Copier ce texte
Modélisation de la distribution spatiale de la sardine du Golfe de Gascogne (Sardina pilchardus) par intégration de données commerciales et scientifiques : enjeux et limites.
En vue d’assurer une gestion durable des ressources marines, une connaissance fine de la dynamique spatiotemporelle des espèces exploitées est nécessaire. Les campagnes scientifiques fournissent des données standardisées afin de nourrir les modèles de distribution d’espèce. Néanmoins, l’information apportée par ces données reste limitée puisque l’échantillonnage est restreint dans le temps et dans l’espace. Les données de débarquements (logbooks) couplées aux données de position des navires de pêche (VMS) constituent une source d’information additionnelle qui peut être mobilisée pour cartographier la distribution des espèces à une résolution spatio-temporelle fine. Le développement d’un modèle spatiotemporel combinant les deux sources de données et prenant en compte le comportement de ciblage des pêcheurs a déjà permis d’inférer la distribution de plusieurs espèces bentho-démersales du golfe de Gascogne (GdG - e.g. la sole, la baudroie, le merlan). Cette étude vise à évaluer l’intérêt de l’approche intégrée dans le cas d’une espèce pélagique (la sardine du GdG), dont l’écologie, la dynamique de flottille et la nature des données de campagne diffèrent des cas étudiés jusqu’à maintenant. Nous présentons les défis méthodologiques propres à l’application de l’approche intégrée au cas de la sardine du GdG - flottilles côtières, comportement de ciblage important, saisonnalité des pêcheries -, et le modèle utilisé pour combiner les différentes sources de données et cartographier la sardine. Sur les mois de campagne, les cartes sont essentiellement drivées par les données scientifiques. En dehors de ces mois, les données commerciales apportent de l’information dans le rayon d’action des flottilles. Toutefois, une grande partie de la zone d’étude n’est pas recouverte par les flottilles commerciales et les cartes obtenues fournissent une image partielle de la distribution de la sardine.
Mot-clé(s)
Sardina pilchardus, Golfe de Gascogne, données VMS, données logbooks, PELGAS, JUVENA, modélisation spatiale et spatio-temporelle, INLA
In order to ensure sustainable management of marine resources, detailed knowledge of the spatio-temporal dynamics of exploited species is necessary. Scientific surveys provide standardized data to feed species distribution models. However, the information provided by these data remains limited since sampling is restricted in time and space. Landings data (logbooks) coupled with vessel monitoring position data (VMS) provide an additional source of information that can be mobilized to map species distribution at a fine spatio-temporal resolution. The development of a spatio-temporal model combining the two data sources and taking into account the targeting behaviour of fishermen has already made it possible to infer the distribution of several bentho-demersal species in the Bay of Biscay (BoB - e.g. sole, anglerfish, whiting). This study aims to evaluate the interest of the integrated approach in the case of a pelagic species (the sardines in the BoB), whose ecology, fleet dynamics and the nature of the survey data are very different from the cases studied so far. We present the methodological challenges of applying the integrated approach to the sardines in the BoB - coastal fleets, strong targeting behaviour, seasonality of fisheries - and the model used to combine the different data sources and map the sardine. When the surveys occurs (May and September), the maps are essentially driven by scientific data and allow the identification of distribution patterns consistent with the literature. Outside these months, commercial data provide information within the range of the fleets. However, the commercial fleets do not cover a large part of the study area and the maps obtained provide a partial representation of sardines distribution.
Keyword(s)
Sardina pilchardus, Bay of Biscay, VMS, logbook, PELGAS, JUVENA, spatial and temporal modelling, INLA.
Texte intégral
Fichier | Pages | Taille | Accès | |
---|---|---|---|---|
Version officielle éditeur | 91 | 2 Mo |