Les poissons grégaires formant des bancs peuvent se présenter en de très fortes densités sur de petites surfaces. Lors d'un échantillonnage prospectif à large maille, la probabilité de rencontrer de tels gains riches est donc faible. Les fluctuations d'échantillonnage de la queue de l'histogramme des densités sont supposées très importantes. L'estimateur d'abondance du stock et sa précision dépendent largement de la précision avec laquelle la queue de l'histogramme a pu être échantillonnée. Dans le but d'augmenter la précision de l'échantillonnage nous étudions les relations structurales qu'entretiennent les fortes valeurs avec leurs voisines plus faibles. L'approche du krigeage disjonctif est mise à profit. Les quantiles de l'histogramme sont codés par des indicatrices; la structure spatiale de chaque indicatrice ainsi que sa covariation avec chacune des autres sont étudiées en calculant des variogrammes simples et croisés. Il en résulte une dissection fine de la structure spatiale. Cette méthodologie est appliquée à un stock de hareng norvégien. On montre que partant des zones pauvres et cheminant vers les zones riches, on ne rencontre pas nécessairement des valeurs intermédiaires. On choisit un modèle sans transition spatiale pour rendre compte de cette caractéristique. Il est construit sur les régressions de chaque indicatrice sur l'indicatrice pour la coupure immédiatement inférieure. Dans le modèle on peut estimer la probabilité pour que la densité dépasse un seuil donné en un point donné, sachant que celle-ci dépasse des seuils inférieurs en des points proches. On montre sur les données que les fortes valeurs sont structurées dans l'espace et forment des agrégats. De plus, à l'intérieur des zones définies par les valeurs supérieures à un certain seuil, les agrégats de forte densité peuvent être considérés comme implantés indépendamment des autres valeurs. Ces zones dans lesquelles la structuration des fortes valeurs n'est pas corrélée à celles des autres, sont cartographiées par krigeage disjonctif. On discute de l'importance de l'existence de telles zones et de leur géométrie pour définir un échantillonnage adapté. On discute aussi de la possibilité de stratifier les valeurs en lots indépendants pour estimer la biomasse et sa précision après avoir observé la propriété de non corrélation précédente.

Schooling fish may aggregate in very high densities covering very small areas. Thus the probability of hitting such high-density spots during a large-scale sampling is very low. The sampling fluctuations of the tail of the histogram are thought to be very significant. The stock biomass estimate and its precision rely greatly on how precisely the tail of the histogram can be sampled. In order to acquire elements for improving survey designs and abundance estimators wc study here the relation in space that the high values have with the other values. A disjunctive kriging approach is used. Different quantiles of the histogram are coded by indicators. The spatial structure of each indicator and its spatial covariation with the others are studied by computing experimental indicator variograms and cross-variograms. Such analysis is applied to dissect finely the spatial structure of a Norwegian herring stock sampled acoustically. It is shown that when going from low-density areas to high-density ones, intermediate values are not necessarily crossed. Thus a particular disjunctive kriging model with no transition in space is well adapted to the herring data. The model is based on the regressions of each indicator on the one immediately below it. In the model one can estimate the probability for the fish density to trespass a given cut-off at a given location when knowing that the density trespasses lower cut-offs at surrounding points. It is shown on the data that the high densities are structured and show small aggregations. Then it is shown that having trespassed a certain cut-off, i.e. inside the corresponding areas in space, the high-density aggregations can be considered to be positioned independently from the other values. These areas, where the structuring of the high values is not correlated to the structuring of the other values, are mapped using the fitted disjunctive kriging model. The implications for survey designing of the existence of such areas and of their geometry are discussed. Also discussed is the possibility of stratifying the data in spatially uncorrelated boxes when deriving the biomass estimate and its precision, on the basis of an observed spatial non-correlation property between the spatial distribution of different quantiles.