Méthodes de traitement des données 

Méthodes de traitement des données 

Indicateurs bioécologiques

Dans le cadre de cette étude, les indicateurs suivants ont été étudiés :  Occurrence d’une espèce La fréquence d’occurrence d’une espèce est le rapport exprimé en pourcentage entre le nombre total de prélèvement où cette espèce est notée et le nombre total de tous les prélèvements effectués. Équation 1 F : fréquence d’occurrence ; Pi : nombre total de prélèvements contenant l’espèce prise en considération ; P : nombre total de prélèvement effectués. Selon Okende (2015) on distingue : (i) les espèces omniprésentes (F = 100%) ; constantes (75 ≤ F < 100), (ii) les espèces régulières (50 ≤ F < 75) ; (iii) les espèces accessoires (25 ≤ F < 50) et (iv) les espèces accidentelles (F < 25).  Abondance spécifique (A) Le paramètre de richesse spécifique prend en compte le nombre d’individus d’une même espèce que l’on peut rencontrer dans un écosystème donné. Sa formule est la suivante : ∑ Équation 2  Biomasse spécifique (B) C’est la masse totale des individus de chaque espèce. Son équation est la suivante : ∑ Équation 3 12  L’indice de diversité spécifique (H’) L’indice de Shannon et Weaver (1948) est un indice permettant de mesurer la biodiversité et se calcule par la formule suivante: ∑ Équation 4 H’ : indice de biodiversité de Shannon ; i: une espèce du milieu d’étude ; S : richesse spécifique ; Pi : Proportion d’une espèce i par rapport au nombre total d’espèces (S) dans le milieu d’étude. L’indice de Shannon permet d’exprimer la diversité en prenant en compte le nombre d’espèces et l’abondance des individus au sein de chacune de ces espèces.  Indice d’équitabilité (J’) L’indice d’équitabilité permet de mesurer la répartition des individus au sein des espèces, indépendamment de la richesse spécifique. Sa valeur varie de 0 (dominance d’une des espèces) à 1 (équipartition des individus dans les espèces) (Grall et Coïc, 2005). ⁄ Équation 5 H ‘max = log S (S= nombre total d’espèces).

Analyse de la dynamique trophique

Pour l’analyse du niveau trophique, les espèces ont été divisées en six catégories trophiques selon la classification de Albaret et al. (2005) (Tableau 2) et sur la base de leur score trophique et de leur comportement alimentaire obtenu à partir de FishBase (Froese, 2014). Tableau II: Guide des catégories trophiques de Albaret et al. (2005) Code Description des catégories trophiques he-ph Herbivore à prédominance phytoplantonophage ou microphytophage p1-zo Prédateur de premier niveau zooplantonophagie dominante p1-bt Prédateur de premier niveau à prédominance benthophage (mollusques, coquillages, vers) p1-mc Prédateur de premier niveau macrophage ou généraliste (crustacés, insectes) p2-ge Prédateur de deuxième niveau généraliste (poissons, crevettes, crabes) p2-pi Prédateur de deuxième niveau à prédominance piscivore .

Analyse Statistique

Les statistiques développent des techniques et des méthodes qui permettent d’analyser les données issues de l’observation, afin de cerner les caractéristiques de la population concernée (De Mendiburu, 2014). Plusieurs tests sont réalisés à ce titre avec le logiciel RStudio 1.1.463 (Team, 2015). L’Analyse de variance (ANOVA) est utilisée pour tester la significativité des différences observées au niveau des données de température et d’oxygène dissous. Le test de 13 Tukey est utilisé après le test d’ANOVA pour évaluer si les moyennes journalières des paramètres environnementaux (température et oxygène dissous) sont significativement différentes ou pas pendant la période d’étude (du 28 août au 28 septembre 2018). Le Test de Person à deux échantillons a permis de vérifier la corrélation entre les deux facteurs environnementaux (température et oxygène dissous) (Derkaoui et Boumediene, 2010). La représentation graphique des indicateurs bioécologiques s’est fait par des boites à moustache ou « box plots » et des nuages de points, servant ainsi à faire une comparaison de ces indicateurs entre l’intérieur et l’extérieur de la ZIP. Afin de faciliter l’analyse de ces boxplots, des tests.t de Student ont été faites pour vérifier la significativité des différences notées dans les résultats. L’abondance spécifique a été transformée avec la fonction logarithmique ln(x+1) afin de permettre une homogénéisation des données collectées (Stobberup et al., 2005). Des modèles mixtes linéaires généralisés (GLMM) avec une distribution de Poisson ont été également utilisés pour voir si la zone étudiée et/ou les engins de pêche utilisés ont une influence sur la différence de répartition des espèces entre l’intérieur et l’extérieur de la ZIP. à l’aide du logiciel lme4 (Bates et al., 2014). Pour tenir compte de l’échantillonnage répété, le site et l’engin de pêche ont été inclus comme facteurs aléatoires dans le modèle. La zone (l’intérieur et l’extérieur de la ZIP) était un facteur fixe et la signification de la zone a été déterminée après suppression itérative des facteurs du modèle et utilisation de tests du rapport log-vraisemblance pour examiner l’adéquation du modèle. Le modèle avec le meilleur ajustement était : [ ] ( ) ( ) Equation 6 Les parcelles de résidus ont été vérifiées visuellement pour assurer la normalité et l’homogénéité de la variance. Aucun cas de dispersion n’a été observé, pas plus que l’inflation nulle. Ensuite, les tests de comparaisons multiples de Tukey sont utilisés pour déterminer spécifiquement les paires de zones présentant des différences significatives. Avec l’analyse factorielle des correspondances (AFC), la répartition des familles et des catégories trophiques des espèces issues de la pêche et de la sédimentologie a été étudiée. Il a permis de connaitre dans quelle station de pêche, les espèces sont les plus abondantes. Le traitement des données issues du dispositif du capteur d’oxygène et ceux issus de la bibliographie a été réalisé avec le logiciel MS-Excel. Les données d’oxygène sont converties en pourcentage à l’aide d’une clé.