Modélisation de la dynamique de pêcherie complexe Intégration des informations pour la pêcherie du Plateau Celtique D. Pelletier S. Mahévas Lab. MAERHA Nantes – Zones Marines Protégées (ZMP) – Pêcheries complexes – Diagnostics quantitatifs Objectif du modèle via loutil de simulation générique ISIS-Fish : Quantification de l impact de scénarii de gestion sur la dynamique d une pêcherie complexe

Modèles existants – non spatialisés (Mesnil and Shepherd 1990 ; Laurec et al. 1991; BEAM (FAO)) – spatialisés, mais : pas pour les pêcheries complexes pas de composante saisonnière inappropriés pour explorer et comparer des configurations de ZMP – pas de prise en compte du comportement des pêcheurs en réaction aux mesures de gestion

Un modèle de la dynamique spatiale et saisonnière dune pêcherie complexe Dynamique spatiale et saisonnière de population Dynamique spatiale et saisonnière de l exploitation Dynamique spatiale et saisonnière de gestion et réaction Allocation dynamique de leffort Intersection spatiale Relation effort mortalité par pêche Pas de temps mensuel Résolution spatiale à adapter selon le niveau de connaissances et linformation disponible

Un modèle pour quelles questions ? – Comparaison de mesures de gestion ( ZMP (au sens large), mesures globales, mesures sur engins ) – Quantification de limpact des différentes activités de pêche sur les ressources – Quantification des interactions entre activités de pêche – Effets secondaires des mesures de gestion dus à la réaction des pêcheurs – Identification des points critiques de la dynamique à mieux connaître pour améliorer les diagnostics

Janvier à Avril Mai à Décembre âges 1,2 âge 0 âge 1 âge 2 métier2 métier1 métier3 Population Activité de pêche Exemple de pêcherie complexe simple

Dynamique des Populations N(t+ ) = R(t) + [Mig(saison)-Emig(saison)]Cg(saison)N(t) + Nimmig(saison) N(t+1) = Sr(t)N(t+ ) reproduction mois t mois t+1 migrations changement de groupe F + M t+

Dynamique de lactivité de pêche

Effort standardisé par métier pour chaque zone métier Effort standardisé par métier pour chaque zone population Mortalité par pêche zone population zone métier sélectivité, facteur de ciblage Distribution spatiale de la population par mois et par zone population zone capturabilité De leffort à la mortalité par pêche

Synthèse des informations et estimation des paramètres du modèle pour la pêcherie démerso-benthique du plateau Celtique – Dynamique des populations synthèse bibliographique : Verdoit 1999 déf des zones et saisons pour le merlan et la langoustine : Verdoit et al 2002 modèle de la dynamique de merlan : Verdoit et al 2003 – Dynamique de lactivité de pêche: caractérisation des métiers : Pelletier et Ferraris 2000 définition des zones et saisons de pêche : Mahévas et Trenkel 2002a quantification du facteur de ciblage : Mahévas et al 2002b Identification des variables économiques forcantes du système : SEM- MAERHA en cours

Définition des zones de présence et des saisons correspondantes pour le merlan du plateau Celtique (daprès Verdoit et al. 2002) ZONES ACP puis Classification HA sous contraintes de contiguïté spatiale et temporelle

Définition des zones de présence et des saisons correspondantes pour le merlan du Plateau Celtique SAISONS (daprès Verdoit et al. 2002)

Activité de pêche : caractérisation des métiers Pelletier et Ferraris 2000

Activité de pêche : zones et saisons dexploitation Analyse des temps de pêche par séquence de pêche ( ) par un modèle linéaire généralisé mixte : TempsPeche ~ rectangle*mois*année*capture Modèle sélectionné (résidus, test rapport de vraisemblance, AIC) : (TempsPeche)^(1/3) ~ TempsPeche^(1/3)(mois-1|rect) + mois + rectangle + corExp(rect) + (N) Résultat : distribution spatio-temporelle stable du temps de pêche sur la période Analyse des estimations du modèle par classification sous contraintes de contiguïté spatiales et temporelles : – voisinage mois : précédent et suivant – voisinage rectangle: les 8 rectangles adjacents (Mahévas et Trenkel 2002, Métaireau 2002)

Résultats de la classification saisonnière Saisons pour un niveau de différence égal à saisons

Résultats de la classification spatiale Zones significativement différentes au niveau zones homogènes de taille variable zones étirées

Estimation du facteur de ciblage Relation entre effort et mortalité par pêche : effet de cibler une espèce Analyse des captures et temps de pêche par séquence de pêche (GLM) CPUE (séquence) ~ bateau*année*mois*métier*zone Hypothèse : effet métier = estimation du facteur de ciblage Application aux chalutiers pêchant la baudroie (25 bateaux) entre 1987 et 1998 : – Métiers : Benthique : 20% espèces benthiques Démersal : 40% espèces démersales Langoustinier : 10% langoustine Mixte Mahévas et al. 2002

Effet métier = facteur de ciblage de la baudroie par le métier avec IC à 95% Métier Benthique = métier de référence : facteur = 0

Synthèse des informations et estimation des paramètres du modèle Synthèse des connaissances existantes – pas forcément formalisées ou facilement accessibles – parfois contradictoires Analyses et modèles statistiques : – définition des zones et saisons (populations,métiers) – estimation de facteurs de ciblage dune espèce selon le métier pratiqué Analyses transposables à dautres estimations – facteur de standardisation entre engins – puissance de pêche individuelle ou de la flottille La complexité des analyses dépend de léchelle spatiale considérée car LE MODELE PEUT ETRE SIMPLE

Perspectives – Applications : Plateau Celtique, Grande Vasière et mer dIroise (Collaboration RH Lorient, Brest, SEM) – Modèle : interfaçage avec un modèle multi-agents du comportement à court terme des pêcheurs modèles analytiques de dynamique de flottille ajout dun sous-modèle économique construction dindicateurs de la dynamique des pêcheries (Collaboration SEM) – Amélioration de loutil : ergonomie (interfaces, cartes) performances, correction des bugs calcul dindicateurs en sortie des simulations

FIN

Perspectives (utilisation) – Achever les applications à des pêcheries concrètes : mer dIroise plateau Celtique Golfe de Gascogne – Etudier la dynamique de pêcheries en fonction: des scénarii de gestion du comportement des pêcheurs, notamment face aux règles de gestion des hypothèses des modèles de population et dexploitation – Réalisation de formation/atelier à lutilisation dISIS- Fish

Dynamique des Populations N(t+ ) = R(t) + [Mig(saison)-Emig(saison)]Cg(saison)N(t) + Nimmig(saison) N(t+1) = Sr(t)N(t+ ) avec N(t,s)=(N(t,s,z1),…,N(t,s,zn)) N(t)=(N(t,1),…,N(t,s),…,N(t,smax)) reproduction mois t mois t+1 migrations Changement de groupe F + M t+

Calcul de la mortalité par pêche Temps de pêche par métier au pas de temps t Effort standardisé par métier à t Mortalité par pêche de pop dans z pop à t

Dynamique de gestion Mesures déjà implémentées dans le logiciel: TAC, TAE, ZMP (incluant réserves), restriction engins... Ajout de nouvelles mesures et réactions des pêcheurs Combinaison de plusieurs mesures (scenarii de gestion)

Du modèle à un outil de simulation générique – Dynamique complexe Simulations – Faire ressortir une « théorie » générale sur les pêcheries complexes : structuration de lactivité de pêche, liens entre mesures de gestion et exploitation – Effort de développement du modèle : Pouvoir réutiliser le modèle pour différentes pêcheries avec différentes hypothèses de modèle, différents scénarii de gestion

Cas détude de la mer dIroise – Pêcherie côtière, diversité de ressources (algues, bivalves, crustacés, poissons) et dactivités de pêche (80 métiers) – Questions : impacts des diverses activités de pêche (augmentation chalutage en périphérie de zone, diminution des casiers, conséquences de scénarii de gestion : exclusion des chalutiers de la bande littorale, double rotation journalière et dates douverture pour les algues, licences selon taille de navire, allocation spatiale de lactivité coquillère en rade (réserves tournantes) évaluer les conséquences de diverses plans de zonage (projet de parc marin)

Cas détude de la mer dIroise Données disponibles : – base de données algues sur 15 ans – statistiques de pêche (flux déclaratif, calendriers…) – enquêtes bio-économiques Analyses : – constitution dune base de données commune – choix de léchelle danalyse au niveau métier – allocation spatiale et saisonnière de lactivité de pêche par métier – relation avec les variables économiques et les paramètres techniques de leffort de pêche