Nouvelle méthode disponible pour estimer les niveaux de recrutement relatifs

Imaginez un instant que vous êtes chargé de déterminer le nombre de touladis qui peuvent être retirés de la partie nord du lac Michigan au cours de l’année à venir sans nuire à la viabilité à long terme de la population. Malheureusement, vous ne disposez pas de données fiables sur lesquelles fonder votre décision. Vous ne savez pas exactement comment prédire combien de jeunes touladis atteindront la maturité et remplaceront ainsi ceux que vous autorisez les pêcheurs à retirer. Vous disposez de certaines données historiques, mais vous savez que les niveaux de recrutement peuvent varier considérablement d’une année à l’autre. Ce qui s’est passé l’année dernière, ou même au cours des dernières années, n’est pas nécessairement un bon indicateur de ce qui se passera l’année prochaine. Plutôt difficile, n’est-ce pas ?

L'angle

Imaginez maintenant que vous disposez de deux nouveaux modèles informatiques validés qui peuvent vous aider à prédire les niveaux de recrutement non seulement pour l'ensemble de la population mixte de truites de lac vivant dans une région particulière du lac, mais aussi pour chaque population reproductrice qui contribue au mélange. Mieux encore, les nouveaux modèles permettent à la fois des variations minimes et importantes du recrutement. Cela ne faciliterait-il pas votre décision ?

Grâce à un récent projet GLFT, les gestionnaires des pêches disposent désormais de deux modèles de ce type, développés par une équipe de chercheurs qui se demandaient s’ils pouvaient trouver une meilleure façon de déterminer les recrutements relatifs des populations reproductrices dans un environnement mixte. Les chercheurs ont soutenu que s’ils pouvaient identifier que certaines populations vulnérables contribuant à un mélange d’individus avaient des niveaux de recrutement en baisse, les gestionnaires des pêches pourraient alors mieux utiliser les mesures de conservation appropriées.

L'essentiel

Pour développer leurs modèles d’estimation du recrutement, les chercheurs ont d’abord programmé leur propre logiciel d’identification génétique des stocks (GSI). Ils ont ensuite comparé leur logiciel à d’autres logiciels GSI bien connus pour s’assurer de sa qualité et de sa fiabilité. Ils ont ensuite élargi leur modèle pour inclure non seulement des données génétiques, mais aussi des données sur la dynamique de la population, comme l’âge (et la longueur comme indicateur lorsque l’âge était inconnu). Ces données supplémentaires ont permis à l’équipe d’estimer plus précisément les niveaux de recrutement des populations sources au fil du temps, que les niveaux soient stables ou non.

Pour tester leurs modèles, l’équipe de recherche a utilisé des simulations et des comparaisons approfondies entre les données générées par ordinateur et les données réelles pour trois populations : (1) l’esturgeon jaune de la baie Green dans le lac Michigan (cinq populations reproductrices ont été incluses), (2) le touladi du nord du lac Michigan (quatre souches d’écloserie ont été incluses) et (3) le doré jaune de la baie Saginaw dans le lac Huron (deux populations reproductrices ont été incluses).

Les résultats sont là…

Grâce à des applications et des simulations, l’équipe de recherche est convaincue de l’efficacité de ses modèles d’estimation du recrutement. Les deux approches ont fourni des mesures relativement précises des niveaux de recrutement relatifs dans un large éventail de conditions. Mais l’équipe de recherche considère que ce travail est une première tentative, et que d’autres applications et explorations plus poussées sont nécessaires.

Qu'est-ce que tout cela signifie ?

L’un des plus grands défis auxquels sont confrontés les gestionnaires des pêches est de prévoir l’évolution de certaines populations de poissons au fil du temps et, par conséquent, les stratégies de gestion à employer pour assurer leur durabilité à long terme. Par conséquent, les gestionnaires disposent de nouveaux outils précis et fiables pour éclairer leurs décisions. Grâce à ce projet GLFT récemment achevé, les gestionnaires disposent désormais d’un nouvel outil.

Lectures complémentaires

Prédire les niveaux de recrutement relatifs des poissons reproducteurs de différentes populations qui se mélangent dans une même zone revient un peu à essayer de prédire la performance des stocks individuels d’un fonds commun de placement : il y a tellement de variables à prendre en compte qu’il est extrêmement difficile de déterminer lesquels prospéreront. Par conséquent, lorsqu’un nouvel outil arrive pour aider les experts à analyser les informations et à prendre des décisions, il s’agit d’une avancée importante et passionnante. Grâce à un récent projet du Great Lakes Fishery Trust (GLFT), les gestionnaires des pêches disposent désormais d’un autre outil de ce type.

« Le recrutement, ainsi que la croissance et la mortalité, déterminent la durabilité », explique Travis Brenden, professeur associé à l’Université d’État du Michigan (MSU), directeur associé du Centre quantitatif de pêche de la MSU et l’un des principaux chercheurs du projet GLFT. « Nous avons donc besoin de meilleurs moyens pour déterminer quand certaines jeunes populations ont des problèmes de recrutement, c’est-à-dire quand elles ne sont pas assez nombreuses à atteindre la maturité pour remplacer les poissons plus âgés qui sont pêchés par les pêcheurs ou qui meurent de causes naturelles. »

Mais encore une fois, estimer le recrutement relatif des populations reproductrices individuelles dans des environnements mixtes n’est pas facile.

« L’objectif de notre projet était de trouver un moyen d’observer les individus dans des populations mixtes et d’en déduire la santé de la population en ce qui concerne le recrutement », explique Brendan. « Si nous savons, ou du moins soupçonnons, que certaines populations qui contribuent à un mélange d’individus ont des niveaux de recrutement en baisse, alors certains efforts de conservation pourraient être nécessaires. »

À l’inverse, si les gestionnaires savent que d’autres populations se reproduisent et survivent à des taux élevés, des stratégies de gestion différentes peuvent être nécessaires.

« Les modèles capables d’identifier les contributions des stocks et des cohortes aux pêcheries mixtes en eau libre à partir d’évaluations de routine ou de données de récolte pourraient aider les gestionnaires à prendre de meilleures décisions concernant les niveaux de récolte, ainsi que les programmes de repeuplement spécifiques au système et les efforts de restauration de l’habitat », explique Jon Beard, gestionnaire de subventions pour le GLFT.

Développement et validation de modèles

Pour développer des méthodes d’estimation du recrutement, Brenden et son équipe de recherche ont d’abord programmé leur propre logiciel d’identification génétique des stocks (GSI). Ils ont ensuite comparé leur logiciel à d’autres logiciels GSI bien connus et largement utilisés pour voir s’il fonctionnait mieux, autant ou moins bien que les options existantes. Essentiellement, les chercheurs ont constaté que les différents systèmes fonctionnaient de manière similaire (c’est-à-dire qu’aucun programme ne semblait fonctionner le mieux dans toutes les situations).

Sachant que leur modèle GSI fonctionnait, les chercheurs l’ont ensuite élargi pour inclure non seulement des données génétiques, mais également des données sur la dynamique de la population, telles que l’âge (et la longueur comme indicateur lorsque l’âge était inconnu).

« Les gens ont toujours reconnu que les contributions des populations individuelles dépendent de nombreux facteurs, tels que le recrutement, les taux de déplacement et la mortalité », explique Brenden. « Comme ces taux varient, les taux de contribution varient également. Nous avons essayé de trouver des moyens de représenter explicitement ces dynamiques et de les lier aux contributions. »

À cette fin, l’équipe de recherche a développé deux modèles différents pour représenter différentes dynamiques de recrutement.

« Le premier modèle, conçu pour les poissons à longue durée de vie avec une mortalité élevée avant le recrutement et une faible mortalité après le recrutement, suppose que les changements dans le recrutement seront assez constants au fil du temps », explique Brenden. « Il n'y aura pas de grandes fluctuations. »

Cela contraste avec le deuxième modèle, qui était destiné aux espèces à durée de vie plus courte, comme le doré jaune, qui connaissent une variabilité interannuelle considérable en termes de recrutement.

« Le doré jaune est connu pour ses énormes classes d’âge [nombre de poissons éclos au cours d’une année donnée] de temps à autre », explique Brenden. « Il peut y avoir plusieurs années de faible recrutement, puis tout à coup, il y a un énorme pic où le recrutement est dix fois plus élevé que les années précédentes. La différence entre les deux méthodes réside dans la façon dont nous supposons que les effectifs des classes d’âge varieront, mais l’objectif reste le même : essayer de déterminer, au fil du temps, comment les niveaux de recrutement des populations sources évoluent. »

Selon Brenden, « l’intérêt de cette approche élargie est qu’elle peut être utilisée n’importe où : dans les Grands Lacs, dans les systèmes marins et dans d’autres systèmes d’eau douce. Elle n’a pratiquement aucune limite. À tout moment, quelle que soit l’espèce dans une pêcherie mixte, si vous disposez de données génétiques et d’informations sur l’âge ou la longueur, notre approche peut être utilisée. »

Mise en pratique des modèles

Pour déterminer si les modèles fonctionnaient dans la pratique, l’équipe de recherche a combiné les informations génétiques des populations reproductrices et des individus issus de mélanges avec des données sur l’âge ou la longueur et a utilisé ses deux modèles pour estimer le recrutement relatif des populations contributives. L’équipe a procédé de la sorte pour trois populations : (1) l’esturgeon jaune de la baie Green dans le lac Michigan (cinq populations reproductrices ont été incluses), (2) le touladi du nord du lac Michigan (quatre souches d’écloserie ont été incluses) et (3) le doré jaune de la baie Saginaw dans le lac Huron (deux populations reproductrices ont été incluses).

• Les données sur l’esturgeon jaune indiquent que les niveaux de recrutement relatifs de trois rivières (Manistee, Muskegon et Peshtigo) sont en hausse, tandis que les niveaux de recrutement de deux rivières (Fox et Menominee) sont en baisse. Étant donné que cette constatation a des implications potentielles en matière de gestion, elle justifie probablement une étude plus approfondie.
• Pour le touladi, les tendances estimées en matière de recrutement relatif correspondaient aux niveaux de stockage réels pour certaines périodes, mais pas pour d’autres.
• Les niveaux de recrutement relatifs estimés pour les populations de dorés jaunes correspondaient étroitement aux niveaux de recrutement prévus certaines années, mais pas d’autres.

Grâce à des applications et des simulations, l'équipe de recherche est convaincue que ses modèles d'estimation du recrutement sont efficaces. Les différences éventuelles entre les résultats de l'équipe et ceux d'autres sources ne sont pas le signe d'un problème avec l'approche, mais simplement du fait que des hypothèses différentes ont été formulées.

« Je pense que nous avons pu démontrer que notre méthode fonctionne », déclare Brenden.

Selon le rapport final de la subvention, les deux approches ont fourni des mesures relativement précises des niveaux de recrutement relatifs dans un large éventail de conditions. Mais Brenden considère ce travail comme une première tentative. Il maintient que davantage d'applications et d'explorations plus poussées (concernant le bon fonctionnement des modèles et les situations dans lesquelles ils fonctionnent le mieux) sont nécessaires.

Par exemple, Brenden croit que les modèles pourraient aider à comprendre la situation actuelle du saumon quinnat dans les Grands Lacs.

« À l’heure actuelle, l’une des principales préoccupations des gens est la mesure dans laquelle le saumon quinnat se déplace du lac Huron vers le lac Michigan, car c’est là que se trouvent les gaspareaux, la principale source de proies du saumon quinnat », explique Brenden. « C’est un cas important où différentes populations de reproducteurs se mélangent. »

Les nouveaux modèles de l’équipe pourraient être utilisés pour faire la lumière sur les contributions relatives des deux populations, ainsi que sur leur santé.

Pour ceux qui souhaitent explorer davantage les modèles, le code d’estimation développé par Brenden et l’équipe de recherche est désormais disponible gratuitement via Figshare, un dépôt de données scientifiques.