2.3.1 Justification
La restauration forestière affectera la biodiversité souterraine et aérienne par des mécanismes physiques, chimiques et biologiques, en créant une gamme d'habitats et de niches variés pour divers groupes taxonomiques d'animaux, de plantes et de champignons. La restauration des communautés d'arbres, de plantes forestières, de mousses et de lichens augmentera et diversifiera les apports de matière organique et de nutriments dans le sol grâce à l'apport de litière de feuilles, d'exsudats racinaires et de débris ligneux. Différentes structures forestières créeront également divers microclimats et affecteront la structure physique des sols, via la croissance racinaire, l'agrégation des différents types de particules, l'aération et l'équilibre hydrique de l'écosystème. Outre les liens écologiques étroits avec les communautés bactériennes, les systèmes racinaires des plantes sont étroitement liés aux champignons. Différentes espèces de champignons mycorhiziens, qui forment des liens symbiotiques avec les plantes pour faciliter l'absorption des nutriments, seront étroitement associées à différentes espèces végétales (Van Der Heijden et al. 2007). En remontant la chaîne alimentaire souterraine, les eucaryotes microbiens (c'est-à-dire les protistes) sont incroyablement diversifiés et sont connus pour brouter les communautés bactériennes (Adl et al. 2012). La méiofaune microscopique métazoaire (par exemple, les nématodes, les plathelminthes de 45 à 500 mm) et, enfin, les macroinvertébrés (par exemple, les collemboles, les vers de terre de plus de 500 mm) comprendront différents groupes trophiques fonctionnels de prédateurs, de détritivores, de brouteurs et d'omnivores. En surface, la restauration forestière augmentera la diversification des habitats en créant une complexité structurelle via l'établissement de couches de canopée et de sous-bois, mais aussi la croissance d'arbustes plus petits, d'herbes et de plantes couvre-sol (Mestre et al. 2017). Cette complexité structurelle en surface créera un éventail de microhabitats, définis par différentes températures et niveaux de luminosité, et par des facteurs chimiques tels que les exsudats de feuilles et d'écorce. Le bois mort stimule également la biodiversité en créant des habitats uniques pour diverses espèces d'invertébrés saprophytes.
Afin de développer une compréhension rigoureuse de la trajectoire des conditions de référence pour la restauration forestière, le projet SUPERB visait à surveiller une partie exhaustive et représentative de la biodiversité aérienne et souterraine. Cette diversité taxonomique est elle-même représentative des processus écologiques successifs opérant à différentes échelles spatiales et temporelles, fournissant ainsi une base d'évaluation détaillée. SUPERB a utilisé des techniques moléculaires pour générer des inventaires de champignons, de plantes, d'eucaryotes microbiens, de méiofaune et d'arthropodes à partir d'échantillons de sol, ainsi que des inventaires d'arthropodes volants capturés dans des pièges Malaise.
2.3.2 Méthodes d'enquête
L'évaluation de la biodiversité à l'aide des approches taxonomiques traditionnelles est exigeante en main-d'œuvre et en temps, et nécessite l'intervention de différents spécialistes pour identifier les différents groupes de l'arbre de la vie (Creer et al. 2016). Même au sein de différents groupes taxonomiques, les taxonomistes se spécialisent dans différents groupes (par exemple, les botanistes, les bryologistes, les nématologistes) et, dans les sols, la grande majorité de la vie microbienne ne peut être identifiée par des approches visuelles (Curtis et al. 2002). Les microbiologistes utilisaient des approches de génétique moléculaire pour identifier la biodiversité et construire des phylogénies depuis plusieurs décennies (Woese et Fox 1977), mais le concept de code-barres ADN standardisé pour l'identification des espèces animales, végétales et fongiques, mis au point au tournant du XXIe siècle, a révolutionné la caractérisation de la biodiversité (Hebert et al. 2003 ; Ratnasingham et Hebert 2007). Le codage à barres ADN utilise des marqueurs génétiques standardisés pour aider à identifier les espèces par la construction de grandes bases de données de référence organisées, rendues possibles par le dépôt de spécimens de référence et le partage ouvert des données, combinés à une interface Web interactive.
(https://boldsystems.org/) et des liens vers d'autres bases de données ADN mondiales. Le codage à barres ADN utilise des amorces ADN hautement dégénérées qui amplifieront un marqueur de code-barres d'un grand nombre d'espèces, en utilisant l'ADN extrait d'individus uniques. La région du code-barres a été sélectionnée pour être suffisamment variable pour permettre l'identification de différentes espèces les unes des autres. Après 2005, grâce aux progrès du séquençage de l'ADN à haut débit, le domaine du « métabarcodage » a évolué. Au lieu de générer des séquences uniques à partir d'échantillons uniques, le métabarcodage utilise des amorces ADN dégénérées similaires pour amplifier les régions de code-barres, mais à partir de communautés entières de biotes (Creer et al. 2016). La standardisation des marqueurs ADN dans le métabarcodage ADN n'est pas aussi courante que le codage à barres d'échantillons uniques (Deiner et al. 2017), mais combinées, les deux approches révolutionnent la découverte et l'évaluation de la biodiversité (Handley 2015). Le matériel génétique utilisé pour le métabarcodage peut provenir d'échantillons environnementaux (sol, air, eau, etc.), mais aussi de communautés ou d'ADN d'échantillons globaux (Creer et al., 2016 ; Deiner et al., 2017). Dans SUPERB, nous utilisons l'ADN environnemental du sol et l'ADN d'une communauté d'arthropodes Malaise (un échantillonneur d'invertébrés volants de surface) (Geiger et al., 2016) pour évaluer la biodiversité forestière.
Afin de caractériser les conditions de référence attendues pour les projets futurs, le protocole SUPERB a adopté un protocole de surveillance qui a extrait l'ADN de cinq échantillons distincts de pièges à arthropodes malaise (Geiger et al. 2016) et de cinq échantillons de terre végétale, chacun composé de cinq carottes (5 cm de large x 5 cm de profondeur). Pour l'échantillonnage du sol et des arthropodes, nous avons adopté les normes générées par le projet LIFEPLAN. Pour les échantillons malaise, les arthropodes ont d'abord été pesés (poids humide) et homogénéisés (Buchner et al. 2021). Après l'extraction de l'ADN, l'amplification par PCR et la préparation de la banque sont réalisées par un pipeline de métabarcoding PCR en deux étapes (Bohmann et al. 2021). La première série de PCR amplifie l'ADN du marqueur de code-barres choisi (par exemple, ITS pour les plantes et les champignons, 18S pour les eucaryotes microscopiques et CO1 pour les arthropodes) et la seconde série de PCR incorpore des « étiquettes » ADN connues à chaque banque d'échantillons afin que chaque PCR puisse être retracée jusqu'à l'échantillon d'origine après séquençage de plusieurs échantillons lors d'une même séquence Illumina (Deiner et al. 2017 ; Bohmann et al. 2021). Ces techniques sont de plus en plus répandues dans la recherche des organismes forestiers (par exemple, Barsoum et al. 2018), mais il est recommandé, dans la mesure du possible, de demander conseil à des biologistes moléculaires et à des écologues afin de tirer pleinement parti des avancées technologiques.
2.3.3 De la collecte des données à la communication des données
Le métabarcodage génère d'importants volumes de données de séquençage dans des formats de fichiers spécialisés. Ces données sont traitées via un pipeline bioinformatique en plusieurs étapes afin de déterminer quels taxons ont été détectés dans quels échantillons. L'une des options de pipeline bioinformatique, appelée DADA2, soumet les fichiers à une série d'étapes de contrôle qualité : filtrage et nettoyage des données, fusion des lectures de séquençage direct et inverse et suppression des erreurs (Callahan et al., 2016). Les étapes bioinformatiques initiales réduisent considérablement la complexité du jeu de données aux seules séquences uniques détectées dans l'échantillon environnemental. Pour identifier des groupes de séquences représentant une approximation d'espèce, des algorithmes regroupent les séquences d'ADN similaires (SUPERB a adopté une norme commune de 97 %) (Rojnes et al., 2016), puis comparent les clusters obtenus à une base de données organisée de séquences connues afin de trouver un nom taxonomique correspondant. Les données taxonomiques obtenues répertorient les échantillons et les peuplements dans lesquels une espèce a été détectée et peuvent être utilisées pour calculer une série de mesures courantes de diversité écologique.
