Sarah Magozzi, de l’Université de Gênes (Italie), présentera  » Towards a predictive framework for isotope ecology  » le lundi 5 août 2024 à 12 h au J-480.

Sarah Magozzi est chercheuse au Département des sciences de la terre, de l’environnement et de la vie de l’Université de Gênes (Italie). Elle a obtenu un doctorat de l’Université de Southampton en 2012, avant d’être chercheuse postdoctorale à l’Université de l’Utah et à la Stazione Zoologica Anton Dohrn. Sarah Magozzi est une écologiste marine spécialisée dans l’utilisation de traceurs chimiques naturels (isotopes stables) pour répondre à des questions fondamentales en matière d’écologie et de biogéochimie. Elle s’intéresse particulièrement à l’écologie des migrations et à la connectivité des écosystèmes, à la structure et à la fonction des réseaux alimentaires, ainsi qu’à la traçabilité des sources et des flux de nutriments.

Résumé : Natural-abundance stable isotopes provide a valuable tool in ecology to trace nutrient source and cycling within and between ecosystems, understand trophic interactions and food web structure, and reconstruct the origins and movements of mobile animals or products potentially removed from their area of origin. However, interpreting stable isotope data is complicated, as the small number of isotope tracers can be simultaneously influenced by a range of interacting environmental, ecological and physiological factors. Such interacting drivers mean that often observed data could be explained by multiple competing hypotheses, limiting insights that can be gained from largely descriptive analyses.

Here I present a suite of predictive approaches designed to dealing with complexity in isotope data. These frameworks include mechanistic models predicting of spatio-temporal variation in the isotopic composition of marine plankton at global scales, statistical models exploring the environmental drivers of isotope variance from large observational datasets, and physiological models describing isotope flux through individuals. These models can be combined to build simulation modeling frameworks to explore isotopic expressions expected for different behaviors or ecological architecture within specific environmental contexts, and through this provide more robust interpretations of empirical isotope data. In addition to simulation modeling, compound-specific isotope analysis of individual amino acids can be used to conclusively resolve baseline, trophic and physiology isotope effects and infer production sources and energy channels fueling food webs. Together, these approaches provide the foundation for a predictive framework for isotope ecology, leveraging interpretative knowledge that can be gained from observational datasets to ultimately infer the most likely ecological processes underlying isotope variance.

La présentation sera en anglais et présentée en mode hybride, par Zoom.

Lien zoom :  Redirection vers le lien zoom de Midis des sciences naturelles du Département de biologie, chimie et géographie https://uqar.zoom.us/j/89792025962?pwd=BuNAmQ46LsTQUb6bpMaIViLwYAqWDb.1 Code secret :  711620