Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

1

Une approche non-paramétrique pour caractériser les changements récents dans les séries temporelles d'indices de population

Verena Trenkel et Marie-Joëlle Rochet

Département EMH, Ifremer Nantes

8ième forum halieumétrique, La Rochelle, 19-21 juin 2007

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

2

Contexte

• Utilisation d'indices de population (densité, longueur moyenne,...) basés sur données de campagnes pour – déterminer l'état d'une population – proposer des mesures de gestion

• Nécessité de déterminer la direction des changements temporels

• EU Projet Fishery independent survey based operational assessment tools

Rochet et al 2005. Combining indicator trends to assess ongoing changes in exploited fish

communities: diagnostic of communities off the coasts of France. IJMS Trenkel et al 2007. From model-based prescriptive advice to indicator based interactive

advice. IJMS

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

3

Méthodes pour caractériser les changements temporels : Régression linéaire

Tendance linéaire sur x dernières années , x = 3, 4, 5…

Avantage : simple

Désavantages• période arbitraire• sensible à la forme du changement• Faible puissance du test

plie en mer du Nord :ln-abondance

Année

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

4

Méthodes pour caractériser les changements temporels : 2 Approche non-paramétrique

Règles basées sur valeurs caractéristiques de la série temporelle lissée

1ère = 0

1985 1990 1995 2000 2005

17.5

18.0

18.5

19.0

PLEUPLA Changes in last 5 years linear: 0 ; derivatives: 0

Year

ln s

urv

ey index

maximum

minimum

pente positive

pente négative

point d'inflexion

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

5

Règles pour caractérisation des changements récents

Décroissance

1. Pas de variations autour maximum n dernières années 

ET 2. Diminution récentePentes <0 pour majorité des n

dernières années

ET 3. Diminution pérsistente Pas de point d'inflexion pendant m

dernières années

1985 1990 1995 2000 2005

17.5

18.0

18.5

19.0

19.5

HIPGPLA Changes in last 5 years linear: stable ; rule: stable

Year

ln_s

urve

y_in

dex

Hippoglossoides platessoides

1985 1990 1995 2000 2005

13.5

14.5

15.5

16.5

CALMLYR Changes in last 5 years linear: stable ; rule: stable

Year

ln_s

urve

y_in

dex

Callionymus lyra

1990 1995 2000 2005

1011

1213

1415

1617

HYPELAN Changes in last 5 years linear: stable ; rule: decrease

Year

ln_s

urve

y_in

dex

Hyperoplus lanceolatus

IBTS Sud Mer du Nord

n=3m=5

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

6

Augmentation

1. Pas de variations autour minimum n dernières années  

ET 2. Augmentation récente Pentes >0 pour majorité des n

dernières années

 ET3. Augmentation persistante Pas de point d'inflexion pendant m

dernières années

Règles pour caractérisation des changements récents

1985 1990 1995 2000 2005

810

1214

1618

ECITVIP Changes in last 5 years linear: stable ; rule: increase

Year

ln_s

urve

y_in

dex

Echiichthys vipera

1985 1990 1995 2000 2005

1012

1416

SCYOCAN Changes in last 5 years linear: stable ; rule: stable

Year

ln_s

urve

y_in

dex

Scyliorhinus canicula

n=3m=5

IBTS Sud Mer du Nord

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

7

Paramètres de contrôle

Nombres d’années récentes • n années pour considérer le minimum et maximum• n années pour pentes annuelles • m années pour dérivées secondes

1985 1990 1995 2000 2005

810

1214

1618

ECITVIP Changes in last 5 years linear: stable ; rule: increase

Year

ln_s

urve

y_in

dex

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

8

Etapes de l'approche non-paramétrique

Pour série temporelle d'estimation d'indice I1. Ajuster courbe lissée par un spline de régression (GAM)

2. Calculer dérivées premières

3. Calculer dérivées secondes

4. Utiliser bootstrap paramétrique des indices pour déterminer significativité des pentes et points d'inflexion

5. Utiliser règles basées sur combinaisons pour caractériser changements

)()(̂ tftI

/)(̂)(̂)('̂ tItItI

)('̂)('̂)(''̂ tItItI

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

9

Application

Données • Chalutage de fond IBTS Sud mer du Nord 1983 – 2005• 32 espèces

Indicateurs de population• Logarithme de l'abondance ln-N• Longueur moyenne lbar

Méthodes• Régression linéaires 3 dernières années• Approche non-paramétrique : n=3 & m=5

Analyse de sensibilité

1. Réactivité: séries temporelles y-1

2. Paramètres de contrôle n=5 & m=5 et régression linéaire 5 ans

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

10

Indicateur ln-N

1985 1990 1995 2000 2005

1214

1618

AGONCAT Changes in last 5 years linear: stable ; rule: increase

Year

ln_s

urve

y_in

dex

Agonus cataphractus

1985 1990 1995 2000 2005

1011

1213

1415

16

ARNOLAT Changes in last 5 years linear: stable ; rule: increase

Year

ln_s

urve

y_in

dex

Arnoglossus laterna

1985 1990 1995 2000 2005

17.5

18.0

18.5

PLEUPLA Changes in last 5 years linear: stable ; rule: decrease

Year

ln_s

urve

y_in

dex

1985 1990 1995 2000

910

1112

1314

15

SQUAACA Changes in last 5 years linear: stable ; rule: decrease

Year

ln_s

urve

y_in

dex

Squalus acanthias

Pleuronectes platessa

pente linéaire 3 ou 5 dernières annéesrègles pour changements récents

stableaugmentation

stableaugmentation

stabledécroissance

stabledécroissance

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

11

Résultats : nombre d’années avec changement pour 32 espècesSérie 1983-2005 : n=3, m=5, linéaire 3 ans

linéaire règleln-N 1+, 1- 11+, 10-lbar 0 2+, 7-

Série 1983-2005 : n=5, m=5, linéaire 5 ans linéaire règle

ln-N 1+, 4- 12+, 5-lbar 1+ 3+, 8-

Série 1983-2004 : n=3, m=5, linéaire 3 ans linéaire règle

lnN 1+, 2- 12+, 12-lbar 1+, 1- 3+, 5-

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

12

Discussion : Indice lissé vs brut

1985 1990 1995 2000 2005

12.5

13.5

14.5

15.5

SOLESOL Changes in last 5 years linear: stable ; rule: decrease

Year

ln_s

urve

y_in

dex

1985 1990 1995 2000 200510

1214

1618

TRACTRA Changes in last 5 years linear: stable ; rule: increase

Year

ln_s

urve

y_in

dex

Changement interannuel ou erreur d'estimation?

Solea solea Trachurus trachurus

Départ

em

ent

Eco

logie

et

Modèle

s pour

l ’H

alie

uti

que

13

Conclusion

• Méthode basée sur les règles de décisions est plus puissant que régression linéaire pour détecter changements récents

• Mais, la gamme d'années utilisée pour diagnostic influence le résultat

• Lissage rends résultats moins sensibles à la précision des indices

• Méthode prend en compte la position historique • Le choix des paramètres de contrôle est une décision de

gestion mais pourrait aussi être adapté à la variabilité inter-annuelle attendue