Classification de pollens par réseau neuronal : application en reconstructions paléo-environnementales de populations marginales

Abstract

La hausse actuelle du climat pousse les espèces d’arbres tempérés à migrer vers le nord. En vue de comprendre comment certaines espèces réagiront face à cette migration, nous pouvons porter notre regard vers les populations marginales. Les études paléoécologiques de ces populations – situées au-delà de l’aire de répartition continue de l’espèce – peuvent nous informer quant aux conditions écologiques nécessaires à leur migration. Ce mémoire analyse un peuplement d’érables à sucre (Acer saccharum Marsh.) situé à la limite nordique de la répartition de l’espèce, dans la forêt tempérée mixte québécoise. L’objectif de la recherche est d’identifier quand et sous quelles conditions écologiques A. saccharum s’est établi en situation marginale.

À ces fins, cette étude propose l’analyse des fossiles extraits des sédiments lacustres d’un lac situé à proximité de l’érablière. Un modèle d’apprentissage-machine est entraîné à l’aide d’images de pollens et permet la classification des pollens extraits des sédiments lacustres – le premier de la sorte. Notre méthode proposée emploi un protocole d’extraction fossile accéléré et des réseaux de neurone convolutifs permettant de classifier les pollens des espèces les plus retrouvées dans les sédiments quaternaires du nord-est de l’Amérique. Bien qu’encore incapable de classifier précisément toutes les espèces présentes dans une telle séquence fossile, notre modèle est une preuve de concept envers l’automatisation de la paléo-palynologie.

Les résultats produits par le modèle combinés à l’analyse des charbons fossiles permettent la reconstruction de la végétation et des feux des 10,000 dernières années. L’établissement régional d’A. saccharum est daté à 4,800 cal. BP, durant une période de refroidissement climatique et de feux fréquents mais de faible sévérité. Sa présence locale est prudemment établie à 1,200 cal. BP. Les résultats de ce mémoire soulignent le potentiel de la paléo-palynologie automatique ainsi que la complexité de l’écologie d’A. saccharum.

The current global climate warming is pushing temperate tree species to migrate northwards. To understand how certain species will undergo this migration, we can look at marginal populations. The paleoecological studies of such populations, located beyond the species’ core distribution range, can inform us of the conditions needed for a successful migration. This research thesis analyses a sugar maple (Acer saccharum Marsh.) stand located at the northern boundary of the species’ limit, in Québec’s mixed-temperate forest. The objective of this research is to identify when and under which ecological conditions did A. saccharum establish itself as the stand’s dominant species. To that end, this study analyses the fossil record found in a neighbouring lake’s organic sediments. A machine learning-powered model is trained using pollen images to classify the lacustrine sediment’s pollen record. The first of its kind, our proposed method employs an accelerated fossil pollen extraction protocol and convolutional neural networks and can classify the species most commonly found in Northeastern American Quaternary fossil records. Although not yet capable of accurately classifying a complete fossil pollen sequence, our model serves as a proof of concept towards automation in paleo-palynology. Using results generated by our model combined with the analysis of the fossil charcoal record, the past 10,000 years of vegetation and fire history is reconstructed. The regional establishment of A. saccharum is conservatively dated at 4,800 cal. BP, during a period of climate cooling and frequent, although non-severe, forest fires. Its local presence can only be attested to since 1,200 cal. BP. This thesis’ results highlight both the potential of automated paleo-palynology and the complexity of A. saccharum’s ecological requirements.