Changes between Version 2 and Version 3 of Description d'EDA

Timestamp:

Sep 27, 2010 10:07:32 AM (15 years ago)

Author:

celine

Comment:

--

Description d'EDA

@@ -5 +5 @@
 
 RÉSUMÉ
-Depuis les années 1980, le stock d’anguilles européennes (Anguilla anguilla) a diminué et continue de décroitre à un taux alarmant. Il est actuellement considéré comme en dehors de ses limites de sécurité biologiques (ICES 1999).
+Depuis les années 1980, le stock d’anguilles européennes (''Anguilla anguilla'') a diminué et continue de décroitre à un taux alarmant. Il est actuellement considéré comme en dehors de ses limites de sécurité biologiques (ICES 1999).
 
-EDA 2.0 (Eel Density Analysis) est un outil de modélisation basé sur un réseau hydrographique géoréférencé qui permet de prédire les densités d’anguilles jaunes et l’échappement d’anguilles argentées à l’échelle du territoire national français. Le principe de cette approche est (1) de relier les densités d’anguilles jaunes observées à différents paramètres: méthodes d’échantillonnage, conditions environnementales (distance à la mer, distance relative, température, altitude, pente…), conditions anthropiques (obstacles, pêcheries, …) et temps (tendances annuelles), (2) de calculer les densités d’anguilles jaunes dans chaque tronçon du réseau hydrographique en appliquant un modèle statistique calibré à l’étape 1, (3) de calculer l’abondance du stock d’anguilles jaunes en multipliant ces densités par la surfaces des tronçons et en les additionnant (4) de calculer un taux d’échappement potentiel en convertissant le stock estimé d’anguilles jaunes à l’étape 3 en stock d’anguilles argentées (5) quand les mortalités d’anguilles argentées (pêcheries, turbines) sont connues (ou estimées), elles peuvent être utilisées pour estimer le taux d’échappement d’anguilles argentées (pas encore implémenté). Il est aussi possible de donner une estimation de l’échappement pristine en utilisant le modèle EDA avec des conditions anthropogéniques mises artificiellement à zéro et un jeu temporel de variables avant 1980.
+EDA 2.0 (Eel Density Analysis) est un outil de modélisation basé sur un réseau hydrographique géoréférencé qui permet de prédire les densités d’anguilles jaunes et l’échappement d’anguilles argentées à l’échelle du territoire national français. Le principe de cette approche est (1) de relier les densités d’anguilles jaunes observées à différents paramètres: méthodes d’échantillonnage, conditions environnementales (distance à la mer, distance relative, température, altitude, pente…), conditions anthropiques (obstacles, occupation du sol, …) et temps (tendances annuelles), (2) de calculer les densités d’anguilles jaunes dans chaque tronçon du réseau hydrographique en appliquant un modèle statistique calibré à l’étape 1, (3) de calculer l’abondance du stock d’anguilles jaunes en multipliant ces densités par la surfaces des tronçons et en les additionnant (4) de calculer un taux d’échappement potentiel en convertissant le stock estimé d’anguilles jaunes à l’étape 3 en stock d’anguilles argentées (5) quand les mortalités d’anguilles argentées (pêcheries, turbines) sont connues (ou estimées), elles peuvent être utilisées pour estimer le taux d’échappement d’anguilles argentées (pas encore implémenté). Il est aussi possible de donner une estimation de l’échappement pristine en utilisant le modèle EDA avec des conditions anthropogéniques mises artificiellement à zéro et un jeu temporel de variables avant 1980.
 
 Ce modèle fonctionne actuellement avec BD_Carthage® v3, un système géoréférencé pour les cours d’eau français et sera testé sur une base hydrographique Européenne la CCM v2.1 (Catchment Characterisation and Modelling) (Vogt et al. 2007). La présence/absence et les densités d’anguilles jaunes en France proviennent de la banque de données milieux aquatiques et poissons  (BDMAP – plus de 11787 opérations de pêches sont utilisées, échantillonnées sur 6007 stations) de l’ONEMA et d’autres bases de données des rivières de Bretagne.
 
-Les valeurs des variables explicatives sont calculées pour chaque tronçon du réseau hydrologique. La distance à la mer et la distance relative (entre la limite à la mer et la source amont) sont directement calculées à partir de la topologie du réseau hydrographique. La température a été extraite de la CRU (Mitchell et al., 2004). L’altitude et la pente proviennent de la couche de la CCM. L’impact des obstacles (caractéristiques, nombre de barrages,…) proviennent du Référentiel national des Obstacles à l’Ecoulement (ROE) de l’ONEMA. Les données de pêcheries civellières sont issues de Castelnaud (1994), les non-professionelles/amateurs et les pêcheries professionnelles de l’ONEMA. Les jeux de données utilisés pour extraire les paramètres de qualité de l’eau sont obtenus via la base de données RNABE (Risque de Non Atteinte du Bon Etat).
+Les valeurs des variables explicatives sont calculées pour chaque tronçon du réseau hydrologique. La distance à la mer, à la source et la distance relative (entre la limite à la mer et la source amont) sont directement calculées à partir de la topologie du réseau hydrographique. La température a été extraite de la CCM (et proviennent de la CRU (Mitchell et al., 2004)). L’altitude et la pente proviennent de la couche de la CCM. L’impact des obstacles (caractéristiques, nombre de barrages,…) proviennent du Référentiel national des Obstacles à l’Ecoulement (ROE) de l’ONEMA. Les données de pêcheries civellières (non encore implémentée) sont issues de Castelnaud (1994), les non-professionelles/amateurs et les pêcheries professionnelles de l’ONEMA. L'occupation du sol est extraite de la couche européenne Corine Land Cover. Les jeux de données utilisés pour extraire les paramètres de qualité de l’eau sont obtenus via la base de données RNABE (Risque de Non Atteinte du Bon Etat).
 
 Le modèle statistique est calibré avec un modèle additive généralisé (Hastie and Tibshirani, 1990), en utilisant la librairie ‘gam’ sous le logiciel R.  Cette extension semi-paramétrique des modèles linéaires généralisés est plus flexible et permet des combinaisons de réponses linéaires et complexes dans le même modèle. Le meilleur modèle est sélectionné par le critère d’information d’Akaike (AIC) et le coefficient de Kappa pour les modèles de présence-absence.