De la trajectoire des prédateurs à la cartographie de leurs proies : estimation spatiale de l'activité des senneurs et des thonidés dans l'Océan indien

Nowadays spatial distribution of tropical tuna fished by the French purse-seiners in the Indian Ocean is represented with catch and effort data from logbooks. However, these data provided only one position per day and the number of fishing sets during each day: the prospected areas without any set, synonym of absence of tuna aggregations, were not known. These areas are essential to map the tuna abundances. The French purse-seiners fleet is equipped with Vessel Monitoring Systems (VMS). Trajectories obtained by the VMS were used to deduce vessels behaviour, and thus, presence (fishing) and absence (non fishing) of tuna aggregations. The objective is thus to estimate the vessel activity from its trajectory. The application of a state-space model allowed to distinguish "cruising", "tracking", "stopping", and "fishing" activities. For the majority of surveys (except those with an observer), the real activity of the vessel was not known (latent variable), which justified the modelling with a Hidden Markov model. The model was run in a Bayesian framework including prior knowledge on some parameters (speed, turning angle and transition matrix). This model was calibrated and validated thanks to observers data on 10% of the fleet. The error rate was of 10% for VMS positions data recorded every hour. After the estimation of the states, the purse-seiners activities (cruising/tracking/stop/fishing) allowed to (1) improve spatial and temporal indices of the effort of French purse-seiners, and (2) study the spatial structure of tuna presence areas (indicators variograms), and to deduce maps of tuna presence/potential presence/absence by indicators cokriging, that can be interpreted as an abundance proxy.Actuellement, la distribution spatiale des thons tropicaux pêchés par les senneurs français dans l'Océan Indien est représentée à partir des données de captures et d'effort issues des livres de bord. Or ces données ne comportent qu'une position par jour et le nombre de calées réalisées pendant cette journée : l'ensemble des zones prospectées sans action de pêche, synonyme d'absence d'agrégations de thon n'est pas connu. Ces zones seraient pourtant utiles à la cartographie des abondances. Cette flottille étant équipée de systèmes VMS (Vessel Monitoring Systems), les trajectoires données par les VMS sont utilisées pour déduire du comportement des navires, les zones de présence (pêche) et d'absence (non pêche) d'agrégations de thonidés. L'objectif est donc d'estimer l'activité d'un navire à partir de sa trajectoire. L'application d'un modèle markovien permet de distinguer les activités de route, de recherche, et d'arrêt, et de pêche. Pour la majorité des sorties en mer (exceptées celles où un observateur est à bord), l'activité réelle du navire n'est pas connue (variable latente), ce qui justifie l'approche par chaînes de Markov à états cachés. Le modèle a été développé dans un contexte bayésien incluant des priors sur certains des paramètres (vitesses, angles de changement de cap et matrice de transition). Il a été calibré et validé grâce aux données collectées par des observateurs embarqués sur 10% de la flottille. Le taux d'erreur est de 10% pour des positions VMS enregistrées toutes les heures. Une fois estimée, l'activité des senneurs en chaque point de leur trajectoire a permis (1) d'obtenir des indicateurs spatiaux et temporels de l'effort de la flottille de senneurs français, et (2) d'étudier la structure spatiale des zones de présence de bancs de thons (variogrammes d'indicatrices) et d'en déduire, par cokrigeage d'indicatrices, des cartes de présence/présence potentielle/absence de thon capturable, pouvant être interprétées comme indices d'abondance de thon