Analyse exploratoire des statistiques de pêche

Analyse exploratoire des statistiques de pêche

Le logiciel Excel nous a permis de visualiser les captures annuelles des pêches artisanale et industrielle en fonction des années de 1981 à 2017. Les spectres de taille sont analysés suivant le type d’engin de pêche et l’année. En fait, les proportions de taille de la thonine peuvent être biaisées du fait de la mortalité par pêche qui varie suivant l’engin de pêche utilisé. Pour cela, les filets sont utilisés comme engin de référence pour l’étude spatio-temporelle des tailles compte tenu de leur mode de capture (par emprisonnement).

Ces engins capture à la fois des petits et gros individus contrairement aux lignes, par exemple, qui sont plus sélectives, elles ont tendance à capturer les gros individus (Diouf, 1980). Les tailles sont regroupées par classes de 10 cm et les centres de classe sont utilisés pour les spectres de taille. La taille de maturité sexuelle de la thonine a été estimée dans l’Atlantique tropical par Diouf (1980). La taille de maturité sexuelle des mâles (41 cm) est légèrement différente de celle des femelles (43 cm). Ainsi, les individus ayant une taille inférieure à la plus faible taille de première maturité sexuelle (41cm) sont considérés comme des immatures et ceux dont la taille est supérieure à la plus grande taille (43 cm) sont matures. Les poissons de taille comprise entre ces deux sont regroupés dans la catégorie des « intermédiaires ».

Modèle MLZ

L’estimateur de la mortalité totale basé sur la longueur moyenne (MLZ) est une nouvelle méthode d’analyse des données de fréquence de tailles de la pêche commerciale. Il est utilisé pour les espèces dont la taille ne cesse de croitre tout au long de leur vie, comme pour la plupart des poissons et des invertébrés commerciaux (Hoenig, 2006). Cette méthode ne nécessite aucune entrée autre que les données de fréquence de taille. Le modèle MLZ estime la longueur modale, la longueur à la première capture (Lc), la mortalité totale (Z), les fréquences de taille et la longueur moyenne.

La longueur moyenne des individus qui sont entièrement vulnérables à l’engin d’échantillonnage peut être utilisée pour estimer la mortalité totale à partir des paramètres de croissance de base et une longueur connue lors de la première capture (Gedamke et Hoenig, 2006). Cet estimateur de la mortalité par pêche basée sur la longueur de Beverton-Holt (1966) est largement utilisé dans l’évaluation des stocks de poissons, mais la méthode nécessite des 19 conditions d’équilibre car la longueur moyenne d’une population ne changera que progressivement après un changement de mortalité (Gedamke, 2006).

L’estimateur basé sur la longueur de Gedamke-Hoenig (2006) du taux de mortalité total a été développé à partir de l’estimateur de Beverton-Holt pour tenir compte des conditions de non-équilibre. Gedamke et Hoenig (2006) ont dérivé le comportement transitoire de la longueur moyenne de la population à la suite d’un changement de la mortalité totale instantanée (Z), puis ont généralisé la dérivation pour inclure les changements de longueur dus à de multiples changements de la mortalité totale. À l’aide d’une série chronologique d’observations de longueur moyenne, l’estimateur Gedamke-Hoenig de la longueur moyenne Z fournit des estimations par période des taux de mortalité totale et des années correspondantes à la variation de la mortalité (Gedamke et Hoenig, 2006). Le travail dans le package peut-être divisé en trois étapes : la préparation des données, l’estimation de la mortalité, la procédure de sélection du modèle.

Préparation des données

Les différentes longueurs sont d’abord converties en une matrice de fréquences de longueur avec des intervalles de longueur spécifiques qui permettent de visualiser les données.  Estimation de la mortalité Après avoir calculé les longueurs moyennes, celles qui sont supérieures à la Lc (la taille de première capture) sont utilisées pour l’estima tion de la mortalité. Ainsi la mortalité totale Z peut être estimée à l’aide de la fonction ML (longueur moyenne). L’analyse peut être répétée en considérant différents points de changement.  Procédure de sélection du modèle L’exécution du modèle fait apparaitre différents points de changement qui peuvent être comparées à l’aide du critère d’information d’Akaike (AIC). La fonction compare-modèles facilite cette fonctionnalité et génère un graphique des données prédites.