Une approche non-paramétrique pour caractériser les changements récents dans les séries temporelles d'indices de population Verena Trenkel et Marie-Joëlle.

Présentation au sujet: "Une approche non-paramétrique pour caractériser les changements récents dans les séries temporelles d'indices de population Verena Trenkel et Marie-Joëlle."— Transcription de la présentation:

1 Une approche non-paramétrique pour caractériser les changements récents dans les séries temporelles d'indices de population Verena Trenkel et Marie-Joëlle Rochet Département EMH, Ifremer Nantes 8ième forum halieumétrique, La Rochelle, juin 2007

2 Contexte Utilisation d'indices de population (densité, longueur moyenne,...) basés sur données de campagnes pour déterminer l'état d'une population proposer des mesures de gestion Nécessité de déterminer la direction des changements temporels EU Projet Fishery independent survey based operational assessment tools Rochet et al Combining indicator trends to assess ongoing changes in exploited fish communities: diagnostic of communities off the coasts of France. IJMS Trenkel et al From model-based prescriptive advice to indicator based interactive advice. IJMS

3 Méthodes pour caractériser les changements temporels : Régression linéaire
Tendance linéaire sur x dernières années , x = 3, 4, 5… Avantage : simple Désavantages période arbitraire sensible à la forme du changement Faible puissance du test plie en mer du Nord : ln-abondance Année

4 Méthodes pour caractériser les changements temporels : 2 Approche non-paramétrique
Règles basées sur valeurs caractéristiques de la série temporelle lissée maximum minimum pente positive négative point d'inflexion 1ère = 0

5 Règles pour caractérisation des changements récents
IBTS Sud Mer du Nord n=3 m=5 Décroissance  Pas de variations autour maximum n dernières années  ET  2. Diminution récente Pentes <0 pour majorité des n dernières années ET  Diminution pérsistente Pas de point d'inflexion pendant m dernières années  Hippoglossoides platessoides  Callionymus lyra  Hyperoplus l anceolatus

6 Règles pour caractérisation des changements récents
IBTS Sud Mer du Nord Augmentation  Pas de variations autour minimum n dernières années   ET  2. Augmentation récente Pentes >0 pour majorité des n dernières années  ET Augmentation persistante Pas de point d'inflexion pendant m dernières années n=3 m=5  Scyliorhinus canicula  Echiichthys vipera

7 Paramètres de contrôle
Nombres d’années récentes n années pour considérer le minimum et maximum n années pour pentes annuelles m années pour dérivées secondes

8 Etapes de l'approche non-paramétrique
Pour série temporelle d'estimation d'indice I 1. Ajuster courbe lissée par un spline de régression (GAM) 2. Calculer dérivées premières 3. Calculer dérivées secondes 4. Utiliser bootstrap paramétrique des indices pour déterminer significativité des pentes et points d'inflexion 5. Utiliser règles basées sur combinaisons pour caractériser changements

9 Application Données Chalutage de fond IBTS Sud mer du Nord 1983 – 2005
32 espèces Indicateurs de population Logarithme de l'abondance ln-N Longueur moyenne lbar Méthodes Régression linéaires 3 dernières années Approche non-paramétrique : n=3 & m=5 Analyse de sensibilité Réactivité: séries temporelles y-1 Paramètres de contrôle n=5 & m=5 et régression linéaire 5 ans

10 Indicateur ln-N pente linéaire 3 ou 5 dernières années
règles pour changements récents stable augmentation décroissance Indicateur ln-N Pleuronectes platessa Agonus cataphractus Arnoglossus laterna Squalus acanthias

11 Résultats : nombre d’années avec changement pour 32 espèces
Série : n=3, m=5, linéaire 3 ans linéaire règle ln-N , , 10- lbar , 7- Série : n=5, m=5, linéaire 5 ans ln-N , , 5- lbar , 8- Série : n=3, m=5, linéaire 3 ans lnN 1+, , 12- lbar 1+, , 5-

12 Discussion : Indice lissé vs brut
Changement interannuel ou erreur d'estimation? Solea solea Trachurus trachurus

13 Conclusion Méthode basée sur les règles de décisions est plus puissant que régression linéaire pour détecter changements récents Mais, la gamme d'années utilisée pour diagnostic influence le résultat Lissage rends résultats moins sensibles à la précision des indices Méthode prend en compte la position historique Le choix des paramètres de contrôle est une décision de gestion mais pourrait aussi être adapté à la variabilité inter-annuelle attendue