lme2) #### d'après les AIC, colonies expliquent mieux que site. aussi vu dans la variance plus forte au niveau colonie que au niveau site!
##### différence de moyenne entre rural/urbain
lme1 = lme(tete ~ type, random = ~1 | site/col2, weight = varIdent(form=~1|col2), method = "ML", data1)
lme2 = lme(tete ~ 1, random = ~1 | site/col2, weight = varIdent(form=~1|col2), method = "ML", data1)
anova(lme1, lme2) #### pas d'effet urbanisation
lme1 = lme(tete ~ type, random = ~1 | site/col2,method = "ML", data1)
anova(lme1, lme2) #### pas d'effet urbanisation
#####difference de variance entre rural/urbain
lme1 = lme(tete ~ type, random = ~1 | site/col2, weight = varIdent(form=~1|type), method = "ML", data1)
anova(lme1, lme2) #### a priori difference de variance entre rural et urbain
lme1 = lme(tete ~ type, random = ~1 | site/col2, weight = varIdent(form=~1|type), method = "ML", data1)
anova(lme1, lme2)
lm1 = lm(tete~type, data1)
lm2 = lm(tete~1, data1)
anova(lm1, lm2) ###"juste par curiosite, en poolant tous les individus, l'effet type est siginficatif...
lme1 = lme(tete ~ type, random = ~1 | col2, method = "ML", data1)
lme2 = lme(tete ~ 1, random = ~1 | col2, method = "ML", data1)
anova(lme1, lme2) #### sans le site c'est significatif.... parce qu'il prend de la variance inter site.
###### exploration des données à l'echelle de la colonie
datamean = aggregate(data1 [,c(5:13)], list(data1$col2), mean) ### fait la moyenne par groupe et met dans un data frame.
table(data1$site, data1$col)
localite = c(rep("Buttes", 12), rep("Chantilly", 12), rep("Monceau", 10), rep("Fontainebleau", 12), rep("Rambouillet", 12), rep("Jardin", 12))
type = c(rep("urbain", 12), rep("rural", 12), rep("urbain", 10), rep("rural", 12), rep("rural", 12), rep("urbain", 12))
23

datamean = data.frame(datamean, localite, type)
names(datamean)
library(car)
scatterplot(tete ~ Tmaxlocale | type, data=datamean)
scatterplot(tete ~ Tminlocale | type, data=datamean)
scatterplot(tete ~ Hminlocale | type, data=datamean)
scatterplot(tete ~ Hmaxlocale | type, data=datamean)
scatterplot(tete ~ Precipitation | type, data=datamean)
scatterplot(tete ~ effectif | localite, data=datamean, smoother = FALSE)
boxplot(tete~localite, data=datamean, col=c("red", "blue", "blue", "red", "red", "blue"), ylab = "tete" )
#### il semblerait que le jardin soit le site avec les plus petites fourmis!
####### idem pour la variance ####
datasd = aggregate(data1 [,c(5:12)], list(data1$col2), sd) ### fait la moyenne par groupe et met dans un data frame.
table(data1$site, data1$col)
datamean = data.frame(datamean, datasd$tete)
names(datamean)
library(car)
scatterplot(datasd.tete ~ Tmaxlocale | type, data=datamean)
scatterplot(datasd.tete ~ Tminlocale | type, data=datamean)
scatterplot(datasd.tete ~ Hminlocale | type, data=datamean)
scatterplot(datasd.tete ~ Hmaxlocale | type, data=datamean)
scatterplot(datasd.tete ~ Precipitation | type, data=datamean)
scatterplot(datasd.tete ~ effectif | type, data=datamean, smoother = FALSE)
boxplot(datasd.tete~localite, data=datamean, col=c("red", "blue", "blue", "red", "red", "blue"), ylab = "tete" )
plot(datasd.tete ~tete, data = datamean) ### aucune relation variance taille et moyenne, les colonies avec une petite moyenne n'ont pas de variance
plus petites
###### on peut faire la même chose sur les reines ####
dataR = subset(data, caste == "reine")
datameanR = aggregate(dataR [,c(5:12)], list(dataR$col2), mean) ### fait la moyenne par groupe et met dans un data frame.
table(dataR$site, dataR$col)
datameanR = data.frame(datameanR, localite, type)
names(datamean)
library(car)
scatterplot(tete ~ Tmaxlocale | type, data=datameanR)
scatterplot(tete ~ Hminlocale | type, data=datameanR)
scatterplot(tete ~ Hmaxlocale | type, data=datameanR)
scatterplot(tete ~ Precipitation | type, data=datameanR)
boxplot(tete~localite, data=datameanR, col=c("red", "blue", "blue", "red", "red", "blue"), ylab = "tete" )
#### il semblerait que le jardin soit le site avec les plus petites fourmis!
#### correlation reine ouvriere ??? ###
#### effet urbanisation sur taille des colonies ###
lme1 = lme(effectif~type, random = ~1|localite, data = datamean)
intervals(lme1) ### mauvaise estimation###
plot(lme1)
residu = resid(lme1, type = "pearson") ###residu intra colonie
qqnorm(residu)
lm1 = glm(effectif~type + localite %in% type, data = datamean)
lm2 = glm(effectif~ type, data = datamean)
24

Effet de l'urbanisation sur la variabilité phénotypique d'une espèce de fourmi commune : Temnothorax nylanderi

Contenu connexe

Tendances (20)

Similaire à Effet de l'urbanisation sur la variabilité phénotypique d'une espèce de fourmi commune : Temnothorax nylanderi (12)

Effet de l'urbanisation sur la variabilité phénotypique d'une espèce de fourmi commune : Temnothorax nylanderi