Suivi gostatistique des ressources halieutiques partir de campagnes scientifiques

1
Suivi géostatistique des ressources halieutiques
à partir de campagnes scientifiques

• ---
• Soutenance de première année de thèse
• ---
• Mathieu WOILLEZ

2
Introduction

• Les buts de lévaluation des stocks
• Fournir un diagnostic.
• Emettre un avis sur lévolution future de la
  ressource.
• Utilisation de la géostatistique depuis la fin
  des années 80, début des années 90.
• Méthode destimation directe avec variance
  destimation associée.

• Objectifs
• Résoudre un problème latent de calcul de
  variance destimation pour les campagnes
  acoustiques.
• Travail de caractérisation de la distribution
  spatiale et recherche de lien avec labondance de
  la ressource.

3
Plan

• Analyse de lincertitude dans les campagnes
  acoustiques
• Analyse de campagnes scientifiques de pêche
• Conclusions et perspectives

• Analyse de lincertitude dans les campagnes
  acoustiques
• Analyse de campagnes scientifiques de pêche
• Conclusions et perspectives

4
Analyse de lincertitude dans les campagnes
acoustiques

• Les méthodes de la géostatistique linéaire
  (variogramme, krigeage) permettent lestimation
  de labondance avec sa variance destimation
  associée.
• Dans une situation complexe (combinaison
  dacoustique et de paramètres biologiques), on a
  besoin de passer aux simulations conditionnelles
  géostatistiques pour déterminer la variance
  destimation

Cas détude les campagnes dacoustique et de
chalutage sur le Hareng autour des îles Shetland.
5
Estimation de labondance par un modèle
spécifique multivarié

• Modèle développé dans les années 90 par P.
  Fernandes, Ph. Guiblin, J. Rivoirard, J.
  Simmonds.
• La distribution spatiale de la longueur des
  poissons est étroitement liée à la profondeur
  (les poissons les plus grand sont au large).
• La proportion à lâge est liée à la longueur
  moyenne
• La densité acoustique est désagrégée selon les
  variables biologiques.
• Modèle construit à partir des années 1989 à 1994.

6
Modélisation de lacoustique

• Donnée
• acoustique
• Analyse structurale
• Partie Est et Ouest traitées séparément.
• Modèle ajusté sur le variogramme retour des
  données log translatées.
• Cartographie
• Krigeage Ordinaire

7
Modélisation de la longueur moyenne

• Données
• longueur moyenne et profondeur
• Analyse structurale
• Variogrammes calculés sur les résidus de la
  régression.
• Deux types
• variogramme moyen
• moyenne des variogrammes annuels
• Cartographie
• Krigeage avec la profondeur comme dérive externe
  et un modèle à deux composantes spatiale et
  temporelle

8
Modélisation des proportion à lâge

• Données
• longueur moyenne, proportion à lâge et
  proportion à lâge cumulée
• Analyse structurale
• Variogrammes calculés sur les résidus de la
  régression logistique
• Modèle unique normé déduit du variogrammes des
  résidus ayant la plus forte variance (âge 4)
• Cartographie
• Krigeage avec la longueur moyenne comme dérive
  externe

9
Apport des années récentes 2001, 2002 et 2003

• Variogrammes de la longueur moyenne moins
  variants. Effet pépite sur le temps quasiment
  inexistant.
• Absence de relation déterministe entre longueur
  moyenne et proportion dâge cumulé

Modification des paramètres du modèle de la
longueur moyenne
Estimation par classes dâge nest plus
envisageable. Un nouveau modèle est à développer
dans ce cas.
10
Simulation des incertitudes

• Les paramètres biologiques
• La variable acoustique
• Distribution fortement dissymétrique
• De nombreuses valeurs nulles qui sopposent à
  quelques valeurs fortes.

1992

• Lusage de simulations conditionnelles nécessite
  de se placer dans un cadre gaussien
• Transformation par anamorphose

11
Construction dun modèle gaussien

• Hypothèse Une variable gaussienne suffit à
  expliquer la géométrie et la structure du
  phénomène
• Ces deux fonctions peuvent sécrire comme
  combinaison linéaires des polynômes dHermite
  normés. Leurs covariances simples sexpriment
  alors de la façon suivante 

yc est la coupure gaussienne associée aux valeurs
nulles.
12
Ajustement dun modèle à une gaussienne

• Lhypothèse est vérifiée pour les années 1989,
  1990, 1991 et 1992.
• Les années 1993, 1994, 2001, 2002 et 2003
  nécessitent une autre modélisation.

Hypothèse à deux variables gaussiennes
indépendantes ou corrélées à envisager.
13
Prise en compte des effets de bord

• De façon expérimentale, les effets de bord du
  modèle gaussien à une variable ne sont pas mis en
  évidence.
• Toujours des différences entre les années 90 et
  les années 2000.
• À relier à des fluctuations dabondance.

1992
2002
14
Simulations conditionnelles

• Modèle à une variable gaussienne
• Léchantillonneur de Gibbs est utilisé pour
  affecter aux valeurs égales à la coupure yc des
  valeurs gaussiennes en accord avec la
  distribution et la covariance recherchée (modèle
  Y).
• Les simulations conditionnelles sont obtenues par
  simulations non conditionnelles (méthode des
  bande tournantes) puis on conditionne les
  simulations par krigeage.
• Les valeurs inférieures à yc sont ensuite
  ramenées à la valeur de la coupure yc.
• Puis on procède à lanamorphose pour se ramener à
  lespace dorigine.
• A faire
• Traiter les paramètres biologiques.
• Construire dautres modèles adaptés aux autres
  années.
• Procéder aux simulations conditionnelles.

15
Plan

• Analyse de lincertitude dans les campagnes
  acoustiques
• Analyse de campagnes scientifiques de pêche
• Conclusions et perspectives

• Analyse de lincertitude dans les campagnes
  acoustiques
• Analyse de campagnes scientifiques de pêche
• Conclusions et perspectives

16
Analyse des campagnes scientifiques de pêche

• Recherche doutils permettant de caractériser la
  distribution spatiale dune ressource.
• A partir des données brutes
• A partir de cartes de densité, avec ou sans les
  incertitudes associées.
• Recherche dun lien entre labondance et la
  distribution spatiale dune ressource.

Application aux campagnes sur le Merlu
17
Présentation des données

• Campagnes Menées par Ifremer de 1987 à 2003.
• Pêche au chalut de fond ciblant les espèces
  démersales, et notamment le merlu.
• Mesures locales de densité de poisson désagrégées
  par classe dâge.
• Analyse possible par classes dâge, par cohortes
  ou par années.

18
Construction dindicateurs spatiaux

• Centre de gravité et inertie
• Position moyenne de la population et dispersion
  autour du centre de gravité.

19
Construction dindicateurs spatiaux

• Centre de gravité et inertie.
• Anisotropie
• Cest la racine carré du ratio entre le maximum
  et le minimum dinertie.

20
Construction dindicateurs spatiaux

• Centre de gravité et inertie.
• Anisotropie.
• Nombre de patch
• Cest le nombre dagrégation local de poisson,
  supérieur à léchelle du banc. Lalgorithme est
  basé sur une distance limite pour attribuer un
  échantillon à un patch.

21
Construction dindicateurs spatiaux

• Centre de gravité et inertie
• Anisotropie.
• Nombre de patch.
• Aire de présence
• Cest la somme des surfaces dinfluence
  affectées aux échantillons où les densités de
  poisson sont positives.

22
Construction dindicateurs spatiaux

• Centre de gravité et inertie.
• Anisotropie.
• Nombre de patch.
• Aire de présence.
• Surface détalement
• Indice obtenu à partir de courbes de sélectivité
  inversées. Il sagit de laire définie par

23
Construction dindicateurs spatiaux

• Centre de gravité et inertie.
• Anisotropie.
• Nombre de patch.
• Aire de présence.
• Surface détalement.
• Indice global de collocation
• Cet indice mesure comment deux population sont
  mélangées ou distinctes.

24
Construction dindicateurs spatiaux

• Centre de gravité et inertie.
• Anisotropie
• Nombre de patch.
• Aire de présence.
• Surface détalement.
• Indice global de collocation.
• Surface équivalente
• Cest la portée intégrale du covariogramme.

25
Construction dindicateurs spatiaux

• Centre de gravité et inertie.
• Anisotropie
• Nombre de patch.
• Aire de présence.
• Surface détalement.
• Indice global de collocation.
• Surface équivalente.
• Indice de microstructure
• Il mesure la décroissance relative aux petites
  distances.

26
Construction dindicateurs spatiaux

• Centre de gravité et inertie.
• Anisotropie
• Nombre de patch.
• Aire de présence.
• Surface détalement.
• Indice global de collocation.
• Surface équivalente.
• Indice de microstructure.
• .

Chaque indicateur illustre un aspect de la
distribution spatiale de la ressource.
27
Centre de Gravité et indice globale de
collocation (1)
28
Centre de Gravité et indice globale de
collocation (2)
29
Recherche de lien simple entre abondance et ces
indicateurs

• Les indicateurs
• Aire de présence (sauf lâge 0)
• Surface équivalente à lâge 2
• Surface détalement à lâge 2
• Présentent une corrélation linéaire avec
  labondance.

30
Analyse en composantes principales (ACP)

• Chaque individu formé par le couple (1 âge, 1
  année) est décrit par 9 variables
• LACP permet
• Fournir une description réduite
• Analyser les relations entre variables
• Classer les individus
• Caractériser les groupes par des variables
  explicatives
• Les 3 premiers axes ont été retenus

31
Classification hiérarchique

• Classification par la méthode de Ward
• On agrège les individus qui font le moins varier
  linertie interclasse.
• La distribution spatiale du Merlu se différencie
  selon lâge, mais dun façon beaucoup moins nette
  quattendue.

32
Retour aux plans factoriels

• Représentation des 5 partitions définies.
• Interprétation possible
• Premier plan.
• 5 ordonnée du centre de gravité, anisotropie.
• 3 abscisse du centre de gravité, aire de
  présence, surface détalement et équivalente.
• Deuxième plan.
• 2 Indice de microstructure

33
Ajout dune variable supplémentaire

• Ajout dune variable explicative
• labondance
• Pas concluant
• Trouver dautres variables explicatives (e.g.
  variables environnementales)

34
Plan

• Analyse de lincertitude dans les campagnes
  acoustiques
• Analyse de campagnes scientifiques de pêche
• Conclusions et perspectives

• Analyse de lincertitude dans les campagnes
  acoustiques
• Analyse de campagnes scientifiques de pêche
• Conclusions et perspectives

35
Conclusions et perspectives

• Les fluctuations dabondance ont un impact non
  négligeable sur la structuration de la population
  et finalement sur la construction de modèles
  appropriés.
• Une méthodologie basée sur la caractérisation de
  la distribution spatiale par un jeu dindicateur
  a été développée. Analyse assez exploratoire, qui
  na pas mis en évidence de lien fort avec
  labondance.
• A développer
• La construction de modèles supplémentaires et des
  simulations pour les campagnes acoustiques.
• Une approche par régression multiple (GLM, GAM)
  entre labondance ou le log de labondance et les
  indicateurs spatiaux
• Des outils de comparaison à partir des cartes de
  densité

36
(No Transcript)
37
(No Transcript)
38
Campagnes 1989-1994
39
Campagnes 2001-2003
40
Campagnes 1989-1994 et 2001-2003
41
(No Transcript)
42
(No Transcript)
43
Surveys 89-94
44
Surveys 01-03
45
(No Transcript)
46
(No Transcript)
47
(No Transcript)
48
(No Transcript)