Amélioration de la représentation géométrique 2D et 3D des agrégations de poissons en support à l'étude de leur évolution spatio-temporelle

Les systèmes d’information géographique (SIG) constituent des outils performants pour la gestion, l’analyse et la représentation de données spatiales. Ils sont utilisés dans de nombreux domaines dont en biologie marine. Parmi les phénomènes spatiaux étudiés en milieu marin, la dynamique des poissons fait l’objet de nombreuses recherches, étant donné l’importance des pêches dans l’économie des régions côtières et la nécessité de gérer ces ressources de façon durable. Un comportement clé des poissons est leur capacité à se regrouper pour former des agrégations. Une compréhension de ces agrégations est nécessaire afin d’établir des stratégies de reconstruction efficaces des ressources halieutiques en déclin. Cependant, les méthodes existantes utilisées pour représenter les agrégations de poissons ne modélisent pas ces agrégations explicitement en tant qu’objets spatiaux. De plus, malgré les capacités intéressantes offertes par les SIG actuels, ces outils sont limités en raison de la nature tridimensionnelle, dynamique et floue des agrégations de poissons dans le milieu marin. L’objectif principal de ce mémoire est de proposer de nouvelles approches pouvant permettre d’améliorer l’identification et la représentation spatiale des agrégations de poissons à des échelles régionale et locale. En 2D, l’approche proposée repose sur les modèles d’objets spatiaux flous découlant de la théorie des ensembles flous. Elle utilise une structure de données vectorielle pour représenter les limites des étendues minimale et maximale des agrégations de poissons et une structure de données matricielle pour modéliser la transition graduelle existant entre ces limites. Par ailleurs, en 3D, l’approche développée se base sur la triangulation Delaunay 3D et dynamique ainsi que sur l’algorithme de clustering 3D des α-shapes. Elle permet de détecter les agrégations contenues dans un jeu de données et de les reconstruire sous la forme d’objets 3D afin de pouvoir en étudier, par exemple, les propriétés morphologiques. L’application des approches proposées à des données halieutiques révèle plusieurs avantages et limitations qui sont discutés tout au long du mémoire.

Geographic information systems (GIS) are powerful tools to manage, analyse and represent spatial data. They are used in various disciplines, including marine biology. One of the most important phenomena intensively studied by marine biologists is the dynamics of fish. This is partly because there is an increasing need for sustainable management of fisheries which are very important in the economy of coastal zones. Fish aggregations are a fundamental component of these dynamics and should be better understood to establish efficient recovery strategies in the context of declining aquatic resources. However, the traditional representations of fish aggregations do not model those aggregations explicitly as spatial objects. Moreover, despite many interesting capabilities of current GIS, these tools are unable to handle the tridimensional, dynamic and fuzzy nature of fish aggregations.The main objective of this thesis is to propose new approaches to improve the representation of fish aggregations at the regional and local scales. In 2D, the proposed approach is based on the fuzzy spatial objects models, which are based on the fuzzy sets theory. It uses a vector data structure to delineate the maximal and minimal extents of fish aggregations and a raster data structure to model the gradual transition which exists between these boundaries. In 3D, the proposed approach for the representation of fish aggregations is based on the dynamic Delaunay tetrahedralisation and the 3D α-shapes clustering algorithm. The integrated algorithm allows automatic detection of the fish aggregations contained in a dataset. 3D models also allow amongst other things the study of the morphological properties of the different aggregations. Testing these approaches with fisheries data (e.g. datasets from scientific surveys, acoustic datasets) revealed several benefits and limitations which are discussed throughout this thesis.