Embed Size (px)
Citation preview
Suivi de la devalaison en 2012-2013 sur la Vilaine.
Cedric Brianda, Brice Sauvageta, Gerard Eriaua
aEPTB Vilaine, boulevard de Bretagne, 56130 La Roche Bernard
Resume
Les devalaisons d’anguilles argentees ont ete suivies a l’aide d’un sonar multifaisceauxx (DIDSON) place sur un railporteur au niveau du quatrieme pertuis de vannes du barrage d’Arzal a la limite de l’estuaire de la Vilaine. Le DIDSONa ete positionne alternativement en surface ou il enregistrait les anguilles franchissant le barrage par les deversoirsde surface, ou au fond, ou il enregistrait alternativement suivant deux positions, l’une orientee vers le fond, l’autrehorizontale. Un total de 2 566 anguilles a ete compte lors du depouillement des fichiers. L’efficacite de la detection varieen fonction de la position du sonar, de la distance au sonar et de la taille des anguilles. A partir de cette derniere, dupourcentage de surface de la vanne suivi par le sonar, et du ratio des debits de la vanne 4 aux autres vannes, les effectifssuivis pour les configurations correctes du sonar (N=1 925) et les effectifs modelises pour les mauvaises configurations(N=126) sont extrapoles pour obtenir une premiere estimation quantitative de la devalaison sur la Vilaine (N=67 314)soit 34.7 tonnes. Ce resultat, preliminaire, sera probablement ajuste avec les informations sur la distribution verticaledes anguilles en fonction des debits, qui sont en cours d’acquisition en 2014.
Abstract The downstream run of silver eels has been monitored with a muti-beam sonar (DIDSON) positionedon a guidance rail at the fourth gate of the Arzal dam at the head of the Vilaine estuary. The DIDSON was positionedsequentially at the surface, where it recorded the eels migrating on the overspill of the gate, and at the bottom where itmonitored the flow at the gate. A the bottom, it worked alternatively with two positions, one slanted with the DIDSONfocusing on the bottom, and the other straight with the beam almost horizontal. A total of 2 566 eels have been countedduring file reading. The detection efficiency varied depending on the sonar position, the distance to the sonar, and theeels sizes. Corrections were made -from this efficiency, the percentage of the surface of the gate monitored by the sonar,and the ratio of the flow of the fourth gate to the other gates- to obtain the number of eels counted when the monitoringof the sonar was judged accurate (N=1 925). From these values, a model was built to estimate the run of eels when thesonar was badly positioned or when it failed to record properly (N=126). Both values are used to build a first quantitativeestimation of the downstream migration on the Vilaine (N=67 314) corresponding to an estimated weight of 34.7 tons.This result, preliminary, might be adjusted with information on the vertical distribution of eels according to the flow,that is being currenlty collected in 2014.
Mots cles: anguille argentee, migration, devalaison, DIDSON, Vilaine,silver eel , downtream migration
Sommaire :
1 Materiel et methodes 2
1.1 Description du site . . . . . . . . . . . . . . 21.2 Description du materiel . . . . . . . . . . . 21.3 Suivi des migrations . . . . . . . . . . . . . 21.4 Securite . . . . . . . . . . . . . . . . . . . . 41.5 Mesure des conditions environnementales . 41.6 Depouillement des fichiers . . . . . . . . . . 51.7 Traitements . . . . . . . . . . . . . . . . . . 5
1.7.1 Efficacite de la detection . . . . . . . 61.7.2 Migration sur l’ensemble de la vanne 61.7.3 Migration sur l’ensemble du barrage 71.7.4 Migration jour/nuit . . . . . . . . . 71.7.5 Modelisation de la migration . . . . 71.7.6 Calcul des biomasses . . . . . . . . . 7
2 Resultats 8
2.1 Suivi . . . . . . . . . . . . . . . . . . . . . . 82.1.1 Fonctionnement du barrage . . . . . 82.1.2 Depouillement des fichiers . . . . . . 82.1.3 Problemes de qualite . . . . . . . . . 102.1.4 Positionnement du DIDSON . . . . 102.1.5 Qualite des images . . . . . . . . . . 11
2.2 Taille des anguilles et efficacite . . . . . . . 112.2.1 En surface . . . . . . . . . . . . . . . 132.2.2 Au fond . . . . . . . . . . . . . . . . 132.2.3 Calcul de l’efficacite . . . . . . . . . 14
2.3 Migration . . . . . . . . . . . . . . . . . . . 152.3.1 Migration en fonction du cycle nyc-
themeral . . . . . . . . . . . . . . . . 152.3.2 Comportement de migration . . . . 152.3.3 Ajustement d’une relation taille poids 17
2.3.4 Estimation des effectifs migrants . . 172.3.5 Prediction pour les donnees man-
quantes . . . . . . . . . . . . . . . . 18
3 Discussion 19
3.1 Suivi . . . . . . . . . . . . . . . . . . . . . . 193.2 Calcul . . . . . . . . . . . . . . . . . . . . . 20
3.2.1 Positionnement vertical des an-guilles et extrapolation a la vanne . 20
3.2.2 Migration sur l’ensemble du barrage 213.3 Biais et precision . . . . . . . . . . . . . . . 21
3.3.1 Confusion avec d’autres especes . . . 213.3.2 Taille des anguilles . . . . . . . . . . 223.3.3 Modelisation des effectifs . . . . . . 223.3.4 Encadrement des estimations . . . . 22
3.4 Productivite . . . . . . . . . . . . . . . . . . 233.4.1 Comparaison a d’autres valeurs de
production . . . . . . . . . . . . . . 233.4.2 Comparaison a la production esti-
mee par le modele EDA . . . . . . . 233.4.3 Coherence avec les valeurs de recru-
tement mesurees sur les passes d’Arzal 233.5 Perspectives et recommandations . . . . . . 233.6 Remerciements . . . . . . . . . . . . . . . . 24
4 notations 26
Introduction
Le plan de restauration de l’anguille a comme objectif along terme la restauration de la biomasse d’anguilles ar-gentees a 40 % du niveau sans impact anthropique. Pourevaluer l’atteinte des objectifs de ce plan par les etatsmembres, la commission europeenne demande, dans sonreglement, de quantifier la biomasse d’anguilles argenteespartant vers la mer, pour contribuer au stock reproduc-teur dans la mer des Sargasses. Elle demande aussi de lacomparer, soit a une valeur historique de biomasse d’an-guille produite par les bassins, avant la chute des arri-vees de civelles dans les annees 1970, soit a une valeurtheorique de production basee sur les productivites en an-guilles des differents milieux aquatiques. Enfin, les etatsmembres doivent montrer que les mesures de gestion misesen place pour restaurer le stock d’anguille sont suffisantes.L’estimation de la biomasse d’anguilles argentees produitepar les bassins versants francais est basee, pour la miseen place du reglement anguille (2009) et pour la premierepost-evaluation des mesures de gestion (2012), sur le mo-dele EDA (Jouanin et al., 2012). Ce dernier extrapole uneestimation de l’abondance moyenne d’anguille a partir desdonnees de peches electriques d’anguilles jaunes sur l’en-semble du territoire francais. Le niveau de mortalite subitpar les anguilles a l’echelle du territoire est estime a partirdes debarquements des pecheries et des autres mortalitesdirectes. Les incertitudes du modele EDA portent sur laproduction en anguilles jaunes des secteurs profonds, et sur
la proportion d’anguilles argentees produites a partir d’unstock d’anguilles jaunes. Il est donc necessaire d’evaluersi ce modele produit des resultats coherents par rapportaux productions d’anguilles argentees sur des sites connus.L’un des roles des rivieres index est d’effectuer un suiviquantitatif de la devalaison pour verifier si les biomassesproduites par le modele sont coherentes. La Vilaine faitl’objet d’un suivi du recrutement estuarien de civelles ; ar-rivees de civelles en estuaire, et du recrutement fluvial ;montees de civelles et d’anguillettes au niveau de l’ecluseet des passes a poissons (Briand, 2009, Briand et al., 2003,2006, Briand and Sauvaget, 2012). Elle presente donc uninteret particulier comme riviere index lorsqu’on envisagede quantifier les sorties en anguilles argentees du bassin.En 2009, une etude fut menee pour evaluer la possibilitede mettre en place un suivi de la devalaison par peche etmarquage recapture. Ce travail realise avec l’aide de deuxpecheurs professionnels a montre la difficulte qu’il y avaita mettre en place des pecheries fixes sur les affluents. Lescours d’eaux de la Vilaine presentent une quantite abon-dante d’hydrophytes invasifs (jussie, elodee, myriophylle)qui bouchent les tezelles, filets places dans la riviere pourcapturer les anguilles de devalaison. En outre, la captured’anguilles argentees a l’aide de chaluts a perches places enaval du barrage d’Arzal s’est averee impossible en estuaire(Briand and Sauvaget, 2011b). En 2011, une visite de JonHateley, expert sur le suivi accoustique a l’EnvironmentAgency(GB), a conclu que le suivi de l’anguille argenteea l’aide d’un sonar multifaisceaux (DIDSON) pouvait etretente. Les conditions techniques de l’utilisation du DID-SON (profondeur, vitesse, largeur de vanne) excedaientcelles testees en Angleterre sur la Hunstpill (Bilotta et al.,2011), et la mise en place du suivi restait une gageure.L’EPTB Vilaine, avec les financements du FEDER et del’Agence de l’Eau, a mis en place un marche public de tra-vaux pour la fourniture d’un DIDSON en 2011. Ce derniera ete place sur une poutre HEB au droit des vannes dubarrage et les premiers essais ont eu lieu lors de l’ete 2012.Ce rapport presente le bilan du premier hiver de suivi avecle DIDSON. Il donne tout d’abord une description detailleedu materiel, des procedures de suivi, des bases de donneeselaborees en 2012 pour stocker les informations relativesau suivi de la devalaison et au fonctionnement du bar-rage d’Arzal. Il presente ensuite les resultats, en terme desuivi, d’analyse qualitative des depouillements, des tailleset effectifs d’anguilles observes. Les donnees collectees sontutilisees pour construire un modele statistique de la deva-laison afin de completer les suivis effectues. Enfin, ce rap-port presente une annexe qui compile les informations surles procedures de traitement des donnees, et a pour voca-tion d’echanger avec les partenaires susceptibles d’utiliserun DIDSON.
2
1. Materiel et methodes
1.1. Description du site
Le barrage d’Arzal-Camoel est construit a 10 kilometres del’embouchure de la Vilaine. Il a ete edifie entre 1965 et 1970et est constitue d’un pertuis central de 160 metres compre-nant 5 vannes, d’une ecluse et d’une digue en terre de 360metres. Ce barrage constitue une rupture nette entre le mi-lieu estuarien et le plan d’eau douce artificiellement cree al’amont (Figure 1).
Figure 1: Vue aerienne du barrage d’Arzal, montrant en rive droitel’ecluse et le pertuis des vannes.
Le sonar multifaisceauxx est positionne 12 m en amont dela vanne 4, dans l’echancrure de batardage de la vanne (Fi-gure 2). La structure porteuse de l’appareil est une poutreHEB 240 de 12m, sa fixation permet de maintenir le DID-SON a l’abris des corps derivants (Figure 3).
1.2. Description du materiel
Le systeme d’enregistement est compose d’un sonar multi-faisceaux (DIDSON de Soundmetrics) equipe par un rota-teur (Soundmetrics, X2) permettant de guider le DIDSONa la fois dans un positionnement vertical et lateral (Figure4). Le chariot du DIDSON permet de le positionner a dif-ferentes profondeurs dans la colonne d’eau (Figure 5). Lesimages sont traitees a l’aide du logiciel de depouillementDidson V5.25.35 de la societe Soundmetrics.
1.3. Suivi des migrations
Lors de l’hiver 2012-2013, le DIDSON a ete place dans troistypes de positions. Lorsque le barrage deversait en volets,c’est a dire que l’eau s’ecoulait par les clapets flottants desurface qui se relevent a maree haute, le DIDSON etaitplace en position haute (Figure 6). Lorsque l’ecoulements’effectuait par le fond, en periode de plus fort debit, le
Figure 2: Photo depuis l’amont des vannes montrant l’echancruredans laquelle est positionnee la poutre HEB. La photo est prise alorsque le barrage evacue une crue, les vannes sont entierement levees etles volets, clapets deversant, sont visibles au dessus des vannes.
Figure 3: Positionnement du DIDSON dans l’echancrure de batar-dage de la vanne. Le DIDSON est place a l’abris des corps derivants.
3
Figure 4: Le DIDSON en position relevee, le chariot en inox estdescendu a l’aide du treuil sur le rail HEB.
Figure 5: Charriot du DIDSON.
DIDSON etait place a 80 cm du fond. Il etait alors pro-gramme afin d’echantillonner alternativement une zone ouune partie de l’echo etait reflete par le fond (Figure 7), etune zone en pleine eau (Figure 8).
Le logiciel d’acquisition du DIDSON enregistre des don-nees sur un cycle de 30 minutes. Lorsque le rotateur esten action pour echantillonner differentes directions, l’enre-gistrement n’est fait que sur un cycle de 29 minutes pourpermettre au DIDSON de se repositionner avant de re-prendre l’enregistrement. Ce temps de delai est necessairepour eviter que le DIDSON ne plante. La taille d’un fichiervarie en fonction des conditions d’enregistrement et de laversion du logiciel entre 430 et 580 Mo, soit grossierementun Go par heure d’enregistrement. Au total, l’enregistre-ment de 6 mois de donnees represente un volume d’environ4.65 To. Les fichiers sont repartis entre deux disques Tran-cend d’un volume de 1.5 To, et deux disques Freecom d’unvolume de 2 To. Le DIDSON demande une manoeuvre re-guliere, notamment en fonction des conditions de debit,pour etre positionne de maniere efficace dans la colonned’eau. Ainsi, une augmentation du debit demandera uneintervention sur le site pour positionner le DIDSON en po-sition de fond car l’ecoulement principal se fera alors aufond par les vannes. A l’inverse, une diminution du debitdemandera de remonter le DIDSON en surface. Dans lereste du rapport, et notamment lors des calculs, il est faitl’hypothese que la migration ne s’effectue qu’au droit desecoulement, ce qui veut dire qu’on ne comptera pas d’an-guilles en surface si le barrage est ouvert au fond et viceversa. En plus du repositionnement, le DIDSON doit etredemonte et nettoye a une frequence bi-mensuelle. Nousl’avons appris par l’experience, la frequence des nettoyagesdevrait monter a une fois par semaine en periode de crue,car le DIDSON accumule alors tres rapidement des sedi-
20 15 10 5 0
−10
−5
05
distance(m)pro
fondeur
(m N
GF
)
●5m
15m15m15m15m15m
Figure 6: Schema montrant la position du DIDSON et la fenetred’echantillonnage couverte par l’appareil lorsque celui-ci est place 1m sous la surface (-7 ) pour detecter les anguilles migrant sur lesvolets. Les polygones de couleur representent les differentes sectionsd’echantillonnage en fonction de la distance. Dans cet exemple, lasurface des polygones colores couvre 33% de la zone supposee depassage sur la vanne (zone en jaune + bande d’ecoulement en sur-face).
20 15 10 5 0
−10
−5
05
distance(m)
pro
fondeur
(m N
GF
)
●2.5m12.5m12.5m12.5m12.5m12.5m12.5m
Figure 7: Fond -3 2-12m (24% de la fenetre de passage supposee).
4
20 15 10 5 0
−10
−5
05
distance(m)
pro
fondeur
(m N
GF
)
●5m
15m15m15m15m
Figure 8: Fond +4 5-15m (44% de la fenetre de passage supposee).
ments entre ses lentilles, et la qualite des enregistrementss’en trouve alteree.
1.4. Securite
Le repositionnement du sonar et son nettoyage sont desoperations dangereuses, car elles se font en amont desvannes, et que la remontee du DIDSON demande de semettre dans des positions comportant des risques de chute.Des procedures de securite ont ete mises en place dans ledocument unique de l’IAV pour le deplacement et le net-toyage du DIDSON. Des equipements de securite ont ega-lement ete mis en place sur le site :– echelle en dur pour l’acces a la pile du barrage, avec
une plaque articulee cadenassee en surface pour bloquerl’acces a l’echelle ;
– mise en place d’un support de treuil pour mettre en placeet evacuer le DIDSON ;
– pose d’un garde corps sur la pile.
1.5. Mesure des conditions environnementales
Les parametres decrivant le fonctionnement du barragesont enregistres toutes les dix minutes dans la base de don-nees de l’IAV. Il s’agit :
1. des niveaux d’ouverture des 5 vannes ;
2. de la position des volets - 5 clapets flottants par les-quels sont evacues les debits du barrage lorsque le de-bit est suffisamment faible (entre 10 et 50 m3/s) ;
3. des debits transitant par la passe a poissons ;
4. des debits des siphons 1 ;
1. Les siphons sont des tuyaux dont le fonctionnement gravitairepermet d’evacuer les lentilles d’eau salee s’accumulant en profondeuren amont du barrage, du fait du fonctionnement estival de l’ecluse.Les siphons debouchent pres de l’entree de la passe en rive gauchede l’ouvrage.
5. du debit de la Vilaine, calcule au niveau du pont deCran, 28 kilometres en amont du barrage d’Arzal ;
6. des temperatures d’eau enregistrees au niveau desondes en amont et en aval du barrage.
Les donnees ont ete collectees a partir de la base de don-nees de l’IAV (Systeme d’Information de la Vilaine et deses Affluents) et compilees par pas de temps de 30 mi-nutes dans un format compatible avec celui du DIDSON(voir Annexes pour details).D’autres donnees, au format journalier, comme les horairesde levers et couchers du soleil ont ete ajoutees a cette base.Les durees de penombre civile correspondant a une posi-tion du soleil entre 0 et -6 ont ete estimees a partir d’uneduree de 24 minutes avant le lever et apres le coucher dusoleil.
1.6. Depouillement des fichiers
Les fichiers sont recueillis au niveau du local de la passea intervalles reguliers et rapatries au siege de l’IAV. Ilssont ensuite traites par le logiciel pour reduire le temps dedepouillement. Le traitement (CSOT) retire les elementsstables de l’image (echos constants) et ne retient que descibles pouvant correspondre a des anguilles. Ce processuspermet de reduire la taille des fichiers et de limiter le tempsde depouillement, mais il depend aussi des conditions. Lepassage d’un banc de mulets, par exemple, pourra conduirea garder l’ensemble du fichier. Au contraire, l’applicationdu CSOT lors des crues tardives de fevrier, peut conduirea eliminer l’ensemble du fichier : il n’y a plus de cible cor-respondant a la taille d’une anguille.Les recommandations initiales - cibles de 4.8 dB (Jon Ha-teley, Environement Agency, com. pers.)- se sont avereestrop elevees car elles conduisaient a ecarter de nombreusesanguilles detectees lors du visionnage des fichiers complets.Des essais ont ete effectues avec des seuils de 4.2, puis 2.5dB. Au final, les seuils de traitement sont passes a 2.8 envolet et 2.1 dB en vanne. Ils ont ete appliques a partir demi-octobre et tous les fichiers deja lus ont ete re-traitesavec les nouveaux seuils de detection. Le traitement des fi-chiers a demande une etape de calibration inititale a deuxlecteurs, puis la lecture des fichiers a ete partagee entre leslecteurs. L’apprentissage progressif de la lecture a conduita relire les fichiers du debut de saison pour ecarter des an-guilles sur lesquelles un doute etait present. La presence demulets en devalaison ou de nombreux alevins est notee surune echelle de 0 a 5, depuis le niveau zero (pas d’alevinsou de mulets) a 5 (gene maximale).Trois type de nage sont notes :– Running l’anguille devale normalement,– Backsliding l’anguille devale avec la tete orientee vers
l’amont,– Hanging l’anguille a un comportement qui rend difficile
de pouvoir analyser si elle est passee ou pas, ce type decomportement se produit en general a l’ouverture desvannes.
5
Par rapport a la lecture du DIDSON, les operateurs ren-seignent egalement l’entree et la sortie des anguilles duchamp. La zone d’echo du sonar se presente comme uncone (Figure 9). Cette image rassemble en deux dimensionsles echos enregistres a plusieurs hauteurs, il n’est donc paspossible de connaıtre le positionnement vertical de l’an-guille dans le cone du faisceau (Figure 6). Plusieurs typesd’enregistrement sont donc repertories :
– <–> l’anguille traverse l’ensemble du champ horizontalprospecte par le DIDSON (elle traverse le faisceau de lagauche vers la droite (Figure 9)),
– In l’anguille entre dans le champ, soit par dessus, soitpar dessous, soit lateralement (dans ce cas elle entre ge-neralement a 2 m ou a 5 m, c’est a dire qu’elle etaitentre la pile et la zone de prospection) ; pour l’observa-teur elle apparaıt donc en cours de trajectoire au milieudu champ.
– Out l’anguille sort du champ.– InOut l’anguille entre et ressort.
1.7. Traitements
Les donnees sont recuperees depuis la base de donneesPostgreSQL a l’aide d’outils RODBC et sqldf (Conwayet al., 2013, Grothendieck, 2012). Les suivis concernentquatre classes de tailles d’anguilles (τ formule 1) dont lesprobabilites de detection par le DIDSON ne sont pas equi-valentes en fonction des distances (δ, formule 2, Figures6 8 et 7). Les resultats doivent egalement etre distinguesen fonction des trois positions du DIDSON (k, formule 3).Les suivis sont ramenes a la duree d’un fichier de suivi,c’est a dire t=30 minutes.
Tailles d’anguilles (τ) =
< 45cm males
45− 60cm petites femelles
60− 80cm grandes femelles
> 80cm tres grandes femelles
(1)
Classes de distance au sonar (δ) =
(2, 5m[
(5, 7m[
(7, 9m[
(9, 11m[
(11, 13m[
(13, 15m[
(2)
Positionnements du DIDSON (k) =
f+4 fond, 4 5-15m
f−3 fond, -3 2-12m
s surface, -7 5-15m
(3)L’objectif des traitements est d’extrapoler le nombre d’an-guilles observees au niveau du sonar N4o(t, τ, δ), a l’en-
semble de la vanne 4, N4(t, τ), puis a l’ensemble du fleuveVilaine N(t, τ).
1.7.1. Efficacite de la detection
Le nombre observe par les operateurs du DIDSON pourchaque classe de taille, correspond au nombre d’anguillesmigrant multiplie par l’efficacite du DIDSON Ek(t, δ, τ, t),calculee pour chaque classe de taille τ , chaque classe dedistance δ et pour les differentes positions du DIDSON k
(Formule 4).
N ′
o4(t, τ, δ, k) = No4(t, τ, δ, k)× Ek(t, δ, τ) (4)
En pratique, le nombre de detections disponibles pour leDIDSON ne permet pas de tester une variation temporellede l’efficacite du DIDSON et la somme des effectifs obser-ves sur l’ensemble de la periode sert de base au calcul.
No4(τ, δ, k) =∑
t
No4(t, τ, δ, k, t)
Si l’efficacite est de 100%, le nombre d’anguilles detecteesdevrait augmenter regulierement en proportion de l’aug-mentation de la surface couverte par le faisceau S(k) (Fi-gure 6). Cette augmentation est lineaire, sauf lorsque lefaisceau heurte le fond (Figure 7), alors une partie de lazone de detection est perdue. Pour chaque positionnementdu DIDSON on a :
No4(τ, δ + 1, k) =
No4(τ, δ, k)×S(δ + 1, k)
S(δ, k)
(5)
Les surfaces des polygones sont calculees par l’intersectionde droites Peng et al. (2013) (Voir annexes pour fonctiondrawdi, Figures 6 a 8). D’une classe de taille a la suivante,les nombres observes devraient theoriquement augmenteren coherence avec les rapports de surface. En effet, d’apres4 et 5, on a (formule 6) :
E(δ + 1, τ, k) = E(δ, τ, k)×S(δ + 1, k)
S(δ, k)×
N ′o4(τ, δ, k)
N ′o4(τ, δ + 1, k)
(6)En prenant comme reference E=1 pour les detections lesplus proches du DIDSON, on peut calculer l’efficacite enfonction de la distance de detection.Ces donnees sont ensuite utilisees pour calculer les effi-cacites moyennes par un modele lineaire, pour lequel b0,b1,. . .,b5 sont les coefficients de la regression et δ : k ettau : k sont les interactions. La prediction du modeleconduit a des efficacites superieures a 1, qui sont alors ra-menees a 1 (formule 7).
E(δ, τ, k) =min(1, b0 + b1τ + b2δ + b3k
+ b4δ : k + b5τ : k)(7)
6
L’efficacite pour chaque position du DIDSON k Ek cor-respond a l’efficacite moyenne ponderee, calculee commesuit :
Ek =
∑τδ N
′o4(τ, δ, k)∑
τδ No4(τ, δ, k)(8)
Le calcul des effectifs a chaque pas de temps est finalementpondere d’un facteur lie au temps d’enregistrement pluscourt en vannes. Les enregistrements de chaque heure Hsont sur les periodesH : 00 : 00⇒H : 29 : 00 etH : 30 : 00⇒ H : 59 : 00. Les effectifs sont donc amputes d’un facteurρ(k). ρ(k)= 60/58 lorsque le DIDSON fonctionne avec lerotateur (au fond), et ρ(k)= 1 en surface.
¯E(k) = ¯E(δ, τ, k)
N ′
o4(t, k) =No4(t, k)× ¯E(k)× ρ(k)(9)
(a) Anguille a 4 m.
(b) Anguille a 6 m.
(c) Anguille sur le fond et ombre portee.
Figure 9: Anguilles en devalaison filmees par le DIDSON.
1.7.2. Migration sur l’ensemble de la vanne
Le nombre passant au niveau de la vanne correspond aunombre passant dans le cone de detection du DIDSONNo4,extrapole a l’ensemble de la fenetre de migration. Dans unpremier calcul (pour cette annee) nous faisons l’hypothese
que toutes les anguilles migrent par une fenetre de taillereduite au droit de la vanne ou du volet. La surface decette fenetre correspond a la largeur de la vanne (l=18m)multipliee par (Formule 11) :– la hauteur de la vanne, multipliee par un coefficient Λ
lorsque le barrage est ouvert au fond ;– la charge sur le volet, multipliee par un coefficient λ
lorsque le barrage deverse en surface.Lors des tres grandes ouvertures de vannes, ou pour degrandes valeurs des coefficients Λk et λk, la surface de mi-gration devient l’ensemble de la vanne. Le ratio des sur-faces F depend donc de la hauteur de la vanne Ht ou dela charge sur le volet Ct qui est calculee a chaque pas detemps (formules 10 et 11).
No4(t, k) = N4(t, k))× F (t, k,Λ, λ) (10)
F (t, k,Λ, λ) =
{S(k)lHtΛ
au fondS(k)lCtλ
en surface(11)
La collecte de donnees sur la repartition verticale des an-guilles permettra par la suite de preciser le calcul de F .
1.7.3. Migration sur l’ensemble du barrage
Nous faisons l’hypothese qu’il n’y a pas de trajet de mi-gration preferentiel au droit du barrage, c’est a dire que larepartition des anguilles entre les differentes vannes se faitau prorata du debit.
N4(t) =Q4(t)
Q(t)×N(t) (12)
1.7.4. Migration jour/nuit
Comme les anguilles migrent majoritairement de nuit, lesdepouillements ont ete effectues sur les fichiers correspon-dant a la periode nocturne. Pour la migration diurne, unsuivi particulier a ete effectue sur des journees completespour determiner le pourcentage d’anguilles migrant de jourµ. Le nombre total migrant est donc corrige a partir de cepourcentage µ.
N =
∑t=nuit N
1− µ(13)
1.7.5. Modelisation de la migration
Les migrations correspondant aux fichiers complets, sansprobleme de qualite ⊙, sont utilisees pour modeliser les mi-grations d’anguilles a l’aide de GAM (Wood, 2011) (For-mule 15).
ln( N ′o4(t, k)⊙) = b0 + b1s(v1) + b2s(v2) + · · ·+ bis(vi) + ǫ
(14)Le meilleur ajustement de la distribution theorique estrecherche parmi les distributions de donnees discretes
7
(Delignette-Muller et al., 2013) : poisson, poisson augmen-tee en zero, binomiale negative et binomiale negative aug-mentee en zero (Yee, 2013). Les variables testees corres-pondent au debit, au ratio du debit de la vanne 4 et desautres vannes, a des facteurs chronologiques (soit conti-nus, soit categorises en mois, semaine, heure. . .). Les va-riables sont croisees pour tester l’absence de correlation(Kutner, 2005). Les donnees manquantes ou celles corres-pondant aux periodes avec problemes (⊗ voir Paragraphe2.1.3) sont extrapolees a partir du modele (15).
PN ′o4
(t,k)⊗ = eb0+b1s(v1)+b2s(v2)+···+bis(vi) (15)
1.7.6. Calcul des biomasses
Les biomasses en devalaison sont calculees a partir de lafrequence de taille corrigee des anguilles. Les frequencesdes effectifs de chaque classe de taille de 5cm sont calculeeset multipliees par le poids moyen du centre de la classe, telque predit par la relation taille poids calee sur les donneesregionales d’anguilles argentees (source ONEMA et IAV).Les surfaces en eau du bassin versant (120.64 km2) sontcalculees a partir des surfaces en eaux des principaux coursd’eaux (112 km2) et des etangs (8.6km2) dans la base dedonnees topographiques BD TOPO 2.0.
2. Resultats
2.1. Suivi
2.1.1. Fonctionnement du barrage
Le barrage est reste ferme jusqu’au 21 septembre et a com-mence a fonctionner en vannes le 1er octobre lors de lapremiere augmentation de debit (Figures 10 et 11). Deuxpics d’augmentation de debit ont ete observes entre le 18et le 24 octobre et du 24 au 27 novembre. La principalecrue hivernale debute le 7 decembre, avec un premier pica presque 700 m3.s−1 le 23 decembre et un deuxieme pica 500 m3.s−1 autour du 5 fevrier. Sur la Vilaine, le debitde 500 m3.s−1 correspond a une crue de retour bisann-nuelle, 740 m3.s−1 a une crue quinquennale 2. Deux autrespics de crue ont ete observes autour du 20 mars et du 13avril. Les turbidites sont tres correlees au debit (cor=0.82).Dans la periode precedant les deux pics de crue, la vanne4 fonctionne a la fois en surface et au fond (Figure 11,voir aussi 17b et 17c pour le detail des temps de fonc-tionnement nocturnes en fonction du positionnement duDIDSON en octobre et novembre). Suivant les consignesde gestion du barrage mises en place pour 2012-2013, lespremieres evacuations en vannes s’effectuent sur la vanne4, des les premieres augmentations de debit, au dela de 50m3.s−1, ce qui explique que l’on voit des manoeuvres de lavanne 4 tres tot sur la Figure 11 alors que les debits n’ontpas encore vraiment augmente (Figure 10).
nov. janv. mars mai
date
0200
400
600
025
50
75
Débit journ
alie
r m
3/s
et
turb
idité (
NT
U)
Figure 10: Debit de la Vilaine (m3.s−1 en bleu) et turbidite (NTU,en tirets noirs) pendant la periode de migration. Les debits superieursa 100 m3.s−1 sont indiques en turquoise. En fond, problemes defonctionnement du sonar, en vert erreurs ponctuelles d’acquisition,en jaune, problemes d’ecriture, en orange, problemes de qualite, voiraussi la figure 35 dans la discussion pour le detail des horaires.
2. source banque hydro, station hydrologique de Rieux
8
nov. janv. mars mai
−5
05
Niv
eau v
anne o
u v
ole
t (m
)
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●
●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●
●●●●●●●●●●●●
●
●●●●●●●●●●
●●●●●●●●●●●●●●●●
●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●●
●●●●●●●●
●●●
●
●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●
●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●
●●
●
●●●●●●●
●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●
●●●●●●●●
●
●●●●●●●●●●●●●●●
●●
●●●●●●●●●
●●●●●●●●●●●●●●●
●●●●●●●●●●
●●●●●●●●●●●●●●●●●
●
●●●●●
●●●●●●●●●●●●●●●●●●●●
●●●
●●●●●●●●●●●●●●●●●●●●●●
●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●●●●●●●●●●●●●●●
●●●●●●●●
●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●●●●●●●●●●●●●●●●
●
●●●●●●●
●
●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●
●●
●●●●●●●●●●●●●●●●●●●●●●●
●
●●●
●
●●●●●●●●●●●●●●●●●●●●●
●
●●●●●
●●●
●
●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●
●●●●●●
●●●●●●
●●●●●●●●●●●●●
●
●
●●●●●●●●●●●●
●●●●●●●●●●●●●●●
●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●
●
●●●●●●●●●●●●
●●●●●●●●●●●●●●●●
●●●●●●●●
●
●●●●●●●●●●●
●
●●●●●●
●●●●●●●●●
●●●●●●●●●●●
●
●●●●●
●●●●●●●●●●●
●●●●●●●●●●
●●●●●●
●●●●●●●●●●●
●●●●●●●●●●●●●●●●●
●●●●●●●●●
●
●●●●●●●●●●●●●●●●●
●●●●●●●●
●●●
●●●●●●●●●●●●●
●
●●●●●●●●●●
●
●
●
●●●●●
●●●●●●●●●●●●●●●●●●
●
●●
●●●●●
●
●●●●●●●●●●●●●●●●●●●●
●
●●●●●
●
●●●●●●●●●●●●●●●●●●●●●
●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●
●●●●●●●
●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●●●●●●●●
●●●●●●
●●●●●●●●●●●
●●●●●●●●●●●●
●●●●●●
●
●●●●●●●●●●●●●
●
●
●●●●
●●●●●
●
●●●●●●●●●●●●●●
●
●
●
●●●●●●●●●
●
●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●●●●
●●●●●●●●●●
●
●●
●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●
●
●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●
●
●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●●
●●●●●●●●●●●●●●●
●
●●●●●●●
●
●●●
●
●●●
●
●●●●●●●●●
●
●
●●●●●●●●●●●●
●
●
●●●●
●
●
●●●●●
●
●
●●●●●●●●●●●●●
●●●●●
●
●●●●●●●
●
●
●●●●●●●●●●●●●●●●●●●
●
●
●●●●
●
●
●●●●●●●●●●●●●●●●●●●●
●
●●●●●●
●
●
●●●●●●●●●●●●●●●●●
●
●
●●●●●●●
●
●
●●●●●●●●●●●●●●●●
●
●
●●●●●●●●●
●
●
●●●●●●●●●●●●●●
●
●
●●●●●●●●●
●
●
●
●
●●●●●●●●●●●●
●
●
●●●●●●●●●●
●
●
●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●●
●
●
●●●●●●●●●●●●
●
●
●●●●●●●●●●●
●
●●●●●●●●●●
●●●●●●
●
●
●●
●
●●●●●●
●
●●●●●●●●●●●●
●
●●●
●●●●●●
●
●●●●
●
●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●●●●●●●●●●●●●●●●
●●●●●●●●●●
●
●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●
●●●
●
●●●●●●●●●●●●
●●●●●●●●●●●●
●
●●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●●●●●●●●●●●●●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●●
●
●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●
●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●
●
●●●●●
●
●●●●●●●
●
●●●●●
●●●●●●●
●●●●●●
●●●●●●●●●
●
●●●●●●●●●●●●●●●●●
●●●●●●●●●●●
●●
●●●●●●●●●●●●●
●
●●●●●●●●●●
●
●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●●●●●●●●●●
●
●
●●●●●●●●●●●●●
●
●
●●●●●●●●●●
●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●
●●●●●●●●●●●●
●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●
●
●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●
●
●
●
●●●●●●●●●
●
●●●●●●●●●●●●
●
●
●●●
●
●●
●●●●●●●●
●
●●●●●●●●●●●
●●●●●●
●
●●●●●●●●●●●
●
●
●●●●●●
●●●
●
●●●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●
●
●●●●●
●●●●●●●●●●●
●
●●
●
●●●●●●●
●
●●●●
●
●●●●●●●●●●
●
●
●●
●
●●●●●●
●
●●●●
●
●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●
●
●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●
●●●●●●●●●●●●●
●
●
●●●●●●●●
●
●●
●
●●●●●●●●●●●●●
●
●●●●●●●●●
●
●●●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●
●●
●
●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●
●●●●●●●
●
●●●●●●●●●
●
●
●●●●●●●●●●●●●●
●
●●●●●●●●●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●
●●●●●●●●●●●●
●●●●●●●●●●●●
●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●
●
●●●●●●●●●●●●●●●●●●●●
●
●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●
●●●●●
●
●●●●●●●●●●●●●●●●●●●●●
●
●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●
●●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●●●●●●●●●●●●
●
●
●●●●●●●●●●●●●●
●●●●●●●●●
●
●
●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●
●
●●
●
●●●●
●●●●●
●●
●
●●●●●●●●●●●●●●●
●
●●●●●●
●
●●●
●
●●●●●●●●●●●●●
●
●●●●●●●●
●
●●●
●
●●●●●●●●●●●●●●●
●
●●●●●●●
●
●●
●
●●●●●●●●●●●●●●
●
●●●●●●●
●
●●●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●
●●●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●
●
●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●
●
●
●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●
●
●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●
●●●●●●●●
●
●●●●●●●●
●●●●●●●●●●●
●
●●●●●
●●●●●●●●●
●
●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●●
●●●●●●●●●●●●●
●
●●●●●●●●●●●●●
●
●
●
●●●●●●●●●
●
●●●●●●●●●●●●●●●●
●
●●●●●●●
●
●●●●●●●●●●●●●●●●●●●
●
●●●●●
●
●●●●●●●●●●●●●●●●●●●●●
●●●●●
●
●●●●●●●●●●●●●●●●
●
●●●●
●●●●●●●●●●●●●●●●●●●●●
●
●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●
●
●●
●●●●●●●●
●
●●●●●●●●●●●●●●
●●●●●●●●●●●●
●
●●●●●●●●●●●●
●
●
●
●●●●●●●●●●●
●
●●
●
●●●●●●●●●●●●●●
●●●●●●●●●●●
●●
●
●●●●●●●●●●●●●
●●●●●●●●
●
●●●●
●
●●●●●●●●●●●●
●
●●●●●●●●
●●●●●●
●●●●●●●●●●●●
●
●●●
●●
●
●●●●●●●
●
●●●●●●●●●●●●
●
●●●●●●
●
●●●●●●●
●
●●●●●●●●●
●●●●●●●●●●●●●
●●●●●●
●
●
●
●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●
●
●
●●●●
●
●●
●
●●●●●●●●●●●●●●●●●●
●●●●●●
●
●●●●●●●●●●●●●●●●●
●
●
●
●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●
●
●●●●●
●●●●●●●●●●●●●●●●●●●●●
●●●●●●
●●●●●●●●●●●●●●●●●●●●●
●
●●●●
●
●●●●●●●●●●●●●●●●●●●●●
●
●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●
|
|||||||||||||||||||||||||||||||||
||||||||||||||||||||||||||||||||||||
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||||
||||||||||||
||||||||||||||
||||||||||||||||
|||||||||||
||||||||||||||||
||||||||||||
||||||||||
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||||||||||||||||||
||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||
||||||||||||||||||||
||||||||||||
||||||||||||
|||||||||||
||||||||||||||||
|
|
|||||||||||
|||||||||||||
|
||
||||||||||||
||||||||||||||||
|||||||||||||
||||||||||||||
||||||||||||||
|||||||
||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
||||||||||||||||
|||||||||||
|||||||||||||||
||||||||||
|||||||||||||||||
|
|
||||
||||||||||||||||||||
|||
|||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||
|||||||||||||||||
||||||||
||||||||||||||||||||
||||||||
||||||||||||||||||||
|||||||
|||||||||||
|||||||||||||||||||||||||||||||||||||||||||||||||||||
||||||||||||||||||||||||
||
||||||||||||||||||||||||
|||
|||||||||||||||||||||||
|||||||||
|||||||||||||||||
||||||||||||
||||||||||||||
|||||||||||||
|||||||||||||
|
|
|||||||||||
||||||||||||||||
||||
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||
||||||||||||
||||||||||||||||
|||||||||
||||||||||||||||||||||||||||||||||||||||||||
|||||||||||
||||||||||||||||
||||||||||||
|||||||||||||||
||||||||||
||||||||||||||||||
||||||||
||||||||||||||||
|||||||||||
||||||||
|||||||||||||||||||
||||||||
|||||||||||||||||||||
||||||
|||||||||||||||||||||
|||||||
|||||||||||||||||||||
||||||||||
||||||||||||||||||||||||||||||||||||
||||||||
|||||||||||||||||||||||||||||||||
||||||||||||||||||
||||||||||
||||||||||||||||
|||||||||||
||||||||||||||||||
|||||||||||||||
||||||||||
||||||||||||||||
|
|
||||||||||
||||||||||||||||||
|||||||||||
||||||||||||
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
||||
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||
|||||||||||||||||||
|||||||||||
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
||||||||||||||||||||||||||
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||||
|||||||||||||||
|||||||||||
|||||||||||
|||||||||||||||
|||||||||||||
|||||||||||||
|
|||||||||||||||||||||||||||
|||||
||||||||||||||||||||||
||||||
||||||||||||||||||||||
|||||
|||||||||||||||||||||||
||||
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||
|||||||||||||||||||||||||||||||||||||||||||
|||||||||
||||||||||||||
|||||||||||||||
|||||||||||||
||||||||||||||
|||||||||||
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
||||||||||
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
||||||||||||||||
||||||||
|||||||||||||||||
|||||||||
|||||||||||||||||
||||||||||
||||||||||||||||||
||||
|||||||||||||||||||||
||||
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|||||||||||
|||||||||||||||
||||||||||||
||||||||||||||
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
||
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
||||||||||||||||||
|||||||||
||||||||||||||||||
||||||
|||||||||||||||||||
|
|
|||||||
||||||||||||||||||||||
|||||
||||||||||||||||||||
|||||||
||||||||||||||||||||
||||||
|||||||||||||||||||||||
|||
||||||||||||||||||||||||||
surface
fond
débit
volet fermé
volet ouvert
vanne
Figure 11: Fonctionnement du barrage, ouverture de la vanne 4 etdu volet 4 et debit de la Vilaine pendant la periode de migration.Chaque point correspond a une valeur pendant 30 minutes.
2.1.2. Depouillement des fichiers
Le depouillement correspond a du temps de lecture defichier (Figure 12), il ne comprend pas la maintenancedes donnees, l’inscription dans la base ou les verifications.En prenant comme base un temps de depouillement de 6heures par jour, 5 jours par semaine, la duree totale dedepouillement est de l’ordre de 7 mois complets (Tableau1).
Table 1: Temps de depouillement des fichiers DIDSON en 2012-2013.Les temps donnes ne correspondent qu’au temps passe au depouille-ment.
mois temps9 4 jours 01 :54 :0010 5 jours 17 :39 :0011 3 jours 14 :01 :0012 4 jours 03 :10 :161 2 jours 21 :22 :002 3 jours 19 :02 :003 3 jours 02 :50 :004 2 jours 14 :26 :00total 29 jours 22 :24 :16
L’apprentissage de la lecture des fichiers a ete fait sur lespremieres devalaisons observees debut octobre avec destemps de depouillement depassant parfois la duree d’enre-gistement du fichier (30 minutes) (Figure 12a). Le tempsde depouillement a ensuite baisse un peu pour se stabi-liser a un niveau de 10 minutes par demie-heure d’enre-gistrement. La saisie des informations sur les anguilles enmigration prend egalement du temps.
Deux facteurs principaux genent la lecture des fichiers du
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
● ●
●
●
●●
●
●
●
●
●●●
●
●
●●
●
●
●
●●
●
●
● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
● ●
●
●
●
●●● ●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●●
●
● ●
●
●
●
●
●
●
●
●●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●●
●
●
● ●
●
●
●
●
● ●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●●
●
●●
●
●●●
●●●●●
●
●●●●
●
●
●
●●
●●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
● ●●
●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
●●
●
●●
●●●
●●●
●●
●
●
●●●●
●
●●●●●●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●●●
●●
●
●●
●
●●●
●
●
●
●●
●
●●
●●●
●●●●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
●
●
● ●
●
●
●
●
●
●●
●
●
●
● ●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
● ●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●●
●
●
●●●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●● ●
●
●●
●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●●
●
●●
●
●
●●
●
●
●
●
●●
●●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
● ●
●
●
●●
●●
●
●●●
●
●
●
●
●
●
●
●
● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
● ●
●
●
●●
●
●
●●
●●
●
●
●
●
●●
●●
●
●●
●
●
●
●●
● ●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●●●
●
●
●
●
●●
●
●
●
●●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
● ●
●
●
●
●
●
●●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
● ●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
● ●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●● ●● ●●
●
●
●
●
●
●●
●
●
●
●●
●●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
●●
●
●
●
●
●
●
●
● ●
●
●
●●
●●
●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
● ●
●
●
●●
●
●
●●●
●
●
●
●
●
●
●
●●
●
●
●
●●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●●●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
● ●●●
●
● ●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
●●
●
●●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ●
● ●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●●●
● ●
●●
●●
●
●
●
●●
●
●●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●●
●
●
●
●
●
●●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●●
●
●
●
●
●
●
●
●
●●
●
●●
●●
●
●●
●
●
●
●
●
●
●
●
●● ●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●●
●
●
●
●
●
●
●
●
●
●● ●●●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●● ●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●●●
●
●
●●
●
●
●
●
●●
●
●
● ●
●
●
●●
●
●
●
●
●
●●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
● ● ●
●
●
●
●
●●
●●
●
●
●●
●
●
●●
●
● ●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●●
●
●
●
●●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●● ●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●●
●●
●
●
●
● ●
●
●
●
● ●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●●
●
●
● ●
●
●
●
●
●● ●
●
●
●●
●
●
● ●
●
● ●
●
●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
●●●
●
●
●
●● ●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●●
●● ●
● ●
●●
●
●
●
●
●
●
●
● ●●●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
● ●
●●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
● ●
●
●
●
●●
●
●
●●● ●
●●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
● ●
●
●
●
●
●
●
●●
●
●
●
●
●●
● ●
●
●
●
●
●
● ●
●
●
●
●
●
●●●●
●●●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●● ●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●
●●
●●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
● ●
●
●
●
●●
●
●
●●
● ●
●
●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●●●● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●● ●
●
●
●
●
●
●
●●
●
●
●●
●
●●●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●●
●●
●
●
●
●●●●
●●
●
●
●
●
●●
●
●
●●●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●●
●
●
●
●
●
●
●
●
●
●
●
●
●● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
● ●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
● ●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
● ●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●●
●
●
●●●
●
●
●
● ●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●●●
●
●
● ●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●●
●
●
●
● ●●
●
●
●
●
●
●
●
●
●
●
●● ●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●●
●
●●
●
●●
●
●
●
●
●●
● ●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●●
●
●●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●●
●●
●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●●●
● ●●●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●●
●
●
●●●
●
●
●
● ●●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●● ●
●
●
● ●
●
●
●
●
●
●●
●
●●●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●●
●
●
● ●●
●
●
●●
●
●●
●
●●
●
●
●
●●
●
●
●
●●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
● ●
●●
0
25
50
75
100
oct. nov. déc. janv. févr. mars avr. mai
Jour d'enregistrement du fichier
tem
ps d
e d
épouill
em
ent
d'u
n f
icher
de 3
0 m
inute
s e
n m
inute
s
lecteur
●
●
●
Brice
Brice et Gerard
Gerard
(a) Temps de depouillement.
●●
●
●
●
●
●
●
●
●
●
●●●●●
●
●
●
●
●
●
●
●
●
●
●
● ●●
●
●●
●
●●●●
●
●
●
●●
●●●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●
●
0
25
50
75
100
9 10 11 12 1 2 3 4
Mois
tem
ps d
e d
épouill
em
ent
d'u
n f
icher
de 3
0 m
inute
s e
n m
inute
s
lecteur
Brice
Brice et Gerard
Gerard
(b) BoxPlot des temps de depouillement.
Figure 12: Temps de depouillement, distribution et boxplot.
DIDSON, il s’agit de la presence d’alevins et de la presencede mulets. La presence d’alevins ne montre pas d’evolu-tion saisonniere significative. Les valeurs superieures a 2,qui correspondent a une gene a la lecture, restent toute-fois limitees a septembre-octobre. Les mulets disparaissentcourant decembre (Figures 13, 14 et 15). Ceux-cis peuventetre consideres comme plus genants que les alevins, avecune lecture difficile des que le score depasse 2, ce qui arriveen septembre, octobre et novembre. Les mulets ont toute-fois une activite diurne et la gene est en general concentreeen debut et fin de nuit. Le depouillement s’est fait de 18heure a 8 heure pour la majorite des fichiers. A quelquesexceptions pres, le soir en decembre et en janvier, les de-pouillements recouvrent ainsi l’ensemble de la periode noc-turne. Certaines journees ont ete depouillees en entier pourprendre en compte l’ensemble du cycle journalier (Figure16).
La lecture des fichiers du DIDSON prend 10 minutes enmoyenne pour un fichier de 30 minutes. Ce temps aug-mente si il y a beaucoup d’anguilles a mesurer, des muletsou des alevins qui genent la lecture. L’apprentissage estlong. La seule lecture des fichiers du DIDSON corres-pond a un plein temps sur 7 mois, pour une periode dedevalaison de 9 mois
9
Figure 13: Histogramme montrant la presence de mulets dans lescomptages, les valeurs sont aggregees sous forme de moyenne a partirde scores allant de 0 (pas de mulets) a 5 (mulets tres genants pourle comptage)
Figure 14: Banc d’alevins
Figure 15: Banc de mulets (Liza ramada)
0
5
10
15
20
25
oct. nov. déc. janv. févr. mars avr. mai
date
Heure
0
5
10
15
20
heure
Figure 16: Heures de debut et de fin des fichiers depouilles, et heuresde lever et de coucher du soleil. Les rectangles bleus a violet corres-pondent a des horaires de fichiers depouilles, en noir=pas de de-pouillement, en orange, debut et fin des durees de penombre civilescorrespondant a une position du soleil a -6 en dessous de l’horizon.
10
2.1.3. Problemes de qualite
Plusieurs types de problemes ont ete rencontres lors del’acquisition des fichiers :
– le plus courant est un probleme d’ecriture(2), soit acause d’une erreur de disque, soit a cause d’un plantagelors de l’acquisition des fichiers (Figure 10 en jaune).Pour ces periodes il n’y a pas du tout d’enregistrement ;
– le logiciel d’acquisition a montre des problemes d’ac-
quisition(1) ponctuels en decembre et janvier (certainsfichiers ne s’enregistraient pas, en vert sur la Figure10 3) ;
– certains fichiers sont enregistres mais demauvaise qua-
lite(3) (en orange sur la figure 10). En debut de saison,les fichiers de mauvaise qualite correspondent a des fi-chiers dont la source a ete supprimee et pour lesquelsn’ont ete garde que des extractions avec un CSOT (trai-tement d’image) trop eleve. En fin decembre, les fichiersde mauvaise qualite correspondent a un envasement dela chambre de la lentille du DIDSON lors de la crue. Elleetait pleine de vase lors de son nettoyage debut janvier.
Table 2: Fonctionnement du DIDSON en fonction de la position, 0enregistrement normal, 1 probleme d’acquisition, 2 probleme d’ecri-ture, 3 probleme de qualite
f+4 f-3 s0 1600 1651 14091 132 26 02 114 113 1043 246 292 64
2.1.4. Positionnement du DIDSON
L’analyse du positionnement et du fonctionnement du so-nar permettent de determiner quelle est la part de valeursmanquantes, qu’il faudra extrapoler pour reconstituer leseffectifs migrant au droit du sonar. On peut resumer lesfonctionnement du sonar dans la periode de 18h a 8h surl’ensemble de la saison de migration comme suit (Figure17) :
– le DIDSON est bien positionne 53% du temps (rec-tangles marron ou bleu ou turquoise) ;
– pendant 19% du temps, la vanne 4 est fermee, que ce soiten surface ou au fond et il n’y a pas d’enregistrementpossible (rectangles noirs) ;
– les fichiers du DIDSON n’ont pas ete lus, ou le DID-SON n’a pas fonctionne pendant 26% du temps (zonesgrises) ;
– enfin, le DIDSON est mal positionne orange et les fi-chiers ont fait l’objet d’un depouillement seulement 3%du temps.
Ainsi, la majorite des fichiers lus correspondent auxperiodes ou le didson est bien positionne, alors que
3. Le changement de la version du logiciel a corrige ces problemesd’acquisition
●
●
Ouverture vanne
Po
sit
ion
did
so
n
0
sf
0
s fsf
(a) Septembre
●
Ouverture vanne
Po
sit
ion
did
so
n
0
sf
0
s f sf
(b) Octobre
●●
Ouverture vanne
Po
sit
ion
did
so
n
0
sf0
s f sf
(c) Novembre
●● ●● ● ●
Ouverture vanne
Po
sit
ion
did
so
n
0
sf0
s f sf
(d) Decembre
● ● ●
●
●
Ouverture vanne
Po
sit
ion
did
so
n
0
sf0
s f sf
(e) Janvier
●●
●
●
Ouverture vanne
Po
sit
ion
did
so
n
0
sf0
s f sf
(f) Fevrier
●
●
Ouverture vanne
Po
sit
ion
did
so
n
0
sf0
s f sf
(g) Mars
●
●
●
Ouverture vanne
Po
sit
ion
did
so
n
0
sf0
s f sf
(h) Avril
Figure 17: Position du DIDSON et de la vanne 4, taille des rec-tangles relative au nombre d’occurences d’un type de positionnementde vanne et d’un type de positionnement DIDSON pour chaque mois.En lignes, positionnement du DIDSON, 0 = pas de lecture, s = sur-face (Figure 6), f=fond (Figure 7).En colonnes, ouverture de la vanne, 0= pas d’ouverture, s=surface,f=fond, sf= surface et fond (l’ouverture change au cours des 30 mi-nutes).Couleurs : noir vanne fermee, gris pas de lecture, bleu ouverturefond et DIDSON au fond, marron ouverture surface et DIDSON ensurface, turquoise changement de fonctionnement du barrage lorsdes 30 minutes, orange le DIDSON enregistre mais il est mal place.
11
les periodes ou le didson est mal positionne -parexemple les volets sont remis en fonctionnementapres la fermeture des vannes en fin de nuit- n’onten general pas ete lues. Ces periodes, dependantde la maree, apparaissent en detail demie-heure pardemie-heure en marron (code 4) sur la Figure 35).
Le positionnement du DIDSON par rapport aux ouver-tures au fond ou en surface est correct dans 53% dutemps. A ce pourcentage, il faut ajouter 19% du tempspendant lequel l’ouvrage est completement ferme.
2.1.5. Qualite des images
La qualite des anguilles detectees est notee par l’opera-teur lors de la detection avec un facteur allant de 1 (tresmauvaise qualite) a 5 (tres bonne qualite). L’analyse dela qualite des anguilles en fonction de leur taille et de ladistance de detection montre des resultats coherents :– en surface, les effectifs observes sont, en nombre, rela-
tivement homogenement repartis par classe de distance(Figure 18a). La proportion d’anguilles de faible qualite(2=doute, et 3=qualite moyenne en gris clair) augmenteregulierement en surface a mesure que l’on s’eloigne del’appareil ;
– au fond (fond -3˚5-15m), les anguilles de bonne qualitediminuent et les anguilles de faible qualite augmententa mesure que l’on s’eloigne du DIDSON, dans des pro-portions similaires aux fichiers generes en surface. Lesmeilleurs effectifs d’anguilles de bonne qualite (>3) - 60% en surface contre 26 % en volets - pourraient s’ex-pliquer par un effet saisonnier. Les mulets etaient tresnombreux en debut de saison, lorsque le barrage dever-sait en volets. Globalement, les anguilles lues lorsquele DIDSON etait positionne en surface etaient donc demoins bonne qualite. Cependant, nous le verrons au pa-ragraphe 2.2, l’efficacite de detection diminue plus rapi-dement en fonction de la distance au fond qu’en surface ;
– au fond (fond -3 2-12m), lorsque le DIDSON est orientede maniere a projeter un echo du fond, des resultatssurprenants sont obtenus, tant en terme d’effectifs (voir2.2), que de qualite de detection pour la classe de dis-tance (7,9]m qui correspond a la zone ou l’echo du fondest le plus important lors des lectures (voir figures 9c et37c 4, et 18c 5). Ce resultat, inattendu, pourrait effecti-vement traduire un probleme de detection dans la zoned’echo, qui n’a pas ete detecte lors de la lecture par lesoperateurs du DIDSON.
2.2. Taille des anguilles et efficacite
Les observations sur les effectifs detectes en fonction desclasses de distance sont coherentes avec les observations
4. pour avoir une idee de l’echo5. la taille de la deuxieme barre est plus faible et les effectifs des
classes 2 et 3, en haut, sont plus importants que dans les classesvoisines
Classe de distance
Qu
ali
te
(5,7]
54
32
(7,9] (9,11] (11,13] (13,15]
(a) SurfaceN=440.
Classe de distance
Qu
ali
te
(5,7]
54
32
1
(7,9] (9,11] (11,13](13,15]
(b) fond +4 5-15mN=886.
Classe de distance
Qu
ali
te
(2,5]
54
32
1
(5,7] (7,9] (9,11] (11,13]
(c) fond -3 2-12mN=599.
Figure 18: Qualite des detections en fonction des classes de distance.La largeur des rectangles est proportionnelle aux effectifs dans chaqueclasse. La hauteur est proportionnelle aux effectifs dans les differentesclasses de qualite. Qualite 5 =pas de doute possible, qualite 1 = fortdoute.
faites sur la qualite de detection des anguilles (voirparagraphe precedent 2.1.3). A partir du nombre totald’anguilles detectees (2 566), une selection est effectueepour ne garder que les fichiers sans problemes (1 925)car c’est sur ces donnees que sont faites les calculs. Lastructure des tailles d’anguilles est unimodale (Figure 19,en haut). Les effectifs sont plus reduits avant 5 m car ilsne correspondent qu’aux enregistrements fond -3 2-12m(Figure 19, a droite). Mais meme en se limitant auxobservations au dela de 5 m de distance, on observe unecorrelation significative (Pearson cor=0.17, p<0.001) entrela taille des anguilles mesurees et la distance d’observation(Figure 20). Les anguilles de plus petite taille ont moinsde chance d’etre detectees a plus grande distance que lesanguilles de grande taille (Figure 20). Compte tenu desconditions differentes, lors des depouillements en surface,et pour les deux orientations du DIDSON au fond, desanalyses separees sont conduites pour chacune des troiscategories.Au prealable, toujours a partir de l’ensemble des donnees,une analyse de l’evolution temporelle des effectifs parclasse de taille montre que la taille des anguilles estdependante du mois (Test χ2 p<0.001). Il y a moinsd’anguilles de tres grande taille qu’attendu pour lesmois de septembre et octobre et plus de decembrea fevrier, lors des crues (Figure 21, ligne du bas).Il y a egalement plus d’anguilles males en novembre(Figure 21 classe de taille (0,45] ligne du haut).
12
0
5
10
15
25 50 75 100 125
Taille anguille (cm)
dis
tance d
'observ
ation (
m)
4
8
12
16count
0
50
100
150
25 50 75 100 125
N
0
5
10
15
0 50 100 150
N
N=1925Tous
Figure 19: Taille des anguilles en fonction de la distance au so-nar. Couleur en fonction du nombre d’observations par carre. Lespolygones d’isodensite permettent de mettre en evidence la relationdistance - taille (les plus petites anguilles ne sont visibles que presdu DIDSON).
(2,5] (5,7] (7,9] (9,11] (11,13] (13,15]
50
75
100
0.0 0.1 0.2 0.0 0.1 0.2 0.0 0.1 0.2 0.0 0.1 0.2 0.0 0.1 0.2 0.0 0.1 0.2
classes de distance (densite
Taill
e (
mm
)
Mois
09
10
11
12
01
02
03
04
Figure 20: Struture de taille des anguilles en fonction de la distanceau sonar et du mois.
−3.3
−2.4
0.0
2.4
3.0
5.8
Pearsonresiduals:
p−value =< 2.22e−16
mois
psf_
l_cl2
(80,1
50]
(60,8
0]
(45,6
0]
(0,4
5]
09 10 11 1201020304
Figure 21: Diagramme en mosaique montrant la relation entre lataille et le mois. En rouge et bleu, les categories qui sont significati-vement differentes au seuil de 90 et 99% (Zeileis et al., 2007).
La structure en taille des anguilles varie en fonction de ladistance au DIDSON. Les anguilles sont donc plus diffi-ciles a detecter loin du DIDSON. L’efficacite de la detec-tion est egalement plus faible pour les petites anguilles.On constate aussi une difference significative dans lesproportions mensuelles des differentes classes de taille.
2.2.1. En surface
440 anguilles ont ete observees lorsque le DIDSON etaiten surface (et pour des conditions de depouillement opti-males). La structure de taille est plus bimodale, avec uneaugmentation des effectifs autour de 45 cm - la limite entreles tailles males et femelles (Figure 22). Les effectifs parclasse de taille diminuent de maniere lineaire en fonctionde la distance pour les petites anguilles <45cm (trait bleupointille, Figure 23), et pour la classe de taille 45-60 cm(trait vert pointille Figure 23). En l’absence de problemede detection ; i.e pour une efficacite de 100% ; les effectifsdevraient augmenter a mesure que la distance augmentedu fait de l’augmentation de la taille du faisceau (voir for-mule 6). Une fois corriges de l’effet d’augmentation de lataille du faisceau, les effectifs des trois plus petites classesde taille diminuent de maniere significative (p<0.05), amesure que l’on s’eloigne du sonar, alors que les effectifsde la plus grande classe de taille >80 cm restent stables(Figure 23). Ainsi, un calcul d’efficacite est fait pour lestrois premieres classes de taille, et l’efficacite est supposeede 100% pour les anguilles les plus grandes.
13
5.0
7.5
10.0
12.5
15.0
25 50 75 100 125
Taille anguille (cm)
dis
tance d
'observ
ation (
m)
2
4
6
8count
0
10
20
30
40
25 50 75 100 125
N
5.0
7.5
10.0
12.5
15.0
0 5 10 15 20
N
N=440
Surface
−7° 5−15m
Figure 22: Taille des anguilles pour un positionnement surface 7 5-15m, en fonction de la distance au sonar. En haut effectifs en fonctionde la taille, a droite effectifs en fonction de la distance. L’intensitede la couleur est fonction des effectifs.
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
0
10
20
30
40
(5,7] (7,9] (9,11] (11,13] (13,15]
Classe de distance d'observation (m)
Nom
bre
type
act.
cor.
Classe taille
●
●
●
●
●
●
●
●
(0,45]act.
(0,45]cor.
(45,60]act.
(45,60]cor.
(60,80]act.
(60,80]cor.
(80,150]act.
(80,150]cor.
Figure 23: Effectifs observes (traits pointilles) et corriges de l’aug-mentation de la taille du faisceau (traits pleins) en fonction de ladistance lorsque le DIDSON est positionne en surface.
2.2.2. Au fond
Le nombre d’anguilles detectees est de 886 pour la posi-tion fond +4 5-15m, contre un effectif de 599 pour la po-sition fond -3 2-12m (Figures 24 et 25). Les effectifs fond-3 2-12m representent 68% des effectifs fond +4 5-15m.Ce pourcentage devrait etre plus faible si l’on se refereau rapport entre les surfaces des zones de detection quiest lui de 60% (voir paragraphe 1.7.1- Efficacite de la de-tection). Cette difference est en coherence avec une plusfaible efficacite des detections a 5-15m que a 2-12m, maiselle pourrait aussi traduire une trajectoire preferentielledes anguilles pres du fond (voir discussion).
En position +4 5-15m, les pentes des courbes, des effec-tifs corriges de l’augmentation de la surface du faisceau,diminuent pour l’ensemble des classes de tailles (p<0.01)(Figure 26). Les resultats concernant la position -3 2-12msont plus difficiles a interpreter. Il y a un deficit tres netd’effectif dans la classe de distance 5-7m. Ce deficit cor-respond a la zone d’echo du DIDSON, pour laquelle une
8
12
16
25 50 75 100 125
Taille anguille (cm)
dis
tance d
'observ
ation (
m)
2.5
5.0
7.5
10.0
12.5
count
0
20
40
60
25 50 75 100 125
N
8
12
16
0 1020304050
N
N=886
Fond
+4° 5−15m
Figure 24: Relation effectifs-taille-distance, DIDSON fond +4 5-15m.
0
5
10
25 50 75 100 125
Taille anguille (cm)
dis
tance d
'observ
ation (
m)
2.5
5.0
7.5
count
0
10
20
30
40
25 50 75 100 125
N
0
5
10
0 1020304050
N
N=599
fond
−3° 2−12m
Figure 25: Relation effectifs-taille-distance, DIDSON fond -3 2-12m.
plus faible qualite d’image avait deja ete notee, il appa-raıt egalement sur les lignes d’isodensites de la figure 25.Du fait de l’importance des problemes de detection dansla deuxieme classe de distance, les tests de pente utilisespour decider sur quelles classes de taille calculer l’efficaciten’ont pas ete possibles, et toutes les classes de taille ontfait l’objet d’un calcul d’efficacite (Figure 27).
2.2.3. Calcul de l’efficacite
L’efficacite a ete calculee suivant la formule 6 en prenantcomme reference les effectifs de la classe de distance la plusproche du DIDSON. Elle est ensuite calculee a l’aide dumodele lineaire (Formule 7, Tableau 3). Les reponses sontsignificativement differentes en fonction de la position du
14
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
0
25
50
75
100
(5,7] (7,9] (9,11] (11,13] (13,15]
Classe de distance d'observation (m)
Nom
bre
Classe taille
●
●
●
●
●
●
●
●
(0,45]act.
(0,45]cor.
(45,60]act.
(45,60]cor.
(60,80]act.
(60,80]cor.
(80,150]act.
(80,150]cor.
Figure 26: Effectifs observes (traits pointilles) et corriges de l’aug-mentation de la taille du faisceau (traits pleins) en fonction de ladistance lorsque le DIDSON est en position fond +4 5-15m.
●
●
●
●
●●
●
● ●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
0
20
40
(2,5] (5,7] (7,9] (9,11] (11,13]
Classe de distance d'observation (m)
Nom
bre
Classe taille
●
●
●
●
●
●
●
●
(0,45]act.
(0,45]cor.
(45,60]act.
(45,60]cor.
(60,80]act.
(60,80]cor.
(80,150]act.
(80,150]cor.
Figure 27: Effectifs observes (traits pointilles) et corriges de l’aug-mentation de la taille du faisceau (traits pleins) en fonction de ladistance lorsque le DIDSON est en position fond -3 2-12m.
DIDSON 6, et le modele avec interaction est selectionne(Figure 28). La figure 29 resume l’efficacite de la detectionen fonction de la distance et de la taille des anguilles.
Table 3: Analyse de variance du modele lineaire des efficacites.k=position du didson, τ= taille, δ= distance au didson,δ : k et τ : k,termes d’interaction du modele.
Df Sum Sq Mean Sq F value Pr(>F)δ 5 2.99 0.60 29.3 0.000k 2 0.76 0.38 18.5 0.000τ 3 1.02 0.34 16.6 0.000δ : k 7 0.35 0.05 2.5 0.037τ : k 6 0.37 0.06 3.1 0.016residus 36 0.73 0.02
L’efficacite moyenne ponderee (Formule 8) est de 65% ensurface, 53% en position fond - 3 2-12m et 49% en po-sition fond +4 5-15m. Apres correction des effectifs par
l’efficacite, le rapport No4(k=f−3)No4(k=f+4)
est de 0.62, proche de la
valeur de 0.60 correspondant au rapport des surfaces despolygones de detection.
L’efficacite moyenne est de 65% en surface, 53% en posi-tion fond - 3 2-12m et 49% en position fond +4 5-15m.
6. le modele E ≃ δ ∗ k + τ ∗ k est significativement meilleur quele modele E ≃ δ + τ + k p(>F)= 0.0086
(0,45] (60,80]
−0.4
0.0
0.4
taille_cm
Com
ponent+
Resid
ual(eff
icacite)
(2,5] (7,9] (11,13]
−0.6
−0.2
0.2
0.6
distance_m
Com
ponent+
Resid
ual(eff
icacite)
fond−3 fond+4 surface
−0.4
0.0
0.4
positionC
om
ponent+
Resid
ual(eff
icacite)
Component + Residual Plots
Figure 28: Predictions et residus de la modelisation lineaire de l’effi-cacite du DIDSON, en fonction de la taille et de la distance au DID-SON, pour les trois positions du sonar. Ce graphique correspond aumodele sans interaction.
86
100
98
100
40
60
52
66
55
75
68
81
40
60
52
65
7
27
19
33
90
91
100
100
71
72
90
92
52
53
71
73
24
25
42
45
6
7
24
27
74
83
100
100
59
68
100
100
42
50
83
96
32
41
73
87
20
29
61
75
(0,45]
(45,60]
(60,80]
(80,150]
(0,45]
(45,60]
(60,80]
(80,150]
(0,45]
(45,60]
(60,80]
(80,150]
fond−
3fo
nd+
4surfa
ce
(2,5] (5,7] (7,9] (9,11] (11,13](13,15]
δ(m)
τ(cm
)
0.25
0.50
0.75
1.00efficacite
Figure 29: Efficacite en fonction de la taille et de la distance auDIDSON, pour les trois positions du sonar.
15
2.3. Migration
2.3.1. Migration en fonction du cycle nycthemeral
Le suivi des migrations a ete effectue essentiellement entre18 h et 8 h (Figure 16). Un suivi 24h/24 a ete egalementeffectue sur 26 jours entre septembre et fevrier. Sur cetteperiode, le nombre d’anguilles entre 8h30 et 17h30 (bornesinclues) est de 8.6% du total migrant (Figure 30a). Lepourcentage migrant entre 17h30 et 18 h00 est de 3%.L’augmentation des effectifs en fin de journee correspond aune periode nocturne en decembre et janvier (Figure 16).En considerant, non pas les horaires, mais les heures de le-ver et de coucher du soleil, la migration diurne corresponda 7.7% du total. Le fonctionnement de l’ouvrage peut avoirune influence sur les effectifs comptes. En effet, lorsque ledebit est faible, les vannes sont utilisees pour ramener laVilaine aval a une cote d’objectif, en debut de maree des-cendante. Une fois cette cote atteinte, le barrage est misen regulation, c’est a dire qu’il laisse partir le debit de laVilaine a l’aide des volets. Les volets, qui se redressent parflottaison au moment de la maree haute, ne demandentpas d’intervention nocturne de la part des barragistes. Dece fait, les evacuations en vannes concernent en priorite ledebut de la nuit.Les effectifs sont multiplies par un coefficient de pondera-tion qui corrige le nombre d’anguilles compte du nombre desuivis (i.e le nombre d’anguilles compte en debut de nuitest plus grand parce que les vannes etaient plus souventouvertes a cette periode) est donne au tableau 4. En fonc-tion de cette correction, les effectifs migrant entre 17h30et 18 h00 sont ramenes a µ=8.7% (Formule 13). Que cesoit sur les periodes de suivi complet (Figure 30a) ou surl’ensemble du suivi de 18h00 a 8h00 (Figure 30b), la mi-gration la plus importante se fait apres le coucher du soleilet jusqu’a minuit. Les effectifs declinent a partir de minuitjusqu’au matin. Les effectifs migrant apres le lever du soleilou avant son coucher sont tres reduits (Figure 30). Il existeune difference importante dans les horaires de migrationentre les positionnement en surface et au fond du didson,et cette derniere pourrait etre due a l’augmentation de laturbiditite en periodes de plus fort debit, pour lesquellesle barrage fonctionne en vannes.
Les migration sont essentiellement nocturnes (7.7%). Uncoefficient de correction de µ=8.7% est utilise pour es-timer la proportion d’anguilles migrant de jour et noncomptees lors des suivis.
2.3.2. Comportement de migration
Les differents comportements de nage, et de traversee dufaisceau, sont decrits en materiel et methode (paragraphe1.6). Il semble y avoir un effet du type de nage sur la proba-bilite qu’une anguille traverse tout l’ecran (χ2 p=5.5×10−3
Tableau 5). Les anguilles en nage a contre courant ont
9
10111213
14
15
16
17
18
19
20
21
2223 0 1
2
3
4
5
6
7
8
0
25
50
75
Nom
bre Soleil
couché
levé
(a) suivi de 24 h/ 24.
9
10111213
14
15
16
17
18
19
20
21
2223 0 1
2
3
4
5
6
7
8
9
10111213
14
15
16
17
18
19
20
21
2223 0 1
2
3
4
5
6
7
8
vanne volet
0
50
100
150
200
Nom
bre Soleil
couché
levé
(b) tous, de 18h a 8h
Figure 30: Horaires de passage des anguilles en fonction de l’alter-nance jour nuit (voir Figure 16), (a) pour les 26 jours ou un suivi de24 h a ete effectue , (b) pour tous les jours d’octobre a mai entre 18h 00 et 8h00, avec a gauche et les suivis en fond, a droite les suivisen surface
16
Table 4: Repartition horaire des anguilles detectees au DIDSON,nuit = suivi 208 jours toute la saison entre 18h 00 et 8h00 , 24h=repartition pour les 26 jours de suivi complet, 24 h cor= idemmais valeurs corrigees des ouvertures de vannes.
nuit 24 h 24 h cor.0 238 94 711 176 51 442 159 57 493 134 47 514 110 45 655 103 24 326 64 19 257 71 21 228 49 12 139 3 4
10 4 411 3 312 5 513 6 614 4 515 4 516 5 517 33 3018 126 47 4419 156 39 3920 262 64 6321 319 73 6722 268 66 6123 257 77 65
Somme 2492 803 778
en effet une probabilite plus forte que les autres de ren-trer dans le faisceau. La proportion d’anguilles effectuantune traversee complete (33%) est faible ce qui indique uneprospection verticale de la colonne d’eau par les anguilles.Cette prospection est plus importante lorsque le DIDSONest positionne en surface (tableau 6).
Table 5: Effectifs de comportements observes en surface et envannes, <–> traversee complete, In entree par le dessus ou le dessous,Out sortie par le dessus ou le dessous, InOut entree et sortie
<–> In InOut OutBacksliding 24 17 18 22
Hanging 10 9 19 14Running 598 393 543 258
Table 6: Pourcentage d’anguilles effectuant la traversee du fais-ceau, <–> traversee complete, In entree par le dessus ou le dessous,Out sortie par le dessus ou le dessous, InOut entree et sortie, Nvanne=1485, N volet=440.
fond surface<–> 39 14
In 20 28InOut 27 41Out 15 17
2.3.3. Ajustement d’une relation taille poids
Pour calculer les biomasses produites, la relation taillepoids (poids ∼ taille3) a ete ajustee a l’aide d’uneregression robuste (rlm) (Venables and Ripley, 2007),car la variance de la reponse augmente avec la variablepredite. Les donnees provenant de l’echantionnage desanguilles argentees en 2009 et 2010 sur la Vilaine sontmoins dispersees que celles collectees par l’ONEMA, maisles deux relations sont similaires (Figure 32). La courbetaille poids est utilisee pour predire les distributionsde poids d’anguilles a partir des tailles mesurees auDIDSON (Figure 31). Le poids moyen des anguillesest estime a 515g. Les sexes ratios sont calcules demaniere preliminaire en fixant une limite de taille entreles males et les femelles a 450 mm (Acou et al., 2010).Il s’etablissent a 12 % de males. Des resultats sensi-blement differents sont obtenus par des methode dedecomposition polymodales (Macdonald and Pitcher,1979), mais l’ajustement des frequences ne correspondpas a des structures en tailles credibles pour les males.
D’apres la structure en taille corrigee de l’efficacite, lepoids moyen des anguilles argentees est estime a 515g.
2.3.4. Estimation des effectifs migrants
Un total de 2 566 anguilles a ete compte au DIDSON,pour les fichiers correspondant au meilleur filtre (CSOT)
17
(30,35] (50,55] (70,75] (90,95] (110,115]
classe de taille (cm)
Effectifs
observ
és e
t corr
igés d
e l'e
ffic
acité
0100
200
300
400
0100
200
300
400
Figure 31: Structure en taille des anguilles, en bleu fonce effectifsbruts, en bleu clair effectifs corriges de l’efficacite.
Figure 32: Modelisation de la relation taille-poids, en magenta,donnees recueillies sur la Vilaine en 2001, 2009 et 2010, en vert,source ONEMA, donnees Loire Bretagne. La regression s’ecrit,P (g)=1739.5×L(mm)3 pour les donnees Bretagne (N=3648) etP (g)=1749.1×L(mm)3 (N=186) pour les donnees Vilaine.
de depouillement. Ce nombre diminue a 2 317 anguilleslorsqu’on ne selectionne que les anguilles comptees entre18 h et 8h . Puis il diminue encore a 1 925 lorsqu’on ne se-lectionne que les fichiers pour lesquels le DIDSON est posi-tionne correctement, et qui ne presentent pas de problemede qualite, d’ecriture ou d’acquisition. Les fichiers pourlesquels l’acquisition est jugee correcte ⊙ correspondent a46% du temps.A partir de cette selection, les differentes etapes d’extra-polation conduisent aux effectifs N⊙ decrits au tableau 9.Les effectifs comptes pour chaque position du DIDSON etchaque pas de temps N ′
o4(t, k) sont divises par l’efficacite¯E(k) et le facteur ρ pour obtenir les effectifs corriges au
droit du DIDSON No4(t, k) suivant la formule 8.A partir de ces effectifs, les donnees sont extrapolees auniveau de la vanne N4(t, k) en utilisant des coefficients devaleur Λ=2 pour les vannes et λ=6 pour les volets (For-mule 11) 7. Enfin, les effectifs sont extrapoles a l’ensembledu barrage pour obtenir la prediction N⊙ (Formule 12).Lors de cette derniere extrapolation, on corrige aussi deseffectifs estimes de jour pour obtenir la migration sur l’en-semble du cycle journalier (Formule 13).
2.3.5. Prediction pour les donnees manquantes
La deuxieme etape du calcul des effectifs correspond a laprediction des migrations lorsque le DIDSON est dans unemauvaise position, c’est a dire en surface alors que les ecou-lements sont au fond, et au fond alors que les ecoulementssont en surface. Le nombre de donnees correspondant a cetype de configuration est de 157 enregistrements, contre2 628 enregistrements en fonctionnement normal (⊙). Leseffectifs mesures lors de ces periodes sont donnes a la ligneP (N ′
o4)⊘ du tableau 9. A ces periodes s’ajoutent les pe-riodes ou l’enregistrement est defaillant (voir paragraphe2.1.3). L’ensemble des deux types de problemes est groupedans une categorie d’effectifs (⊗) qui regroupe 3 123 ob-servations.Un modele est construit sur les effectifs des periodes (⊙).La distribution des donnees differe d’une distribution depoisson (χ2 p=0) du fait du nombre trop eleve de ze-ros. Elle n’est pas differente d’une distribution poissonaugmentee en zero de parametres µ=1.75 et σ= 0.58(Kolmogorov-Smirnov p=0.65). Elle ne differe pas nonplus d’une distribution binomiale negative de parametresµ=0.73 et taille= 0.41 (χ2 p=0.19). L’AIC de l’ajustementd’une distribution binomiale negative est le plus faible.Pour cette raison, cette distribution a ete preferee a desdistributions poisson augmentee en zero ou binomiale ne-gative augmentee en zero (Figure=33).Les donnees sont ajustees par un modele gam, qui permetd’integrer des reponses non lineaires par rapport aux va-riables explicatives du modele. Le modele selectionne est
7. La justification du choix de ces coefficient, et les calculs alter-natifs sont presentes en discussion
18
0 5 10 15
0.0
0.1
0.2
0.3
0.4
0.5
0.6
Emp. and theo. distr.
Data
Density
empirical
theoretical
0 5 10 15
0.0
0.2
0.4
0.6
0.8
1.0
Emp. and theo. CDFs
Data
CD
F
empirical
theoretical
Figure 33: Ajustement de la distribution les effectifs observes audroit du sonar N ′
o4par une distribution binomiale negative.
decrit dans les tableaux 7 et 8 et dans la Figure 34. La cor-relation entre les variables de debit est significative maisfaible (Pearson r= −0.14, p<0.001), et de ce fait les deuxvariables, pourcentage de debit par la vanne 4 et debit to-tal, sont utilisees dans le modele. Le modele explique 38 %de la deviance (N=2 623).Compte tenu de la necessite de predire des effectifs en
Table 7: Approximation de la significativite des termes lisses du
modele gam, N ′o4
≃ s(debitvilaine30, k = 4)+s(pdebit4)+s(ndays)+H + position
edf Ref.df Chi.sq p-values(debitvilaine30) 1.00 1.01 5.76 0.02
s(pdebit4) 3.06 3.73 6.74 0.13s(ndays) 4.65 5.70 402.73 0.00
Table 8: Tableau resumant les termes parametriques du modele gam,
N ′o4
≃ s(debitvilaine30, k = 4)+s(pdebit4)+s(ndays)+H+position
df Chi.sq p-valueH 12.00 67.69 0.00
position 2.00 56.91 0.00
janvier, lors du dysfonctionnement du sonar, une variablecontinue a ete choisie pour le temps meme si un ajuste-ment a partir des semaines comme variables categoriellesdonnait un meilleur AIC.
Le modele selectionne est utilise pour predire la valeur deseffectifs en migration au droit de la vanne lors des periodes⊗. Les predictions du modele sont reconstituees suivant la
0 200 400 600 800
−1
01
23
debitvilaine30
s(d
ebitvila
ine30,1
)
0.2 0.4 0.6 0.8 1.0
−1
01
23
pdebit4
s(p
debit4,3
.06)
0 50 100 150 200
−1
01
23
ndays
s(n
days,4
.65)
−2.0
−1.5
−1.0
−0.5
0.0
0.5
1.0
H
Part
ial fo
r H
00 03 06 20 23
−2.0
−1.5
−1.0
−0.5
0.0
0.5
1.0
position
Part
ial fo
r positio
n
fd ff s
Figure 34: Ajustement des reponses pour les variables selection-nees dans le modele gam, predictions pour les termes lisses, debit-vilaine30=debit vilaine au pas de 30 minutes, pdebit4=% de debittransitant par la vanne 4, ndays=jours en nombre depuis le debutde la saison, H=heures, position=position du DIDSON, ff=fond -32-12m, fd=fond 4 5-15m,s=surface.
Table 9: Extrapolation des effectifs,N ′o4
effectifs comptes au droit dusonar, No4=effectifs corriges de l’efficacite du DIDSON, N4=effectifsestimes au droit de la vanne, N= effectifs estimes sur l’ensemble dubarrage, P (N)=effectifs modelises, ⊙= periode de suivi complet sansprobleme de qualite, ⊗=periode de suivi extrapolee, probleme d’en-registrement ou de qualite ou mauvais positionnement du DIDSON,⊘=periodes sans probleme de qualite mais avec un mauvais position-nement du DIDSON (⊘ ⊂⊗), en marron(4) sur la figure 35 et orangesur la figure 17.
f+4 f−3 s Σ
N ′o4⊙ 886 599 440 1 925
No4⊙ 1 872 1 166 681 3 719N4(Λ = 2, λ = 6)⊙ 4 852 4 762 1 962 11 575N⊙ 15 902 17 076 7 404 40 382N ′
o4⊗ 75 75 242 392dont N ′
o4⊘ 27 21 78 126
P (N ′o4)⊗ 579 419 276 1 274
P (No4)⊗ 1 183 787 427 2 398
P (N4(Λ = 2, λ = 6))⊗ 2 656 2 642 598 5 895
P (N)⊗ 11 715 13 129 2 088 26 932
N ⊙+P (N)⊗ 27 617 30 205 9 492 67 314
19
meme procedure que decrite aux paragraphes 1.7 et 2.3.4.Les differentes etapes de la reconstitution des effectifs sontresumees dans le tableau 9 et aboutissent a l’estimationd’un effectif de 67 314 anguilles argentees en devalaison.A partir de l’ensemble des effectifs (⊙+⊗) et du poidsmoyen calcule au paragraphe 2.3.3 la biomasse d’anguilleest estimee a 34.7 tonnes.
Les effectifs extrapoles a partir des donnees conside-rees comme fiables (N⊙=40 382) et les effectifs mode-lises pour les mauvaises configurations (P (N)⊗=26 932)donnent une premiere estimation quantitative des effec-tifs d’anguilles argentees en devalaison sur la VilaineN=67 314 soit 34.7 tonnes (Tableau 9).
3. Discussion
3.1. Suivi
Le suivi des migrations par le DIDSON est un suivi nonintrusif (Bilotta et al., 2011), qui ne demande pas d’inter-vention massive sur les anguilles en terme de marquage etrecapture, et qui permet l’acquisition d’information sur ladevalaison quel que soit le debit. Il ne requiert pas non plusde faire des estimations en marquage recapture pour les-quelles les hypotheses de bases (population fermee, pas demodification de la probabilite de capture...) sont difficilesa respecter (Seber, 1982). Le suivi du DIDSON est globa-lement moins contraignant que celui d’un piege de deva-laison, car il permet un enregistrement decale des images,et un traitement qui peut s’etaler dans le temps. Cette re-marque sur les avantages du DIDSON doit etre relativiseepar cinq elements :– le cout de l’equipement ;– la verification, de maniere tres reguliere, du bon fonc-
tionnement du DIDSON et de la qualite de l’enregistre-ment, mais aussi le repositionnement regulier du sonar,en surface et au fond, pour s’ajuster au mieux au fonc-tionnement du barrage, necessitent quand meme unepresence plusieurs fois par semaine sur le site ;
– le temps de depouillement des fichiers est tres long.Le depouillement des fichiers n’a, c’est une certitude,pas ete optimal lors de cette premiere annee de miseen oeuvre du DIDSON, car la lecture des images de-mande un apprentissage, pour pouvoir reperer les an-guilles par leur comportement. Le temps de depouille-ment des images (30 jours), et la maintenance de l’appa-reil (peut etre 10 jours) place le suivi de la Vilaine bienau dela de celui de la Huntspill pour lequel le temps to-tal etait estime a 10 jours pour 5 mois de suivi (Bilottaet al., 2011) ;
– enfin, par rapport aux autres suivis, le suivi par le DID-SON, si il permet d’obtenir des information sur la struc-ture en taille, ne permet pas d’obtenir d’informationssur les anguilles (sexe ratio, otolithes...). Le suivi doitdonc etre complete par le prelevement d’anguilles.
Les problemes d’acquisition et de colmatage du DIDSONont ete en grande partie regles en 2013-2014. D’une part dufait que le DIDSON ait ete suivi plus regulierement lors desperiodes de fort debit, et d’autre part avec le changementdu logiciel d’acquisition. Par contre, le probleme de posi-tionnement du DIDSON reste pose du fait de l’aternancede fonctionnement surface / fond du barrage (Figure 35).En general les periodes ou le etait mal positionne n’ont pasfait l’objet d’un depouillement (Figures 17 et 35).
0
5
10
15
20
25
oct. nov. déc. janv. févr. mars avr. mai
Heure
qualité
0
1
2
3
4
5
Figure 35: Fonctionnement du DIDSON. Les rectangles corres-pondent chacun a une periode d’enregistrement, 0 enregistrementnormal, 1 probleme d’acquisition, 2 probleme d’ecriture, 3 problemede qualite, 4 mauvais positionnement du DIDSON par rapport auxecoulements, 5 vanne fermee.
3.2. Calcul
3.2.1. Positionnement vertical des anguilles et extrapola-tion a la vanne
Sur les systemes de taille reduite, la perte d’une partie dufaisceau du sonar est compensee par un coefficient de cor-rection (Bilotta et al., 2011, facteur 2 sur la riviere Hunts-pill). Sur la Vilaine, les positionnements variables du sonar,et les differences d’ecoulement en fonction des debits, ontconduit a choisir de multiplier la charge sur les volets ensurface -ou la hauteur de la vanne au fond- par des coef-ficients λ et Λ (formules 10 et 11). Dans le cas du trajeten vannes, la contraction hydraulique verticale au niveaude l’orifice noye se traduit par des courants moins resser-res a 12 m en amont de la vanne, la ou est positionne lesonar. Il est donc logique de considerer que les anguillesmigrent preferentiellement dans la veine de courant et surune surface plus large que celle de l’ouverture la vanne.
20
La collecte de donnees sur la repartition verticale des an-guilles permettra l’annee prochaine de preciser le calculd’une relation sur la distribution verticale des anguilles F ,qui permet d’extrapoler les effectifs sur l’ensemble de lavanne N4 a partir des effectifs corriges au droit du sonar(No4 Formule 10).Dans l’attente de ces donnees complementaires, nous avonsquand meme des elements pour juger de la veracite des ex-trapolations effectuees.Tout d’abord, les effectifs extrapoles lorsque le barrage estouvert en vannes correspondent a des enregistrements faitsalternativement avec deux positionnement du DIDSONpar le rotateur. Logiquement, les effectifs extrapoles aprescorrection de l’efficacite N4(k = f−3 Λ = 2)⊙+N4(k =f−3 Λ = 2)⊗=7 404 et N4(k = f+4 Λ = 2)⊙+N4(k =f+4 Λ = 2)⊗=7 508 devraient etre du meme ordre degrandeur. En effet, a 30 minutes pres, il y a peu de chancesque la migration varie beaucoup. Dans le cas du coefficientΛ=2 que nous avons utilise pour le rapport, les effectifsN4(f+4) etN4(f−3) n’ont que 2%
8 d’ecart. En fonction deshypotheses Λ prises pour les repartitions verticales des an-guilles, un ecart plus important peut etre observe. Ainsi, sion estime que les anguilles sont toutes presentes dans unezone dont la hauteur correspond a l’ouverture de vanne(Λ=1), alors pour de faibles ouvertures, le faisceau du so-nar est au dessus de l’ouverture en position droite (f+4), cequi conduit a des effectifs probablement surestimes (20%d’ecart entre les effectifs N(f−3) et N(f+4)). A l’inverse sil’on choisit des coefficients Λ=6 ou 8, c’est a dire que lesanguilles migrent dans une fenetre dont la hauteur est 6 a8 fois la hauteur de la vanne, alors l’ecart s’inverse et unedifference de l’ordre de 20% est de nouveau observee entreles deux effectifs. Ceci indique que en pratique, pour despetites ouvertures de vanne, les anguilles sont plus nom-breuses au fond. Pour cette raison, mais aussi d’apres laforme logique des faisceaux de courant au droit du sonar,le coefficient de Λ=2 est dans l’etat actuel des donnees lameilleure valeur fournie a titre d’expert (Figure 36).Dans le cas des volets, les observations concernant les tra-jectoires des anguilles montrent qu’elles sont plus nom-breuses a avoir des mouvements verticaux. En effet, si leDIDSON ne permet pas d’observer le positionnement ver-tical des anguilles -car toutes les images observees dansle cone de detection sont ramenees dans un meme plan,comme sur un echo sonar- l’observation de la traversee del’ensemble de l’image par une anguille, ou bien au contraireson entree ou sa sortie avant la fin de la zone d’echo,donnent des informations sur les mouvements verticauxdes anguilles. Ainsi, en volet, les anguilles ont tendance amontrer plus de deplacements verticaux qu’en vanne carla majorite des trajectoires se caracterisent a la fois parune entree et une sortie (InOut Tableau 6). La chargemoyenne sur les volets est en moyenne de 70 cm, et leDIDSON est positionne sous la zone de deversement. Lesanguilles vues au DIDSON sont donc des anguilles qui sont
8. l’ecart monte a 5% pour N
montees dans la colonne d’eau pour rejoindre la zone dedeversement au niveau du volet. Il arrive de voir des an-guilles dont le comportement est de s’eloigner du volet,dans le faisceau du sonar, alors qu’elles n’ont pas ete ob-servees a la descente. Pour des raisons de calcul -la surfacede migration effective correspond a l’intersection du poly-gone et de la zone de migration- le choix de valeurs tropfaibles pour le coefficient λ conduit a des estimations treshautes des migrations d’anguilles, que l’on peut juger aber-rantes. Dans ce scenario, en effet, on suppose que toutesles anguilles ont migre en surface, au dessus du DIDSON.Lorsque λ>4, on ne fait plus cette hypothese. L’augmen-tation des valeurs de λ conduit a augmenter les effectifsqui se stabilisent apres λ=20, car la fenetre de migrationcouvre alors l’ensemble de la vanne. Le positionnement aufond du DIDSON alors que les ecoulements sont en sur-face, montre des anguilles furetant a droite et a gauche,qui ne sont pas du tout affectees par les courants en sur-face. Ainsi, il est peu probable de nouveau que la fenetrede migration active des anguilles couvre l’ensemble de lavanne. Les effectifs d’anguilles passent de N(k = s)=9 492pour λ=6 a N(k = s)=22 200 pour λ=20, c’est a direquand on suppose que la migration au droit du sonar sefait sur l’ensemble de la vanne (Figure 36).
●● ●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●●●
Fenêtre > didson
●● ●
●
●
=(Λ, 2)
λ ≥ 4
0
20000
40000
60000
5 10 15 20
λ || Λ
N
Position
●
●
●
f(+ 4)
f − 3
s
Figure 36: Estimations de stock obtenues pour differentes valeursde λ et Λ. Les estimations f−3 et f+4 obtenues en alternant la po-sition du DIDSON doivent etre equivalentes d’ou le choix de Λ=2.L’augmentation des estimations en dessous de λ=4 correspondentau calcul d’une fenetre de migration au dessus du DIDSON. Comptetenu du comportement vertical de migration en surface, ces valeursne semblent pas credibles.
3.2.2. Migration sur l’ensemble du barrage
Le suivi sur la Huntspill indique qu’il n’y a pas de prefe-rence pour une region particuliere du canal pour les an-guilles en migration (Bilotta et al., 2011). Nous reprenonscette hypothese pour la vanne 4 et de maniere plus large,
21
nous faisons l’hypothese qu’il n’y a pas de trajet de mi-gration preferentiel au droit du barrage, c’est a dire que larepartition des anguilles entre les differentes vannes se faitau prorata du debit. Les consignes de gestion du barragedurant la periode de fonctionnement du sonar etaient eneffet d’ouvrir d’abord au niveau de la vanne 4, puis d’ou-vrir de part et d’autre de cette vanne, avec une ouvertureprogressive vers les vannes 1 a 5. Cette gestion a ete ap-pliquee sauf lorsque des contraintes d’entretien des vannesnecessitaient la fermeture de l’une d’entre elles. La vanne4 a egalement ete la premiere a etre ouverte pour evacuerles premieres augmentations de debit, augmentant ainsi leschances de voir devaler des anguilles au droit du sonar. Cetype de fonctionnement se traduit bien sur par une rela-tion particuliere entre les effectifs comptes au niveau dusonar et les debits. Une augmentation de debit aura ten-dance a augmenter les effectifs migrants (Acou et al., 2008,Behrmann-Godel and Eckmann, 2003, Cullen and McCar-thy, 2003, Durif and Elie, 2008, Haro, 2003, Jonsson, 1991,Tesch and Thorpe, 2003, Vøllestad et al., 1986) mais ega-lement a baisser la proportion d’anguilles migrant au droitdu sonar. D’abord au niveau de la vanne 4 elle-meme, carles ouvertures de la vanne vont augmenter la proportiond’anguilles migrant en dehors du polygone de detection duDIDSON, mais aussi en repartissant les debits entre plu-sieurs vannes.
3.3. Biais et precision
3.3.1. Confusion avec d’autres especes
Il y a un element subjectif dans l’identification de l’es-pece de poisson a partir d’images generees par un DID-SON. La reconnaissance d’une espece passe par l’identi-fication d’une morphologie particuliere ou par un signald’echo remarquable. L’anguille presente une morphologieet une nage particuliere qui permet de la discerner desautres poissons (Langkau et al., 2012). Les anguilles vuesau niveau du sonar sont en general orientees la tete versl’aval et elles nagent en direction de l’estuaire. Mais 10%des anguilles sont vues alors qu’elles nagent vers l’amont.Ce type de comportement est en general observe a l’ouver-ture des vannes et en surface, alors que les vitesses de cou-rant ne sont pas tres elevees. Nous avons considere que cesanguilles argentees, en devalaison, migreraient plus tard,par un autre endroit, et qu’elles faisaient partie de la frac-tion de population ayant traverse le faisceau. La meme an-guille passant dans un sens puis dans l’autre n’est en gene-ral pas comptee deux fois par les operateurs. La surprise aete de compter des lamproies en grand nombre en mars etavril, et une reinspection des donnees de depouillement amontre qu’il existait des episodes de passage de lamproies(Petromyzon marinus) en janvier et fevrier (Figure 37c).Ces individus, qui n’apparaissent que lorsque la differencede hauteur entre la Vilaine et l’estuaire est de moins de30cm, sont en general de grande taille, et presentent uncomportement inhabituel de nage rapide vers l’amont. La
meilleure journee (le 22 avril) correspond a un pic de mi-gration avec 523 lamproies comptees sur un total de 640sur l’ensemble de la saison.L’analyse de l’evolution saisonniere des tailles montre qu’il
(a) Silure.(b) Trois cormorans enplongee.
(c) Lamproie collee sur le radier beton.
Figure 37: Autres especes filmees par le DIDSON.
n’y a pas d’influence tres nette de la saison (Figure 21),ou que cette derniere est en coherence avec ce que l’onsait par ailleurs des migrations. Dans les grands bassins,les petites anguilles, et notamment les males, plus prochesde l’embouchure, vont migrer en debut de saison. (Durifand Elie, 2008, Haraldstad et al., 1985, ICES, 2010, Todd,1981) (Acou et al., 2010, trois saisons sur cinq sur la Loire).Ainsi, il est peu probable qu’il y ait eu une confusion im-portante entre les anguilles et les mulets, tres nombreux endebut de saison. Les tailles d’anguilles ne montrent pas, eneffet, d’augmentation importante de la fraction des indivi-dus de moins de 50 cm avant decembre. En fait, il est pro-bable que les petites anguilles, de mauvaise qualite, aientete ecartees du suivi. Lorsqu’un doute important etait pre-sent pour les operateurs, les poissons etaient ecartes.
3.3.2. Taille des anguilles
La resolution du DIDSON est calculee a partir de la largeurdu faisceau (qui correspond a la moitie de la distance) etdu nombre de faisceaux (96) lorsque le DIDSON est confi-gure en haute frequence. La taille des anguilles mesureescorrespond au nombre de faisceaux rencontres par la cible,mais elle est legerement sous estimee (Bilotta et al., 2011).En effet la taille depasse legerement un faisceau sans en-trer en contact avec le faisceau suivant. L’erreur de mesure
22
est au maximum de 1 cm a 2m et elle augmente lineairejusqu’a 7 cm a 15 m. L’efficacite moyenne est de 65% ensurface, 53% en position fond - 3 2-12m et 49% en positionfond +4 5-15m. Les efficacites de la surface et du fond de-vraient etre comparables, car hormis la profondeur, le po-sitionnement du sonar est equivalent, c’est a dire que lespolygones de detection sont a la meme distance (5-15 m).La difference entre les deux est certainement due aux vi-tesses de courant, qui ne sont pas les memes entre les deuxconfigurations. La plus faible qualite des images au fondn’est pas forcement notee par les operateurs, qui donnentune note superieure aux images lues au fond (Figure 18).
3.3.3. Modelisation des effectifs
Les predictions effectuees pour les periodes de suivi avecdes problemes d’enregistrements ou de qualite P (N)⊗ sontdans la gamme des valeurs explorees par le modele pourles variables predictives (Kutner, 2005). La comparaisondes comptages effectues sur les fichiers ecartes N ′
o4⊗, etdes predictions P (N ′
o4)⊗ montre des valeurs comparables(242 et 276 respectivement).Au fond, les predictions (P (N ′
o4)⊗=998) sont beaucoupplus fortes que les valeurs observees (N ′
o4⊗=150), mais lesproblemes correspondent alors a des pertes completes defichier (pas d’enregistrement) et une lentille bien boucheedurant la crue de janvier. La Figure 38 donne la sommejournaliere des estimations de migration a partir d’effectifscomptes ⊙ et estimes par modelisation ⊗.
3.3.4. Encadrement des estimations
Les hypotheses concernant la repartition verticale des an-guilles permettent de donner une fourchette de valeur pourl’estimation des effectifs en migration. l’estimation choi-sie pour le rapport, N(Λ = 2, λ = 6)=67 314 est en-cadree par les estimations N(Λ = 1, λ = 4)=56 000 etN(Λ = 20, λ = 30)=140 000 correspondant a des bio-masses de 28.8 et 72.1 tonnes et des productions de 2.4et 6.0 kg.ha−1.an−1.
3.4. Productivite
3.4.1. Comparaison a d’autres valeurs de production
Ramenee a la surface en eau, la production s’etablit a 2.9kg.ha−1.an−1. Ce niveau de production de la Vilaine estcomparable a des niveaux historiques de systemes exploitesou tres au nord de l’Europe :– l’Ijsselmeer (Hollande), 1.3 kg.ha−1.an−1, un syteme fai-
sant l’objet d’une surexploitation au stade anguille jaune(Dekker, 2000) ;
– l’Imsa avant la chute du recrutement (Vøllestad andJonsson, 1988, 1.25 kg.ha−1.an−1 entre 1978 et 1987) ;
– de meme le niveau de production serait du meme ordreque celui du Burrishoole (Poole et al., 1990, Walkeret al., 2011, 1959-1988 : 0.9-1.3 kg.ha−1.an−1).
0
500
1000
1500
oct. nov. déc. janv. févr. mars avr. mai
date (saison 2012−2013)
N &
debit
m3s
−1
Effectif
P(N)^
N
Figure 38: Effectifs journaliers estimes sur l’ensemble du barrage,en bleu P (N)⊗=effectifs modelises, en marron N⊙=effectifs corres-pondant a une periode sans probleme d’enregistrement ou de qualite.En turquoise, debits journaliers estimes au barrage d’Arzal m3.s−1,les valeurs tres faibles de debit de debut de saison n’apparaissent passur la courbe.
Ce niveau de production est nettement en deca de celuid’autres bassins versants bretons :– les biomasses produites sont de l’ordre de 16-50
kg.ha−1.an−1 pour le Fremur (Acou et al., 2009, 2008,Feunteun et al., 2000, Laffaille, 2006) 9 ;
– les productions de l’Oir en Normandie sont plus reduites(Acou et al., 2009, 4.8-6.9 kg.ha−1.an−1).
Sur la riviere Huntspill, la biomasse, estimee a l’aide d’unDIDSON, a ete calculee a 6 kg.ha−1.an−1. Le bassin ver-sant est situe juste en amont d’une zone tidale et presenteune surface en eau limitee (60 ha), composee principale-ment d’un reseau de douves et fosses (Bilotta et al., 2011).Il est difficile de comparer les deux bassins car la surfaceen eau du bassin de la Vilaine (>120 000 ha), comportedes habitats tres eloignes de la mer pour lesquels les abon-dances d’anguilles sont faibles.Pour estimer les abondances des zones fluviales amont,nous avons recalcule les productions de la Loire en amontd’Ancenis, car les references d’Amilhat et al. (2008) serapportent a des surfaces de bassin et non a des surfacesen eau. En supposant que le ratio des surfaces en eau dela BD TOPO et du RHT sont les memes que sur la Vi-laine, la Loire en amont d’Ancenis aurait une surface eneau de 1604 km2. Pour l’annee 2009, Acou et al. (2010)
9. mais avec au final seulement 30 % des effectifs pre-migrant quireussisent a passer les barrages successifs du Bois Joli et de Pont-es-Omnes
23
donnent une devalaison estimee a 150 000 individus d’unpoids moyen de 1 053g. La devalaison estimee par EDApour ce meme site d’etablit a une valeur proche du stockestime (133 000). Sur la base de la production estimeepar marquage recapture, la productivite de la Loire amonts’etablirait a 0.98 kg.−1.an−1. Une productivite similairede 0.95 kg.ha−1.an−1 est calculee pour le Rhin, en sup-posant qu’il y a 1% de surface en eau pour un bassin de198130 km2, a partir de l’estimation de production de 1 900t (Klein Breteler et al., 2007).Le niveau de production des lagunes mediterranneenespeut parfois etre comparable (c’est le cas sur la Camargueou les niveaux d’exploitation au stade anguille jaunese traduisent par une production de 1.3 kg.ha−1.an−1),mais il est en general bien superieur, de l’ordre de 20kg/ha−1.an−1. De tels niveaux sont decrits pour des pro-ductions de 2007 sur la lagune de Bages-Sigean (Amilhatet al., 2008). Le niveau de production pristine 10 a fait l’ob-jet d’une expertise pour l’evaluation des plans de gestion.Ce niveau varie de 10 a 16 kg.ha−1.an−1 pour les petitsbassins versants et canaux, a 19-25 kg.ha−1.an−1 pour leslacs et a 25 kg.ha−1.an−1 pour les rivieres (Bilotta et al.,2011). La Vilaine, riviere favorisee par un tres bon recru-tement, se situe a 12% de cette cible. La production tresfaible, est le reflet des evolutions recentes des abondancesd’anguilles jaunes en peches electriques (Briand and Sau-vaget, 2011a).
3.4.2. Comparaison a la production estimee par le modeleEDA
Le modele EDA2.1 de Jouanin et al. (2012) estime la pro-duction d’anguilles de la Vilaine a N=87 500 en amontdu barrage d’Arzal. Cette production correspond a unesurface en eau de 31.16 km2, soit une productivite de 14kg.ha−1.an−1.En terme d’effectif, le nombre d’anguilles argentees extra-pole pour la Vilaine en 2012-2013 N=67 314 est de l’ordrede grandeur de celui estime par EDA en 2009. La surfaceen eau calculee sur la base du reseau RHT est largementplus faible que celle de la BD TOPO. Pourtant, le calcul desurface de la BD TOPO n’inclut pas l’ensemble du cheveludes cours d’eaux et reste une sous-estimation.
3.4.3. Coherence avec les valeurs de recrutement mesureessur les passes d’Arzal
A partir des donnees concernant le recrutement fluvial surla Vilaine (Figure 39), les effectifs d’anguilles argenteessont reconstitues en faisant les hypotheses suivantes :– depart uniforme des anguilles males argentees entre 3 et
7 ans (1/5 par an) pour les males ;– depart uniforme des femelles argentees entre 8 et 12 ans
(1/5 par an) ;
10. historique avant la baisse du recrutement
– coefficient instantanne de mortalite annuelle=0.13 ;– un sexe ratio de 90% de femelles.En fonction de ces hypotheses, le nombre d’anguilles ar-gentees obtenu sur la Vilaine est de 147 000. En suivantles hypotheses d’EDA, c’est a dire en appliquant un co-efficient de mortalite de 80% au stade civelles, on obtient29 000. Les estimations produites sont encadrees par cesdeux valeurs.
annee
Civ
elle
s x
1000
1996 1998 2000 2002 2004 2006 2008 2010 2012
01 0
00
2 5
00
4 0
00
5 5
00
7 0
00
040
80
120
160
200
240
280
Diminution
saison
Quota
et
transports
Anguill
e jaunes x
1000
Figure 39: Historique des recrutements sur la Vilaine, ⋆ peche ettransport, ecluse, ◦ civelles passe,△ anguilles jaunes passe.
3.5. Perspectives et recommandations
Les perspectives de travail sont les suivantes :– le detail des donnees concernant la migration horaire
permettra de travailler sur les facteurs (turbidite, debit,luminosite) determinant l’influence de la lumiere sur lesrythmes de migration ;
– les estimations journalieres de la migration permettrontde preciser les modeles predictifs de devalaison, et pre-ciser l’effet des mesures de gestion des turbines en Bre-tagne ;
– le croisement des informations concernant le recrute-ment fluvial et la devalaison permettront de travaillersur des modeles de rendement par recrue ;
– des donnees de 2013-2014 sont en cours d’acquisitionavec des tests d’inclinaison du DIDSON pour obtenir desinformation sur la repartition verticale des anguilles. Cesdonnees permettront de preciser le calcul des effectifs enmigration ;
– la mise en place en 2014-2015 d’un automatisme sur letreuil, permettra d’echantillonner la colonne d’eau et ob-tenir des informations statistiquement interpretables surla repartition verticale des anguilles, et egalement de re-positionner le DIDSON en vannes ou en volet, lors deschangements de gestion pour les debits intermediaires ;
24
– l’organisation de lectures croisees sur les fichiers fournirades informations sur l’efficacite de la detection.
3.6. Remerciements
Les premiers remerciement de ce rapport vont a Jon Ha-teley, qui par sa precieuse expertise a rendu ce projet pos-sible. Nous sommes egalement reconnaissants a PhilippeDorval et Mike Sawkins (MacCartney) pour leur supportet leur formation. Laurent Beaulaton (ONEMA) a suivi leprojet depuis de depart, nous le remercions pour son aideet son support dans les calculs et la definition des traite-ments. Nous le remercions aussi pour avoir pris le temps derelire attentivement le rapport et d’avoir propose des cor-rections sur les traitements et le contenu du rapport. GaelleGermis (Bretagne Grands Migrateurs) a egalement suivi letravail depuis le depart, elle nous a aide au montage finan-cier du projet et nous a donne de precieux conseils pourameliorer le rapport. Anthony Acou (MNHN) nous a ega-lement apporte de precieux conseils pour les traitementsde modelisation a venir. Nous remercions les pecheurs Di-dier Mace et Frederic Triballier pour avoir initie le projetavec nous. Nous souhaitons egalement remercier, LudovicAudic pour son aide dans le montage du dossier, DanielChaillou pour ses conseils concernant la protection catho-dique de l’appareil, et bien sur Stephane Allain pour lesupport informatique. Les derniers remerciements, et ilssont sinceres, vont au personnel d’exploitation du barraged’Arzal, Gilbert Olivier, Laurent Philippot, Thierry Bes-nard, Johann Dalhem et Adolphe Charles pour leur aideau quotidien.Cette etude, decidee par le conseil d’administration del’IAV, est cofinancee par l’Agence de l’eau Loire Bretagneet la region Bretagne.
(a) Gerard Eriau.
(b) Brice Sauvaget.
(c) Cedric Briand.
Figure 40: Operateurs du suivi DIDSON sur la Vilaine.
25
References
Acou, A., Boury, P., Boisneau, C., Bodin, M. and Feunteun, E. : 2010,Estimation du potentiel reproducteur en anguilles argentees de laloire amont : saisons de migration 2001-05 a 2008-09, Technicalreport, CRESCO, Dinard - Museum National d’Histoire Naturelle.
Acou, A., Gaelle, G., Feunteun, E. and Laffaille, P. : 2009, Differen-tial production and condition indices of premigrant eels in twosmall atlantic coastal catchments of france, Eels at the edge :science, status, and conservation concerns, Amer. Fish. Soc.Symp, Vol. 58, pp. 157–174.
Acou, A., Laffaille, P., Legault, A. and Feunteun, E. : 2008, Migrationpattern of silver eel (Anguilla anguilla, l.) in an obstructed riversystem, Ecology of Freshwater Fish 17(3), 432–442.
Amilhat, E., Farrugio, H., Lecomte-Finiger, R., Simon, G. and Sasal,P. : 2008, Silver eel population size and escapement in a mediterra-nean lagoon : Bages-sigean, france, Knowledge and Managementof Aquatic Ecosystems (390-391), 05.
Behrmann-Godel, J. and Eckmann, R. : 2003, A preliminary teleme-try study of the migration of silver european eel (textitAnguilla anguilla l.) in the river mosel, germany, Ecology ofFreshwater Fish 12(3), 196–202.
Bilotta, G. S., Sibley, P., Hateley, J. and Don, A. : 2011, The declineof the european eel Anguilla anguilla : quantifying and mana-ging escapement to support conservation, Journal of fish biology78(1), 23–38.
Briand, C. : 2009, Dynamique de population et de migration descivelles en estuaire de Vilaine. Population dynamics and migra-tion of glass eels in the Vilaine estuary, PhD thesis, AgrocampusOuest.
Briand, C., Fatin, D., Feunteun, E. and Fontenelle, G. : 2003, Es-tuarine and fluvial recruitment of european glass eel in a fishedatlantic estuary, Fisheries Management and Ecology 10(6), 377–384.
Briand, C., Fatin, D., Fontenelle, G. and Feunteun, E. : 2006, Effectof re-opening of a migratory axis for eel at a watershed scale (vi-laine river, southern brittany), Bulletin Francais de Peche et dePisciculture 378, 67 :86.
Briand, C. and Sauvaget, B. : 2011a, Analyse des tendances de stockd’anguilles jaunes du bassin versant de la vilaine par peches elec-triques, Technical report, Institution d’Amenagement de la Vi-laine, La Roche Bernard.
Briand, C. and Sauvaget, B. : 2011b, Etude de faisabilite d’une es-timation de la production d’anguilles argentees du bassin versantde la vilaine. hiver 2009 - 2010, Technical report, EPTB Vilaine.
Briand, C. and Sauvaget, B. : 2012, Gestion de l’anguille sur le bassinversant de la vilaine, Technical report, EPTB Vilaine.
Conway, J., Eddelbuettel, D., Nishiyama, T., Prayaga, S. K. andTiffin, N. : 2013, RPostgreSQL : R interface to the PostgreSQLdatabase system. R package version 0.4.URL: http ://CRAN.R-project.org/package=RPostgreSQL
Cullen, P. and McCarthy, T. K. : 2003, Hydrometric and meteorologi-cal factors affecting the seaward migration of silver eels (Anguillaanguilla, l.) in the lower river shannon, Environmental Biology ofFishes 67(4), 349 :357.
Dekker, W. : 2000, Impact of yellow eel exploitation on spawnerproduction in lake IJselmeer, the netherland, Dana 12, 17–32.
Delignette-Muller, M. L., Pouillot, R., Denis, J.-B. and Dutang, C. :2013, fitdistrplus : help to fit of a parametric distribution to non-censored or censored data. R package version 1.0-1.
Durif, C. and Elie, P. : 2008, Predicting downstream migration ofsilver eels in a large river catchment based on commercial fisherydata, Fisheries Management and Ecology 15, 127–137.
Feunteun, E., Acou, A., Lafaille, P. and Legault, A. : 2000, Euro-pean eel : prediction of spawner escapement from continental po-pulation parameters., Canadian journal of fisheries and aquaticsciences 57, 1627 :1635.
Grothendieck, G. : 2012, sqldf : Perform SQL Selects on R DataFrames. R package version 0.4-6.4.URL: http ://CRAN.R-project.org/package=sqldf
Haraldstad, O., Voellestad, L. and Jonsson, B. : 1985, Descent of eu-
ropean silver eel, Anguilla anguilla l., in a norwegian watercourse,Journal of fish biology 26, 37–41.
Haro, A. : 2003, Downstream migration of silver-phase anguillid eels,Eel Biology, Springer, pp. 215–222.
ICES : 2010, The report of the 2010 session of the joint ICES/EIFACworking group on eels, Technical report, September 2010 ; ICESCM 2009/ACOM :18, Hamburg (Germany).
Jonsson, N. : 1991, Influence of water flow, water temperature andlight on fish migration in rivers, Nordic journal of freshwater re-search .
Jouanin, C., Briand, C., Beaulaton, L. and Lambert, P. : 2012, Eeldensity analysis (EDA2.x) : un modele statistique pour estimerl’echappement des anguilles argentees (Anguilla anguilla) dansun reseau hydrographique, Technical report, IRSTEA, Bordeaux,FRANCE.
Klein Breteler, J., Vriese, T., Borcherding, J., Breukelaar, A., Jor-gensen, L., Staas, S., de Laak, G. and Ingendahl, D. : 2007, As-sessment of population size and migration routes of silver eel inthe river rhine based on a 2-year combined mark-recapture andtelemetry study, ICES Journal of Marine Science : Journal duConseil 64(7), 1450–1456.
Kutner, M. H. : 2005, Applied linear statistical models., McGraw-HillIrwin, Boston.
Laffaille, P. : 2006, Patterns of silver eel (Anguilla anguilla l.) sexratio in a catchment, Ecology of Freshwater Fish 15, 583–588.
Langkau, M. C., Balk, H., Schmidt, M. B. and Borcherding, J. : 2012,Can acoustic shadows identify fish species ? a novel application ofimaging sonar data, Fisheries Management and Ecology .
Macdonald, P. D. M. and Pitcher, T. J. : 1979, Age-groups fromsize-frequency data : a versatile and efficient method of analyzingdistribution mixtures, Journal of the Fisheries Board of Canada36(8), 987–1001.
Peng, R., Murdoch, D., Rowlingson, B. and A., M. : 2013, gpclib :General Polygon Clipping Library for R. R package version 1.5-5.URL: http ://CRAN.R-project.org/package=gpclib
Poole, W., Reynolds, J. and Moriarty, C. : 1990, Observations on thesilver eel migrations of the burrishoole river system, ireland, Int.Revue Gesamten Hydrobiol. 75, 807–815.
Seber, G. A. F. : 1982, The estimation of animal abundance andrelated parameters., London.
Tesch, F.-W. and Thorpe, J. E. : 2003, The eel, Blackwell Science,Oxford, UK.
Todd, P. R. : 1981, Timing and periodicity of migrating new zealandfreshwater eels (anguilla spp.), New Zealand Journal of Marineand Freshwater Research 15(3), 225–235.
Venables, W. N. and Ripley, B. D. : 2007, Modern applied statisticswith S, Springer, New York, NY [u.a.
Vøllestad, L. A., Jonsson, B., Hvidsten, N. A., Næsje, T. F., Ha-raldstad, . and Ruud-Hansen, J. : 1986, Environmental factorsregulating the seaward migration of european silver eels (Anguillaanguilla), Canadian Journal of Fisheries and Aquatic Sciences43(10), 1909–1916.
Vøllestad, L. and Jonsson, B. : 1988, A 13-year study of the popula-tion dynamics and growth of the european eel Anguilla anguilla ina norwegian river : evidence for density-dependent mortality, anddevelopment of a model for predicting yield, Journal of AnimalEcology 57, 983–997.
Walker, A., Andonegi, E., Apolostolaki, P., Aprahamian, M., Beau-laton, L., Bevacqua, D., Briand, C., Cannas, A., De Eyto, E.,Dekker, W., De Leo, G. A., Diaz, E., Doering-Arjes, P., Fladung,E., Jouanin, C., Lambert, P., Poole, R., Oeberst, R. and Schia-vina, M. : 2011, Pilote projects to estimate potential and actualescapement of silver eel, Technical report, DEFRA.
Wood, S. N. : 2011, Fast stable restricted maximum likelihood andmarginal likelihood estimation of semiparametric generalized li-near models, Journal of the Royal Statistical Society : Series B(Statistical Methodology) 73(1), 3–36.
Yee, T. W. : 2013, VGAM : vector generalized linear and additivemodels. r package version 0.9-1. R package version 0.6-7.
Zeileis, A., Meyer, D. and Hornik, K. : 2007, Residual-based shadingsfor visualizing (conditional) independence., Journal of Computa-
26
tional and Graphical Statistics 16(3), 507–525.
4. notations
τ Tailles d’anguilles, <45cm males,45-60cm petites femelles, 60-80cm grandesfemelles, >80cm tres grandes femelles
δ Classes de distance au sonar (2,5m[,(5,7m[, (7,9m[, (9,11m[, (11,13m[ et(13,15m[
k Positionnements du DIDSON, f+4
fond, 4 5-15m, f−3 fond, -3 2-12m ets surface, -7 5-15m
N ′4o(t, τ, δ, k) Devalaison observee dans le champ de
detection du DIDSON sur la vanne 4N4o(t, τ, δ, k) Devalaison reelle dans le champ de de-
tection du DIDSON sur la vanne 4, c’esta dire corrigee des problemes d’efficacitede detection
N4(t, τ) Devalaison sur l’ensemble de la vanne 4N(t, τ) Devalaison au pas de temps t pour la
classe de taille τ
Rapport LATEXDerniere compilation le 28 fevrier 2014
R version 3.0.1 (2013-05-16) sur une plateforme x8664 −w64−mingw32
Q4(t) Debit total de la vanne 4 au temps tQ(t) Debit total de la Vilaine au temps tS(k, δ) Surface couverte par le faisceau a la dis-
tance δ pour la position k
S(k) Surface couverte par le faisceau pour laposition k
F (t, k,Λ, λ) Fonction de repartition verticale des an-guilles
l Largeur de la vanneE(δ, τ, k) Efficacite du DIDSON calculee par un
glmEk Efficacite moyenne du DIDSON pour
chaque position krhok Facteur de correction des effectifs pour
tenir compte de la minute perdue pardemie-heure lorsque le rotateur est ac-tionne
µ Pourcentage d’anguilles migrant de jourΛ Coefficient donnant le rapport entre la
hauteur de la fenetre de migration audroit du DIDSON et la hauteur de lavanne
λ Coefficient donnant le rapport entre lahauteur de la fenetre de migration audroit du DIDSON et la charge (hauteurd’eau) sur le volet
P (N) Effectifs modelises⊙ Periode de suivi complet sans probleme
de qualite⊗ Periode de suivi extrapolee, probleme
d’enregistrement ou de qualite⊘ Periodes sans probleme de qualite mais
avec un mauvais positionnement duDIDSON (les periodes ⊘ sont incluesdans ⊗)
27
Annexes du document, suivi de la devalaison en
2012-2013 sur la Vilaine
28 fevrier 2014
Annexes
Les donnees en annexe sont destinees principalement aux operateurs du DID-SON a l’IAV ou ailleurs (ex : INRA). Ces derniers y trouveront les recettes pourle traitement des donnees du DIDSON.
Calcul des angles et surfaces
Figure 1 – Plan de l’ouvrage montrant les differentes distances et angles utilisespour les calculs.
Import des donnees
Le travail debute sur un fichier excel, dans lequel sont notes l’ensemble desidentifiants des fichiers d’enregistrement du DIDSON. L’import des donnees ini-tial est effectue a l’aide du script integration bd.R. A partir de cette integrationinitiale, les donnees seront saisies dans une interface de base de donnees deve-loppee sous libreoffice (Figure 2, Tableaux 1 et 2), qui permet aux operateurs derentrer une ou plusieurs informations de lecture. Ces informations (manuelles)de lecture permettent en une premiere etape de suivre les donnees d’anguilles.Elles permettent aussi de renseigner dans la table didsonread, l’ensemble deslectures sans anguilles. Lors de ces dernieres il n’y a pas de fichier texte genere,et donc l’information de lecture doit etre rentree des la lecture du fichier. Pourles fichiers pour lesquels des anguilles (ou lamproies) seront vues, le logiciel de
1
traitement des images generera un fichier texte contenant les informations surle fichier, la taille du poisson, sa direction . . ..
Table 1 – Structure de la table t didsonfiles dsf
nom type descriptiondsf id serial iddsf timeinit timestamp Start of recording.dsf timeend timestamp End of recording.dsf filename character varying(30) The name of the file is generated from
the date with a trigger when insertingnew row.
dsf readok boolean Was the file read and in good CSOTconditions ?
dsf fls id integer File status, check reference tabletr filestatus fls for details.
dsf depth numeric Depth of the didson at Arzal, NGF.dsf distancestart numeric Distance of the beginning of the recor-
ding windows from the didson.dsf incl numeric Inclination of the didson in degrees, ne-
gative for downward inclination.dsf position character varying(6) Position of the didson according to the
water column, either ’volet’ or ’vanne’.
Cependant, lors de la lecture des fichiers du didson, les operateurs font desmesures sur toutes les anguilles devalantes, a l’aide du logiciel de depouillement.Ces donnees sont ecrites dans fichiers textes dont la taille est variable en fonc-tion des traitements effectues sur l’image, notamment l’application ou non d’untraitement de reduction de la taille du fichier (CSOT).
Recette pour l’integration des fichiers de comptage
Les donnees sont stockees dans un fichier xls. Le script integration bd.R creeles fichiers a partir du fichier .xls. TODO faire evoluer ce script pour prendre encompte la creation de la base de donnees openoffice. Il faudra seulement creerle fichier dsf...
Recette pour l’import des donnees environnementales
1. Utiliser la fonction programmee pour extraire les donnees de SIVA(la base de donnees environnementale de l’IAV) a l’aide du scriptdans main siva.R. Les classes permettant l’acces aux information sontdetaillees dans le listing 1. Il faut lancer le script entre ”lancementinitial” et ”un seul fichier pour tout charger”.
2. Adapter les dates dans la fonction de chargement La date doit recou-per d’un jour ou deux les dates deja presentes dans le tableau excel
2
Table 2 – Structure de la table t didsonread dsr
nom type descriptiondsr id integer primary keydsr dsf id integer foreign keydsr readinit timestamp without
time zonedsr readend timestamp without
time zonedsr reader character varying(30)dsr reader character varying(30)dsr reader character varying(30)dsr eelplus integer number of eel going with the current
(downstream).dsr eelminus integerdsr csotdb double precision CSOT noise extraction (value min thre-
shold in db).dsr complete boolean Is the reading of the file completed.dsr muletscore integer Scoring of the annoyance created by
mulet school for the reader from 0 (lit-tle) to 5 (a lot).
dsr fryscore integer Scoring of the annoyance created bysmall fishes (fry)for the reader from 0(little) to 5 (a lot).
dsr comment textdsr csotismin boolean Working value to identify the lowest
CSOT applied to the file
3
Figure 2 – Modele physique de donnees.
4
Figure 3 – Donnees temporaires avant l’import des fichiers de scan
5
ou la base de donnees (voir partie suivante). Les dates en trop serontsupprimees par le programme sql. Attention cependant, il faut eviterles dates du changement d’heure de printemps.
3. Ce programme va extraire les donnees de la base, calculer les volumes,puis creer un fichier dat.csv Copier le fichier dat.csv sur le serveur enDMZ 1.100.1.6 sur le bureau dans le repertoire data.
4. Pour les donnees journalieres (turbidite), utiliser la fonction d’exportde SIVA pour creer le fichier de donnees
5. Lancer le script sql didson database.sql sur la base didson qui est surla dmz 1.100.1.6. A partir deVARIABLES ENVIRONNEMENTALESCreation de la table des variables environnementales, creation d’unetable temporaire pour me debarrasser des doublons (changementd’heure) Sur le serveur DMZCe script cree une table temporaire (avec des problemes de decalaged’heures). Ce decalage doit etre regle par le lancement de :– attention ne lancer qu’une foisupdate did.t env env temp set env time =did.adjust time(env time) ;– verifier que les dates se suivent avant de faire l’insertion
6. la duree du jour a ete recuperee sur ce site qui permet d’exporter destableaux au format .csv
Recette pour l’integration des donnees poissons
Le script R scan didsontxt.R (voir listing 2) permet de lire l’ensembledes fichiers stockes dans un repertoire, d’en extraire le contenu pour ce quiconcerne les informations generales du fichier (nom date...), le traitement del’image, les lectures de poissons (avec les informations concernant l’espece,la taille, le comportement et la direction du poisson). Ces donnees sontstockees dans deux tables temporaires dont la structure est donnees enFigure 3. Le script se trouve dans didsonscan didsontxt.R.
1. Mettre tous les fichiers dans un repertoire Changer le nom du reper-toire dans datawd (ligne 24)
2. Lancer la boucle entreLecture des fichers txt provenant du DIDSON.etfin de lecture des fichers txt provenant du DIDSON.
3. Puis lancer l’ecriture des fichiers dans la base Lancer le scriptscan didsontxt.sql Le script extrait deux types de donnees. Les pre-mieres (une par fichier DIDSON lu) correspond a des informations surle fonctionnement du sonar, le deuxieme correspond au tableau despoissons contenu dans le fichier texte, extrait analyse et formate. Le
6
raccrochage aux fichiers de lecture de la table t didsonreadresult dsrdoit se faire manuellement.
codes pour integration
1 # Tablesiva_classes.R
# Classes et methodes pour recuperer et corriger les donnees de la
base SIVA
3 # Author: cedric.briand
################################################
5
# La classe Tablesiva contient toutes les donnees pour identifier
la table , aller la chercher a l ✬ aide de la
7 # methode RequeteODBCwhere du package stacomirtools.
# Elle possede aussi les methodes decrites ci -dessous
9 setClass(Class="Tablesiva",representation=
representation(table="character",nom="character",tag="
integer",debut="POSIXct",fin="POSIXct",rawdata="data.frame",
corrdata="data.frame") ,
11 prototype=prototype(table=character(length =1),
nom=character(length =1),
13 tag=as.integer(NA),
debut=as.POSIXct(as.Date("2012 -10 -25 00:00:00")),
15 fin=as.POSIXct(as.Date(Sys.time()))))
#tab <-new(" Tablesiva ")
17 #tab@debut=as.Date ("2012 -10 -25")
#tab@fin <-as.Date ("2012 -12 -01")
19 #tab@table <-"b_barrage_volet4_hauteur"
#tab@nom <-"volet4"
21 # objet <-tab #debug
# tab <-loaddb(tab)
23
25 # test assign (" showmerequest",1,envir =. GlobalEnv)
# methode loaddb => permet d ’ aller chercher les donnees apres avoir
installe le driver odbc et avoir appelle la
27 # bonne chaine de connection (il doit y avoir une variable nommee
sivacon dans le workspace)
setGeneric("loaddb",def=function(objet ,...) standardGeneric("loaddb
"))
29 setMethod("loaddb",signature=signature("Tablesiva"),definition=
function(objet) {
# si il y a un @tag non NA, verification qu ’ il est bien dans
les tag de la table
31 if (!is.na(objet@tag)){
requete <-new("RequeteODBCwhere")
33 requete@baseODBC <-sivacon
requete@select <-str_c("SELECT distinct tag FROM archive_IAV
.",objet@table)
35 requete <-connect(requete)
tag <-requete@query
37 if (!objet@tag%in%tag$tag) stop("le tag n ’ existe pas dans
la table")
}
39 requete <-new("RequeteODBCwhere")
requete@baseODBC <-sivacon
41 requete@select <-str_c("SELECT * FROM archive_IAV.",
objet@table)
if (!is.na(objet@tag)){
7
43 requete@where <-str_c("WHERE Horodate > ’ ",objet@debut ," ’ AND
Horodate < ’ ",objet@fin ," ’ AND tag=",objet@tag)
} else {
45 requete@where <-str_c("WHERE Horodate > ’ ",objet@debut ," ’ AND
Horodate < ’ ",objet@fin ," ’ ")
}
47 requete@order_by="ORDER BY HoroDate"
49 requete <-connect(requete)
objet@rawdata <-requete@query
51 if (nrow(objet@rawdata)==0) warning(paste("no data for",
objet@table))
colnames(objet@rawdata)[3] <-objet@nom
53 return(objet)
})
55
# La methode datesrondes permet d ’ arrondir les dates. Deux options
methode =" constant" et method =" linear" voir approx ()
57 setGeneric("datesrondes",def=function(objet ,...) standardGeneric("
datesrondes"))
setMethod("datesrondes",signature=signature("Tablesiva"),definition
=function(objet ,method="constant") {
59 raw <-objet@rawdata
s<-seq.POSIXt(from=round(min(raw$HoroDate),"hour"),to=round(
max(raw$HoroDate),"hour")+1,by="10 mins")
61 s<-s[s>=min(raw$HoroDate)&s<=max(raw$HoroDate)]
s<-data.frame("HoroDate"=s)
63 s$Valeur <-approx(raw$HoroDate ,raw[,3], xout=s$HoroDate ,method
=method ,ties="ordered")$y
objet@corrdata <-s
65 colnames(objet@corrdata)[2] <-objet@nom
return(objet)
67 })
69 setGeneric("sivaplot",def=function(objet ,...) standardGeneric("
sivaplot"))
setMethod("sivaplot",signature=signature("Tablesiva"),definition=
function(objet) {
71 plot(objet@rawdata$HoroDate ,objet@rawdata [,3],type="b",xlab="
date",ylab="",main=objet@nom)
points(objet@corrdata$HoroDate ,objet@corrdata [,2],col="red",
pch="*")
73 })
75
77 validity_Bilansiva=function(object)
{
79 rep1=all(length(object@tables)== length(object@noms),length(
object@daterondes)== length(object@noms),length(object@tags)==
length(object@noms) )
comment1="les attributs tables , noms , daterondes et tags doivent
avoir la meme longeur"
81 rep2=all(object@daterondes%in%c("constant","linear","none"))
comment2="les valeurs pour daterondes sont constant ,linear ,ou
none"
83 rep3=object@fin >object@debut
comment3="la date de fin doit depasser la date de debut"
85 return(ifelse(rep1 & rep2 & rep3 ,TRUE ,c(comment1 , comment2 ,
comment3)[!c(rep1 ,rep2 ,rep3)]))
}
87
8
89 # ’ @title Class BilanSiva
# ’ Cette classe utilise TableSiva pour recuperer les infos sur
plusieurs tables
91 # ’ @slot table = noms des la tables a aller chercher
# ’ @slot nom = noms des la colonnes
93 # ’ @slot daterondes = traitement par la methode datesrondes , soit "
constant" pour ouvertures en tout ou rien des vannes , soit "
linear" pour des donnees continues , soit "none" pour pas de
traitement
# ’ @slot tags = si plusieurs variables sont dans la meme table il
faut donner leur tag pour les differentier
95 # ’ @slot debut = date de debut
# ’ @slot fin = date de fin
97 # ’ @note Cette classe teste que les longueurs des champs nom ,
daterondes ,et table sont egales
# ’ @author Cedric Briand \email{cedric.briand00@@gmail.com}
99 setClass(Class="Bilansiva",representation=
representation(tables="character",
101 noms="character",
daterondes="character",
103 tags="integer",
debut="POSIXct",
105 fin="POSIXct",
bilandata="data.frame") ,
107 prototype=prototype(tables=character (),
noms=character (),
109 daterondes=character (),
tags=integer (),
111 debut=as.POSIXct(as.Date("2012 -10 -25")),
fin=as.POSIXct(as.Date(Sys.time())),
113 bilandata= data.frame()
),
115 validity=validity_Bilansiva
)
117
setMethod("loaddb",signature=signature("Bilansiva"),definition=
function(objet) {
119 for (i in 1: length(objet@tables)){
tab <-new("Tablesiva") # creation de la classe
121 tab@debut=objet@debut # attribut de la date de debut de la
classe prendre legerement plus large que la periode souhaitee
tab@fin <-objet@fin # attribut de la date de debut de la
classe
123 tab@table <-objet@tables[i] # nom de la variable
tab@nom <-objet@noms[i] # nom de la variable (dans R)
125 tab@tag <-objet@tags[i] # soit NA soit le tag de la variable
lorsque plusieurs variables sont dans la meme table
tab <-loaddb(tab) # load d ’ un data.frame dans le slot
@rawdata (methode de classe)
127 if (nrow(tab@rawdata) >0){
switch(objet@daterondes[i],
129 constant ={
tab <-datesrondes(tab ,method="constant")
131 print(paste("methode d ’ arrondi constant appliquee
pour",objet@noms[i],"\n"))
},
133 linear ={
tab <-datesrondes(tab ,method="linear")
135 print(paste("methode d ’ arrondi linear appliquee pour"
,objet@noms[i],"\n"))
},
9
137 none={
print(paste("pas d ’ arrondi dans la date pour",
objet@noms[i],"\n"))
139 tab@corrdata <-tab@rawdata
})
141 sivaplot(tab)
} else {
143 tab@corrdata <-tab@rawdata
}
145 if (i==1){
objet@bilandata <-tab@corrdata
147 } else {
objet@bilandata <-merge(objet@bilandata ,tab@corrdata ,by="
HoroDate",all.x=TRUE ,all.y=TRUE)
149 }
rm(tab)
151
}
153 cat("fin des calculs \n")
return(objet)
155 })
157 insert_into <-function(data ,columns ,tabledest ,baseODBC ,display=FALSE
,...) {
insert_into_sub=function (){
159 cat("ecriture dans la base\n")
progres <-winProgressBar(title = "progression",
161 label = "progression %",
min = 1,
163 max = nrow(data),
initial = 1,
165 width = 400)
if (display) assign("showmerequest",1,envir=. GlobalEnv)
167 requete=new("RequeteODBC")
requete@baseODBC=baseODBC
169 requete@open=TRUE
t1<-Sys.time()
171 data[,columns ][is.na(data[,columns ])]<-""
# this will affect content but not outside the function
173 for (i in 1:nrow(data)){
info <-sprintf("%d%% ecrit",round (100*i/nrow(data)))
175 setWinProgressBar(progres ,value=i,label=info)
requete@sql=paste( "INSERT INTO ",tabledest ,
177 "(",paste(columns ,sep="",collapse=","),
")VALUES (",paste(data[i,columns],sep="",collapse=","),
179 ");",sep="")
requete <-connect(requete)
181
} # end for
183 print(Sys.time()-t1)
if (display) remove("showmerequest",envir=. GlobalEnv)
185 odbcCloseAll ()
close(progres)
187 }
# main part of the function below
189 if (!all(columns%in%names(data))) stop(paste("all columns are not
in the data , you should create them prior to launching this
wonderfull function"))
requete=new("RequeteODBC")
191 requete@baseODBC=baseODBC
requete@sql=paste("SELECT * FROM ",tabledest , " limit 1",sep="")
193 requete <-connect(requete)
10
if (nrow(requete@query) >0){
195 insert_into_sub()
} else {
197 if (all(columns%in%names(requete@query))) {
insert_into_sub()
199 }else {
stop("all column names are not in the table of the database
you dump oaf")
201 }
}
203 }
205 prepare_for_sql <-function(data){
# c ’ est nul mais ni ddply ni apply ne me permettent de faire ca
207 for (i in 1:ncol(data)){
for (j in 1:nrow(data) ){
209 data[j,i] <-gsub(" ’ "," ’ ’ ",data[j,i])
}
211 }
for (i in 1:ncol(data)){
213
if (class(data[1,i])[1]=="POSIXct") {
215 data[,i]<-as.character(data[,i])
}
217 if(class(data[1,i])[1]=="character") {
data[!is.na(data[,i]),i]<-sQuote(data[!is.na(data[,i]),i])
219 data[is.na(data[,i]),i]<- ’ NULL ’
}
221 if (class(data[1,i])[1]=="integer"){
data[is.na(data[,i]),i]<- ’ NULL ’
223 }
225 }
227 return(data)
}
Listing 1 – code des classes pour l’import siva
1 # scan_didsontxt
# fichier de lecture des fichiers depouillement , voir fiche recette
3 # Author: cedric.briand
#############################################
5
require(stacomirtools)
7 require(stringr)
require(plyr)
9 require( ’ sqldf ’ ) # mimict sql queries in a data.frame
require( ’ RPostgreSQL ’ ) # one can use RODBC , here I ’ m using direct
connection via the sqldf package
11 setwd("C:/Users/cedric.briand/Documents/workspace/p/didson")
options(sqldf.RPostgreSQL.user = "postgres",
13 sqldf.RPostgreSQL.password = ,
sqldf.RPostgreSQL.dbname =,
15 sqldf.RPostgreSQL.host =
sqldf.RPostgreSQL.port = )
17
19
####################################
21 # Lecture des fichers txt provenant du didson.
#####################################
11
23 #install.packages ("R.utils ")
datawd <-"C:/Users/cedric.briand/Desktop/devalaison/fichierstxt2/"
25 listoffiles <-list.files(str_c(datawd)) # list of files
listoffiles <-listoffiles[grep(".txt",listoffiles)]
27 chemins <-str_c(datawd ,listoffiles)
progress <-winProgressBar(title = "Chargement des fichiers texte",
29 label = "progression %",
min = 0,
31 max = length(chemins),
initial = 0,
33 width = 400)
35 # chargement des fichiers deja rentres pour verification
drr_id<-sqldf("select drr_id from did.t_didsonreadresult_drr")
37
#
39 fichiers_dans_la_base <-vector () # vecteur vide qui stockera les
valeurs de fichiers deja rentres
#i=155
41 #000000000000000000000000000000000000000 loop
for (i in 1: length(chemins)){
43 result <-list()
setWinProgressBar(progress ,i,label=listoffiles[i])
45 # ouverture de la connection
con <- file(chemins[i], open = "r")
47 # la fonction readLines renvoit un vecteur charactere , un element
par ligne
re<- readLines(con ,warn = FALSE)
49 close(con) # je referme la connexion
51 # background substraction in some files , removing it
if (length(grep("Background Subtraction ENABLED",re)) >0){
53 re<-re[-((grep("Background Subtraction ENABLED",re) -1):grep("
Factor A",re))]
}
55 poissons_start <-which(re=="*** Manual Marking (Manual Sizing: Q
= Quality , N = Repeat Count) ***")+4
poissons_end <-which(re=="*** Source File Key ***")-3
57 # certains fichiers n ’ ont pas de poissons , ca ne sert a rien de
les charger ...;
if (poissons_end >= poissons_start) {
59 #==================================================
# I Extraction des donnees concernant le resume du fichier
61 #==================================================
# Total correspond aux quatre premieres lignes.
63 total <-killfactor(data.frame("count"=sapply(strsplit(re[1:4],"=
"),"[[" ,1),
"number"=as.numeric(sapply(strsplit(re[1:4],"="),"[["
,2))))
65 total2 <-killfactor(as.data.frame(t(total[,2,drop=FALSE])))
colnames(total2)<-total$count
67 result [["total"]]<-total2
# Une liste est un vecteur de mode liste , on peut utiliser c( pour
concatener.
69 # comme le format differe entre chaque ligne , il faut l ’ harmoniser
...
#==================================================
71 # II Extraction des donnees concernant l ’ Image
#==================================================
73
if(length(grep("CSOT Min Cluster",re))==1 ){
75 didson <-c(strsplit(re[6],"="),
12
strsplit(re[7],": "),
77 strsplit(re[8],"="),
strsplit(re[9],"="),
79 strsplit(re[10],"="),
strsplit(re[11],"="),
81 strsplit(re[12],"="),
strsplit(re[14],"="),
83 strsplit(re[15],"="))
} else {
85 didson <-c(strsplit(re[6],"="),
strsplit(re[7],": "),
87 strsplit(re[8],"="),
strsplit(re[9],"="),
89 strsplit(re[10],"="),
list(c("CSOT Min Cluster",NA)), # some files don ’ t have a
CSOT
91 list(c("CSOT Min Threshold",NA)),
strsplit(re[11],"="),
93 strsplit(re[12],"=")
)
95 }
# il peut y avoir des lignes avec un seul element , ce qui fait
planter la ligne d ’ apres ,
97 # les lignes a un element deviennent des lignes a 2.
#didson [[ which(sapply(didson ,function(X) length(X))==1)]]<-
99 # c(didson [[ which(sapply(didson ,function(X) length(X))==1) ]] ,"?")
didson <-data.frame("parm"=gsub("\\s","",sapply(didson ,"[[" ,1)),
101 "value"=gsub("\\s","",sapply(didson ,"[[" ,2)))
didson <-killfactor(didson)
103 didson$parm[c(4,5,7)]<-str_c(didson$parm[c(4,5,7)],"_db")
didson$parm [6] <-str_c(didson$parm[6],"_cm^2")
105 didson$value[c(4,5,7)]<-as.numeric(gsub("dB","",didson$value[c
(4,5,7)]))/10
didson$value [6] <-gsub("cm\\^2","",didson$value [6])
107 didson$value [6] <-gsub("cm\\^2","",didson$value [6])
didson$parm[c(8,9)]<-str_c(didson$parm[c(8,9)],"_m")
109 didson$value[c(8,9)]<-gsub("m","",didson$value[c(8,9)])
didson2 <-killfactor(as.data.frame(t(didson)[2,,drop=FALSE]))
111 colnames(didson2)<-didson$parm
didson2[,c(4:9)]<-as.numeric(didson2[,c(4:9)])
113 result [["didson"]]<-didson2
115 #==================================================
# III Extraction des donnees de *** Manual Marking .... ***
117 #==================================================
# A partir de maintenant , la reference des lignes va dependre du
nombre de poissons dans
119 # le tableau , il faut aller chercher les references des lignes
poissons <-re[poissons_start:poissons_end]
121 di<-matrix(NA,nrow=length(poissons),ncol =31)
for (k in 1: length(poissons)){
123 li<-strsplit(poissons[k]," ")[[1]][ strsplit(poissons[k]," ")
[[1]]!=""]
# missing species field
125 if (length(li) >=26){
if(li[26]%in%c("Running","Backsliding","Hanging","Tethered"
,"Milling")) li<-c(li[1:25] ,"",li[26: length(li)])
127 }
if (length(li) >31) li[31] <-paste(li[31: length(li)],collapse="
")
129 di[k,1:min(31, length(li))]<-li[1:min(31, length(li))]
}
13
131 colnames(di)<-c("File","total","frame","dir","radius_m","theta"
,"l_cm","dr_cm","ldr","aspect","time","date",
"latitude1","latitude2","latitude3","latitude4","latitude_
unit","longitude1","longitude2","longitude3","longitude4","
longitude_unit","pan","tilt","roll","species","motion","move","
q","n","comment")
133 di<-killfactor(as.data.frame(di))
#transformation des nombres en numeriques
135 di[,c(1:3 ,5:8 ,23:25 ,29:30)]<-apply(di[,c(1:3 ,5:8 ,23:25 ,29:30)
],2,function(X) as.numeric(X))
di<-di[!is.na(di$File),]
137 result [["poissons"]]<-di
# Some files have been manually corrected but not the sums.
139 if(result$total [1,1]!=nrow(result$poissons)) print(str_c("
fichier : ",listoffiles[i]," le nombre de poissons ne
correspond pas au total , correction manuelle \n"))
141 result [["total"]][1 ,1]= sum(di$dir=="Up")-sum(di$dir!="Up") #
Total Fish
result [["total"]][1 ,2]= sum(di$dir=="Up") # Upstream
143 result [["total"]][1 ,3]= sum(di$dir!="Up") # Downstream
#==================================================
145 # IV Extraction des donnees de *** source file key ***
#==================================================
147 filekey <-re[( poissons_end+5):( poissons_end +8)]
# gsub ("\\s","" enleve tous les espaces qu ’ ils soient \t
tabulation ou blanc
149 # regexpr recherche la positon d ’ un caractere
path <-gsub("\\s","",substr(filekey [1], regexpr("Source File Name
:",filekey [1]) [1]+17 , nchar(filekey [1])))
151 source_file_date <-gsub("\\s","",substr(filekey [2], regexpr("
Source File Date:",filekey [2]) [1]+20 , nchar(filekey [1])))
source_file_start <-gsub("\\s","",substr(filekey [3], regexpr("
Source File Start:",filekey [3]) [1]+20 , nchar(filekey [1])))
153 source_file_end <-gsub("\\s","",substr(filekey [4], regexpr("
Source File End:",filekey [4]) [1]+20 , nchar(filekey [1])))
# on va chercher la date du dison ... le nom du fichier
correspond a cette date plus les caracteres jusqu ’ a la fin
155 # le probleme c ’ est que le nom qui est dans source file key
peut etre le faux quand l ’ option
# merge append open file to existing file est cochee
157 if (regexpr("FC_CSOT",didson [2,2])==-1) num=regexpr("FC_",didson
[2,2]) [1]+3 else num=regexpr("FC_CSOT_",didson [2,2]) [1]+8
name <-substr(didson [2,2],num ,regexpr("_HF_",didson [2,2])+2)
159 name <-gsub(".txt","",name)
result [["filekey"]]<-data.frame(
161 "filename"=name ,
"path"=path ,
163 "date"=source_file_date ,
"start"=source_file_start ,
165 "end"=source_file_end
)
167 t_didsonfiletemp_dsft <- cbind(result [["filekey"]],
result [["didson"]],
169 result [["total"]])
rownames(t_didsonfiletemp_dsft)<-i
171 cf<-t_didsonfiletemp_dsft$CountFileName
id<-substr(cf,regexpr("FC",cf),nchar(cf) -4)
173 t_didsonfiletemp_dsft$id<-id
t_poissonsfile_psf <-result [["poissons"]]
175 t_poissonsfile_psf$id<-id
14
# Teste si le nom du fichier est deja dans la base , renverra
une alerte en fin de boucle pour tous les noms de fichiers
177 if (t_didsonfiletemp_dsft$id%in%drr_id$drr_id) fichiers_dans_la
_base <- c(fichiers_dans_la_base ,listoffiles[i])
# en fin de boucle empilement des fichiers
179 if (i==1){
all_t_poissonsfiletemp_psf <-t_poissonsfile_psf
181 all_t_didsonfiletemp_dsft <-t_didsonfiletemp_dsft
} else{
183 all_t_poissonsfiletemp_psf <-rbind(all_t_poissonsfiletemp_psf ,
t_poissonsfile_psf)
all_t_didsonfiletemp_dsft <-rbind(all_t_didsonfiletemp_dsft ,t_
didsonfiletemp_dsft)
185 }
} # end if poissons_end >= poissons_start
187 }
if (length(fichiers_dans_la_base) >0) {
189 print("Attention les fichiers suivants ont deja ete rentres !!! \
n")
print (fichiers_dans_la_base)
191 }
close(progress)
193
####################################
195 # fin de lecture des fichers txt provenant du didson.
#####################################
197
199 ##############################################
# Integration des donnees dans la base
201 ##############################################
203 colnames(all_t_poissonsfiletemp_psf)<-tolower(gsub("\\s","",str_c("
psf_",colnames(all_t_poissonsfiletemp_psf))))
colnames(all_t_didsonfiletemp_dsft)<-tolower(gsub("\\s","",str_c("
dsft_",colnames(all_t_didsonfiletemp_dsft))))
205 colnames(all_t_didsonfiletemp_dsft)[11] <-"dsft_csotmincluster_cm2"
colnames(all_t_didsonfiletemp_dsft)[18] <-"dsft_unknown"
207 stopifnot(sum(duplicated(all_t_didsonfiletemp_dsft$dsft_id))==0)
#all_t_didsonfiletemp_dsft[duplicated(all_t_didsonfiletemp_dsft$
dsft_id) ,]
209 #Creation des tables temporaires.
sqldf("drop table if exists did.t_didsonfiletemp_dsft",dbname=
getOption("sqldf.RPostgreSQL.dbname"),host=getOption("sqldf.
RPostgreSQL.hostname"))
211 sqldf("create table did.t_didsonfiletemp_dsft as select * from all_
t_didsonfiletemp_dsft",dbname=getOption("sqldf.RPostgreSQL.
dbname"),host=getOption("sqldf.RPostgreSQL.hostname"))
sqldf("drop table if exists did.t_poissonsfiletemp_psf",dbname=
getOption("sqldf.RPostgreSQL.dbname"),host=getOption("sqldf.
RPostgreSQL.hostname"))
213 sqldf("create table did.t_poissonsfiletemp_psf as select * from all
_t_poissonsfiletemp_psf",dbname=getOption("sqldf.RPostgreSQL.
dbname"),host=getOption("sqldf.RPostgreSQL.hostname"))
# Mise a jour des tables finales.
215 # fait un insert into a partir des donnees des tables temporaires
# Mais lancer l ’ ensemble du script sql scan_didsonfile.sql
Listing 2 – code de l’import des fichiers didson
Calculs des surfaces
15
# drawdi.R
2 # ’==========================================================
# ’ FONCTION DE TRACAGE ET CALCUL DU DIDSON
4 # ’ l ’ angle beta est negatif vers le bas , l ’ angle alpha est positif
vers le bas.
# ’ alpha en degres
6 # ’ fond Parametre fixant la profondeur du fond
# ’ profdid profondeur didson
8 # ’ dist distance de l ’ intercept sur l ’ axe des X, beta l ’ angle ,
donner l ’ un ou l ’ autre
# ’ hpas parametre donnant la hauteur de la colonne d ’ eau dans
laquelle passent les anguilles
10 # ’ hvan hauteur de la vanne
# ’ print faut il donner les valeurs de l ’ angle ou de l ’ intercept (
en fonction de l ’ un et l ’ autre)
12 # ’ graph faut il produire un graphique ?
# ’ divide si une valeur autre que NA est donnee , faut il produire
des polygones tous les decoupages , divide nombre en metres
14 # ’ parm a passer pour debug : fond = -7.72; profdid = -6.92; alphadegres
=14; dist =6; betadegres=NA;d1=2.5; d2=d1+10; hpas =2; print=FALSE;
graph=FALSE;divide=NA;hvan=NA
# ’==========================================================
16 drawdi <-function(fond=-7.72, profdid =-6.92, alphadegres =14,dist=6,
betadegres=NA,d1=2.5,d2=d1+10,hvan=NA,hpas=2,print=FALSE ,graph=
FALSE ,divide=NA,volet=FALSE ,chargevolet=NA,retrait =0.2){
hautvolet <-1.38
18 if (is.na(chargevolet)) chargevolet <-0.3
if (is.na(hvan)) hvan=hpas
20 alpha= alphadegres*pi/180# conversion de degres en radians (180 =
Pi)
slopealpha=tan(alpha) # pente de l ’ angle par rapport a l ’ axe 0x
22 if (is.na(dist)&is.na(betadegres)|!is.na(dist)&!is.na(betadegres)
) {
stop ("il faut dist ou beta , l ’ un des deux")
24 } else if (is.na(dist)){ # on donne un angle
beta=betadegres*pi/180
26 dist=(fond -profdid)/tan(beta) #H/dist=cos(pi/2-beta)
slopebeta=tan(beta)
28 if (print) cat ("la distance d ’ interception est de ", dist ,"m \
n")
} else { # on donne une distance
30
slopebeta =(fond -profdid)/dist
32 beta=atan(slopebeta)
betadegres <-beta*180/pi
34 if (print) cat ("l ’ angle est de ",round(betadegres ,2),"degres \
n")
}
36 pentesup=tan(beta+alpha/2) # pente de la limite de la zone de
detection vers la surface
penteinf=tan(beta -alpha/2) # pente de la limite de la zone de
detection vesr le fond
38 perpslope <--1/slopebeta # pente de la droite perpendiculaire a l ’
axe de detection , le produit des
# coefficients directeurs vaut -1
40 # ou
#perpslope <-tan(beta+pi/2)
42 # CALCUL DES POLYGONES DE DETECTION ET MIGRATION
calculate_poly <-function(d1,d2){
44 d1supx =(d1/cos(alpha/2))*cos(beta+alpha/2)
d1infx =(d1/cos(-alpha/2))*cos(beta -alpha/2)
16
46 d1supy=pentesup*d1supx+profdid # a partir de l ’ equation de la
droite
d1infy=penteinf*d1infx+profdid # a partir de l ’ equation de la
droite
48 d2supx =(d2/cos(alpha/2))*cos(beta+alpha/2)
d2infx =(d2/cos(-alpha/2))*cos(beta -alpha/2)
50 d2supy=pentesup*d2supx+profdid # a partir de l ’ equation de la
droite
d2infy=penteinf*d2infx+profdid # a partir de l ’ equation de la
droite
52 poly <-cbind(c(d1supx ,d2supx ,d2infx ,d1infx),c(d1supy ,d2supy ,
d2infy ,d1infy))
#polygon(poly2 ,col="red")
54 detection_frame <- as(poly , "gpc.poly")
return(detection_frame)
56 }
detection_frame <-calculate_poly(d1,d2)
58 poly2 <- cbind(c(18,18,retrait ,retrait),c(fond ,fond+hpas ,fond+hpas
,fond))
if (volet) poly2 <- cbind(c(18,18,retrait ,retrait),c(hautvolet+
chargevolet -hpas ,hautvolet+chargevolet ,hautvolet+chargevolet ,
hautvolet+chargevolet -hpas))
60 migration_frame <- as(poly2 , "gpc.poly")
# CALCUL D ’ UN DECOUPAGE DE POLYGONES
62 if (!is.na(divide)){
detection_frames <-list()
64 if (divide >=(d2-d1)) stop("il n ’ est pas possible de diviser d2-
d1=",d2-d1,"en portions de ",divide ," m, suggestion mettre
divide=NA" )
dist=d1
66 i=1
while (dist <d2-divide){
68 detection_frames [[i]]<-list()
detection_frames [[i]][["range"]]<-str_c(dist ,"-",dist+divide)
70 detection_frames [[i]][["poly"]]<-calculate_poly(dist ,dist+
divide)
dist=dist+divide
72 i=i+1
}
74 # pour le dernier
detection_frames [[i]]<-list()
76 detection_frames [[i]][["range"]]<-str_c(dist ,"-",d2)
detection_frames [[i]][["poly"]]<-calculate_poly(dist ,d2)
78
80 detection_frames_range <-sapply(detection_frames ,function(X) X$
range)
detection_frames_intersect_area <-sapply(detection_frames ,
function(X) round(area.poly(intersect(X$poly ,migration_frame))
,2))
82 } else {
detection_frames_range <-NA
84 detection_frames_intersect_area <-NA
}
86
# GRAPHIQUE
88 if (graph){
plot(x=NA,xlim=c(20,-2),ylim=c(fond -3 ,4.63),ylab="profondeur (m
NGF)",xlab="distance(m)")
90 im <- readPNG( "image/concrete.png", native = TRUE )
rasterImage( im, 20, fond -3, -2, 4.63 )
17
92 rect(xleft=18, ybottom=fond ,xright=retrait ,ytop =4.63, col="
aquamarine")
im <- readPNG( "image/iron.png", native = TRUE )
94 rasterImage( im, xleft=18, ybottom=fond+hvan ,xright=retrait ,
ytop=hautvolet+hvan)
96 #polygon(x=c(19,19,18,18,0,0,-1,-1),y=c(fond -2 ,4.63 ,4.63 ,fond ,
fond ,4.63 ,4.63 ,fond -2),col=" grey20 ") # fond
plot(migration_frame ,poly.args = list(col=makeTransparent("
yellow",alpha =100)),add=TRUE)
98 if (is.na(divide)){
# affichage si le polygone de detection n ’ est pas decoupe
100 plot(detection_frame ,poly.args = list(col = makeTransparent("
yellow",alpha =100)), add = TRUE)
}
102 plot(intersect(migration_frame ,detection_frame),poly.args =
list(col = makeTransparent("white",alpha =80)), add = TRUE)
points(0,profdid ,col="green",cex=2,pch =16) # didson
104 # pour une droite bx+a, trace des lignes
abline(a=profdid ,b=slopebeta ,col="red") # pour un intercept a
la distance de dist , on touche le fond et il faut rajouter l ’
intercept x=(Y-b)/a
106 abline(a=profdid ,b=pentesup ,lty=2) # droite superieure
abline(a=profdid ,b=penteinf ,lty=2) # droite inferieure
108 abline(b=perpslope ,a=fond -perpslope*dist ,lty=3) #
perpendiculaire au point ou le centre touche le fond
# fonction pour tracer les droites perpendiculaires a l ’ axe du
didson
110 fperp <-function(newdist ,col){
y=profdid+newdist*sin(beta)
112 x=0+ newdist*cos(beta)
adistx=y-perpslope*x# Y-slope*x
114 abline(a=adistx ,b=perpslope ,lty=4,col=col) # perpendiculaire
au point ou le centre touche le fond
text(x,y,str_c(newdist ,"m"),pos=4, col=col)
116 }
fperp(d1,"white")
118 fperp(d2,"white")
if (!is.na(divide)){
120 couleurs <-rainbow(length(detection_frames),alpha =0.3)
for (i in 1: length(detection_frames)){
122 plot(detection_frames [[i]]$poly ,poly.args = list(col =
couleurs[i]), add = TRUE)
}
124 }
if(volet){
126 rect(xleft=18, ybottom=hautvolet ,xright=retrait ,ytop=hautvolet
+chargevolet ,col="aquamarine3")
}
128 }
return(list("area_intersect"=round(area.poly(intersect(detection_
frame ,migration_frame)) ,2),
130 "area_migration_frame"=area.poly(migration_frame),
"det_frames_int_area"=detection_frames_intersect_area ,
132 "det_frames_range"=detection_frames_range))
}
134 ####################################
# Quelques exemples de fonctionnement.
136 #####################################
# configuration volets
138 drawdi(fond=-7.72, profdid =1.15, alphadegres =14,dist=NA,betadegres
=-7,d1=5,d2=15,hvan=0,hpas=4,print=FALSE ,graph=TRUE ,divide=2,
18
volet=TRUE ,chargevolet =0.7)
#$area_intersect
140 #[1] 23.85
#
142 #$area_migration_frame
#[1] 71.2
144 #
#$det_frames_int_area
146 #[1] 2.95 3.93 4.91 5.87 6.19
#
148 #$det_frames_range
#[1] "5-7" "7-9" "9-11" "11 -13" "13 -15"
150 drawdi(fond=-7.72, profdid =-6.92, alphadegres =14,dist=NA,betadegres
=-3,d1=2.5,d2=12.5, hpas=3,hvan =1.5, graph=TRUE ,divide =2) # ici
on passe l ’ angle
#$area_intersect
152 #[1] 12.91
#
154 #$area_migration_frame
#[1] 53.4
156 #
#$det_frames_int_area
158 #[1] 1.72 2.38 2.66 2.94 3.22
#
160 #$det_frames_range
#[1] "2.5 -4.5" "4.5 -6.5" "6.5 -8.5" "8.5 -10.5" "10.5 -12.5"
162 drawdi(fond=-7.72, profdid =-6.92, alphadegres =14,dist=6, betadegres=NA
,d1=5,print=TRUE ,graph=TRUE ,divide =1)
#l ’ angle est de -7.59 degres
164 # $area_intersect
# [1] 7.02
166 #
# $area_migration_frame
168 # [1] 35.6
#
170 # $det_frames_int_area
# [1] 0.75 0.74 0.73 0.72 0.71 0.70 0.69 0.68 0.66 0.65
172 #
# $det_frames_range
174 # [1] "5-6" "6-7" "7-8" "8-9" "9-10" "10 -11" "11 -12"
"12 -13" "13 -14"
# [10] "14 -15"
Listing 3 – code pour le calcul et le tracage des graphiques de positionnementdu DIDSON
Rapport LATEXDerniere compilation le 28 fevrier 2014
R version 3.0.1 (2013-05-16) sur une plateforme x8664− w64−mingw32
19
