Emergence of New Explanatory Variables for 2D Habitat Modelling in Large Rivers: The St. Lawrence Experience

Abstract

The St. Lawrence River is one of the most important large rivers in North America. This 600-km long watercourse is characterized by a high degree of physical heterogeneity, including fast moving narrow reaches separated by fluvial lakes reaching 10 km in width. The mean annual discharge from the outflow of Lake Ontario is 7500 m3/s and has been managed for hydropower and transportation since the 1960s. With the management plan currently under review an effort is being made to include criteria that take into account the impacts of regulation on the biotic components of the river ecosystem. High resolution 2D spatial modelling of river habitats and floodplains is a powerful tool to make quantitative impact assessments of the biota. Physical variables commonly used in habitat models include depth, velocity and substrate size. In addition, other abiotic variables such as wind-generated wave stress, light penetration, water temperature, sedimentation of fine particles, specific discharge and bottom slope, that define the local ’hydroperiod’ have been suggested. Our proposed approach integrates abiotic data obtained from numerical models, field measurements and biological information to overcome problems inherent in temporally and spatially heterogeneous river systems. This approach was tested with a habitat model applied to submerged aquatic vegetation, various categories of wetlands, benthic organisms and various life stages of a number offish species. Logistic regression is the statistical model currently used to synthesize the relationships between abiotic and biotic factors. The short-term objective of this modelling exercise in the St. Lawrence River is to understand the underlying links between fluvial physics and biota. A longer-term objective is to provide a real-time analysis of key variables and to quantify the links between trophic levels.

Le fleuve Saint-Laurent est une des plus importantes rivières d’Amérique du nord. Son parcours de plus 600 km est caractérisé par une forte hétérogénéité spatiale, puisque composé d’une succession de tronçons relativement étroits et de lacs fluviaux de plus de 10 km de largeur. Le débit moyen annuel sortant des Grands Lacs est de 7500 m3/s. Celui-ci est régularisé depuis les années 1960 et le plan de gestion fait actuellement l’objet d’une révision pour ajouter des critères tenant compte des impacts sur le milieu aquatique. La modélisation 2D à haute résolution spatiale des habitats du fleuve et de sa plaine inondable est un outil privilégié pour apporter des réponses quantitatives aux impacts du milieu physique sur les ressources fauniques et floristiques. Les variables traditionnelles de la modélisation des habitats que sont les courants, la profondeur et le type de substrat sont utilisées. Afin d’adapter la modélisation des habitats à des contextes variés, de nouvelles variables abiotiques ont été développées parmi lesquelles on retrouve les contraintes des vagues générées par les vents, la pénétration de la lumière, la température de l’eau, la sédimentation des particules fines, le débit spécifique, la pente du fond ainsi que des variables reliées à l’«hydropériode» locale. Les relations entre habitats et facteurs abiotiques ont été évaluées statistiquement à l’aide de régressions logistiques. La modélisation des habitats a été appliquée à plusieurs compartiments du vivant, tels que les macrophytes submergés, plusieurs classes de milieux humides et diverses espèces de poissons à certains stades de vie critiques. L’approche actuelle intègre les données provenant de la modélisation numérique des facteurs physiques, de la caractérisation du terrain et d’échantillonnages d’organismes vivants, elle permet de simplifier des problèmes complexes reliés à l’hétérogénéité spatiale et aux échelles temporelles inhérentes aux milieux naturels. L’objectif de la modélisation du fleuve est de comprendre les liens entre la physique et les habitats de la faune et la flore et afin de soutenir un suivi fiable de l’écosystème.