We used self-organizing maps (SOM, neural network) to bring out patterns of benthic macroinvertebrate diversity in relation to river pollution. Fourteen stations were sampled over various seasons in the Nestore drainage basin (Central Italy) and characterized for macroinvertebrate communities, nutrient and heavy metal concentrations. Physicochemical variables were introduced into a SOM previously trained with macroinvertebrate data. Patterns of communities matched spatial and seasonal changes in environmental conditions, including water chemistry related to economic activities in the catchment. Although our analyses did not allow us to establish the specific effect of any given environmental parameter upon macroinvertebrate community composition based on the field study, they enabled us to map the ecological health of river ecosystems in a readily interpretable manner.

Nous avons utilisé les cartes auto-organisatrices (SOM, réseau de neurones) pour dégager des patrons de diversité des macro-invertébrés benthiques en relation avec la pollution des rivières. Quatorze stations ont été échantillonnées sur plusieurs saisons dans le bassin du Nestore (Italie centrale) et caractérisées à partir de leurs communautés d’invertébrés, des concentrations en nutriments et métaux lourds. Les variables physicochimiques ont été introduites dans une SOM préalablement établie sur la base des communautés d’invertébrés. Les patrons de diversité des communautés suivent les changements spatio-temporels des conditions environnementales, dont ceux de la chimie de l’eau, en relation avec les activités économiques dans le basin versant. Bien que nos analyses ne nous aient pas mis en mesure d’établir l’effet d’un paramètre environnemental en particulier sur la base d’une étude de terrain, elles nous ont permis de cartographier la santé écologique des écosystèmes de rivière sous une forme immédiatement interprétable.