Combining scientific survey and commercial catch data to map fish distribution
2022
Alglave, Baptiste | Rivot, Etienne | Etienne, Marie-Pierre | Woillez, Mathieu | Thorson, James | Vermard, Youen | Dynamique et durabilité des écosystèmes : de la source à l’océan (DECOD) ; Institut Français de Recherche pour l'Exploitation de la Mer (IFREMER)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut Agro Rennes Angers ; Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro) | Institut de Recherche Mathématique de Rennes (IRMAR) ; Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes) ; Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-INSTITUT AGRO Agrocampus Ouest ; Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro) | National Oceanic and Atmospheric Administration (NOAA) | ANR-11-LABX-0020,LEBESGUE,Centre de Mathématiques Henri Lebesgue : fondements, interactions, applications et Formation(2011)
International audience
Afficher plus [+] Moins [-]anglais. Developing Species Distribution Models (SDM) for marine exploited species is a major challenge in fisheries ecology. Classical modelling approaches typically rely on fish research survey data. They benefit from a standardized sampling design and a controlled catchability, but they usually occur once or twice a year and they may sample a relatively small number of spatial locations. Spatial monitoring of commercial data (based on logbooks crossed with Vessel Monitoring Systems) can provide an additional extensive data source to inform fish spatial distribution. We propose a spatial hierarchical framework integrating both data sources while accounting for preferential sampling (PS) of commercial data. From simulations, we demonstrate that PS should be accounted for in estimation when PS is actually strong. When commercial data far exceed scientific data, the later bring little information to spatial predictions in the areas sampled by commercial data, but bring information in areas with low fishing intensity and provide a validation dataset to assess the integrated model consistency. We applied the framework to three demersal species (hake, sole, and squids) in the Bay of Biscay that emphasize contrasted PS intensity and we demonstrate that the framework can account for several fleets with varying catchabilities and PS behaviours.
Afficher plus [+] Moins [-]Mots clés AGROVOC
Informations bibliographiques
Cette notice bibliographique a été fournie par Institut national de la recherche agronomique
Découvrez la collection de ce fournisseur de données dans AGRIS