Estimer des indicateurs de pression de pêche à partir des données VMS en utilisant des modèles de Markov cachés dans un cadre Bayesien
 
Youen Vermard1,2, Etienne Rivot2, Stéphanie Mahévas1, Paul Marchal3, Didier Gascuel2

IFREMER, Fisheries and Ecological Modeling Department, Rue de l’Ile d’Yeu, BP 21105, 44311 Nantes Cedex 03, France
AGROCAMPUS OUEST, UMR 985 Ecologie et Santé des Ecosystèmes, Laboratoire d’écologie halieutique, 65 rue de St-Brieuc, CS 84 215, 35 042 Rennes cedex, France
IFREMER, Channel and North Sea Fisheries Department, 150 Quai Gambetta, BP 699, 62321 Boulogne s/mer, France

 
 
L’objectif de cette étude est d’améliorer la mesure de la pression de pêche exercée sur les stocks en discriminant les différents comportements des bateaux de pêche au cours d’une marée et en quantifiant l’importance relative de ces états au cours de celle-ci. Pour réaliser cet objectif, nous avons appliqué des modèles de Markov cachés aux données de surveillance des bateaux par satellites (VMS). Les données VMS ont tout d’abord été mises en place dans un cadre de contrôle de sécurité et de surveillance mais permettent aussi d’étudier l’effort de pêche et les dynamiques de pêche à une échelle spatio-temporelle très fine. Les modèles de Markov cachés utilisés dans un cadre Bayesien procurent un cadre flexible afin d’ajuster différents modes comportementaux à des données séquentielles de suivi. Une chaîne de Markov cachée à pas de temps discret a été utilisée afin de modéliser les transitions entre les différents comportements (définis par la pêche, la route ou l’arrêt -au port ou en mer-) au cours de la marée. Les paramètres du processus de mouvement, la vitesse et les changements d’angle, sont définis conditionnellement aux états. Le modèle est tout d’abord testé sur des données simulées dans différents scénarios. Cete approche de simulation-estimation a permis de montrer que ce modèle permet d’obtenir des inférences de très bonne qualité, même dans des situations où les états sont partiellement confondus en terme de vitesse et de changement d’angle, à condition que l’émission soit synchrone par rapport au pas de temps du modèle. Nous avons aussi montré que la qualité des inférences est sensible au décalage entre les émissions et le pas de temps du modèle. L’application du modèle à des trajectoires réelles permet d’estimer des variables d’intérêt telles que le nombre d’opérations de pêche par marée, le temps passé, ou la distance parcourue dans chaque état.