Evaluation of the cumulated impacts on the marine resource of a socio-ecological coral system: approach by agent-based modeling
11 MÉMOIRE
Présenté par :
Olivier Rousselle
Pour l’obtention du : Diplôme d‘ingénieur d’AgroParisTech
Stage effectué du 01 / 05 / 2017 au 31 / 10 / 2017
A : CRIOBE, USR 3278 CNRS-EPHE-UPVD 58 avenue Paul Alduy, 66860 Perpignan
Enseignant-responsable : Bruno Lemaire (AgroParisTech) Maîtres de stage : Joachim Claudet (chercheur CNRS, CRIOBE) Mélodie Dubois (doctorante CNRS, CRIOBE) Patrick Taillandier (chercheur INRA)
Soutenu le : 14 septembre 2017
Evaluation des impacts cumulés sur la ressource marine d'un système socio-écologique corallien à Moorea (Polynésie Française) : approche par modélisation multi-agents
Abstract
In a context of climate change and significant changes in human activities around the world, coral reefs are subject to many disruptions. In tropical island ecosystems, human activities (fishing and tourism in particular) are highly dependent on coral reefs and associated species. In Moorea, CRIOBE studies these interactions and actively participates in the management of these ecosystems (it contributed to the implementation of a Maritime Space Management Plan, PGEM). This PGEM is currently under revision, and consultations are underway between authorities and users of the lagoon space. In this context, we have developed a tool to help decision-making, it’s an agent-based model. Different management scenarios have been tested (establishment of a quota, compliance with marine protected area regulations, night fishing ban, financial assistance to fishing capacity), and we have seen the repercussions on social (biomass fished, conflicts), and ecological (fish biomass in water, coral recovery) outputs. Each scenario was tested with or without environmental disturbance to assess the recovery capacity of coral ecosystems and the sensitivity of fish communities to scenarios. We have modeled the trophic interactions with a Lotka-Volterra model, and the interactions between fishermen, trophic groups and tourist operators, over a period of 20 years, with alternation day-night. In order to parameterize the model, we used the CRIOBE ecological data, the ISPF social data, the results of scientific publications, and we carried out surveys among the population. The results were generated through global, temporal (time series), and spatial (GIS maps) outputs. Each scenario tested has advantages and disadvantages: the quota reduces overall fishing pressure, but brings more fishing pressure to the lagoon than to the fore reef; the theoretical absence of poaching ensures good regeneration of fishery resources in marine protected areas but is responsible for an imbalance in fishing pressure between these areas and others; the prohibition of night fishing allows a better state of the fishery resource, but increases the day conflicts; finally, financial aid ensures a better distribution of fishing pressure, with less pressure in the lagoon, but is more sensitive than other scenarios in case of an environmental disturbance (cyclone or starfish
Acanthaster plancii ). The model produced here can be transposed to other ecological and economic situations, by modifying the parameters, and to other geographical areas, by changing the input map data.
Key words : coral reefs - interaction fishing-tourism - decision support tool - management scenarios - agent-based model.
Résumé
Dans un contexte de changement climatique et de modifications importantes des activités humaines à travers le monde, les récifs coralliens sont sujets à de nombreuses perturbations. Dans les écosystèmes insulaires tropicaux, les activités humaines en mer (pêche et tourisme notamment) sont très dépendantes des récifs coralliens et des espèces associées. A Moorea, le CRIOBE étudie ces interactions, et participe activement à la gestion de ces écosystèmes (il a contribué à la mise en place d’un Plan de Gestion de l’Espace Maritime, PGEM). Ce PGEM est actuellement en cours de révision, et des concertations sont en cours entre autorités, et usagers de l’espace lagonaire. Dans ce cadre, nous avons développé un outil d’aide à la prise de décision, il s’agit du modèle multi-agents. Différents scénarios de gestion ont été testés (mise en place d’un quota, respect de la réglementation sur les aires marines protégées, interdiction de pêche la nuit, aide financière à la capacité de pêche), et nous avons vu les répercussions sur des sorties sociales (biomasse pêchée, conflits en mer), et écologiques (biomasse de poissons dans l’eau, recouvrement corallien). Chaque scénario a été testé avec ou sans perturbation environnementale afin d’évaluer la capacité de récupération des écosystèmes coralliens et la sensibilité des communautés de poissons en fonction des scénarios. Nous avons modélisé les interactions trophiques à travers un modèle de Lotka-Volterra, et les interactions entre pêcheurs, groupes trophiques et opérateurs touristiques, sur une durée de 20 ans, avec alternance jour-nuit. Afin de paramétrer le modèle, nous avons utilisé les données écologiques du CRIOBE, les données sociales de l’ISPF, les résultats de publications scientifiques, et nous avons réalisé des enquêtes auprès de la population. Les résultats ont été produits à travers des sorties globales, temporelles (séries temporelles), et spatiales (cartes SIG). Chaque scénario testé présente des avantages et des inconvénients : le quota permet de diminuer la pression de pêche globalement, mais amène une pression de pêche plus importante dans le lagon que dans la pente externe ; l’absence théorique de braconnage assure une bonne régénération de la ressource halieutique dans les aires marines protégées, mais est responsable d’un déséquilibre de la pression de pêche entre ces zones et les autres ; l’interdiction de pêche de nuit permet un meilleur état de la ressource halieutique, mais augmente les conflits de jour ; enfin, l’aide financière assure une meilleure répartition de la pression de pêche, avec moins de pression dans le lagon, mais est plus sensible que les autres scénarios en cas de perturbation environnementale (cyclone ou étoile de mer
Acanthaster plancii ). Le modèle produit ici est transposable à d’autres situations écologiques et économiques, en modifiant les paramètres, et à d’autres zones géographiques, en changeant les données cartographiques d’entrée.
Mots clés : récifs coralliens - interaction pêche-tourisme - outil d’aide à la décision - scénarios de gestion - modèle multi-agents
Remerciements ..................................................................................................................................... 5 I. Introduction....................................................................................................................................... 6 II. Matériel et méthodes ....................................................................................................................... 7
II 1. Cas d'étude de Moorea ............................................................................................................. 7
II. 1. a) Situation géographique et particularités géomorphologiques ......................................... 7
II. 1. b) Fonctionnement écosystémique et perturbations environnementales ............................. 8
II. 1. c) Contexte socio-économique .......................................................................................... 10
II. 1. d) Plan de gestion de l’espace maritime ............................................................................ 10
II. 2. Présentation du modèle multi-agents .................................................................................... 11
II. 2. a) Compartiment écologique ............................................................................................. 13
II. 2. b) Compartiment halieutique ............................................................................................. 16
II. 2. c) Tourisme ........................................................................................................................ 20
II. 2. d) Calibrage des paramètres écologiques et conditions initiales ....................................... 20
II. 3. Scénarios de gestion .............................................................................................................. 22
II. 4. Sorties du modèle et évaluation des scénarios ...................................................................... 23 III. Résultats ....................................................................................................................................... 25
III. 1. Validation du modèle ........................................................................................................... 25
III. 2. Analyse du scénario de référence – statu quo ...................................................................... 29
III. 3. Comparaison des scénarios .................................................................................................. 33
III. 4. Analyse spatiale des résultats ............................................................................................... 33
III. 4. a) Indicateur de variation de biomasse de poissons ......................................................... 33
III. 4. b) Indicateur des captures annuelles ................................................................................ 35
III. 4. c) Indicateur des conflits annuels ..................................................................................... 36 IV. Discussion et perspectives ............................................................................................................ 37 Bibliographie ...................................................................................................................................... 39 Annexes .............................................................................................................................................. 42 Résumé ................................................................................................................................................. 3
Sommaire
Remerciements
Joachim Claudet, maitre de stage, chercheur CNRS - CRIOBE Mélodie Dubois, co-encadrante du stage, doctorante EPHE - CRIOBE Patrick Taillandier, co-encadrant de stage, chercheur INRA Toulouse, département MIAT Bruno Lemaire, tuteur de stage, chercheur AgroParisTech Catherine O’Quigley, directrice des études et de la pédagogie – centre de Paris – AgroParisTech Lauric Thiault, doctorant UPMC - CRIOBE Peter Estève, technicien informatique EPHE - CRIOBE Christophe Blazy, stagiaire CEFREM
I. Introduction
Les récifs coralliens font partie des écosystèmes les plus complexes et les plus biologiquement diversifiés de la planète, et ils rendent de nombreux services écosystémiques aux populations insulaires : ils permettent une protection de la côte en limitant l'érosion, assurent aux populations une sécurité alimentaire, soutiennent un développement économique local à travers la pêche et le tourisme, et sont la base de nombreuses pratiques culturelles contribuant au bien-être des populations locales (Pascal et al., 2015 ; Cinner, 2014). Cependant, les récifs coralliens, à travers le monde, sont sujets à de nombreuses perturbations environnementales telles que des invasions d’étoile de mer corallivores (Acanthaster plancii) , des cyclones et des évènements de blanchissement. Ces perturbations brutales et globalement imprévisibles provoquent une diminution drastique du recouvrement corallien, qui se répercute ensuite sur l’ensemble de l’écosystème (Lamy et al., 2015 ) . Jusqu’à récemment, les récifs coralliens ont démontré leur capacité à faire face à ces perturbations en retournant à un état de recouvrement optimum de la surface (Jackson et al., 1992 ; Pandolfi et al., 2006 ; Salvat et al., 2008) ; cependant de nombreuses observations faites ces dernières décennies montrent que, combinées à des pressions anthropiques (tel que la surpêche ou la pollution), les récifs coralliens subissent des changements de régime irréversibles, en passant d’un état productif dominé par le corail vers un état indésirable dominé par les macro-algues (Hughes et al., 1994 ; Kittinger et al., 2015 ; Graham et al., 2013). Ils font partie actuellement des écosystèmes les plus menacés de la planète (Mumby et al., 2008). La prise de conscience que les hommes font partie intégrante des écosystèmes a mené au développement d’une « gestion des pêches fondée sur les écosystèmes » (EBFM), promue par la FAO (ICES, 2005). Cette considération doit intégrer les interactions homme – environnement ( Kittinger et al., 2012 ) , la résilience des écosystèmes (Graham et al., 2013), les activités humaines en mer (pêche et tourisme notamment), à l’aide données issues d’enquêtes locales (Leenhardt et al., 2015) et de relevés écologiques. Une bonne gestion se doit d'être multi-usage, concilier à la fois préoccupations sociales et durabilité des écosystèmes, et anticiper les éventuelles perturbations écologiques ( Acanthaster plancii ou cyclone) ou économiques. Des exemples récents ont montré que des désastres environnementaux et économiques ont pu être minimisés, voir évités, grâce à des choix de gestion adaptés pris aux bons moments, avec l'implication des autorités et de la population (Pereira et al., 2009).
Comment réagissent les écosystèmes coralliens face aux pressions anthropiques, et quels scénarios de gestion peuvent être mis en place afin d'assurer une durabilité à la fois écologique et sociale de ce système ? Comme cas d’étude, nous avons considéré l’île de Moorea, pour plusieurs raisons: le récif corallien de Moorea a une forte capacité de résilience, malgré les perturbations dues aux cyclones et à
Acanthaster plancii (Adjeroud et al., 2009 ; Adam et al., 2014 ) ; l'activité de pêche fait partie intégrante de la culture locale ; les changements socio-économiques y sont importants : développement du tourisme et de l'économie locale (Leenhardt et al., 2015) ; et la Polynésie française est considérée comme un des pays où la consommation moyenne par habitant en poissons est la plus importante du monde. La nécessité d’avoir une pêche durable et de perdurer cette tradition a conduit à la mise en place du Plan de Gestion de l’Espace Maritime (PGEM) avec des Aires Marines Protégées (AMPs). Ce dernier a soulevé une opposition de la part de la population, et son efficacité écologique est en deçà des attentes initiales (Thiault et al., 2016). Depuis plus d’un an, une concertation est en cours avec les pêcheurs et les opérateurs touristiques pour réviser ce plan de gestion, et notre étude vise à produire un outil d’aide à la décision dans le cadre de cette révision. Afin de répondre à ce problème, nous avons développé un modèle multi-agents pour modéliser la dynamique écologique et sociale de l’île de Moorea. Les modèles multi-agents sont de bons outils pour réaliser des prédictions et tester des scénarios de gestion ; cependant, les modèles écosystémiques qui intègrent les dynamiques écologiques, les perturbations environnementales liées au changement climatique, les activités anthropiques et des scénarios de gestion sont sous-développés actuellement (Weijerman et al., 2016, Johnson et al., 2013). Dans notre modèle, nous avons simulé l’évolution des ressources, de la biomasse pêchée et des conflits entre pêcheurs et activités touristiques, avec et sans perturbation environnementale, sur une durée de 20 ans. Nous avons comparé l’évolution de ces indicateurs autour de l’île entre le statu quo (référence) et 4 scénarios envisagés dans le cadre de la révision du PGEM : meilleure surveillance (i.e. absence de braconnage dans les aires marines protégées), mise en place d’un quota de pêche, interdiction de pêche nocturne, et aide financière à la mobilité. II. Matériel et méthodes
II 1. Cas d'étude de Moorea
II. 1. a) Situation géographique et particularités géomorphologiques
L'île de Moorea est située en Polynésie française, plus précisément dans les îles du Vent (figure 1). Elle possède une superficie de 133 km². Comme toutes les îles et atolls de Polynésie, Moorea est une île volcanique. Elle s'est formée à partir d'un point chaud qui s'est déplacé au cours du temps relativement au plancher océanique. L'île de Moorea possède du relief, avec un point culminant à 1207 m. (mont Tohiea). Le climat de Polynésie est de type tropical humide, avec une saison chaude et humide (de novembre à avril), et une saison fraiche et moins pluvieuse (de mai à octobre).
Au cours du temps, le récif corallien se développe, tandis que le plancher océanique s'affaisse. Lorsque le récif corallien est accolé à la côte, on parle de récif frangeant ; lorsqu’il est séparé de la côte par un espace, on parle de récif barrière, et cet espace s’appelle le lagon. Moorea est actuellement en phase de récif barrière, et évolue vers le stade d'atoll (où l’île se retrouve totalement immergée, ne laissant plus émerger que la couronne récifale). Andréfouët et al., 2005 Le lagon de Moorea a une surface de 49 km², sa largeur varie de 500 à 1500 m. et sa profondeur varie de 50 cm à 30 m. (Bell et al., 1984). Au-delà de la barrière de corail, on trouve une forte pente qui fait la transition entre le lagon récif corallien et la zone pélagique océanique : c'est la pente externe ( Andréfouët et al., 2005 ) . Le lagon et la pente externe qui sont deux habitats distincts, aux fonctionnalités différentes, ont été considérés dans cette étude (figure 2). La récif barrière protège la zone lagonaire de l’océan, nous voyons sur la figure 2 les vagues qui viennent « taper » contre le récif barrière. Figure 1 : Localisation de Moorea Figure 2 : Vue aérienne de la zone de Tiahura, Moorea, permettant de distinguer le lagon de la pente externe. Source : Antoine Pouget, CRIOBE II. 1. b) Fonctionnement écosystémique et perturbations environnementales
Moorea possède une très riche biodiversité marine, avec plus de 500 espèces de poissons. Le substrat, quant à lui, est composé de coraux (massifs et branchus), d’algues (turfs et macro-algues notamment), et de sédiments. Le turf correspond à l’ensemble des petites pousses formant du gazon algale, tandis que les macro-algues sont des algues de grande taille. Les algues et les coraux entretiennent une relation de compétition, afin d’occuper la surface. Parmi les poissons, on distingue les groupes herbivores (qui mangent des algues), les corallivores (mangent les coraux), et les carnivores (qui mangent d’autres poissons). De nombreuses espèces de poissons dépendent des récifs coralliens, comme source de nourriture ou comme refuge (Wilson et al., 2006). A Moorea, l’état des poissons de récif se portent relativement bien actuellement, aucune diminution importante n’a été observée sur la dernière décennie (M. Dubois, données CRIOBE ;
Salvat et al., 2008) ; ceci est à mettre en perspective au niveau mondial, où on estime qu’un quart des ressources sont surexploitées, épuisées ou en phase de récupération (FAO, 2007). Tout comme les autres îles de Polynésie, Moorea est touchée de façon cyclique, par deux types de perturbation environnementale (Lamy et al., 2015, Salvat et al., 2008) : -
Les phénomènes cycloniques, qui n'affectent également que les coraux de la pente externe, les autres étant protégés par le récif barrière. Ils provoquent une destruction de la structure du corail. Le dernier cyclone date de 2010, il s'agit du cyclone Oli. -
Des évènements d'invasion d'étoile de mer corallivore,
Acanthaster plancii . Venant du domaine océanique, cette dernière se nourrit des polypes (partie vivante organique) des coraux en pente externe, entraînant une importante et rapide diminution du recouvrement corallien vivant (figure 3). Ces étoiles de mer meurent quand il n'y a plus de corail à manger. On la désigne également par l’abréviation "COTS" (pour Crown-of-thorns seastar en Lagon Pente externe Récif barrière anglais). Cette régression du corail s’accompagne d’un développement des algues (Ainsworth et Mumby, 2015). La dernière invasion d'
Acanthaster plancii date de 2006. Figure 3 : Illustration de l’évolution de la couverture corallienne sur la pente externe de Moorea avant (à gauche) et après (à droite) passage d'
Acanthaster planci et d’un cyclone. Zone de Vaipahu. Source : CRIOBE Ces perturbations ne touchent pas seulement les récifs coralliens, mais influencent aussi de façon indirecte les communautés de poissons de récif (Wilson et al., 2006). Malgré toutes ces perturbations, le récif corallien de Moorea s’est montré particulièrement résilient jusqu’à présent en retournant à son état initial en une dizaine d’années (figure 4), ce qui représente un recouvrement optimum 50–60 % de la surface (Salvat et al., 2008). Ces perturbations naturelles sont les perturbations majeures à Moorea, et leur fréquence d'apparition va probablement augmenter avec le réchauffement climatique ayant potentiellement des impacts sur les coraux et les communautés de poissons associés (Adam et al., 2014). Acanthaster plancii Source : M. Dubois, données CRIOBE 0
II. 1. c) Contexte socio-économique
Moorea a une population de plus de 17 000 habitants. L'économie de l'île, autrefois principalement basée sur l'agriculture et la pêcherie familiale, est maintenant basée sur l'agriculture d'exportation, le tourisme (avec des hôtels de luxe comme des pensions de famille), et les activités marines (plongée, balades en mer, nourrissage de requins). Moorea est l’une des îles les plus visitées de Polynésie française, avec plus de 70 000 touristes annuellement, ce qui occasionne des impacts importants sur les écosystèmes coralliens. (Leenhardt et al., 2016). La pêche, autrefois moyen de subsistance essentiel avec l’agriculture, est maintenant plus une pratique de loisir, tout en gardant sa valeur culturelle. En effet, avec le développement économique de l’île, les ménages sont moins dépendants de la pêche pour survivre. Parmi les pêcheurs de Moorea, 20% ont pour motivation de pêche la subsistance ; 11 % pratiquent la pêche pour le commerce ; et 69 % pour le loisir. Les pêcheurs représentent environ 25% de la population globale de Moorea. Les activités de pêche à Moorea sont très dispersées, à la fois spatialement autour de l’île (on distingue la pêche récifale, la pêche côtière et la pêche dans l’océan) et temporellement (avec des pêcheurs de jour et des pêcheurs de nuit). On peut qualifier la pêche à Moorea « d’artisanale » ou « petite pêcherie côtière », elle a une importante culturelle très importante et contribue à l’identité de la population locale (au même titre par exemple que la langue tahitienne). Cette petite pêcherie côtière a des effets bénéfiques pour les communautés locales, mais peut impacter les ressources sur le long-terme si elle n’est pas gérée correctement. (Leenhardt et al., 2016).
II. 1. d) Plan de gestion de l’espace maritime
L'île de Moorea a mis en place, depuis 2004, un Plan de Gestion de l'Espace Maritime (PGEM). Ce dernier, qui est en cours de révision depuis 2016, a quatre objectifs : l’utilisation rationnelle et la valorisation des ressources et de l’espace ; la gestion des conflits d’utilisation du lagon ; le contrôle des pollutions et des dégradations du milieu marin ; la protection des écosystèmes marins et des espèces menacées (Leenhardt et al., 2012). Malgré les processus de consultation de la population, ce plan est encore actuellement une source de tensions et de controverses (Walker et al., 2009). Dans le cadre de ce plan, 8 aires marines protégées (AMPs) ont été mises en place afin de protéger et de pérenniser les ressources halieutiques ; la pêche y est interdite et elles couvrent environ 20% de la surface totale du lagon. A travers le monde, les AMPs ont été promues comment un élément central de la gestion durable, avec comme effets potentiels une augmentation des stocks de poissons, une augmentation du recrutement dans les zones autour des AMPs par spillover et une meilleure résilience des écosystèmes en cas de perturbation (Doyen et al., 2007). 1 Les données cartographiques / spatiales de l’île sont présentées dans la figure 5 ci-dessous. Les fichiers SIG sont des données issues du CRIOBE. Les différents compartiments de l’étude sont représentés : lagon / pente externe ; zones marines AMP / hors AMP ; ménages et districts à terre. Le lagon correspond à la partie marine (zone en bleu clair) entre le trait de côte et la pente externe. Les passes sont les zones où le récif barrière est « interrompu » et où le lagon communique avec l’océan. Les pêcheurs qui veulent se rendre en pente externe doivent passer par les passes, car hors de ces passes, le récif barrière leur empêche le passage.
Figure 5 : Carte de Moorea représentant les différentes unités de l’étude
II. 2. Présentation du modèle multi-agents
La programmation du modèle s’est faite à l’aide du langage multi-agents Gama. Gama a été développé par l'IRD (Institut de Recherche pour le Développement) afin de réaliser des simulations « spatialisées ». La résolution utilisée est de 100m x 100m (soit 10 000 m² ou 1 ha). Cette taille correspond à une case unitaire dans notre modèle spatial. Le pas de temps est de 12 heures (une demi-journée), afin de prendre en compte les alternances jour-nuit. La simulation démarre en 2017, sur une durée de 20 ans.
2 Nous présentons sur la figure 6 le diagramme des interactions entre les différents agents du modèle (écologiques et sociaux), ainsi que la nature de leurs relations. Nous distinguons les agents trophiques (poissons herbivores, corallivores, carnivores), benthiques (corail et turf), et humains (pêcheurs et opérateurs touristiques).
Figure 6 : Présentation des agents du modèle et de leurs interactions II. 2. a) Compartiment écologique Groupes fonctionnels – agents :
Le corail structure le récif, et les algues sont en compétition avec le corail. Parmi ces algues, nous avons considéré le turf et les macroalgues. Les algues et les coraux sont les espèces benthiques du modèle, leur abondance est exprimée en pourcentage de recouvrement de la surface du substrat. Nous considérons ici que l’abondance des macroalgues ne varie pas au cours du temps, à la différence du turf qui est fortement influencé par la présence de corail et d’herbivores (Adjeroud et al., 2002). Les poissons jouent des fonctions clés, d’herbivorie, corallivorie et carnivorie. Ces groupes trophiques constituent les espèces pélagiques du modèle, leur abondance est exprimée en biomasse (kilogrammes). Interactions écologiques : modèle de Lotka-Volterra :
Sources : Y. Takeuchi, 1996 ; Tribut et al., 2013 La dynamique écologique (poissons, turfs et coraux) est régie ici par des interactions de type Lotka-Volterra, généralisées à plus de deux agents. Dans nos équations de Lotka-Volterra généralisée, chaque agent présente une équation de ce type : (1) : biomasse de l'agent (en kg) ; : taux de variation de (en kg / j.) : taux de croissance intrinsèque (en jour -1 ) ; : taux de mortalité naturelle (en j -1 ) : biomasse de (ou des) espèce(s) inhibitrices (rôle de prédateur ou de compétiteur) ; en kg : taux de mortalité / inhibition de l'agent due à (en jour -1 . kg -1 ) : biomasse de (ou des) espèces(s) favorisantes (rôle de proie ou relation de commensalisme ou mutualisme). En kg . : taux de croissance due à l'agent (en jour -1 . kg -1 ). Les unités de biomasse (kg) prises ici s’appliquent au cas des poissons. Pour les coraux et les algues, les équations sont les mêmes, sauf que l'on parle ici en pourcentage de recouvrement de la surface. Dans le tableau 1, nous présentons les interactions entre les différents agents écologiques qui sont inclus dans la dynamique de Lotka-Volterra. En colonne (en bleu) sont indiqués les agents, et en ligne (en gris) les agents qui les influencent. - Un effet favorisant est indiqué par un signe ; nous avons alors le terme ( + * dans l'équation (1) de l'agent x . - Un effet inhibant est indiqué par un signe ; nous avons alors le terme ( - * dans l'équation (1) de l'agent x. -
Un effet nul / neutre est indiqué par un signe 0 ; l'agent n'apparait pas dans l'équation (1). 4 Tableau 1 : nature des interactions écologiques entre les agents du modèle
Sources : Lamy et al., 2015 - Leenhardt et al., 2017 – données CRIOBE Les coraux et le turf ont un effet mutuel négatif : c'est une relation de compétition pour occuper la surface. Quand il y a moins de coraux, les algues se développent, et inversement. A noter que les pêcheurs et
Acanthaster plancii n’ont pas d’équation de Lotka-Volterra spécifique, mais ils influencent négativement des agents du modèle. Si l’agent a uniquement le rôle de proie (corail et turf ici), on n’a pas les termes γ (taux de mortalité intrinsèque) et ( + * dans son équation descriptive. On retombe alors sur l’équation classique de Lotka-Volterra pour une proie. Le corail est influencé négativement par le turf, les corallivores et
Acanthaster plancii . Son équation descriptive est donc la suivante : : couverture en corail (%) ; α C : taux de croissance intrinsèque du corail (j -1 ) ; : couverture en turf (%) ; T : coefficient de mortalité à cause de la présence des turfs (j -1 ) : biomasse de corallivores (kg) ; : coefficient de mortalité à cause des corallivores (j -1 .kg -1 ) COTS : indicateur de présence d’Acanthaster : 0 si absence ; 1 si présence (perturbation écologique) : coefficient de destruction du corail par Acanthaster. L’ensemble des équations de Lotka-Volterra pour les différents agents sont indiquées en annexe 1. Corail Turf (algues) Herbivores Corallivores Carnivores Corail Turf (algues) Herbivores Corallivores Carnivores Pêcheur Acanthaster plancii - 0 0 0 0
Impacté Impactant
5 Equilibre de Lotka-Volterra : Nous avons considéré que le système (écosystèmes + pêche) est à l’équilibre. Afin d’assurer cet équilibre initialement, nous avons paramétré le modèle grâce aux hypothèses suivantes : β = ; : à l'état initial (2) δ = ; : à l'état initial Dynamique du substrat :
Le recouvrement maximal du corail et du turf a été fixé. Pour chaque case, nous avons les recouvrements en turf et en corail (ce sont les données initiales). Tout au long de la modélisation, nous avons, à chaque pas de temps t et par case k : Corail k,t + Turf k,t
Corail k ,t initial + Turf k ,t initial Dynamique des poissons :
Pour les poissons, nous considérons une capacité de charge (ou carrying capacity, correspondant à la biomasse maximale qui peut être supportée par la capacité environnementale). Nous la définissons pour chaque groupe de poissons et par case. La capacité de charge pour chaque pixel et pour chaque groupe de poisson a été estimée comme : En effet, il a été observé que lorsqu’une aire marine protégée est mise en place sur une zone, la biomasse de cette zone se voit en moyenne doublée. (Lester et al., 2008) De plus, nous avons introduit un coefficient de spillover pour rendre compte du déplacement des poissons entre les cases. Ce dernier a été fixé à 0,9 suggérant que lorsque la biomasse de poissons atteint 90% de sa capacité de charge, 10% (100% - 90%) de cette biomasse initiale est déplacée aux cases voisines. C’est le phénomène de spillover. De plus, nous enlevons également la biomasse capturée par les pêcheurs (c.f. partie II. 2. b), paragraphe « captures »). Seuls les carnivores et les herbivores sont pêchés dans notre modèle. Perturbation environnementale :
On souhaite introduire une perturbation environnementale dans le modèle afin de représenter au mieux la réalité. Il est nécessaire d'intégrer les approches spatiales et temporelles, afin d'explorer les effets de ces perturbations. Comme vu précédemment, l'étoile de mer
Acanthaster plancii et les cyclones ont un impact négatif sur les coraux de la pente externe. Les étoiles de mer se déplacent par fronts, et il leur faut environ 5 ans pour détruire entièrement l'ensemble des coraux de la pente externe de Moorea. Les coraux, eux, mettent 5 ans pour récupérer en moyenne (figure 4). Dans notre modèle, nous nous intéressons aux conséquences d’une perturbation environnementale sur le corail, sans distinguer s’il s’agit d’une invasion d'
Acanthaster plancii ou d’un cyclone (on considère que ces deux perturbations ont le même effet). La simulation dure 20 ans, et la perturbation intervient à t = 2 ans afin de laisser suffisamment de temps au système pour récupérer. 6
II. 2. b) Compartiment halieutique Variables associées à la pêche
Afin d'avoir un ordre de grandeur des valeurs des différents paramètres sociologiques, nous avons réalisé un questionnaire à destination des pêcheurs de Moorea. Ce questionnaire a été diffusé sur les groupe Facebook "Mooz select fishing" (regroupant des pêcheurs de Moorea), et est présenté en annexe 5. Nous l’appellerons « questionnaire Select fishing ». Les pêcheurs interviewés exercent la pêche en activité secondaire pour la plupart. Informations fournies à l’échelle du ménage : A partir du questionnaire ISPF, à l’échelle de l’individu (annexe 3) ou du ménage (annexe 4), nous sommes capables de retrouver par ménage le nombre de pêcheurs professionnels, le nombre de pêcheurs annexes, le nombre de bateaux, le nombre de pirogues. Les pêcheurs annexes exercent la pêche en activité secondaire. En se basant sur les données ISPF, nous avons un total de 2244 pêcheurs, dont 440 pêcheurs pro et 1804 pêcheurs annexes. On ne connait pas la localisation précise du ménage qui a répondu au questionnaire ISPF, mais nous savons à quel district il appartient et nous disposons d’une couche SIG des localisations des ménages. Ainsi notre ménage se localisera au hasard dans un ménage du district correspondant. Chaque pêcheur est défini par 7 paramètres : rayon de pêche, durée de pêche, jours de pêche, sélectivité, période de pêche et probabilité de braconnage, taux de capture. Ces paramètres sont résumés dans le tableau 2. -
Distinction pêcheurs professionnels / pêcheurs annexes : les pêcheurs professionnels se voient attribuer une durée de pêche de 8h, tandis que les pêcheurs annexes se voient attribuer une durée de 4h. La distinction se porte également sur les jours de pêche. Dans le modèle, chaque pêcheur a une probabilité d’aller pêcher , à chaque journée. D'après les travaux de Leenhardt et al., 2016, les pêcheurs commerciaux réalisent 2 à 5 sorties de pêche par semaine, tandis que les pêcheurs annexes en réalisent 1 à 3. Les pêcheurs pro se voient donc attribuer une probabilité de pêche qui est un nombre au hasard entre et ; entre et pour les pêcheurs annexes. -
Sélectivité : Chaque pêcheur se voit attribuer une sélectivité au hasard (nombre entre 0 et 1). Un pêcheur sélectif pêchera des espèces en particulier, tandis qu'un pêcheur non sélectif ne fait pas de "tri". Nous considérons ici que plus un pêcheur est sélectif, moins il pêche en biomasse. -
Période de pêche (jour ou nuit) : Dans notre modèle, nous considérons une alternance jour-nuit. Un pêcheur se voit attribuer au hasard une période de pêche : soit le jour (probabilité de 30%), soit la nuit (probabilité de 70%). En effet, à Moorea, il y a plus de pêcheurs de nuit que de pêcheurs de jour. -
Rayon de pêche : le rayon de pêche traduit la mobilité du pêcheur. 3 cas possibles : o Le ménage a accès à un bateau -> les pêcheurs de ce ménage ont un rayon de pêche de 10 km. o Le ménage a accès à une pirogue mais pas de bateau -> le rayon des pêcheurs est de 3 km. o Le ménage n’a ni accès à une pirogue ni à un bateau (pêche à la nage) -> rayon de pêche de 1 km. 7 -
Dépendance à la ressource (Thiault et al., 2017) : l'indice de dépendance à la ressource a été calculé à partir des données ISPF pour tous les foyers de l'île. Il est fonction du nombre de foyer ayant la pêche comme activité de subsistance, du nombre de foyers ayant une activité de subsistance non liée à la pêche et du nombre de foyers ayant des personnes inactives à charge. Ce paramètre est important car, selon les travaux de Cinner et al., 2012, la surexploitation est fortement influencée par la dépendance à la ressource. Une forte dépendance à la ressource est également synonyme d’une grande vulnérabilité des populations locales (Kronen et al., 2010). Ici, la dépendance à la ressource est une valeur par district, entre 0 et 1.
Probabilité de braconnage : nous avons considéré que la propension d’un pêcheur à braconner dépend de la dépendance à la ressource du district, de sa période de pêche et de la surveillance de la part des autorités. Elle correspond à la probabilité qu’a un pêcheur d’aller pêcher en zone AMP (Aire Marine Protégée). Le paramètre de surveillance a été fixé à 20%, signifiant que le braconnage diminue d’un facteur 1,2 grâce à la surveillance. La nuit, nous avons considéré que les pêcheurs braconnent fortement, la probabilité de braconnage vaut 1 / (1 + surveillance). Le jour, la probabilité augmente avec la dépendance à la ressource du district et est inférieure à celle de nuit : dependance_ressource_district / (1 + surveillance). -
Taux de capture : les pêcheurs ont plus de facilité à capturer du poisson la nuit que le jour. C’est ainsi que nous avons introduit un coefficient de capture : Le taux de capture le jour a été choisi de telle sorte qu’un pêcheur pêche environ 5 kg par jour en moyenne. Cette valeur de 5 kg a été obtenu à partir des résultats du questionnaire « select fishing », bien que les travaux de Leenhardt et al., 2016 montrent que les rendements de pêche sont difficiles à estimer à Moorea. La valeur du taux de capture jour a été fixée à 0,002 j -1 . La nuit, il est deux fois plus important que le jour. Tableau 2 : Paramètres relatifs à chaque pêcheur
Paramètre Unité / valeur Source / obtention
Rayon de pêche 1, 3 ou 10 (km) selon l’équipement ISPF, à l’échelle du ménage Questionnaire « select fishing » Probabilité d'aller à la pêche Entre et pour les pêcheurs professionnels Entre et pour les pêcheurs "annexes" Leenhardt et al., 2016 Durée de la pêche 4h pour les pêcheurs "annexes" 8h pour les pêcheurs professionnels
Questionnaire « select fishing », Sélectivité / expérience Nombre au hasard entre 0 et 1, sans unité Attribuée au hasard pour chaque pêcheur Période de pêche Jour ou nuit Attribuée au hasard pour chaque pêcheur, avec 70% de chance que ce soit la nuit, et 30% de chance le jour Probabilité de braconnage = 1 / (1 + surveillance) pour pêcheurs de nuit = dependance_ressource / (1 + surveillance) pour pêcheurs de jour - Taux de capture des poissons Taux_capture_nuit = 2 * taux_capture_jour Avec taux_capture_jour = 0,002 j -1 Questionnaire « select fishing »
8 Figure 7 : carte de préférence de pêche Source : Thiault et al., 2017
Habitats préférentiels de pêche :
Les pêcheurs de Moorea ont des zones préférentielles de pêche. Dans le cadre des enquêtes sociales et des travaux menés par Thiault et al., 2017, un indice de préférence a été calculé spatialement. Celui-ci dépend de 5 critères : distance à la côte, profondeur, distance à la passe, pente, substrat (corail, algue, sédiment). Afin d'évaluer le poids de ces différents critères sur la préférence, 52 pêcheurs de Moorea ont été interviewés. Les différents critères ont été cartographiés à partir d'images satellite. En croisant les données satellitaires et les résultats des enquêtes, une carte de préférence moyenne des pêcheurs autour de l'île a été produite (figure 7). Ce critère de préférence sera utilisé ensuite pour influencer la zone de pêche du pêcheur. Dynamique du pêcheur ◦ Zone de pêche : Chaque pêcheur se voit attribuer une case au niveau de la côte qui correspond à la zone d’où il part pêcher. Nous avons choisi de prendre la case en mer la plus proche de son ménage. Nous l’appellerons case de départ du pêcheur. Pour chaque pêcheur, nous lui attribuons une « zone potentielle de pêche ». Cette zone correspond à l’ensemble des cases où il est susceptible d’aller pêcher. Plus précisément, il s’agit des cases qui se trouvent à la distance « fishing radius » de la case de départ du pêcheur. Il ne s’agit pas d’une distance à vol d’oiseau, mais elle prend en compte les obstacles éventuels. Par exemple, pour aller en pente externe, les pêcheurs ne peuvent pas franchir le récif barrière et doivent donc faire un détour et passer par les passes. 9 Parmi ces cases « potentielles », le pêcheur va choisir une case que sera la zone de pêche, comme illustré dans la figure 8 : Figure 8 : Illustration de la « zone potentielle de pêche » et de la zone de pêche Parmi les cases à l'intérieur de ce cercle, le pêcheur a une plus grande probabilité de choisir la case où la combinaison de la préférence de pêche, la biomasse de poissons, et l'inverse de la distance à parcourir est maximale, où dans une zone où il n’y a pas de pêcheur et une faible pression touristique. Preference criterion = ; Biomasse criterion = Tourism criterion = 1 - ; Distance criterion = 1 - Ces transformations ont pour but de lisser les valeurs, et d’obtenir des valeurs de critère entre 0 et 1. Un pêcheur a moins de chance d’aller dans une case où un pêcheur est présent, par rapport à une case sans pêcheur. Nous attribuons un critère de pêcheur (pecheur criterion ) : il vaut 0.4 s’il n’y a pas de pêcheur ; 0.2 s’il y en a un ou plusieurs. Ainsi, le pêcheur a une plus grande probabilité de choisir une case dans sa zone potentielle qui maximise la somme : Si un autre pêcheur se trouve déjà dans la zone de pêche, le pêcheur se déplace dans une des cases voisines, préférentiellement dans une case sans pêcheur. Quand le pêcheur ne pêche pas, sa localisation se situe au niveau de son ménage. 0 ◦ Captures : Biomasse capturée : une fois que le pêcheur a choisi une zone de pêche, il en extrait une certaine quantité d'herbivores et de carnivores. Les corallivores ne sont pas pêchés. Pour calculer la biomasse capturée par sortie de pêche, nous nous servons de la biomasse de poissons (herbivores + carnivores) présents dans la case, et de paramètres de pêche décrits précédemment : ◦ Conflits : Un conflit se produit lorsqu’un pêcheur rencontre un autre pêcheur au niveau de sa zone de pêche, ou bien une zone touristique. De plus, lorsqu’un pêcheur va sur une case où il y a déjà un pêcheur, il choisit une autre case autour, préférentiellement là où il n’y a pas de pêcheur.
II. 2. c) Tourisme
Dans le cadre des travaux réalisés par Charles Loiseau (avec Joachim Claudet) a été étudié la pression touristique en mer à Moorea du tourisme (notamment croisières / sorties bateaux). L’indice de pression touristique, tel que représenté sur la figure 9, correspond au nombre de passages journaliers d’opérateurs touristiques dans une zone donnée. Ce sont des valeurs moyennes journalières. A noter que l’on considère dans notre modèle que le tourisme est présent uniquement le jour, et non la nuit. Figure 9 : indice de pression touristique autour de Moorea
Source : Charles Loiseau, CRIOBE
II. 2. d) Calibrage des paramètres écologiques et conditions initiales Données spatialisées ◦ Répartition des recouvrement algues / corail La carte de répartition du corail a été produite dans le cadre des travaux de
Collin A. et Hench J., 2015, selon la méthode décrite en annexe 2. Les données datent de 2010, et nous obtenons des cartes de pourcentage de recouvrement de la surface. 1 Pour le turf, nous avons utilisé les données CRIOBE (
Data Substrate Cover ) qui fournit un recouvrement en algues dans le lagon et la pente externe entre 2005 et 2016, dont nous avons extrait une valeur temporelle moyenne pour le lagon et pour la pente externe. Dans le tableau 3 sont présentées les moyennes spatiales obtenues : Tableau 3 : moyenne spatiale des espèces benthiques, à l’état initial
Lagon Pente externe
Corail
26 % 44 %
Turf
20 % 33 %
Macro-algues
3% 3% ◦ Répartition des biomasses de poissons Pour les biomasses initiales de poissons (herbivores, corallivores, carnivores), nous avons utilisé les données
CRIOBE (Moorea Fish - transects réalisés sur 13 sites différents autour de l'île, de 2004 à 2016) et LTER ( Annual Fish Surveys - transects réalisés sur 6 sites différents, de 2005 à 2015). Dans ces transects, sont recencés les espèces de poissons, leur nombre, et leur taille. Nous avons regroupé ces espèces dans nos 3 groupes (carnivores, corallivores, herbivores), nous avons calculé les biomasses par site et par groupe, et, grâce à un traitement statistique (logiciel R), nous avons pu obtenir la carte de répartition des biomasses de poissons autour de l'île. Nous avons utilisé et moyenné les données de 2006 et 2007, années pour lesquelles le système trophique était dans un état stable. Dans le tableau 4 sont illustrés les biomasses moyennes (moyenne spatiale sur l'île et temporelle pour 2006 et 2007) que nous avons obtenues (par case de 10 000 m²) : Tableau 4 : Biomasse moyenne des groupes trophiques, à l’état initial
Herbivores Corallivores Carnivores
305 kg 25,3 kg 78,5 kg Paramètres biologiques
La paramétrisation s'est faite initialement à partir des paramètres biologiques estimés pour un modèle trophique (Dubois et al., 2017, en préparation) puis a dû être ajustée pour obtenir la dynamique observée dans les séries temporelles du CRIOBE (figure 4). Pour les différents groupes d'agents, nous avons extrait le facteur que nous avons assimilé au taux de croissance (et également au taux de mortalité d'après l'équilibre de Lotka Volterra). Les taux de croissance α obtenus sont indiqués dans la tableau 5, et sont exprimés en jour -1 . Tableau 5 : taux de croissance des agents du modèle Corail Turf Herbivores Corallivores Carnivores -5 - 2 -4 -4 -4
2 Dans les équations de Lotka-Volterra, les coraux sont influencés négativement par le corail (avec une taux de destruction coeff_destruction_corail_COTS), tandis que les carnivores et herbivores sont influencés négativement par les pêcheurs (avec un taux de mortalité p). Pour le coefficient de destruction du corail par
Acanthaster plancii , nous avons utilisé les données CRIOBE (
Model Substrate Cover ) d'évolution de la couverture corallienne en pente externe entre 2006 et 2010 (
Acanthaster plancii étant arrivé en 2006). On a : coeff destruction_COTS = 9,2 * 10 - 4 j -1 Le coefficient p de mortalité par pêche est défini pour chaque case ; il vaut : . Avec nombre de pêcheurs moyenne par case = = = 0,42 Les autres paramètres (β, γ, δ) sont déterminés à partir des relations de Lotka-Volterra (2) à l'équilibre décrits dans la partie II. 2. a).
II. 3. Scénarios de gestion
Dans le cadre de la révision du plan de gestion de l’espace maritime (PGEM), différents scénarios sont envisagés, et c’est eux que nous allons tester et comparer. Chaque scénario se traduit dans le modèle par la modification d’un paramètre social (tableau . Tableau 6 : scénarios de gestion à tester
Scénario sociologique Conséquences sur les paramètres
Situation témoin / pas de gestion / statu quo - Pas de pêche (théorique) 0 pêcheur dans le modèle Respect théorique de la réglementation / absence de braconnage Très faible probabilité de braconnage Gestion à long terme : mise en place d’un quota journalier Variable quota = 5 kg / jour (valeur moyenne proposée par les pêcheurs dans le questionnaire « select fishing »). Un pêcheur n'a pas le droit de dépasser ce quota Aide financière aux pêcheurs pour l'acquisition de bateaux Augmentation de la mobilité des pêcheurs. Nous prenons une aide financière de 50 %. Radius = radius * (1 + aide_financière) = radius * 1,5 Interdiction de pêche la nuit Les pêcheurs de nuit pêchent de jour à la place On simule chaque scénario sans perturbation et avec une perturbation environnementale. 3
II. 4. Sorties du modèle et évaluation des scénarios
Dans un premier temps, l’objectif était de valider le modèle en comparant les sorties du modèle aux dynamiques observées à Moorea. Pour ce faire, différentes dynamiques temporelles ont été analysées : - Dynamique du substrat en pente externe, correspondant à l’évolution du recouvrement moyen par case du corail et des algues (%) à chaque pas de temps - Dynamique des poissons, soit l’évolution des biomasses moyennes par case (kg) d’herbivores, de carnivores et de corallivores à chaque pas de temps - Dynamique des captures, soit l’évolution des biomasses pêchées par l’ensemble des pêcheurs de l’île (kg), à chaque pas de temps Chaque scénario a ensuite été analysé à l’aide de 3 indicateurs : -
Indicateur de variation de biomasse de poissons dans l’eau :
Avec B final la biomasse de poissons par case à t = 20 ans (kg / ha) et B initial (kg / ha) la biomasse de poissons par case à t = 0 (kg / ha). -
Indicateur des captures annuelles moyennes :
Avec Bp t la biomasse totale pêchée à l’instant t. 14 000 correspond au nombre de pas de temps, et 20 au nombre d’années. - Indicateur des conflits annuels moyens :
Avec C t le nombre de conflits à l’instant t Ces indicateurs ont été calculés pour chaque case, et également au niveau global en faisant la moyenne des cases. Au niveau global, on regarde les captures annuelles et les conflits annuels par pêcheur, il faut donc diviser par le nombre de pêcheurs (soit 2244). Afin de comparer l’effet de chaque scénario de gestion, les indicateurs ont été comparé aux valeurs obtenues dans le scénario « statu quo », comme suit : En comparant uniquement entre eux les scénarios ayant les même conditions environnementales (i.e. avec ou sans perturbation écologique). 4 Ci-dessous, nous présentons un résumé schématique des liens entre les paramètres de pêche, les scénarios, et les sorties du modèle (figure 10 ) : Figure 10 : Résumé des paramètres des pêcheurs, et liens avec les scénarios III. Résultats
III. 1. Validation du modèle
Pour chaque simulation, la représentation des dynamiques temporelle de nos différents groupes écologiques a permis dans un premier temps de valider le comportement de notre modèle en les comparant à celles observées à Moorea. Le temps en abscisse est exprimé en nombre de pas de temps du modèle, soit le nombre de demi-jours (soit 14 000 demi-jours pour la durée de la simulation). Dynamique du substrat en pente externe en cas de perturbation environnementale (figure 11) : On observe qu'une perturbation environnementale se traduit par une diminution du corail pendant 5 ans jusqu'à atteindre un minimum, puis une remontée jusqu'à atteindre l'état initial 10 ans après le début de la perturbation. Le turf, quant à lui, a une évolution inverse : il augmente jusqu'à 70% de recouvrement, puis diminue jusqu'à atteindre son niveau initial avant perturbation. Ceci est cohérent avec les séries temporelles présentées en figure 4. Biomasse de poissons dans l'eau : distinction AMP (aire marine protégée) / hors AMP (figure 12) : En cas de non braconnage, c’est-à-dire de respect total de la réglementation, les herbivores et carnivores en AMP augmentent jusqu'à atteindre la capacité de charge (t = 11 ans pour les herbivores). Ceci est cohérent avec le scénario « pas de braconnage » dans lequel plus aucun pêcheur ne va pêcher dans une AMP. Biomasse de poissons dans l'eau : distinction lagon / pente externe (figure 13) : Nous avons également simulé un scénario théorique sans pêcheur, et nous constatons que la biomasse en herbivores augmente bien et atteint la capacité de charge à t = 11 ans en pente externe et lagon. 6
Corail Corail Corail Turf Turf Turf Herbivores Herbivores Herbivores Carnivores Carnivores Carnivores Corallivores Corallivores Corallivores Herbivores Herbivores Herbivores Carnivores Carnivores Carnivores Corallivores Corallivores Corallivores III. 2. Analyse du scénario de référence – statu quo
Nous présentons dans le tableau 7 les indicateurs globaux - présentés dans la partie II. 4. – pour les scénarios de référence (« business as usual ») statu quo et statu quo avec perturbation.
Tableau 7 : valeurs des indicateurs globaux pour le statu quo
Scénario Variation de biomasse de poissons dans l’eau Captures annuelles par pêcheur (kg / an) Nombre de conflits annuels par pêcheur (an -1 ) Sans perturbation
Avec perturbation
Les différences de valeur entre perturbation / pas perturbation s’expliquent par les liens de causalité suivants : Perturbation environnementale -> moins de corail -> développement du turf -> augmentation des herbivores -> augmentation de la biomasse pêchée en herbivores. Les résultats cartographiques permettent de mettre en évidence l’hétérogénéité spatiale de nos indicateurs. Les indicateurs par case, tels que décrits en partie II. 4. – sont représentées dans la figure 14 (pour le statu quo) et la figure 15 (statu quo avec perturbation). Pour les conflits, nous avons distingué les conflits qui se produisent le jour, et ceux qui se produisent la nuit. On observe que les captures sont plus importantes au nord-est de l’île et au niveau des baies (figure 14. b.). En effet, elles correspondent à des zones étroites, et donc à plus forte pression de pêche par unité de surface. Les poissons dans ces zones se développent moins (figure 14. a.), et les conflits sociaux sont également plus importants (figure 14. c. et 14 d.). En cas de perturbation environnementale, c’est essentiellement la biomasse de poissons en pente externe dans l’eau qui est affectée : elle augmente en cas de perturbation (figure 15. a.). Les indicateurs ont également été représentés par commune en figure 16 ; à Moorea, une commune est constituée de différents districts. L’analyse des cartes des résultats par commune montre que la pression de pêche n’est pas homogène sur l’île. Nous constatons également que la répartition captures (figures 16. a. et 16. c.) entre communes est similaire avec ou sans perturbation, de même pour les conflits (figure 16. b. et 16. d.). 0 1 2 3
III. 3. Comparaison des scénarios
Nous représentons dans le tableau 8 les indicateurs pour les différents scénarios de gestion, en comparaison avec le statu quo : nous avons calculé les ratios tels que décrits en partie II. 4. Un ratio supérieur à 1 traduit une situation meilleure par rapport au statu quo (indiquée en vert dans le tableau) ; un ratio inférieur à 1 traduit une situation moins bénéfique (indiquée en rouge dans le tableau). En revanche, pour les conflits, la situation est inversée, car plus il y a de conflits, moins c’est favorable.
Tableau 8 : indicateurs globaux, en comparaison avec le statu quo
Scénario de gestion Perturbation Variation de biomasse de poissons dans l’eau Captures annuelles Conflits annuels
Pas de braconnage Non 1,18 0,94 1,29 Oui 1,13 0,92 1,24 Quota Non 1,62 0,74 1,03 Oui 1,54 0,69 1,07 Interdiction pêche nuit Non 1,15 0,68 1,79 Oui 1,17 0,66 1,79 Aide financière Non 1 1,07 0,86 Oui 0,98 1,06 0,83 Nous observons que les scénarios « pas braconnage », « quota » et « interdiction pêche nuit » ont des effets positifs sur la biomasse de poissons dans l’eau, alors que les indicateurs sociaux (captures et conflits) sont moins favorables par rapport au statu quo. Le scénario « aide financière », quant à lui, a des effets positifs sur les indicateurs sociaux (captures et nombre de conflits), sans impacter plus que le statu quo la biomasse de poissons dans l’eau.
III. 4. Analyse spatiale des résultats
Afin d’analyser spatialement les résultats, nous avons produit des cartes qui représentent, pour chaque case, le ratio de l’indicateur i – tel que décrit dans la partie II. 4.
III. 4. a) Indicateur de variation de biomasse de poissons
Les résultats cartographiques de l’indicateur « variation de biomasse de poissons dans l’eau » par case, en comparaison avec le statu quo, sont présentés en figure 17. -
Pour les scénarios sans braconnage (figure 17. b.) et interdiction pêche nuit (figure 17. c.), les quantités de poissons dans les aires marines protégées (AMPs) est significativement plus importante que dans les autres zones. En effet, en cas d’absence théorique de braconnage, les pêcheurs ne pêchent plus dans les AMPs ; en cas d’interdiction de pêche nocturne, la pêche s’effectue uniquement de jour et la probabilité de braconnage est alors plus faible (car il y a plus de surveillance). De plus, nous observons des augmentations de biomasse de poissons autour des AMPs, ce qui traduit le phénomène de spillover à l’œuvre dans les AMPs. 4 -
Pour les scénarios quota (figure 17. a.) et aide financière (figure 17. d.), nous n’observons pas de différence significative de biomasses dans l’eau entre les AMPs et les zones hors AMPs. 5
III. 4. b) Indicateur des captures annuelles
Les résultats cartographiques de l’indicateur « captures annuelles moyennes » par case, en comparaison avec le statu quo, sont présentés en figure 18. Quota (figure 18. a.) : En cas de mise en place d'un quota, nous observons que la biomasse pêchée est plus importante près de la côte par rapport au statu quo. Absence théorique de braconnage (figure 18. b.) : la pression de pêche est évidemment nulle dans les AMPs, mais en dehors de ces zones elle est globalement plus importante par rapport au statu quo (et particulièrement à proximité des AMPs). Interdiction pêche nuit (figure 18.c.) : nous observons une situation assez similaire au quota. La différence principale est que la pression de pêche dans les AMP est nettement plus faible. Aide financière (figure 18. d.) : l'aide financière se traduit par une mobilité plus importante des pêcheurs, qui vont dès lors aller pêcher potentiellement plus loin. Nous voyons que la pression de pêche est plus importante en pente externe et à l'extérieur du lagon par rapport au statu quo. 34 6
III. 4. c) Indicateur des conflits annuels
Les résultats cartographiques de l’indicateur « conflits annuels moyens » par case, en comparaison avec le statu quo, sont présentés en figure 19. Pas braconnage (figure 19. b.) : nous observons que les conflits de nuit se situent principalement en pente externe et dans la partie externe du lagon. Quota (figure 19. a.) : nous n’observons pas de différence spatiale significative entre les conflits nocturnes dans le lagon et ceux en pente externe. Interdiction pêche nuit (figure 19. c.) : nous voyons sur la carte que les conflits jour sont globalement plus importants par rapport au statu quo, et ce notamment au niveau des baies et des zones lagonaires étroites. Aide financière (figure 19. d.) : les conflits sont plus importants en pente externe et dans la zone externe du lagon, ce qui est à corréler avec une pression de pêche plus importante dans ces zones. 35 7
IV. Discussion et perspectives
Analyse des scénarios : Le modèle multi-agents a permis une comparaison des scénarios de gestion testés, avec des effets observés sur les outputs désirés, et a fait ressortir des effets indirects et inattendus de ces scénarios. Avec la mise en place du quota, il est moins avantageux d'aller loin car, bien qu'il y ait plus de ressource dans la pente externe que dans le lagon, ils ne pourront pas pêcher plus que le seuil autorisé. Dès lors, ils favorisent les zones à faible distance de la côte, ce qui se traduit par une pression de pêche plus importante dans ces zones. La mise en place d'un quota journalier bénéficie à la ressource, bien que la biomasse pêchée soit inférieure au statu quo. Mais sur le long terme, une quantité de poissons plus importante pourrait se traduire par une pêche plus importante par rapport au statu quo. La mise en place de quotas individuels est considérée de plus en plus comme un moyen de rendre les pêches plus rentables (Little et al., 2009). L’absence théorique de braconnage créé un déplacement de l’effort de pêche des aires marines protégées (AMPs) vers les zones hors AMP, ce qui assure un bon renouvellement de la ressource dans les AMPs. Pour tendre vers cet état sans braconnage, des discussions sont nécessaires entre autorités, scientifiques et pêcheurs pour bien faire comprendre à ces derniers la légitimité d'une telle mesure. En effet, à travers le monde, beaucoup de mesures de conservations (dont aires marines) sont imposées sans prendre en compte les communautés locales, qui sont pourtant les premières touchées par ces décisions (Boissière et al., 2008). Le jour, il y a plus de surveillance de la part des autorités, les pêcheurs braconnent donc moins. En cas d’interdiction de pêche nocturne, il y aura donc moins de braconnage dans les AMPs, ce qui se traduira par un meilleur état des ressources halieutiques dans ces zones. Cependant, interdire aux gens de pêcher la nuit risque d'être difficilement acceptable culturellement et conduirait à une augmentation des conflits entre pêcheurs et avec les opérateurs touristiques. Enfin, l’aide financière se traduit par une situation en quelque sorte inversée par rapport au quota, où la pression de pêche et les conflits sont plus importants en pente externe. Ce résultat spatial indique que ce scénario est potentiellement plus sensible au scénario « quota » en cas de perturbation environnementale qui a lieu uniquement en pente externe (
Acanthaster plancii ou cyclone). L'aide financière est une bonne solution pour mieux répartir la pression de pêche et éviter qu'il y ait des zones surexploitées. Cependant, comme toute aide financière, il faudrait trouver une méthode équitable de distribution de la ressource monétaire, ce qui pourrait occasionner des conflits à ce niveau (Hilborn, 2007). A travers le monde, les avis divergent au sujet des modes de gestion, certains prônant la mise en place d’aires marines protégées, d’autres souhaitant une aide financière équitablement distribuée associée à une plus large participation des pêcheurs dans les décisions de gestion (Fulton et al., 2011). Quel que soit le mode de gestion choisi par les autorités, il ne pourra être mis en place qu'avec une concertation avec les pêcheurs, afin de leur expliquer la légitimité d'une telle mesure, les effets bénéfiques sur les écosystèmes, et ce qu'ils ont à gagner sur court et moyen termes. Les scénarios testés ici ont eu peu d'influence sur la régénération du corail et sur la sensibilité du système à « shifter » vers une phase dominée par les algues. Il semblerait que la pêche ait peu d'influence sur cette sensibilité, à la différence des phénomènes liés au changement climatique (augmentation de la température des eaux, acidification, blanchissement du corail), et d'autres facteurs anthropiques (pollution des eaux aux nitrates par ex. qui favorisent le développement des algues) - Graham et al., 2013. La synergie de ces deux types de perturbation, environnementale et 8 anthropique, ne facilite pas la récupération du corail. A travers le monde, les inquiétudes sont grandissantes quant à l’évolution des récifs coralliens, y compris à Moorea, dans un contexte de changement climatique et de pressions anthropiques de plus en plus importantes (Graham et al., 2013, Baskett et al., 2010). L'originalité de cette étude est de considérer les deux aspects sociaux et écologiques à la fois, et d'analyser les répercussions de modes de gestion diverses sur la durabilité des ressources halieutique, la résilience de l’écosystème, et les bénéfices pour les pêcheurs. A notre connaissance, il s'agit de la première simulation multi-agents réalisée en Polynésie (Ghazia et al., 2014). Une simulation multi-agents a été menée sur la côte ouest de l’Australie, dans le Parc Marin de Ningaloo (Gao et al., 2012), en prenant en compte également le système socio-écologique corail et pêche. Les chercheurs ont testé l’effet de scénarios de fermeture de zones à la pêche pendant une certaine durée (2 ou 6 mois), associé à une variation de la pression de pêche, et ont considéré en sorties des critères sociaux, écologiques et économiques. Leur étude montre que l’efficacité d’une mesure d’AMP dépend fortement de la pression de pêche. En cas de faible pression de pêche, les bénéfices sociaux et écologiques sont plus importants quand des fermetures de zone de pêche sont mises en place pendant de longues périodes ; cette corrélation positive n’est plus valable en cas de pression de pêche importante. Perspectives : L’adaptabilité du modèle à d'autres situations à Moorea, sous d'autres contextes économiques et sociaux, est réalisable en changeant les paramètres d'entrée. Il serait opportun de mélanger les scénarios testés ici, par exemple quota + absence théorique de braconnage ; en effet, selon les travaux de Doyen et al., 2007 et Goa et al., 2011, une gestion viable à travers les AMPs requiert également un effort de régulation de la pression de pêche. Sur les 20 ans, nous avons vu un effet positif de l’aide financière ; cependant, de telles aides ont eu un effet néfaste à travers le monde sur les systèmes pêcheurs-poissons de par l’augmentation de la capacité engendrée (Milazzo, 1998). Il serait bon d’envisager de tester la viabilité de cette aide sur un temps plus long. Dans notre modèle, les outputs sociaux relatifs aux pêcheurs sont les conflits et la biomasse pêchée ; or, pour beaucoup de pêcheurs qui pratiquent la pêche de loisir, la biomasse pêchée importe peu, le simple fait de pouvoir aller à la pêche est une source de satisfaction. Il serait intéressant de prendre en compte ces bénéfices non-matériels, bien qu’ils soient difficiles à évaluer quantitativement (Leenhardt et al., 2016). Le modèle est transposable à d'autres zones d'étude insulaires, en modifiant les données d'entrée de cartographie. Par exemple, il serait très intéressant de lancer le modèle pour une zone insulaire où les récifs coralliens ont perdu leur capacité de résilience, de comparer avec Moorea et de voir quels scénarios de gestion sont les plus favorables pour la résilience de l'écosystème. Le modèle multi-agents peut également être utilisé pour aider à informer les gestionnaires et décideurs dans leurs activités journalières, avec une actualisation des données au jour-le-jour, et ainsi éviter des phénomènes imprévus (Pereira et al. 2009). Limites du modèle : Les systèmes biologiques et sociologiques sont régis par des dynamiques chaotiques, avec de multiples interactions, et sont de ce fait difficilement prévisibles (Ferreira et al. 2017). Afin de limiter ces interactions qui augmentent la complexité du système et les temps de calcul, nous avons considéré un nombre restreint d’agents, uniquement ceux en relation directe avec le corail et les pêcheurs. Les agents qui entretiennent des relations indirectes (plancton, bactéries par ex. au niveau écologique, agriculteurs au niveau social) n'ont pas été pris en compte, bien qu'ils exercent une influence sur le système. Spatialement, nous avons considéré un système fermé, Moorea, sans interaction avec l’extérieur, afin de simplifier l’étude. L’incertitude inhérente à la pêche à Moorea vient de la diversité des motivations de pêche, des moyens de locomotion, des périodes de pêche et des poissons pêchés (Leenhardt et al., 2016 ) . 9 Bibliographie
Adam T. C., Brooks A. J., Holbrook S. J., Schmitt R. J. , Washburn L. & Bernardi G. (2014) How will coral reef fish communities respond to climate-driven disturbances? Insight from landscape-scale perturbations. Oecologia DOI 10.1007/s00442-014-3011-x Adjeroud M., Aujustin D., Galzin R. (2002) Natural disturbances and interannual variability of coral reff communities on the outer slope of Tiahura (Moorea, French Polynesia) : 1991 to 1997. Marine Ecology Progress Series Vol. 237: 121-131, 2002. Adjeroud, M., Michonneau, F., Edmunds, P. J., Chancerelle, Y., Lison de Loma, T., Penin, L., et al., (2009). Recurrent disturbances, recovery trajectories, and resilience of coral assemblages on a South Central Pacific reef. Coral Reefs 28, 775–780. doi: 10.1007/s00338-009-0515-7
Ainsworth H., Mumby P. (2015) Coral-algal phase shifts alter fish comunities and reduce fisheries production. Global change biology (2015) 21, 165-172, doi: 10.1111/gcb.12667 Andréfouët S., Chauvin C., Spraggins S., Torres-Pulliza D, Kranenburg C. (2005) Atlas des récifs coralliens de Polynésie française, Centre IRD de Nouméa, février 2005, 38 pages + 86 planches Ba skett M. L., Nisbet R. M., Kappel C. V., Mumby P. J. & Gaines S. D. (2010) Conservation management approaches to protecting the capacity for corals to respond to climate change: a theoretical comparison. Global Change Biology (2010) 16, 1229–1246, doi: 10.1111/j.1365-2486.2009.02062.x. Bell J. D., Galzin R. (1984) Influence of live coral cover on coral-reef fish communities. Marine Ecology – Progress Series Vol. 15: 265-274, 1984. Boissière M., Doumenge C. (2008). Entre marginalisation et démagogie : quelle place reste-t-il pour les communautés locales dans les aires protégées ? Les Cahiers d'Outre Mer, 2008/4 (n° 244), p. 459-488. Cinner J. E., McClanahan T. R., MacNeil M. A., J. Graham N. A., Daw T. M. et al. (2012) Comanagement of coral reef social-ecological systems. PNAS, April 3, 2012, vol. 109, no. 14 – 5219–5222 Cinner Joshua (2014) Coral reef livelihoods. Current Opinion in Environmental Sustainability 014,7 :65–71 Collin A., Hench J. (2015). Extracting shallow bathymetry from very high resolution satellite spectral bands and a machine learning algorithm. International Council of the Exploration of the Sea (ICES) CM/N:24. Doyen L., De Lara M., Ferraris J., Pelletier D. Sustainability of exploited marine ecosystems through protected areas: A viability model and a coral reef case study
FAO (2007) The State of World Fisheries and Aquaculture 2006. FAO Fisheries Department, Rome
Ferreira M. A. M., Filipe J. A., Coelho M. (2017) Chaos and Complexity in the fisheries management context. Universum Research E-center 2410-9738 Fulton E. A., Smith A. D. M., Smith D. C., Van Putten I. E. (2011) Human behaviour : the key source of uncertainty in fisheries management. Fish and Fisheries . Gao L., Hailu A. (2012) Ranking management strategies with complex outcomes: An AHP-fuzzy evaluation of recreational fishing using an integrated agent-based model of a coral reef ecosystem. Environmental Modelling & Software 31 (2012) 3-18. doi: 10.1016/j.envsoft.2011.12.002 Ghazia S., Khadira T., Dugdaleb J. (2014) Multi-Agent based Simulation of Environmental Issues: a Review. Springer International Publishing Switzerland 2014
Graham N. A. J., Bellwood D. R., Cinner J. E., Hughes. T. P., Norström A. V. & Nyström M. (2013). Managing resilience to reserve phase shifts in coral reefs. Frontiers in Ecology and the Environment. doi: 10.1890/120305
Hilborn Ray (2007) Defining success in fisheries and conflicts in objectives. Marine Policy . Volume 31, Issue 2, March 2007, Pages 153-158 Hughes, T. P. (1994). Catastrophes, phase shifts, and large-scale degradation of a Caribbean coral reef. Science 265, 1547–1551. doi:10.1126/science.265.5178.1547 ICES - The International Council For the Exploration of the Sea (2005). Guidance on the Application of the Ecosystem Approach to Management of Human Activities in the European Marine Environment. Cooperative Research Reports n° 273, 2005, 22 p. Jackson J. B. C. (1992). Pleistocene perspectives on coral reef community structure. Am. Zool. 32, 719– 731. doi: 10.2307/3883652 Johnson A. E., Cinner J. E., Hardt M. J., Jacquet J., McClanahan T. R. & Sanchirico J. N. (2013) Trends, current understanding and future research priorities for artisanal coral reef fisheries research. Fish and Fisheries, 2013, 14, 281-292. doi: 10.1111/j.1467-2979.2012.00468.x Kittinger J. N., Finkbeiner E. M., Glazier E. W. & Crowder L. B. (2012). Human dimensions of coral reef social-ecological systems. Ecology and Society 17(4): 17. http://dx.doi.org/10.5751/ES-05115-170417 Kittinger J. N., Teneva L. T., Koike H., Stamoulis K. A., Kittinger D. S., Oleson K. L. L., et al. (2015) From Reef to Table : Social and Ecological Factors Affecting Coral Reef Fisheries, Artisanal Seafood Supply Chains, and Seafood Security. PloS ONE 10(8) : e0123856. doi:10.1371/journal.pone.0123856 Kronen M., Vunisea A., Magron F., McArdle B. (2010) Socio-economic drivers and indicators for artisanal coastal fisheries in Pacific island countries and territories and their use for fisheries management strategies (2010). Marine Policy 34 (2010) 1135–114 Lamy T., Legendre P., Chancerelle Y., Siu G. & Claudet J. (2015) Understanding the Spatio-Temporal Response of Coral Reef Fish Communities to Natural Disturbances : Insights from Beta-Diversity Decomposition. PloS ONE 10(9) : e0138696. doi:10.1371/journal.pone.0138696 Leenhardt P., Moussa R. M. & Galzin R. (2012) Quel est le rendement de la pêche récifo-lagonaire à Moorea ? Synthèse des différentes données obtenues. Lettre d’information sur les pêches de la CPS n° 137 – Janvier/avril 2012 Leenhardt P., Teneva L., Kininmonth S., Darling E., Cooley S. & Claudet J. (2015) Challenges, insights and perspectives associated with using social-ecological science for marine conservation. Ocean & Coastal Management 115 (2015) 49e6050 Leenhardt P., Lauer M., Madi Moussa R., Holbrook S. J., Rassweiler A., Schmitt R. J. & Claudet J. (2016) Complexities and Uncertainties in Transitioning Small-Scale Coral Reef Fisheries. Front. Mar. Sci. 3:70. doi: 10.3389/fmars.2016.00070 Leenhardt P., Stelzenmüller V., Pascal N., Probst W. N., Aubanel A., Bambridge T., Charles M., Clua E., Féral F., Quinquis B., Salvat B. & Claudet J. (2017) Exploring social-ecological dynamics of a coral reef resource system using participatory modeling and empirical data. Marine Policy 78 (2017) 90–97 Lester S. E., Halpern B. S. (2008) Biological responses in marine no-take reserves. Marine Ecology Progress Series 367: 49–56, 2008 doi: 10.3354/meps07599 Little L. R., Punt A. E., Mapstone B. D., Begg G. A., Goldman B., Williams A. J. (2009) An agent-based model for simulating trading of multi-species fisheries quota.. Ecological Modelling. Volume 220, Issue 23, 10 December 2009, Pages 3404-3412.
Milazzo Matteo (1998) : Subsidies in World Fisheries : a Reexamination. World Bank Technical Paper no. 406
Pandolfi J. M., Jackson J. B. (2006). Ecological persistence interrupted in Caribbean coral reefs. Ecol. Lett.9, 818–826. doi: 10.1111/j.1461-0248.2006.00933.x
Pascal N., Le Port G. (2015). Valeur monétaire des écosystèmes coralliens et associés de Moorea. Rapport Best Coral. Pereira A., Reis L. P., Duarte P. (2009) EcoSimNet: A Multi-Agent System for Ecological Simulation and Optimization. springer-Verlag Berlin Heidelberg 2009; EPIA 2009, LNAI 5816, pp. 473–484, 2009. Salvat B., Aubanel A., Adjeroud M., Bousset P., Calmet D., Chancerelle Y., Davies N., Fougerousse A., Galzin R., Lagouy E. (2008) Monitoring of French Polynesia coral reefs and their recent development. Rev. Ecol. (Terre Vie), vol. 63, 2008 Thiault L, Kernaléguen L, Osenberg CW & Claudet J. (2016) Progressive-Change BACIPS: a flexible approach for environmental impact assessment. Methods in Ecology and Evolution. Thiault L, Collin A, Chlous F, Gelcich S & Claudet J. (2017) Combining participatory and socioeconomic approaches to map fishing effort in small-scale fisheries Plos One. Takeuchi Y. (1996) Global Dynamical Properties of Lotka Volterra systems. World Scientific, 316 pages. Tribut K., Duron Y. (2013) Dossier de modélisation – Modèles proie-prédateur, Université Joseph Fourier, Grenoble. Walker B. L. E., Robinson M. (2009). Economic development, marine protected areas and gendered access to fishing resources in a Polynesian lagoon. Gender Place Cult. 16, 467–484. doi: 10.1080/09663690903003983 Weijerman M, Fulton EA, Brainard RE (2016) Management Strategy Evaluation Applied to Coral Reef Ecosystems in Support of Ecosystem-Based Management. PLoS ONE 11(3): e0152577. doi:10.1371/journal.pone.0152577
Wilson S. K., Graham N. A., Pratchett M. S., Jones G. P. & Polunin N. V. C. (2006) Multiple disturbances and the global degradation of coral reefs : are reef fishes at risk or resilient? Global change Biology. doi: 10.1111/j.1365-2486.2006.01252.x Données de Moorea Coral Reef LTER (Long Term Ecological Research Network), Annual Fish Surveys : http://mcrlter.msi.ucsb.edu/cgi-bin/showDataset.cgi?docid=knb-lter-mcr.6 Annexes [1] Equations de Lotka Volterra par case : [2] : Méthode d'obtention des cartes de répartition des algues et des coraux A partir des données satellitaires, sont extraits la profondeur, la composition de l'habitat à une précision de 5m. x 5m. au niveau du lagon et de la pente externe. En complément de ces données satellitaires, des relevés ont été réalisés entre juin 2010 et novembre 2011 à l'aide d'un bateau adapté qui prend des images des fonds marins. En croisant ces deux sources de données, nous en retirons des probabilités de trouver du corail, des algues ou des sédiments aux différents endroits autour de Moorea. Source : Collin et al., 2015 3 [3] : Questionnaire de l'ISPF, bulletin individuel, 2007 4 [4] : Questionnaire de l'ISPF, feuille de logement, 2007[1] Equations de Lotka Volterra par case : [2] : Méthode d'obtention des cartes de répartition des algues et des coraux A partir des données satellitaires, sont extraits la profondeur, la composition de l'habitat à une précision de 5m. x 5m. au niveau du lagon et de la pente externe. En complément de ces données satellitaires, des relevés ont été réalisés entre juin 2010 et novembre 2011 à l'aide d'un bateau adapté qui prend des images des fonds marins. En croisant ces deux sources de données, nous en retirons des probabilités de trouver du corail, des algues ou des sédiments aux différents endroits autour de Moorea. Source : Collin et al., 2015 3 [3] : Questionnaire de l'ISPF, bulletin individuel, 2007 4 [4] : Questionnaire de l'ISPF, feuille de logement, 2007