View
66
Download
0
Category
Preview:
DESCRIPTION
Variabilité de séries temporelles de grands pélagiques exploités par la pêche palangrière dans l’Océan Indien. Ana Corbineau Tristan Rouyer Bernard Cazelles Jean-Marc Fromentin Frédéric Ménard. 8 ème Forum Halieumétrique Aquarium de La Rochelle Juin 2007. Introduction. - PowerPoint PPT Presentation
Citation preview
Variabilité de séries temporelles
de grands pélagiques exploités
par la pêche palangrière dans
l’Océan Indien
Ana CorbineauTristan Rouyer
Bernard CazellesJean-Marc Fromentin
Frédéric Ménard
8 ème Forum HalieumétriqueAquarium de La Rochelle
Juin 2007
0
500
1 000
1 500
1950 1960 1970 1980 1990 2000
Ca
ptu
res
(x
10
00
t)
INDUSTRIAL
ARTISANAL
Introduction
• Développement de la pêche industrielle à partir du début des années 50 dans l’Océan Indien variations des captures et des CPUE à court et à long termes
• La variabilité des captures dynamique des populations mortalité naturelle, migration … l’activité de la pêche surexploitation, ciblage… le forçage climatique changement de régime…
Objectifs
Caractériser la variabilité des séries de CPUE des grands pélagiques (thonidés et espadon) dans l’Océan Indien à partir de données palangrières
Captures - PalangreOcéan Indien
0
1000000
2000000
3000000
4000000
5000000
6000000
19
52
19
56
19
60
19
64
19
68
19
72
19
76
19
80
19
84
19
88
19
92
19
96
20
00
20
04
Ca
ptu
res
(e
n n
om
bre
)
Japon Taiwan
Etudier les liens entre les séries de CPUE et les indices climatiques globaux
Effort - palangreOcéan Indien
0
500000
1000000
1500000
2000000
2500000
19
52
19
56
19
60
19
64
19
68
19
72
19
76
19
80
19
84
19
88
19
92
19
96
20
00
20
04
Eff
ort
(1
00
0 h
oo
ks
)
Japon Taiwan
Zone d’étude
- 5 0
- 4 5
- 4 0
- 3 5
- 3 0
- 2 5
- 2 0
- 1 5
- 1 0
- 5
0
5
1 0
1 5
2 0
2 5
3 0- 1 2 0- 1 1 5- 1 1 0- 1 0 5- 1 0 0- 9 5- 9 0- 8 5- 8 0- 7 5- 7 0- 6 5- 6 0- 5 5- 5 0- 4 5- 4 0- 3 5- 3 0- 2 5- 2 0- 1 5- 1 0- 5051 0
- 1 2 0- 1 1 5- 1 1 0- 1 0 5- 1 0 0- 9 5- 9 0- 8 5- 8 0- 7 5- 7 0- 6 5- 6 0- 5 5- 5 0- 4 5- 4 0- 3 5- 3 0- 2 5- 2 0- 1 5- 1 0- 5051 0- 5 0
- 4 5
- 4 0
- 3 5
- 3 0
- 2 5
- 2 0
- 1 5
- 1 0
- 5
0
5
1 0
1 5
2 0
2 5
3 0
- 5 0
- 4 0
- 3 0
- 2 0
- 1 0
0
1 0
2 0
3 0- 1 2 0- 1 1 0- 1 0 0- 9 0- 8 0- 7 0- 6 0- 5 0- 4 0- 3 0- 2 0- 1 001 0
- 1 2 0- 1 1 0- 1 0 0- 9 0- 8 0- 7 0- 6 0- 5 0- 4 0- 3 0- 2 0- 1 001 0- 5 0
- 4 0
- 3 0
- 2 0
- 1 0
0
1 0
2 0
3 0
MONSW MONSE
ARAB
EAFR
ARAB: Northwest Arabian Upwelling ProvinceMONS: Indian Monsoon Gyres Province (Est et Ouest)EAFR: Eastern Africa Coastal ProvinceISSG: Indian South Subtropical Gyre Province
ISSGActivité tourbillonaire
importante
Upwelling de SomalieSaisons marquées
Grand gyre tropical
Alternance des moussons
Océan Indien 5 provinces biogéographiques (Longhurst,1998)
Données de pêche
Base de données IOTC (carrés de 5°x 5°/mois)
Flottilles: - Japon (1952 – 2004) - Taiwan (1967-2004)
Espèces
• Albacore (Yellowfin, Thunnus albacares)
• Patudo (Bigeye, Thunnus obesus)
• Germon (Albacore, Thunnus alalunga)
• Espadon (Swordfish, Xiphias gladius)
CPUE: nombre de poissons/milliers d’hameçons
- 5 0
- 4 5
- 4 0
- 3 5
- 3 0
- 2 5
- 2 0
- 1 5
- 1 0
- 5
0
5
1 0
1 5
2 0
2 5
3 0- 1 2 0- 1 1 5- 1 1 0- 1 0 5- 1 0 0- 9 5- 9 0- 8 5- 8 0- 7 5- 7 0- 6 5- 6 0- 5 5- 5 0- 4 5- 4 0- 3 5- 3 0- 2 5- 2 0- 1 5- 1 0- 5051 0
- 1 2 0- 1 1 5- 1 1 0- 1 0 5- 1 0 0- 9 5- 9 0- 8 5- 8 0- 7 5- 7 0- 6 5- 6 0- 5 5- 5 0- 4 5- 4 0- 3 5- 3 0- 2 5- 2 0- 1 5- 1 0- 5051 0- 5 0
- 4 5
- 4 0
- 3 5
- 3 0
- 2 5
- 2 0
- 1 5
- 1 0
- 5
0
5
1 0
1 5
2 0
2 5
3 0
- 5 0
- 4 0
- 3 0
- 2 0
- 1 0
0
1 0
2 0
3 0- 1 2 0- 1 1 0- 1 0 0- 9 0- 8 0- 7 0- 6 0- 5 0- 4 0- 3 0- 2 0- 1 001 0
- 1 2 0- 1 1 0- 1 0 0- 9 0- 8 0- 7 0- 6 0- 5 0- 4 0- 3 0- 2 0- 1 001 0- 5 0
- 4 0
- 3 0
- 2 0
- 1 0
0
1 0
2 0
3 0
ARAB
MONSW MONSE
ISSGEAFR
YFT, SWO, BET, ALB
Tw: 1967-2004
Jp: 1952-2004
YFT, SWO, BET, ALB
Tw: 1967-2004
Jp: 1952-2004
YFT, SWO, BET, ALB
Tw: 1967-2004
Jp: 1952-2004
YFT, SWO, BET, ALB
Tw:1968-2004
Jp: 1955-2004
YFT, SWO, BET, ALB
Tw: 1967-2003
Jp: 1952-2004
40 séries temporelles de CPUE
YFT: albacore BET: patudo ALB: germon SWO: espadon
Tw: Taiwan
Jp: Japon
Données Climatiques
IOI - Indian Oscillation Index (Marsac and Le Blanc 1998)
Différence des anomalies de pression atmosphérique au niveau de la mer entre Mahe (Seychelles, ouest) et Darwin (Australie, est).
Indian Oscillation Index
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
19
52
19
56
19
60
19
64
19
68
19
72
19
76
19
80
19
84
19
88
19
92
19
96
20
00
20
04
DMI - Dipole Mode Index (Saji et al 1999)
Différence des anomalies de SST entre l’ouest équatorial et le sud-est équatorial de l’Océan Indien
Dipole Mode Index
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
19
52
19
56
19
60
19
64
19
68
19
72
19
76
19
80
19
84
19
88
19
92
19
96
20
00
20
04
Données Climatiques
I - Calcul de l’indice de Variabilité des Populations Population Variability (Heath, 2006)
Quantifier la variabilité temporelle des taux de captures à partir du calcul de la moyenne des différences proportionnelles entre toutes les données de la série
2
)1(
nnC
Méthodes
),(
)()(
ji
ji
ZZMAX
ZZABSzD
C
zD
PV
z
)(Nombre de combinaisons possibles
Différences proportionnelles
II - Méthode des Ondelettes
Mettre en évidence les composantes périodiques de chaque série
Décomposer simultanément le signal dans l’espace des temps et des fréquences
Le spectre d’ondelette, contrairement auspectre de Fourier, montre l’évolutiondes fréquences au cours du temps.
Spectre de Fourier
Spectre de puissance d’ondelette
Détecter les relations entre 2 séries co-spectre
III - Cluster (Ondelettes & MCA: Maximum Covariance Analysis)
Classer les séries temporelles selon leur spectre d’ondelette à partir de l’analyse de covariance maximale (MCA)
2 spectres d’ondelettes
S1 & S2
Matrice de Covariance
entre les fréquences
SVD
-Vecteurs singuliers (U1 et U2)
-Leading pattern (U1*S1; U2*S2)
Distance entre S1 et S2
basée sur l’écart entre chaque paire de LP et de vecteurs singuliers
Matrice de Distance
Cluster
Résultats
Japon MONSW MONSE ISSG ARAB EAFR Moy
YFT 0.45 0.48 0.46 0.55 0.41 0.47
BET 0.27 0.22 0.32 0.39 0.37 0.32
ALB 0.65 0.56 0.60 0.57 0.60
SWO 0.28 0.31 0.31 0.42 0.41 0.35
Moy 0.42 0.40 0.43 0.46 0.44
Taiwan MONSW MONSE ISSG ARAB EAFR Moy
YFT 0.43 0.40 0.46 0.51 0.53 0.47
BET 0.20 0.21 0.28 0.48 0.47 0.33
ALB 0.68 0.67 0.33 0.48 0.55
SWO 0.39 0.31 0.49 0.56 0.60 0.47
Moy 0.43 0.40 0.39 0.52 0.53
ESPADON (SWO)M ONSW Jp
0
0.2
0.4
0.6
0.8
1
1.2
19
52
19
56
19
60
19
64
19
68
19
72
19
76
19
80
19
84
19
88
19
92
19
96
20
00
20
04
CP
UE
Population Variability
PV moy: BET<SWO<YFT<ALB
GERMON (ALB)M ONSW Jp
0
1
2
3
4
5
6
7
19
52
19
56
19
60
19
64
19
68
19
72
19
76
19
80
19
84
19
88
19
92
19
96
20
00
20
04
CP
UE
YFTSWOSWOSWOSWOALBBETALBALBALBBETBETBETBET
SWOYFTYFTBETBETYFTBETYFT
SWOSWOSWOALB
SWOALBYFTYFTBETYFTYFTYFTBETALB
SWOALBALBALB
Groupements fréquents au niveau de l’espèce
les spectres sont plus similaires entre espèce, ensuite par flottille, rarement par zone
CL
US
TE
R Classification des spectres d’ondelettes
JA TW
JA
TW
TW
TW
TW
TW
TW
TW
TW
TW
TW
JA
JA JA
TW
JA
JA JA
JA JA
TW
JA TW
TW
JA JA
TW
TW
TW
JA TW
TW
JA JA TW JA JA JA
ARABMONSW
ARAB EAFR
ISSG ARAB EAFR ISSG
MONSE MONSW
ISSG MONSE
ARAB ISSG
MONSE MONSE ARAB EAFR
MONSW EAFR
MONSE ISSG
ARAB EAFR ISSG
EAFR MONSW
EAFR MONSE
EAFR MONSW MONSW MONSW
ISSG ARAB ARAB
MONSE ISSG
MONSE MONSW
• YFT effet zone (regroupement ARAB et MONSE versus EAFR et MONSW)
CL
US
TE
R
• SWO effet bassin Nord versus bassin Sud de l’océan Indien
• BET effet flottille
• ALB peu de signal dans la covariance commune
Classification par espèce
YFT
Jp Tw Jp Tw Jp Jp Tw Jp Tw
Tw
Jp Tw
Tw Jp Tw Jp Jp Tw Jp Tw
SWO
ARAB & MONSE EAFR & MONSW Nord Sud
Co
-sp
ectr
es d
’on
del
ette
s
Co-spectre
CPUE vs CLIMAT
SpectreCPUE
SpectreClimatique
SérieCPUE
SérieClimatique
Espadon (SWO)G
rou
pe
No
rdG
rou
pe
Su
d
IOI DMI
ISSG jp
MONSW jp
Périodicité autour de 4-6 ans avec un signal plus marqué au nord
Albacore (YFT)
IOI DMI
Gro
up
e 1
Gro
up
e 2
MONSW tw
ARAB tw
Périodicité autour de 2-3 ans et de 4-6 ans pour les 2 groupes.
Conclusions
• Le facteur « espèce » apparaît comme le plus discriminant pour classer les spectres d’ondelettes
• La variabilité des séries dépend moins de la zone mais certaines espèces montrent une structuration spatiale
• Une plus grande variabilité est associée aux plus petites espèces comme le germon et l’albacore
• Forte relation entre les indices climatiques globaux et les CPUE de thons
• Réponse différente suivant les espèces
Merci de votre attention!
Annexe
Indices climatiques
• DMI
Conseq: pluies anormales dans la région rouge, grand changement des vents, et sécheresse très forte dans la région bleue.Ce phénomène est indépendant de ENSO, mais coïncide avec Nino en 72/73 et 97/98
Zone Ouest•50°E – 70°E•10°S - 10°N
Zone Est•90°E – 110°E•10°S – 0
• IOI: Conséquences: IOI< -1 événement chaud: augmentation de la SST
et des vents vers l’est. voir papier Fred et al: Selon Marsac 2001, l’ IOI better depicts les
événements chauds et froids dans l’ouest de l’Indien que la SOI - les ondelettes montrent plus de corrélation avec SOI que IOI dans les zones sauf justement pour la zone MONSE ja qui est à l’est!!!!!! Comment expliquer?
- 5 0
- 4 5
- 4 0
- 3 5
- 3 0
- 2 5
- 2 0
- 1 5
- 1 0
- 5
0
5
1 0
1 5
2 0
2 5
3 0- 1 2 0- 1 1 5- 1 1 0- 1 0 5- 1 0 0- 9 5- 9 0- 8 5- 8 0- 7 5- 7 0- 6 5- 6 0- 5 5- 5 0- 4 5- 4 0- 3 5- 3 0- 2 5- 2 0- 1 5- 1 0- 5051 0
- 1 2 0- 1 1 5- 1 1 0- 1 0 5- 1 0 0- 9 5- 9 0- 8 5- 8 0- 7 5- 7 0- 6 5- 6 0- 5 5- 5 0- 4 5- 4 0- 3 5- 3 0- 2 5- 2 0- 1 5- 1 0- 5051 0- 5 0
- 4 5
- 4 0
- 3 5
- 3 0
- 2 5
- 2 0
- 1 5
- 1 0
- 5
0
5
1 0
1 5
2 0
2 5
3 0
- 5 0
- 4 0
- 3 0
- 2 0
- 1 0
0
1 0
2 0
3 0- 1 2 0- 1 1 0- 1 0 0- 9 0- 8 0- 7 0- 6 0- 5 0- 4 0- 3 0- 2 0- 1 001 0
- 1 2 0- 1 1 0- 1 0 0- 9 0- 8 0- 7 0- 6 0- 5 0- 4 0- 3 0- 2 0- 1 001 0- 5 0
- 4 0
- 3 0
- 2 0
- 1 0
0
1 0
2 0
3 0
ARAB
MONSW MONSE
ISSGEAFR
YFT>BET>ALB>SWO (Tw – 67 à 77)BET>YFT>SWO≥ALB (Tw – 78 à 03)
YFT>BET>ALB>SWO (Ja – 52 à 73)BET>YFT>ALB>SWO (Ja – 74 à 04)
↑ SST, ↓ Salinité, ↓ O2 ↑ Nutrient, ↓Chl
YFT>BET>ALB>SWO (Tw – 67 à 80)BET>YFT>SWO>ALB (Tw – 81 à 04)
YFT>BET>ALB>SWO (Ja)
Activité tourbillonaire, ↑ Chl (hiver)
ALB>YFT>BET>SWO (Tw – 67 à 88)ALB>BET>YFT≥SWO (Tw – 89 à 03)
ALB>YFT>BET>SWO (Ja – 56 à 71)YFT>BET>ALB>SWO (Ja – 72 à 04)
Upwelling (été), saisons marquantes, ~MONS
YFT>BET>ALB>SWO (Tw – 67 à 77)BET>YFT>SWO≥ALB (Tw – 78 à 04)
YFT>BET>ALB>SWO (Ja – 55 à 70)BET>YFT>SWO>ALB (Ja – 71 à 04)
↓Chl, ↓Nutrient, ↑ O2
ALB>BET≥YFT>SWO (Tw)
ALB>YFT>BET>SWO (Ja – 52 à 76)BET>ALB>YFT>SWO (Ja – 77 à 04)
Caractéristiques des zones et espèces capturées
Transformation par les ondelettes:Décomposition du signal en une famille de fonctionsdérivées d’une fonction mère Fonction d’ondelette:
Morlet
b translation (compare la fonction d’ondelette aux divers morceaux du signal)
a dilatation
La fonction d’ondelette est placée sur l’axe en différentes positions
déterminées par 2 paramètres:
Etirer
Comprimer
a2 >a1
a1
a3 <a1
a,b t 1
a
t ba
Méthode des ondelettes
t 1/4 ei2 f0 t e t2 /2
Transformée d’ondelette:Permet de comparer la fonction d’ondelette aux divers morceaux du signal
Spectre de puissance:Donne une mesure de la distribution de la variance de la série à chaque temps b pour une série d’échelles a
Spectre de puissance moyen:Moyenne du spectre de puissance d’ondelette local(moyenne de la variance globale du signal)
Spectre de cohérence:Mesure de la “corrélation” : met en évidence les liens entre les variances de 2 séries
Analyse des phases:Permet d’estimer les phases des séries et d’étudier la synchronisation entre les 2 signaux (permet de caractériser le rythme des séries)
Méthode des ondelettes
Wx (a,b) T (a,b) .2
PW ( f ) 1
fcCgT (a,b)
0
.2.db
CTxy Txy (a,b) .2
Tx (a,b) . Ty (a,b)
T (a,b) 1
ax(t)
.* (t ba ).dt
CLU
ST
ER
- M
CA
SpectreP
Cross-CovarianceRSP = S x P t
SVD
RSP = U Γ Vt
SpectreS
Mp x NMs x N
ULes colonnes de U (Ms x Ms)contiennent
les vecteurs singuliers de S
VLes lignes de V (Mp x Mp)contiennent
les vecteurs singuliers de P
ΓMatrice rectangulaire de Ms x Mp avec
des valeurs sur la diagonale: valeurs singulières
Matrice de covariance
A = Ut x S(A=K x N) N=temps K= nbre sing.vectors
A= leading pattern (chaque ligne)
B = Vt x P(B=K x N) N=temps K= nbre sing.vectors
B= leading pattern (chaque ligne)
Matrice de DistanceComparaison entre les leading pattern et singular vector
Résultats
Japon MONSW MONSE ISSG ARAB EAFR
YFT 0.45 0.48 0.46 0.55 0.41
BET 0.27 0.22 0.32 0.39 0.37
ALB 0.65 0.56 0.60 0.57
SWO 0.28 0.31 0.31 0.42 0.41
Taiwan MONSW MONSE ISSG ARAB EAFR
YFT 0.43 0.40 0.46 0.51 0.53
BET 0.20 0.21 0.28 0.48 0.47
ALB 0.68 0.67 0.33 0.48
SWO 0.39 0.31 0.49 0.56 0.60
Population Variability
Japon MONSW MONSE ISSG ARAB EAFR
YFT 0.97 1.05 1.34 1.22 0.92
BET 0.30 0.23 0.34 0.59 0.51
ALB 1.19 1.33 0.99 3.45 1.86
SWO 0.33 0.33 0.37 0.57 0.56
Taiwan MONSW MONSE ISSG ARAB EAFR
YFT 0.84 0.62 1.05 0.75 1.05
BET 0.20 0.22 0.33 0.68 0.59
ALB 1.56 1.24 0.37 2.02
SWO 0.52 0.38 0.78 1.29
Coefficient de Variation
YFT ARAB tw
IOI
Co-spectre
Cohérence
CPUE
Recommended