CR ORGERET - Bonne Version 24_05
Transcription
CR ORGERET - Bonne Version 24_05
Faculté des sciences de Lyon – Université Claude Bernard Master 2 Recherche - Ecologie, Evolution, Biométrie 2012-2013 Ecologie de la baleine à bosse Megaptera novaeangliae Etude de l’abondance et du taux de croissance de la population de baleine à bosse de Nouvelle-Calédonie Présenté par Florian Orgeret Sous la direction de Claire Garrigue ; Olivier Gimenez ; Roger Pradel Centre National de la Recherche Scientifique Centre d’Ecologie Fonctionnelle et Evolutive (UMR 5175) 1919, route de Mende 34293 Montpellier 1 REMERCIEMENTS Mes premiers mots vont à Claire qui m’a permis de venir travailler sur le terrain l’été dernier. Ce fut une campagne formidablement riche en émotions : courte mais intense ! Merci aux filles de l’équipe d’OC et sans oublié Rémi ! Merci à mes trois encadrants Claire, Olivier et Roger de m’avoir proposé ce sujet de stage passionnant et de m’avoir permis d’intégrer l’équipe de biométrie. Un grand merci à tous les trois pour votre soutien, vos conseils, vos réponses à (toutes !) mes questions, la combinaison de vos compétences fut extrêmement enrichissante ! Merci à Roger pour ces petits dessins quand je ne comprenais (souvent ?) pas ! Merci à Olivier pour toutes tes réponses et tes coups de pouces (et pour la référence du Mark Book !;-) Merci à Claire pour ces skype supers intéressantes ! Je ne pouvais pas rêver mieux comme encadrement ! Un grand merci à Guillaume pour ces « 1 » en premier occasion…, Merci à Marmotte et Charlotte pour votre soutien quand j’étais en panne de « petit vélo » Merci à toute l’équipe pour votre accueil, vos conseils et votre agréable compagnie : Pam, Laeti, Jean-Do, Rémi, Audrey et Julie Merci à Nath, Christophe, Aurélien, Pierro, Cha, Framboise pour ces supers sorties ornithoherpeto Merci à Alan pour cette super coloc Merci à Odile et aux frangins pour ces chouettes moments passés à Garib, et à Odile pour son coup de pouce Merci à mes parents qui me soutiennent toujours autant Merci à mon petit frère et à Marie 2 SOMMAIRE Première Partie Ecologie de la baleine à bosse Megaptera novaengliae Introduction…………………………………………………………………………………... 6 1. Taxonomie………………………………………………………………………………….. 7 2. Description………………………………………………………………………………….. 8 3. Migration…………………………………………………………………………………… 8 4.Comportement………………………………………………………………………………. 9 5. Distribution des zones de nourrissage et de reproduction……………………………… 9 6. Menaces……………………………………………………………………………………... 11 7. Conservation………………………………………………………………………………… 11 8. Techniques d’études………………………………………………………………………… 12 9. Traits d’histoires de vie…………………………………………………………………….. 13 10. Abondance………………………………………………………………………………… 15 Deuxième Partie Etude de l’abondance et du taux de croissance de la population de baleine à bosse de Nouvelle-Calédonie Introduction……………………………………………………………………………………. 17 1. Matériel et méthodes……………………………………………………………………….. 19 1.1. Région d’étude et acquisition des données……………………………………………… 19 1.2. Analyses de Capture-Recapture…………………………………………………………. 20 1.2.1. Principes des techniques de Capture-Recapture et Photo-identification....... 20 1.2.2. Jeu de données………………………………………………………………… 20 1.2.3. Modèles de capture-recapture……………………………………………….. 21 Une population « ouverte »……………………………………………………. 21 Les modèles de capture-recapture pour populations ouvertes………………….. 21 Le modèle de Cormack-Jolly-Seber (CJS)……………………………………… 21 3 Les modèles de Pradel………………………………………………………....... 22 Hypothèses des modèles……………………………………………………...... 23 Tests d’ajustements des données……………………………………………… 23 Une zone géographique d’aire constante ?.......................................................... 25 1.2.4. Que faire pour corriger la transience ?............................................................. 25 Les conséquences de la transience …………………………………………….. 25 Modèles CJS de type « Temps depuis le Marquage »…………………………. 26 1.3. Etude par simulations des effets de la transience sur les modèles de Pradel………… 27 Paramètres d’entrée…………………………………………………………………… 27 Création de données fictives…………………………………………………………… 28 Ajout des transients…………………………………………………………………….. 28 28 Modèle de Pradel avec transients……………………………………………………… Répétition des simulations……………………………………………………………… 29 30 1.4. Statistiques……………………………………………………………………………….. Modélisation……………………………………………………………………………. 30 Sélection de modèles……………………………………………………………………. 30 Estimation des effectifs…………………………………………………………………. 30 Intervalles de Confiance par Bootstrap…………………………………………………. 31 Covariables : sexe et effort de terrain…………………………………………………… 31 2. Résultats……………………………………………………………………………………... 32 2.1. Simulations………………………………………………………………………… 32 2.2. Résultats de l’analyse des données de baleines à bosse………………………… 33 Vérification des hypothèses et résultats des tests d’ajustement………………… 33 Résultats des modèles CJS TSM………………………………………………... 34 Estimations du taux de survie et des effectifs…………………………… 35 Estimation des effectifs des résidents…………………………………… 35 Taux de croissance issue des modèles de Pradel………………………………... 37 3. Discussion……………………………………………………………………………………. 38 4.Références…………………………………………………………………………………… 41 4 Première Partie Rapport Bibliographique : Ecologie de la baleine à bosse Megaptera novaeangliae 5 « Enfin lorsque l’enthousiasme baleinier vous emporte, vous ne manquerez pas d’en découvrir dans les cieux étoilés, poursuivies par des pirogues, comme des nations de l’Est, obsédées par la pensée de la guerre, virent dans les nuages des armées en ordre de bataille. C’est ainsi que j’ai pourchassé le Léviathan dans le Nord, tournant encore et encore autour du Pôle avec les révolutions des points brillants qui l’avaient une fois délimité pour moi. Et sous les cieux rayonnants de l’Antarctique, je me suis embarqué sur le navire Argo pour livrer la chasse à la constellation de la baleine, bien au-delà de l’Hydre et du Poisson volant. Des ancres de frégate pour mors de bride, des faisceaux de harpons pour éperons, j’aimerais pouvoir enfourcher cette baleine et bondir au-delà de la voûte céleste pour voir si les cieux fabuleux ont bien planté leurs tentes innombrables plus loin que ne peut porter mon regard humain ! » Herman Melville – Moby Dick Moby Dick a été écrit en 1851, à cette époque la chasse à la baleine, dangereuse et épique, était effectuée sur des chaloupes perdues au milieu de l’océan. Ce type de chasse va ensuite perdre sa dimension de combat singulier et périlleux. A la fin du 19èmesiècle, la chasse à la baleine devient un massacre industriel à grande échelle effectué à l’aide de harpons à têtes explosives tirés depuis de gigantesques bateaux usine où les baleines y sont directement dépecées pour récupérer graisse, viande et fanons (Clapham & Baker, 2002). Dès le début du 20ème siècle, la menace d’extinction des grandes baleines se fait déjà ressentir ce qui a conduit à la création de la Commission Baleinière Internationale (CBI). Cette organisation chargée de préserver la durabilité de la ressource économique, est à l’origine de la Convention Internationale pour la Régulation de la Pêche Baleinière (1946). Entre les années 1900 et 1960, l’industrie baleinière a tué environ deux millions de baleines rien que dans l’hémisphère sud (Clapham & Baker, 2002). De plus, 260 000 baleines ont été tuées au cours des chasses soviétiques illégales de la fin de la seconde guerre mondiale jusqu’au début des années 1970 (Clapham & Ivashchenko, 2009). C’est dans les années 1970 que les mouvements écologiques voient le jour avec le développement des campagnes de préservation de la nature et de protection des grands mammifères terrestres et marins. La réalisation d’études scientifiques à long terme, souvent basées sur la reconnaissance individuelle des animaux, permet des découvertes croissantes sur 6 l’intelligence, la vie sociale et les chants des mammifères marins. Ceci a permis de dénoncer l’effondrement des populations de baleines conduisant ainsi la CBI à promulguer en 1982 un moratoire (entré en vigueur en 1986) qui interdit complètement la chasse à la baleine. Plusieurs sanctuaires ont été créés par la CBI et certaines espèces sont devenues protégées (IWC SC Report, 2012) dont les immenses baleines bleues (Balaenoptera musculus) et les baleines à bosse. Pour certaines espèces, les effectifs sont en augmentation. En revanche, certaines espèces dont les effectifs sont toujours très faibles, restent en danger d’extinction et nécessitent la mise en œuvre d'actions de conservation notamment pour les baleines bleues et les baleines franches de l’Atlantique Nord, Balaena mysticetus) (Clapham et al., 1999). Actuellement certains pays dont le Japon, souhaitent la réouverture de la chasse à la baleine. Sujet à l’origine de débats houleux à la CBI (Clapham et al., 2007) qui souligne la nécessité de bien évaluer les stocks car toute surestimation pourrait s’avérer catastrophique en cas de reprise de la chasse. La baleine à bosse est une espèce cosmopolite et du fait de sa distribution côtière, elle a été l’une des espèces qui a subi les plus fortes pressions de chasses. L’objectif de ce rapport est d’évaluer l’évolution des effectifs de la population de baleines à bosse de NouvelleCalédonie. Mais pour y arriver il est nécessaire d’avoir une parfaite connaissance de l’espèce, ce qui constitue la première partie de ce rapport. De telles connaissances sont indispensables à la réalisation des suivis scientifiques à long terme qui permettent l’évaluation et l’interprétation précises des effectifs abordés dans la deuxième partie. 1. Taxonomie L’ordre des cétacés qui contient 88 espèces se divise en deux sous-ordres : les odontocètes et les mysticètes. Ces deux groupes se différencient notamment par la présence ou l’absence de dents et par le nombre d’évents. Les odontocètes possèdent des dents et un seul évent. Les mysticètes ont deux évents et leurs dents sont remplacées par des fanons, qui servent à filtrer l’eau lors du nourrissage. Ils sont divisés en quatre familles : les Balénidés, les Néobalénidés, les Eschrichtiidés et les Balénoptéridés (rorquals). Cette dernière famille comprend deux genres, Balaenoptera qui regroupe sept espèces et le genre Megaptera, qui est monospécifique. Tous les rorquals ont la particularité de posséder des sillons gulaires qui s’étendent de leur menton jusque vers l’arrière de leurs nageoires pectorales et qui sont utilisés lors de l’alimentation. La baleine à bosse, Megaptera novaeangliae, a été décrite en 1871 par Borowski. Son nom de genre provient du grec « mega » signifiant grand et « pteron » qui signifie aile faisant référence à ses deux grandes nageoires pectorales ; 7 « novaeangliae » provient de la région d’origine du spécimen ayant servi à la description :la Nouvelle-Angleterre. Des revues complètes de la taxonomie et de l’évolution des baleines à bosse sont présentées dans Clapham & Mead (1999) et Rice (1998). 2. Description La baleine à bosse possède de grandes nageoires pectorales, qui atteignent 5 m chez un individu adulte, et permettent aisément d’identifier l’espèce. Sa livrée, généralement gris foncé, présente une quantité de blanc variable (Rosenbaum et al., 1995). La coloration de son dos est gris sombre, et son ventre peut être blanc ou noir. La coloration noire domine chez les animaux de l’hémisphère nord alors que le blanc est plus fréquent chez ceux de l’hémisphère sud. La forme de la nageoire dorsale est très variable. La face inférieure de la nageoire caudale présente une coloration et un dessin propre à chaque individu (Katona, et al., 1979). La taille maximum reportée est de 17,4 m (Chittleborough, 1965) mais la taille moyenne est généralement comprise entre 14 et 15m (Clapham & Mead, 1999), les femelles étant environ 1 à 1,5 m plus grandes que les mâles. Il n’y a pas de différence aisément visible entre les sexes. Le poids d’un adulte peut dépasser les 40 tonnes (Ohsumi, 1966) ce qui les place parmi les plus gros mammifères de la terre. Les nouveaux nés mesurent entre 4 et 5 m pour un poids de 1 à 2 tonnes. 3. Migration La baleine à bosse est une espèce migratrice qui entreprend l’une des plus longues migrations connues chez les mammifères : jusqu’à 18 000 km aller-retour (Palsboll et al., 1997). Toutes les populations, à l’exception de celle de la mer d’Arabie, migrent entre les zones polaires où elles se nourrissent et les zones tropicales où elles se reproduisent (Dawbin, 1966) mais il a été suggéré que certaines femelles ne migreraient pas chaque année (Brown et al., 1995). On ne connaît pas l’exacte raison de cette migration, elle peut correspondre à un besoin énergétique visant à maximiser l’apport d’énergie en exploitant la forte productivité des eaux froides en été et en utilisant les avantages thermodynamiques de passer l’hiver dans les eaux chaudes. La plupart des migrations se font selon un axe nord-sud le long des côtes continentales ou en milieu pélagique. Il est possible que les baleines à bosse suivent la topographie des fonds côtiers, ou qu’elles utilisent des structures particulières comme les chaînes de montagnes sous-marines. 8 4. Comportements Sur les routes de migrations on rencontre des animaux solitaires ou des associations temporaires regroupant un petit nombre d’individus sans lien de parenté (Valsecchi et al., 2002). D’après ces auteurs les groupes migrant vers le nord contiennent souvent plus de mâles. Le groupe le plus commun est composé d’un mâle et d’une femelle. Ceci suggère la possibilité d’une reproduction pendant la migration ou bien que le mâle escorte la femelle dans l’attente de la reproduction. Arrivés sur les zones de reproduction des groupes compétiteurs sont constitués ; ils se composent généralement d’une femelle poursuivie par plusieurs mâles (Tyack &Whitehead, 1983). Les mâles s’affrontent à coup de nageoires pectorales, caudales ou de tête pour l’accès aux femelles. Ils émettent des chants longs et complexes sur les routes de migration et sur les zones de reproduction(Payne & McVay, 1971). Ces chants peuvent être utilisés pour établir les routes de migration (Charif et al., 2001), pour attirer les femelles et/ou établir une dominance entre mâles (Frankel et al., 1995 ; Darling & Bérubé, 2001 ; Darling et al., 2006). Ils évoluent dans le temps et diffèrent selon les bassins océaniques (Noad et al., 2000). Une transmission culturelle de ces chants a été rapportée allant de l’ouest vers le centre du Pacifique Sud (Garland et al., 2011). A la fin de l’hiver, le départ vers les eaux froides se fait dans un certain ordre : les femelles juste pleines, les individus immatures des deux sexes, les mâles reproducteurs et enfin les femelles accompagnées de baleineaux (Chittleborough, 1965). Dans les zones polaires les baleines à bosse passent l'été à se nourrir. Elles ouvrent brusquement la bouche pour engouffrer de grosses quantités d'eau et de proies. L'eau est filtrée à travers leurs fanons et les proies sont conservées. Elles adoptent également des stratégies de pêche complexes incluant la formation de rideau de bulles (Hain et al., 1982). Dans l’hémisphère sud, l’alimentation est exclusivement constituée de krill (Euphausia superba) qu’elles trouvent dans les courants circumpolaires du pourtour de l’Antarctique. Dans l’hémisphère nord leur régime alimentaire est plus varié, il est constitué de plusieurs sortes de krills et de petits bancs de poissons (Clapham et al., 1997). 5. Distribution des zones de nourrissage et de reproduction Les zones de reproduction des baleines à bosse se situent dans les 20° de latitude; elles sont caractérisées par des profondeurs inférieures à 200 m et une température comprise entre 20 et 25°C. Dans le nord de l’océan Pacifique les aires de nourrissage se situent entre les côtes de Californie et la mer de Béring ; celles de reproduction se trouvent aux îles Hawaï, au 9 Mexique, en Amérique Centrale, et dans l’ouest de l’océan Pacifique. Dans le nord de l’Atlantique plusieurs zones de nourrissage existent dans les eaux entourant l’Islande, la Norvège, la mer des Barentz, Terre-Neuve-et-Labrador, ainsi qu'à l'Ouest du Groenland, dans le golfe du Saint-Laurent et celui du Maine. Les zones de reproduction correspondantes se situent dans la mer des Caraïbes et au Cap Vert. Plusieurs zones géographiques correspondant à des zones de concentration alimentaire ont été définies dans l’océan austral : Zones I à VI (Donovan, 1991) (Fig. 1). Les populations reproductrices correspondantes sont nommées par des lettres allant de A à G (Fig. 1). La plupart d'entre elles semblent structurées en sous-populations qui présentent des degrés variés d’isolation spatiale et génétique (Baker et al., 1993, Olavarria et al., 2007). Fig. 1 : Structure des stocks de baleines à bosse de l’hémisphère sud. Les zones et sous- zones identifiées reflètent de manière approximative les limites. Les lignes en pointillées représentent les liens hypothétiques ; les lignes fines représentent un petit nombre d’échanges entre les zones et les lignes épaisses représentent un grand nombre de d’échanges entre les zones (Anonymous, 2004). A : SO de l’océan Atlantique, les côtes du Brésil B : SE de l’océan Atlantique, la baie du Bénin, les côtes du Gabon, le Congo, l’Angola, la Namibie et l’Afrique du Sud C : SW de l’océan Indien, les côtes nord-est de l’Afrique du Sud, le Mozambique, Madagascar, Mayotte et les Comores D : SE de l’océan Indien, le nord-ouest de l’Australie E : SO de l’océan Pacifique, le nord-est de l’Australie, la Nouvelle-Calédonie, Tonga et Fidji F : océan Pacifique central, Les îles Cook et la Polynésie française G : SE de l’océan Pacifique, l’Equateur, les Galápagos, Panama et le Costa Rica. 10 6. Menaces Le principal prédateur des baleines à bosse est l’orque, Orcinus orca (Jefferson et al., 1991) mais certains requins peuvent également les attaquer. Il est probable que la prédation par les orques soit un facteur important influençant la survie des baleineaux (Mehta et al., 2007). Cependant, les principales menaces qui pèsent sur l'espèce sont dues aux activités anthropiques. Les baleines à bosse sont vulnérables aux collisions avec les bateaux et aux enchevêtrements dans les filets de pêche (Laist et al., 2001), aux pollutions acoustiques (Miller et al., 2000 ; Risch et al., 2012) et chimiques (Reeves et al., 2003), au tourisme (ex : Schaffar et al., 2013) et à la chasse commerciale et scientifique (Clapham & Baker, 2002). 7. Conservation La baleine à bosse a été surexploitée par l’industrie baleinière pendant plusieurs siècles. Environ 200 000 baleines ont été capturées dont 100 000 depuis 1940 dans l’hémisphère sud (Clapham & Ivaschenko, 2009). Parmi ces dernières, la moitié environ (48 000) proviennent des chasses soviétiques illégales (Clapham et al., 2009). La chasse commerciale est interdite depuis 1955 dans l’Atlantique Nord, depuis 1963 dans l’hémisphère sud et depuis 1966 dans le Pacifique Nord. La plupart des populations étudiées montrent des signes d’accroissement. Le stock de baleines à bosse qui était estimé à quelques milliers d’individus à la fin de la chasse, a depuis augmenté et la population mondiale actuelle, calculée à partir de la somme des valeurs présentées dans la Table 1 s’élève à environ 100 000 animaux. Il est donc possible que la population mondiale ait dépassé le seuil de 50% de celle de 1940, seuil qui avait guidé son inscription comme vulnérable par l’Union Internationale pour la Conservation de la Nature (UICN) en 1996. Actuellement la plupart des populations de baleines à bosse sont considérées comme ‘Préoccupation Mineure’ par l'UICN à l'exception des populations océaniennes (Childerhouse et al., IUCN, 2008) et de celle de la mer d'Arabie qui sont classées ‘En Danger’ depuis 2008. Les sous-populations d’Océanie ont diminué de 70% depuis les années 1940 (Childerhouse et al., 2008) et les effectifs de la population de la mer d'Arabie sont très faibles (<100 individus, Minton et al., 2008). Malgré le moratoire l’Islande et la Norvège continuent actuellement de chasser des baleines (essentiellement des baleines de Minke, Balaenoptera acutorostrata) cependant aucune baleines à bosse n’a été tuée par ces pays ces dernières années. Signataire du moratoire, le Japon a continué à chasser les baleines sous l’article VIII de la Convention qui 11 permet les captures dans un but scientifique mais cette chasse scientifique n'est pas régulée et aucun quota n’y est appliqué (Clapham et al., 2003). Des suivis génétiques des produits issus de marché japonais (1993-2009) ont permis de détecter des tissus provenant de 17 baleines à bosse différentes (Steel et al., 2009). 8. Techniques d’études Différentes techniques sont utilisées pour suivre les cétacés. Elles se classent en deux grandes catégories : les techniques dites « actives » et les techniques dites « passives ». Les techniques actives obligent à interagir avec l’animal. Elles comprennent : les prélèvements de tissu réalisés au moyen d’une arbalète ou d’un fusil hypodermique et le suivi télémétrique qui nécessite d’accrocher un émetteur à l’animal. Les techniques passives sont celles qui peuvent être employées sans réelle interaction avec l’animal comme la photo-identification, le comptage par transects aériens ou maritimes, le prélèvement de tissu par écumage de la surface de l’eau ou le suivi acoustique. Nous ne présenterons ici que la photo-identification qui a permis d'obtenir les jeux de données utilisées dans la présente étude. La photo-identification consiste à reconnaître un animal grâce à des photographies de marques uniques naturellement présentes en différentes parties de son corps. Cette possibilité a facilité l’acquisition de connaissances sur la biologie et le comportement de nombreuses espèces (Grellier et al., 2003 ; Goswami et al., 2007; Ribeiro et al., 2011).Chez les baleines à bosse c’est la face ventrale de la nageoire caudale qui est utilisée (Katona et al., 1979). Celleci présente une coloration, une découpe et des dessins qui lui sont propres et en font une véritable empreinte caudale. Une série de photographies peut être nécessaire pour reconnaître un individu. Plusieurs auteurs ont décrit les protocoles de réalisation des photographies et d’évaluation des clichés en terme de qualité d’image et de possibilité de reconnaissance de l’animal (Hammond et al., 1990 ; Friday et al., 2000, Calambokidis et al., 2008, Garrigue et al., 2011). La pigmentation peut varier mais ces variations interviennent essentiellement au cours des premières années de la vie (Carlson & Mayo, 1990). C'est pourquoi il est ainsi quasiment impossible de reconnaître un baleineau et de le suivre jusqu’à sa maturité à partir de cliché de son empreinte caudale (Clapham, 1993). 12 9. Traits d’histoires de vie Longévité. La baleine à bosse est une espèce longévive dont la reproduction est lente. La longévité maximale estimée est de 48 ans. Les déterminations de l’âge des baleines ont été effectuées à partir sur des animaux capturés au cours des chasses commerciales, par comptage des couches de cire accumulées dans le canal auditif (Chitlleborough, 1965). Cependant la réexamination des données d’accumulation de cire (Best et al., 2006) suggère que le taux d’accumulation utilisé pour la datation était incorrect, ce qui conduirait à estimer l'âge maximal à ~95 ans. Maturité sexuelle. Suite aux travaux de Best et al. (2006), la maturité sexuelle de la population de baleines de l’est de l'Australie a été estimée entre 9 et 11 ans pour les deux sexes (Zerbini et al., 2010). Aucune autre donnée n’est reportée pour l’hémisphère sud. Dans l’hémisphère nord, l’âge moyen de maturité sexuelle a été estimé entre 5 et 11 ans mais il semble variable selon les populations (Clapham, 1992, Gabriele et al., 2007). Conception et Gestation. La reproduction a lieu en hiver, saison à laquelle les femelles sont en œstrus. Cette période correspond également aux pics de spermatogenèse et de testostérone chez les mâles (Chittleborough, 1965).Les femelles mettent bas sur les routes de migration ou sur les zones de reproduction, mais ni l’accouplement ni la parturition n’a été observé chez cette espèce. Les femelles gravides sont les dernières à quitter les zones de nourrissage et aussi les dernières à y revenir avec leur nouveau baleineau (Dawbin, 1966). La gestation dure environ 11 mois (Chitlleborough, 1965). Les jeunes sont allaités jusqu’au sevrage qui intervient vers l’âge de 11 mois (Clapham & Mead, 1999). Taux de naissance. Dans l’hémisphère nord, l’intervalle entre les naissances est compris entre 2 et 3 ans (Steiger & Calambokidis, 2000), mais des naissances annuelles ont été rapportées (Clapham & Mayo, 1990). Le nombre moyen de jeunes est estimé entre 0.39 et 0.5 par femelle mature et par année (Clapham & Mayo, 1990 ; Steiger & Calambokidis, 2000). 13 Sexe ratio. Comme il a été montré chez d’autres espèces, le sexe ratio des baleineaux dépend des conditions maternelles (Clapham, 1996). Il est en faveur des mâles chez les nouveaux nés issus de femelles présentant une meilleure condition physique (Wiley & Clapham, 1993). Lorsqu’il a été étudié, le sexe ratio a été trouvé à égalité pour toutes les classes d’âge (Glockner-Ferrari & Ferrari, 1990). Sur les zones de reproduction il est généralement biaisé vers les mâles (Constantine et al., 2012). Temps de génération et taux de croissance. Basé sur une compilation des traits d’histoire de vie le temps moyen de génération pour les baleines à bosse est estimé à environ 21,5 ans (Taylor et al., 2007). Des taux de croissance annuels des populations compris entre 3% et 11,4% ont été mesurés pour différentes périodes et différentes zones des deux hémisphères (Barlow & Clapham, 1997, Stevick et al. 2003, Noad et al., 2008 ; Cerchio et al., 2009). Selon Zerbini et al. (2010) un taux supérieur à 11,8% est biologiquement impossible pour cette espèce. Taux de survie. Le taux de survie correspond à la probabilité qu’un individu a de survive d’une année à l’autre (Lebreton et al., 1992). Il est calculé à partir de techniques de capture-recapture utilisant la photo-identification (ces notions seront développées dans la partie suivante). Un taux de survie annuel compris entre 0.94 et 0.98 a été estimé dans le golfe du Maine et les îles d’Hawaï (Barlow & Clapham, 1997). Dans l’hémisphère sud, le taux de survie des adultes est compris entre 0.87 et 1.00 pour la population Est australienne (Chaloupka et al., 1999). Deux études ont montré une différence entre le taux de survie des mâles et des femelles sur des zones de nutrition mais leurs résultats sont contradictoires. Dans le golfe du Maine le taux survie des femelles adultes est plus faible que celui des mâles (Robbins, 2007) alors qu'il est plus fort dans le golfe du Saint-Laurent (Ramp et al., 2010). Selon Gabriele et al., (2001), le taux de survie des baleineaux du Pacifique Nord est estimé à 0,82pendant les 6 premiers mois de leur vie. Il est plus faible pour les mois suivants et varie d’année en année (Robbins, 2007). Les taux de survie des baleineaux dans l’hémisphère sud n’ont jamais été décrits en détail. 14 10. Abondance. Les estimations d’abondance actuellement disponibles pour les stocks reproducteurs proviennent de campagnes de recensement effectués par transects linéaires aériens ou d’analyse de capture-recapture utilisant la photo identification (Table 1). Dans l’Atlantique Nord les populations sont estimées à environ 11 600 individus (Stevick et al., 2003a) et dans le Pacifique Nord à environ 18 300 (Calambokidis et al., 2008). L’abondance totale des baleines à bosse dans l’hémisphère sud s'élève à environ 60 000 individus, en sommant les valeurs de la Table 1. Table 1.Estimations des effectifs des différentes populations de baleines à bosse du monde. CV, Coefficient de Variation ; les intervalles de confiance donnés sont à 95% ; CR, Technique de Capture-Recapture avec utilisation de la Photo Identification ; TLA, Transects Linéaires Aériens ; SC, Suivi depuis la Côte. Région Effectifs Estimés CV/IC HEMISPHERE NORD 29 954 CV=0,068 Antlantique N 11 570 Golf du Maine 847 CV=0,55 Groenland Ouest 359 CV=0,076 Icelande 4928 CV=0,46 Norvège 1450 CV=0,29 [18 000 ; 21 000] Pacifique N 18 302 N de l'océan Indien Oman 82 [60 ; 11] HEMISPHERE SUD 61 809 SO de l'Atlantique Bresil 6 251 CV=0,16 SE & Centre-E de l'Atlantique Côtes du Gabon 8 163 CV=0,12 SO de l'Océan Indien Madagascar - Baie d'Antongil 7406 CV=0,37 SE de l'Océan Indien Ouest de l'Australie - Shark Bay 21 750 [17 550 ; 43 000] SO du Pacifique Baie Byron ; Baie Hervey ; Ballina 7 041 [4 075 ; 10 008] Iles du Pacifique S 4 329 [3 345 ; 5 313] (Oceanie) Nouvelle Calédonie 562 CV=0,19 Tonga 2 311 CV=0,22 Polynésie 853 CV=0,24 SE du Pacifique Equateur 2 917 CV=0,19 Iles Gogora 1 495 [919 ; 2 071] Baie Malaga 857 [547 ; 1 167] Colombie ~1600 [1 120 ; 2 120] Années Méthode Références 1992 - 1993 2006 1988-1993 2001 1996-2001 2004-2006 CR TLA CR TLA TLA CR Stevick et al. , 2003a Waring 2007 Larsen & Hammond 2004 Pike et al ., 2009 Oein et al. ,2009 Calambokidis et al. , 2008 2000-2004 CR Minton et al. , 2011 2002-2005 TLA Andriolo et al. , 2006 2005 CR Collins et al. , 2008 2000-2006 CR Cerchio et al. , 2009 2008 SC + TLA Hedley et al., 2009 2005 CR Paton et al. , 2011 2005 CR Constantine et al. , 2012 2008 1999-2004 1999-2007 CR CR CR Garrigue et al. , 2011 Baker et al. , 2006 Gibbs, 2009 1991-2004 1990 1990 1990 CR CR CR CR Félix et al. , 2006 Florez-Gonzalez, 2007 Florez-Gonzalez, 2007 Florez-Gonzalez, 2007 15 Deuxième Partie Compte Rendu de Recherche : Etude de l’abondance et du taux de croissance de la population de baleine à bosse de Nouvelle-Calédonie 16 Une population est définie comme un ensemble d’individus de la même espèce, susceptibles de se reproduire entre eux, occupant une zone géographique commune et jouant un rôle particulier dans l’écosystème (Henry, 2001). Elle apparaît alors comme une entité qui se distingue à la fois écologiquement et génétiquement (Wlapes et al., 2006). Des millions de populations disparaissent chaque année et ce taux est environ trois fois plus grand que celui estimé pour la disparition d’espèces (Hugues et al., 1997). Un des principaux intérêts de la biologie de conservation est l’étude des extinctions d’espèces (avec une importance particulière pour les espèces emblématiques), cependant la diversité des populations est aussi une composante principale de la biodiversité et la disparition de populations est considérée comme un meilleur indicateur de la perte de biodiversité que le taux d’extinction d’espèces (Cembalos et al., 2002). L’étude de la dynamique des populations qui s’intéresse aux variations et à la structure des effectifs dans le temps et l’espace apparaît alors comme un outil important pour aider à comprendre ces extinctions et contribuer à les limiter. La première caractéristique d’une population que l’on cherche à connaître est généralement l’abondance. Les méthodes d’estimation d’abondance sont extrêmement variées. Parmi elles les méthodes de marquage et recapture sont utilisées pour estimer l’abondance de populations animales lorsque les individus sont mobiles (Williams et al., 2012) Elles consistent à prélever au hasard des individus dans une population, à les marquer puis à les relâcher. La proportion d’individus marqués dans les échantillonnages ultérieurs permet alors d’estimer les effectifs de la population. Les marquages et les captures successives fournissent également certains paramètres démographiques comme la mortalité, la natalité et la migration (immigration et émigration). Ces paramètres sont déterminés par des taux (des quantités rapportées par individus) dont les méthodes d’estimations sont réalisées à partir de modèles mathématiques. Ces modèles ont connu un important développement théorique ces trente dernières années notamment grâce à l’amélioration des capacités de calculs des ordinateurs. La population de baleines à bosse d’Océanie a récemment été classée comme en danger par l'UICN (Childerhouse et al., 2008). Des études génétiques y ont démontré l’existence de plusieurs sous-populations (Olavarria et al., 2007), présentant une certaine connectivité attestée par des comparaisons photographiques et acoustiques (Helweg et al., 1998 ; Garland et al., 2011, Garrigue et al., 2011). Le faible taux d’échange des baleines entre les zones de reproduction de Nouvelle-Calédonie et de Tonga (Garrigue et al., 2002) ainsi que les analyses moléculaires (Olavarria et al., 2003 ; Garrigue et al., 2004) suggèrent à la fois un 17 haut degré de fidélité des baleines et l’existence de sous stocks autonomes et distincts en Nouvelle-Calédonie et à Tonga. Constantine et al., (2012) ont évalué l’abondance totale de la population océanienne à environ 3 000 baleines à bosse. Selon ces auteurs elle ne montre pas de signe d’accroissement contrairement à la population voisine de la côte est australienne (Paterson et al., 2004 ; Noad et al., 2006 ; Paton et al., 2011). Les raisons de cette faible abondance sont probablement la forte pression de chasse responsable de la mort de 45 000 baleines dans les régions océanienne (Zone V et VI de la Fig. 1) pendant le 20ème siècle (Clapham & Iveshchenko, 2009). L’impact le plus fort a surement été les 20 000 baleines tuées entre 1959 et 1961 par des chasses soviétiques illégales qui eurent lieu au sud-est de l’Australie et de la NouvelleZélande (Clapham et al., 2009). Le comité scientifique de la CBI est chargé d’évaluer les stocks de grandes baleines dans un but de gestion des ressources. L’UICN évalue le statut de conservation des espèces à partir des meilleures informations scientifiques. L’objectif de notre étude est de déterminer l’évolution des effectifs de la population des baleines à bosse de Nouvelle-Calédonie afin de pouvoir en informer la CBI et l’UICN. Une précédente étude avait évalué l’abondance de la population à 560 individus en 2008 (Garrigue et al., 2011) et décrivait une augmentation anormalement forte en 2009. La présente étude vise à actualiser ces estimations afin de réévaluer cette tendance. Plusieurs hypothèses sont à la base des modèles qui permettent des estimations d’abondance et des tests permettent de vérifier si elles sont respectées. L'une d'entre elles, souvent non respectée, est l’hypothèse d’homogénéité entre individus. Les modèles simplifient la réalité en considérant les individus identiques entre eux. Mais si des différences importantes de paramètres démographiques existent entre certaines classes d’individus de la population, alors les estimations des effectifs seront biaisées. Or, dans un contexte de conservation des populations et de suivis de populations en danger, l’estimation des effectifs est délicate et il est facile d’effectuer des erreurs qui peuvent alors être dommageable pour l’espèce. Une attention particulière doit donc être portée à l’hétérogénéité qu’il peut y avoir dans une population. Le taux de croissance de la population ( ) est un paramètre plus accessible qui peutêtre utilisé en complément des estimations des effectifs. Le lambda réalisé estimé par les modèles de capture-recapture dits « modèles de Pradel » ne nécessite pas le calcul des 18 effectifs. Ces modèles sont donc très utiles pour vérifier la tendance d’évolution des effectifs et ont été largement utilisés (Franklin et al., 2004, Clarck et al., 2005, Marescot et al., 2011). Madon et al., (2012) et Constantine et al., (2012) ont montré à partir de données photographiques et génétiques que la sous-population de Nouvelle-Calédonie est soumise au passage d’individus transients, c’est-à-dire à des animaux qui ne restent pas dans la population mais qui migrent vers d’autres zones et qui ne sont jamais revus. Ce phénomène de transience est une source d’hétérogénéité fréquente (Belda et al., 2007, Duriez et al., 2012, Fearnbach et al., 2012) qui influence l’estimation des paramètres démographiques (Pradel et al., 1997). Lorsqu’une hypothèse de base des modèles n’est pas vérifiée, il existe deux solutions pour pouvoir quand même réaliser les analyses : soit créer un nouveau modèle qui prend en compte le problème identifié soit étudier par simulations les erreurs causées par le non-respect de l’hypothèse. Dans notre étude, nous nous intéresserons à la seconde solution qui est moins complexe et peut s’avérer aussi efficace en permettant de quantifier les biais. Les modèles de base qui permettent l’estimation des effectifs sont déjà conçus pour tenir compte de l’hétérogénéité due à la transience mais ce n'est pas le cas des modèles de Pradel. Dans cette étude nous étudierons d’abord par simulations les biais potentiels que pourrait entraîner transience sur l’estimation du taux de croissance réalisé. Notre prédiction est que l’introduction de transients conduit à une surestimation des taux de croissance. A partir des résultats des simulations, l’analyse des données des baleines à bosse de Nouvelle-Calédonie pourra être effectuée. Les estimations des taux de croissance et des effectifs des populations seront effectuées en tenant compte de covariables (le sexe des individus et l’effort de terrain effectué chaque année) qui devraient permettre d’améliorer les modèles et de préciser les estimations. 1. Matériel et méthodes 1.1. Région d’étude et acquisition des données Des baleines à bosse sont régulièrement observées pendant l’hiver austral en Nouvelle-Calédonie (NC). Entre 1996 et 2012, un suivi de la population a été effectué en NC. Chaque jour de juillet à septembre des sorties en mer sont réalisées lorsque la météo le permet. Les prospections durent toute la journée et s’effectuent de façon aléatoire. L’équipe embarquée se compose au minimum d’un pilote et de deux observateurs chargés de repérer les baleines. Tous les groupes approchés sont suivis afin d'obtenir pour chaque individu une photographie de la face inférieure de la nageoire caudale ainsi qu’un petit morceau de peau 19 (biopsies). L'analyse de cet échantillon d’environ 0.5 cm3 obtenu à l’aide d’une arbalète et d'une flèche munie d’un embout creux en métal, permet d'obtenir le sexe de l'animal (Olavarria et al., 2007). Les comportements observés et la forte concentration de baleines rencontrée dans le sud de la Nouvelle-Calédonie conduisent à penser que le Lagon Sud (22°45’S, 166°94’E) constitue la principale zone de reproduction de la population (Garrigue et al., 2001). C’est pourquoi la majorité de l’effort d’échantillonnage a porté sur cette zone qui couvre une superficie d’environ 600 km2 (320 MN2). 1.2. Analyses de Capture-Recapture 1.2.1. Principes des techniques de Capture-Recapture et Photo-identification L’identification individuelle est le principe de base des méthodes de CaptureRecapture qui sont, entre autres, utilisées pour estimer les effectifs des populations animales à l’aide de divers modèles de mathématiques (Williams et al., 2002). Dans notre étude, une « Capture » consiste à identifier par photographie de son empreinte caudale, une baleine une année donnée et la « Recapture » correspond à une seconde identification du même individu une année suivante. Les photographies collectées sont comparées, de façon visuelle par la même équipe, afin d’identifier les individus déjà observés. Chaque identification est ensuite consignée dans une table dite d’« histoires de captures » où un « 1 » indique que l’individu a été « capturé » cette année-là et un « 0 » qu’il n’a pas été observé. Afin de limiter les erreurs d’identification, les photographies ont été soumises à un contrôle de qualité (QC) (Calambokidis et al.,2008) construit selon 5 critères qui mesurent la qualité de la photographie : pourcentage visible, angle latéral, angle horizontal, netteté, exposition. Un score allant de 1 (très bon) à 5 (mauvais) est assigné à chacun des critères. Toute photographie qui reçoit un score de 4 ou 5 dans une des catégories, sera retirée du jeu de données. 1.2.2. Jeu de données Toutes les « histoires de captures » disponibles pour le Lagon Sud entre 1996 et 2012 constituent le jeu de données « Quality Control Lagon Sud » (QCLS) mais aucun suivi n’a été conduit en 2008. Le sexe des individus est spécifié à la fin de chaque ligne grâce à trois codes: mâle, femelle et non sexé qui correspond aux individus pour lesquels le sexe n’est pas connu car aucun prélèvement n’a pu être effectué. 20 1.2.3. Modèles de capture-recapture Une population « ouverte » Les jeux de données utilisés dans l’étude s’étalent sur 16 ans ; les baleines à bosse produisent environ un petit tous les deux à trois ans et réalisent chaque année des migrations de plusieurs milliers de km entre leur zone de reproduction et leur zone de nourrissage. Nous en concluons que la population étudiée est « ouverte » c’est-à-dire qu’elle est à la fois soumise à de l’émigration, de l’immigration mais aussi à de la natalité et de la mortalité. Les modèles de capture-recapture pour populations ouvertes Les modèles pour populations ouvertes permettent d’inclure les recrutements et les pertes des populations et peuvent donc être utilisés pour étudier leur dynamique contrairement aux modèles pour populations fermées. Ils permettent ainsi l’estimation de nombreux paramètres biologiques comme les taux de survie et de croissance des populations (Lebreton et al., 1992 ; Pradel, 1996). Le modèlede Cormack Jolly Seber (CJS) Lorsqu’un jeu de données présente un « 1 » pour un individu une année donnée, il est sûr que l’animal était vivant à cet instant puisqu’il a été observé. La situation est plus complexe avec un « 0 » car dans ce cas il n’est pas possible de faire la distinction entre un individu qui était présent dans la zone d’étude mais qui n’a pas été observé (par défaut de détection) et un individu qui n’était pas présent dans la zone soit parce qu’il avait émigré, soit parce qu’il était mort. Pour remédier à cette situation nous avons besoin de savoir si cet individu a été observé l’année suivante. Si c’est le cas, c’est-à-dire qu’un « 0 » est suivi d’un « 1 », alors il est sûr que l’individu n’était pas mort et qu’il a bien survécu entre les deux années. On notera Φi la probabilité de survie de cet individu entre le temps (i) et le temps (i+1). Etant donné que les expérimentateurs ne sont pas capables de détecter tous les individus d’une zone d’étude, nous noterons pi la probabilité de détection des individus au temps (i). Si l’on considère les trois années d’histoires de captures suivantes : 101, nous pouvons alors écrire la probabilité (P) d’observer ces histoires de la façon suivante : P(101)=Φ1(1−p2)Φ2p3. L’individu a donc survécu entre le temps 1 et le temps 3 mais n’a pas été détecté au temps 2, (1-p2). Notez que p1 n’apparaît pas dans l’équation, en effet, les probabilités de détection des modèles ne sont basées que sur la recapture, c’est-à-dire que l’on conditionne l’écriture des probabilités des histoires des individus à la première capture avec p1=1. Notez 21 aussi que le paramètre Φ combine à la fois la probabilité de survie mais aussi la probabilité de ne pas émigrer de façon permanente de la zone d’étude. C’est pour cette raison que le paramètre Φi, nommé « survie locale », doit être différencié de la « survie réelle » des animaux qui ne considère que la mortalité et ne tient pas compte de l’émigration (Lebreton et al., 1992). La probabilité d’observer l’ensemble des données est alors le produit des histoires des individus. L’estimation des paramètres se fait le plus souvent via le Maximum de Vraisemblance (Lebreton et al., 1992). Le modèle CJS (Cormack, 1964 ; Jolly, 1965; Seber, 1965) basé uniquement sur la recapture d’animaux marqués permet l’estimation des paramètres p et Φ. Le modèle CJS de base est celui dont les deux paramètres sont dépendants du temps. A partir de ce modèle, on peut dériver d’autres modèles dans lesquels par exemple la survie serait constante au cours du temps ou bien encore la recapture différerait en fonction du sexe. Dans le même esprit que les modèles linéaires généralisés, et en suivant les conventions des notations des modèles établies par Lebreton et al. (1992), nous utiliserons Φ(t)p(t) pour caractériser les modèles dont les paramètres dépendent du temps, Φ(.)p(.) lorsque les paramètres sont constants et Φ(g)p(g) lorsqu’ils dépendent de groupes (le sexe par exemple). Bien sûr, il existe de nombreuses combinaisons possibles entre tous ces effets, selon les scénarios biologiques que l’on souhaite considérer. Les modèles de Pradel En 1974, Ken Pollock a noté que, si l’estimation des transitions à partir des histoires de captures en suivant le sens de lecture normal en fonction du temps, permet de déterminer Φ, la probabilité de rester en vie dans la population avec (1-Φ) comme étant la probabilité de quitter la population, et bien en inversant les histoires de captures c’est-à-dire en les lisant à l’envers (« en remontant » le temps), le paramètre de transition estimé est alors la probabilité d’entrée dans la population. A partir de ce constat, dans son article de 1996, Roger Pradel a étudié la dualité entre le fait de lire des histoires de captures dans le sens du temps et de les lire à l’envers. Il a alors définit un nouveau paramètre γi la « probabilité d’ancienneté » qui est la probabilité d’avoir préalablement appartenu à la population pour chaque occasion de capture. Si l’on reprend l’histoire suivante 101 la probabilité associée en termes de gamma et p est P(101) =p3γ3(1-p2) γ2p1. Le taux de croissance noté λ est habituellement défini comme le ratio entre les effectifs successifs entre les occasions de capture (Ni+1/Ni). Cependant les effectifs d’une population sont toutefois difficilement mesurables puisqu’il est impossible de détecter tous les 22 animaux d’une zone d’étude. C’est pourquoi, Pradel en 1996, a noté que le taux de croissance apparent de la population pouvait être estimé en considérant les deux façons d’écrire le nombre d’animaux vivants attendus entre deux occasions de captures successives. En suivant le « temps normal » le nombre d’individus au temps i qui survivent au temps i+1 peut être écrit et en temps « inversé », le nombre individus vivant au temps i+1 et qui étaient vivants au temps i, peut s’écrire . En résolvant cette égalité on obtient l’expression du taux de croissance entre i et i+1 comme : (1.1) où γi est la probabilité qu’un individu ait été présent dans la population au temps (i-1) sachant qu’il est présent au temps (i) et Φi la probabilité de survie entre temps (i) et (i+1). Hypothèses des modèles Plusieurs hypothèses sont à la base des modèles CJS et de Pradel et doivent être vérifiées : 1. Les animaux gardent leur marque durant toute la durée de l’expérience ; 2. Les marques sont lues correctement ; 3. L’échantillonnage est instantané ; 4. Les probabilités de survies sont les mêmes pour tous les animaux entre chaque occasion de capture (survies homogènes) ; 5. La probabilité de détection est la même pour tous les animaux pour chaque occasion de capture (captures homogènes) ; 6. L’aire de la zone d’étude est constante. Si jamais la zone d’étude change au cours du temps, l’effectif de la population va changer en suivant l’agrandissement ou le rétrécissement de l’aire d’échantillonnage. Tests d’ajustements des données Une étape préalable à l’utilisation des modèles consiste à confirmer que les modèles s’ajustent bien aux données en testant leurs hypothèses de bases. Les tests d’ajustements (Pradel et al., 2005)sont composés de deux tests, le TEST2 et le TEST3, eux-mêmes décomposés en sous-tests : TEST2.CT & TEST2.CL et TEST3.SR & TEST3.Sm. Les TEST2servent à déterminer si les animaux sont attirés ou repoussés par la capture durant l’expérimentation (trap dependance). Ils permettent donc de vérifier l’hypothèse n°5 de capture homogène. Ce test n’étant pas significatif pour nos données nous ne les 23 détaillerons pas ici. LesTEST3 vérifient que tous les animaux observés au temps (i) ont la même probabilité de survie au temps (i+1) (la 4ème hypothèse). Ils posent la question suivante : « Parmi les individus vu à l’occasion (i) combien n’ont jamais été revu et quand ? ». Le TEST3.SR étudie plus particulièrement l’hypothèse selon laquelle il n’y aurait pas de différence de probabilité de survie au temps (i+1), entre les individus anciennement observés et ceux nouvellement capturés au temps (i). Selon la statistique du χ2 de Pearson pour les tables de contingence, il est possible de déterminer si la proportion d’individus observés une seule fois et jamais revu ensuite est trop importante par rapport à une valeur attendue. Si c’est le cas (Fig. 2), cela signifie que les individus jamais revus sont à l’origine d’une hétérogénéité entre la survie des individus, ce qui constitue un rejet de l’hypothèse n°4. Ce test se nomme aussi le test de transience, en effet on appelle « transient » un animal passant à travers la zone d’étude et ayant une probabilité négligeable de revenir dans la zone et donc d’être recapturé (Pradel et al., 1997). Le TEST3.Sm s’intéresse à l’hypothèse selon laquelle il n’y aurait pas de différence de temps attendu depuis la capture et la recapture pour les nouveaux et les anciens individus capturés à l’occasion (i). VE JR JVA VA Fig. 2 : Table de contingence du TEST.3SR. Les signes indiquent les différences entre les valeurs observées et attendues si des transients sont capturés pendant l’échantillonnage. VE. Vu Ensuite ; JR. Jamais Revu ; JVA. Jamais Vu Avant ; VA. Vu Avant. Tiré de Pradel et al., 2005. L’hypothèse nulle, du test général qui reprend l’ensemble des tests, est que les modèles soient bien ajustés aux données. Si le test est significatif (c’est-à-dire qu’il y a un manque d’ajustement) cette décomposition du test d’ajustement en plusieurs sous-tests permet alors de déterminer la raison du défaut d’ajustement. Ces tests ont été réalisés avec le logiciel U-CARE prévu à cet effet (Unified – CApture REcapture, Choquet et al., 2009). 24 Une zone géographique d’aire constante ? Il est important que l’étendue géographique de la zone d’étude soit constante (hypothèse n°6). En effet si elle augmente ou diminue durant la durée de l’étude, les paramètres comme le λ ou Φ n’auront plus vraiment de signification biologique puisque la population pour laquelle nous faisons des inférences sera elle aussi en expansion ou en contraction (Rosenberg, 1999 ; Hines & Nichols, 2002). Par exemple si N’i+1 est le nombre d’animaux observés pendant l’échantillonnage d’une zone au temps (i+1) mais que cette zone n’a pas été échantillonnée au temps (i), le biais sur le λi sera le suivant: Biais λi E λi ‐ λi N’i"1 /Ni (1.2) E étant l’espérance mathématique. L’expansion de la zone d’étude pendant la période (i+1) résultera donc en un biais positif sur λi en rapport au λi de la population de la zone échantillonnée au temps (i) (Hines & Nichols, 2002). Dans notre étude, l’aire d’échantillonnage au Lagon Sud est considérée comme constante au cours du temps. 1.2.4. Que faire pour corriger la transience ? Rappelons que les transients sont des animaux qui ne sont présents qu’une seule fois durant toute la l’étude. Les résidents en revanche sont des individus qui sont présents et/ou vus une ou plusieurs fois dans la zone d’étude. Les conséquences de la transience La présence de transients introduit une hétérogénéité de survie dans les modèles CJS et de Pradel. Les résidents ont une probabilité de survie différente de zéro contrairement aux transients qui ont une probabilité de survie apparente nulle. Alternativement, la présence des transients et des résidents entraine une hétérogénéité de détection car les transients ont une probabilité de recapture nulle. La présence de transients dans la zone d’étude aura alors pour conséquence de biaiser négativement la probabilité de survie des résidents (Pradel et al., 1997, Ramp et al., 2006, Silva et al., 2009). Conn et al. (2010) et Madon et al. (2012) ont également montré que ne pas tenir compte des transients dans une population (de cétacés, en l’occurrence dans ces deux études) conduisait à un biais positif de l’estimation des effectifs. 25 Modèles CJS de type « Temps depuis le Marquage » Afin de corriger la transience, Pradel et al. (1997) ont développé une méthode permettant de prendre en compte l’hétérogénéité induite par la présence des transients dans les modèles CJS. La méthode consiste à différencier la survie correspondant au premier intervalle de temps suivant la première capture pour tous les individus, de celle correspondant aux intervalles de temps suivants (Fig.3). Ces modèles tiennent alors compte du temps passé après la première capture (Time SinceMarking, TSM). Il en résultera l’estimation de deux paramètres de survie : Φ1 et Φ2, avec Φ1 représentant la survie des résidents et des transients et Φ2 correspondant uniquement à la survie des résidents. Les transients n’étant jamais revus lors des pas de temps suivants leur première capture, ils n’interviennent pas dans le calcul du Φ2. La prise en compte des transients dans les analyses permet alors de séparer la survie des résidents et de s’affranchir du biais sur la survie. Cette technique a été utilisée de façon efficace dans de nombreuses études (Rosenberg et al., 1999, Belda et al., 2007 ; Conn et al., 2011 ; Duriez et al., 2012 ; Madon et al., 2012). Φ2 Φ1 1 2 Φ2 3 4 Fig. 3 : Schématisation d’une histoire de capture d’un individu dont la survie du premier intervalle de temps Φ1 est différente de la survie des autres intervalles Φ2. A chaque occasion de capture (chaque année) mais uniquement parmi les nouveaux individus observés il est alors possible de calculer la proportion de transients (τ ) selon la i formule suivante (Pradel et al., 1997) : 1& τ ' (1.3) Pour avoir accès au taux de transience réel de la population(Ti) et pas seulement au taux parmi les nouveaux individus, il suffit d’apporter un correctif à l’équation précédente (τ ) : i ( ) *+* ,-τ (1.4) Avec i, l’indice par occasion de capture (c’est-à-dire les années), Ni le nombre d'individus nouvellement marqués et toti le nombre total d'individus capturés. 26 1.3. Etude par simulations des effets de la transience sur les modèles de Pradel Il n’existe pas de modèles de capture recapture qui permet l’estimation du taux de croissance et qui permette de prendre compte l’hétérogénéité de survie induite par la présence des transients dans ces modèles. Comme nous souhaitons cependant comprendre l'effet ou l'influence de la présence de transients dans un jeu de données sur l’estimation des paramètres (Φ, p et λ) des modèles de Pradel, des simulations ont été réalisées. Cette approche permet d’explorer les biais dû au non-respect de certaines hypothèses des modèles (par exemple : Marescot et al., 2011 ; Rees et al.,2011 ; Barlow et al., 2011). Les scripts des simulations ont été effectués R 2.14.1 (2011, R Foundation For Statistical Computing), et les modèles de capture-recapture permettant les estimations des paramètres ont été intégrés dans les scripts grâce au package RMark (Laake, 2013) qui permet d’appeler le logiciel de capture-recapture MARK (White & Burnham, 1999) depuis R. Les scripts se composent de trois étapes schématisées à la Figure 4 p29 : - Création des données fictives selon des paramètres d’entrées fixés. - Ajout d’une proportion de transient au jeu de données et vérification de cette proportion à partir des estimations du modèle CJS-TSM. - Estimations des paramètres par le modèle de Pradel avec le jeu de données contenant une proportion de transient connue et détermination de biais potentiels. Paramètres d’entrées Les paramètres d’entrées utilisés sont les suivants : - La proportion de transient à ajouter (de 10 à 60 %) - La probabilité de détection p(fixée à 0.3) - La probabilité de survie Φ(fixée à 0.9) et d’ancienneté γ(fixée à 0.8) - Le nombre d’individus initial (fixé à500) - Le nombre d’occasions de captures (fixé à 10) - Le taux de croissance λ (fixé à 1.10 soit 10 %) Les valeurs des paramètres d’entrée utilisées se rapprochent de ce qui est observable chez des baleines à bosse (cf. rapport bibliographique, sections 9. & 10.) 27 Création de données fictives A partir de la probabilité de survie des individus, une matrice « cachée » de survie est construite, elle décrit si les individus survivent ou non. En appliquant la probabilité de détection sur cette première matrice (donc uniquement pour les individus vivants) une deuxième matrice dite de « détection » est construite. Cette dernière sera ensuite la base des analyses des modèles de capture-recapture. Comme il est expliqué dans l’article de Marescot et al. (2011), afin d’étudier le λ il est nécessaire de se placer dans le cas d’une population stable, c’est pourquoi à chaque occasion de captures est alors ajouté autant de nouvelles recrues que d’individus censés mourir (1-Φ). Ajout des transients La deuxième étape consiste à ajouter des transients dans les deux matrices. Pour cela, des lignes de « 0 » avec un seul « 1 » (les individus ne sont présents qu’une seule fois dans la zone) sont ajoutées à la matrice « cachée » de survie. Ensuite, la probabilité de détection est appliquée afin de définir les nouvelles lignes correspondantes dans la matrice de « détection ». Dans la matrice « cachée » et à chaque occasion de captures, un certain nombre de transients (formule 1.5) est ajouté en fonction du nombre de résidents par occasion de capture : * . - *./01 1 & *./01 (1.5) Avec, pour une occasion donnée Nt le nombre de lignes de transient à ajouter, Nr le nombre de résidents et trans la proportion de transient souhaitée. Modèle de Pradel avec transients La dernière étape est de réaliser un modèle de Pradel à partir de la matrice de détection contenant la proportion de transient souhaitée et de comparer les estimations des paramètres avec les paramètres d’entrée afin de déterminer les biais potentiels. Un biais est classiquement défini par l’écart entre la valeur estimée par le modèle et celle qui a permis de créer le jeu de données. Si l’estimateur θ est sans biais alors son espérance mathématique (E)est égale à la valeur du paramètre θ de la population, quel que soit l’effectif (Scherrer v1 p313, 2007). Dans cette étude nous utiliserons des biais de proportion définit par la formule suivante : 2 3 & 3 3 4 / 1 56 7.+7+.* +0 (1.6) 28 Dans l’équation 1.6 de la page précédente on remarque que si 2 3 3 le biais est nul comme attendu. L’hypothèse de notre étude est que la présence des transients dans le jeu de données devrait biaiser positivement le taux de croissance et biaiser négativement les probabilités de survie et de détection dans la mesure où le fait que les transients ne soient jamais recapturés influence l’estimation des paramètres de toute la population. Répétition des simulations Pour une proportion de transience donnée, les simulations sont répétées 250 fois pour chaque étape, ce qui permet d’obtenir autant d’estimations des paramètres et de calculer les espérances des estimateurs Φ, p et λ que l’on approxime par la moyenne empirique des simulations. Ce processus a été répété pour différentes proportions de transient allant de 10 à 60 %. Fig. 4 : Schéma résumant les étapes successives, des simulations de jeux de données jusqu’à l’étude des biais des paramètres des modèles de Pradel. Les étapes de vérification ont été utilisées dans l’élaboration du script afin de s’assurer que les paramètres d’entrée soient bien estimés à chaque étape. 29 1.4. Statistiques Modélisation Les modèles de CJS et de Pradel sont ajustés à l’aide du logiciel Mark v.6.2 (White & Burnham, 1999). Afin de sélectionner le meilleur modèle, toutes les combinaisons possibles des paramètres pour les différents modèles ont été testées : paramètres constants, dépendant du temps ou dépendant des groupes (ici le sexe). La fonction de lien « logit » est utilisée pour les paramètres Φ et p, et la fonction de lien « log» pour le λ. Les intervalles de confiances des estimations fournis sont à 95 %. Toutes les valeurs moyennes sont données ± l’écart-type. Sélection de modèles La classification des modèles a été réalisée via le critère d’Akaike (Akaike Information Criterion, AIC) (Burnham & Anderson, 2002) générés par le programme MARK. Ce critère est défini par la relation suivante : 89: &2 ln<=> " 2 (1.7) où L est la vraisemblance du modèle et P le nombre de paramètres du modèle. L’AIC permet donc d’assigner un score au modèle qui est un compromis entre sa complexité (P) et son ajustement (L). Nous avons considéré qu’un modèle est meilleur qu’un autre, c’est-à-dire qu’il est mieux supporté par les données lorsque ∆AIC > 2. L’AICc et le QAICc sont des dérivés des critères d’AIC qui tiennent compte de la surdispersion des données et de la taille de l’échantillon. Les effets de covariables ont également été testés par ANODEV (Grosbois et al., 2008). Ce test est défini par l’hypothèse nulle selon laquelle la covariable étudiée n’aurait pas d’effet sur le paramètre impliqué. L’ANODEV (Analyse of Deviance) compare la déviance du modèle avec la covariable, aux déviances du modèle constant et du modèle dépendant du temps, ceci permet de déterminer si la variance du modèle étudié peut être expliquée significativement par la covariable. Estimation des effectifs A partir de l’estimateur de Horvitz-Thompson qui est basé sur les probabilités de détection, les effectifs de la population de baleines à bosse ont été calculés suivant la formule suivante : ? 7 (1.8) 30 Ni l’effectif estimé pour l’année (i), ci le nombre d’individus différents observés une l’année (i) et pi la probabilité de détection estimée l’année (i).Si par exemple il est capturé 10 individus et qu’il est considéré que la probabilité de détection des individus est de 0.5, l’effectif estimé Ni sera alors de 20. Pour calculer uniquement les effectifs des résidents (N’i), c’est-à-dire en enlevant la proportion estimée de transient, Madon et al., 2012 ont proposé l’équation suivante : ′ <1 & ( > (1.9) Ti étant la proportion de transient. Intervalles de Confiance par Bootstrap Les intervalles de confiances des paramètres sont estimés par le programme MARK. Cependant, les estimations des effectifs et des taux de transience (équations 1.8, 1.9 et 1.4) sont dérivés des paramètres estimés sous MARK ; il faut donc calculer leurs intervalles de confiance. Afin d’éviter de faire des hypothèses sur la distribution de ces paramètres, les intervalles de confiances ont été calculés par bootstrap non paramétrique (Davison & Hinkley, 1997) grâce au logiciel R et au package RMark. Le principe est de tirer aléatoirement avec remise des individus dans le jeu de données d’origine afin de créer un nouveau jeu de données fictif puis de calculer les effectifs ou les taux de transience à partir des estimations fournies par les modèles CJS TSM (intégrés dans RMark). L’opération est répétée 500 fois afin d’obtenir une distribution des valeurs dont on enlève les 5% des valeurs les plus extrêmes, ce qui détermine les bornes de l’intervalle de confiance à 95%. Covariables : sexe et effort de terrain Le sexe et l’effort de terrain (en nombre de jours d’observations en mer)sont intégrés en tant que covariables dans les modèles. Intégrer le sexe en covariable peut permettre de distinguer une éventuelle différence de détectabilité ou de survie ou encore de transience entre les sexes et ainsi apporter des informations importantes sur la biologie de l’espèce. Nous avons appliqué le sexe ratio observé dans le jeu de données (rapport entre le nombre de mâles et le nombre total d’individus sexés) au groupe des individus non sexés. Au vu des résultats pour l’ensemble de l’Océanie de Constantine et al., (2012), nous nous attendons à ce que la transience ne soit pas significative pour les femelles mais que leur survie et leur détectabilité soit plus faible que celles des mâles puisque qu’un sexe ratio en faveur des mâles a été trouvé lors des études précédentes, les femelles seraient alors moins 31 capturées et devraient probablement présentée une détectabilité plus faible et/ou une survie plus faible. L’effort de terrain est variable selon les années car il dépend de la météo (Table 4 p35). L’équipe a également passé moins de temps à échantillonner le Lagon Sud lorsque des campagnes d’exploration d’autres nouvelles zones étaient réalisées la même année. L’intérêt d’intégrer l’effort en covariable est d’être plus parcimonieux pour modéliser les variations temporelles des probabilités de détection en utilisant une régression linéaire de cette probabilité par l’effort de terrain plutôt que d’estimer une probabilité pour chaque intervalle de temps. Notre prédiction est que la probabilité de détection des animaux soit plus faible lorsque l’équipe a passé peu de jours sur le terrain. 2. Résultats 2.1. Simulations Lorsqu’aucun transient n’est ajouté aux données simulées et que les valeurs des paramètres p, Φ et γ sont estimés par les modèles, le biais de l’estimateur du maximum de vraisemblance tend bien vers 0 quand la taille de l’échantillon est importante, comme attendu. On retrouve alors les valeurs des paramètres d’entrée pour p, Φ et γ qui sont respectivement de 0.3 ; 0.9 et 0.8. Précisons ici que les estimations des paramètres se font sous l’hypothèse qu’il n’y a pas de transients dans les données. Les résultats des simulations mettent en évidence la présence d’un biais négatif en présence de transients sur les probabilités de détection (p) et de survie (Φ) et d’ancienneté (γ) estimées par les modèles de Pradel (respectivement Fig.5 a, b et d). Plus la proportion de transient ajoutée aux jeux de données est importante, plus les probabilités de survie et de détection sont sous-estimées. Pour la valeur maximale de 60% de transient ajoutée un biais1 négatif est noté, il atteint 53% pour p et 18% à la fois pour Φ et pour γ. Notons ici que pour chaque proportion de transientajoutée la même proportion de biais est retrouvée à la fois pour Φ et pour γ. En revanche, quelle que soit la proportion de transient ajoutée, le biais est nul sur le λ estimé par le modèle de Pradel (Fig. 5c). A chaque sortie du modèle de Pradel avec transients, la valeur du paramètre d’entrée est retrouvée (1.10). 1 Attention ! Il s’agit ici d’un biais de proportion, donc 53 % de biais négatif signifie que l’estimation a une valeur 53 % plus faible que celle attendue. 32 b) a) 0,4 1 0,3 0,8 p 0,6 Φ 0,2 0,4 0,1 0,2 0 0 0 0,1 0,2 0,3 0,4 0,5 0,6 0 proportion de transients ajoutée 0,1 0,2 0,3 0,4 0,5 0,6 proportion de transients ajoutée c) d) λ 1,2 1 0,8 0,6 0,4 0,2 0 1 0,8 γ 0,6 0,4 0,2 0 0 0,1 0,2 0,3 0,4 0,5 proportion de transients ajoutée 0,6 0 0,1 0,2 0,3 0,4 0,5 0,6 proportion de transients ajoutée Fig. 5 : Estimations des taux des probabilités de détection (p), de survie (Φ), des taux de croissance (λ) et des probabilités d’ancienneté (γ) par les modèles Pradel après ajout d’une proportion de transient dans un jeu de données obtenu par simulations. Les valeurs des paramètres d’entrée sont retrouvées lorsque la proportion de transient est nulle. 2.2. Résultats de l’analyse des données de baleines à bosse Vérification des hypothèses et résultats des tests d’ajustement Les marques présentent sous les caudales des baleines à bosse ne disparaissent quasiment pas avec le temps (Carlson & Mayo, 1990), ce qui nous permet de considérer l’hypothèse 1 comme respectée. L’hypothèse 2 qui concerne la bonne identification des baleines est aussi respectée grâce à la mise en place du contrôle de qualité. Il peut arriver qu’une baleine montre rarement sa caudale et qu’il faille rester plusieurs minutes avant de pouvoir avoir une photographie mais nous considérons que cet intervalle temps est tout de même assez court et que l’hypothèse 3 d’échantillonnage instantané est respectée. Le TEST2 n’est pas significatif (Table 2), indiquant que l’on ne peut pas rejeter l’hypothèse nulle selon laquelle approcher les baleines pour réaliser les photographies et les biopsies n’affectent pas leurs comportements les années suivantes. Etant donné que seul le TEST3.SR (test de transience) est significatif (p-valeur<10-10), il convient de s’intéresser à la différence pour les sexes pour ce test (partie grisée de la Table 2). On s’aperçoit alors que le test est uniquement significatif pour les mâles (p-valeur<10-6). Il faut se rappeler ici qu’il 33 existe un troisième groupe d’animaux non sexés mais le test n’a pas pu être réalisé car ce groupe ne contient pas suffisamment d’individu (16% du nombre total des individus). Résultats des modèles CJS TSM2 Estimations du taux de survie et des effectifs Le meilleur modèle sélectionné selon les critères d’AICc (Phi1(.)Phi2(.)p(EFFORT)) considère la probabilité de survie comme constante, pour le mélange des transients et des résidents et pour les résidents seuls. Il indique qu’il n’y pas de différence de survie ou de détectabilité entre les sexes (Table 3 : l’écart ou delta d’AICc entre modèle sans sexe et le modèle avec sexe est de 3.09). Par contre, il considère que la probabilité de détection des animaux varie en fonction de l’effort d’échantillonnage. Table 2.Résultats des tests de GoF pour le jeu de données QCLS. Les TEST2 se réfèrent à la trap-dependance, alors que les TEST3 à la transience. La distinction entre les sexes est seulement présentée pour le TEST3.SR. ddl est le nombre de degrés de liberté du test Tests χ2 ddl p-valeur TEST général TEST2.CT TEST2.CL TEST3.Sm TEST3.SR mâles femelles 85.10 20.82 10.45 8.60 45 34.46 10.4 55 13 15 13 14 14 11 6.0 10-03 *** 0.08 0.79 0,80 3.810-05*** 2.0 10-03 *** 0.49 Table 3. Listes des meilleurs modèles CJS TSM permettant la sélection en fonction des critères d’AICc, du nombre de paramètres et de la déviance Modèles AICc Delta AICc {Phi1(.)Phi2(.)p(EFFORT)} {Phi1(.)Phi2(.) p(t)} {Phi1(.)Phi2(g) p(t)} {Phi1(g)Phi2(.) p(t)} {Phi1(g)Phi2(g) p(t)} {Phi1(.)Phi2(.) p(g+t)} 1372.00 1376.08 1378.03 1378.04 1379.79 1432.47 0 3.09 5.04 5.04 6.80 59.47 Nombre Déviance de paramètres 4 17 18 18 19 18 553.36 529.68 529.53 529.54 529.18 583.99 2 Rappel : CJS-TSM acronyme se référant aux modèles de Cormack Jolly Seber - Time Since Marking qui permettent entre autres d’estimer des probabilités de survie et de détection tout en tenant compte des transients. 34 La moyenne de l'effort d'échantillonnage est de 47±14 jours pour toute la période d’étude mais la durée de l'échantillonnage varie selon les années notamment en 2004 où 10 jours seulement ont été passés à échantillonner le Lagon Sud, le reste de l'effort ayant ciblé d'autres régions de NC (Table 3). L’effet de l’effort de terrain analysé par ANODEV est significatif (F(1;13)=16,6 ; pvaleur=0.0013). La survie du mélange des résidents et des transients est estimée à 0.48 [0.39 ; 0.57] et la survie des résidents à 0.91 [0.87 ; 0.94]. Les probabilités de détection estimées (Table 4) sont faibles et variables, avec une valeur moyenne de 0.20±0.08. La probabilité de détection de 0.04 pour l’année 2004 est particulièrement faible. Table 4. Estimations des probabilités de détection et des effectifs de la population du meilleur modèle CJS avec le détail du nombre de captures par années ainsi que le nombre d’heures passées sur le terrain. années nombre de captures (c) 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2009 2010 2011 2012 41 35 15 29 45 13 40 16 35 86 99 68 80 124 77 probabilité de détection (p) 0.22 0.29 0.24 0.28 0.34 0.14 0.18 0.05 0.14 0.19 0.26 0.13 0.16 0.18 0.12 effectifs estimés (N) 186 121 63 104 134 94 223 349 243 460 382 517 508 692 641 Intervalles de Confiance à 95% [136 ; 240] [83 ; 162] [33 ; 92] [68 ; 143] [99 ; 173] [51 ; 152] [156 ; 296] [196 ; 524] [174 ; 319] [369 ; 550] [315 ; 450] [414 ; 631] [410 ; 604] [591 ; 806] [491 ; 758] Effort de terrain (nombre d'heures) 44 51 46 50 55 33 39 10 34 40 48 32 36 39 30 Sur l’ensemble de la période d’étude l’estimation des effectifs varie de 63 à 692 baleines. La figure 6 montre que les effectifs sont stables et plutôt faibles jusqu’en 2003 avec une moyenne de 132±55 baleines entre 1996 et 2003. Sur l’ensemble des années on observe une augmentation régulière de l'effectif qui atteint un nombre de baleines maximum estimé à 692[591 ; 806] en 2011. La relation de régression linéaire pondérée par l’inverse des erreurs standards des p-valeur=2.2 10 effectifs en fonction du temps est significative (F(1 ;13)=41.43 ; -05 ; R2=0.76). Malgré les larges intervalles de confiance on peut donc 35 conclure a une augmentation régulière des effectifs au cours du temps. Les intervalles de confiance de l’estimation de l’effectif en 2004 sont très larges étant donné que la probabilité de détection est faible cette année-là. 900 800 700 600 Effectifs estimés 500 (N) 400 300 200 100 0 Années Fig. 6 : Effectifs estimés par années à partir du modèle CJS TSM Phi(trans ./.)p(EFFORT) des données QCLS en tenant compte de la covariable de l’effort de terrain. Pendant l’année 2008, aucun échantillonnage n’a été effectué. Les barres verticales correspondent aux intervalles de confiance obtenus par bootstrap non paramétrique. Estimation du taux de transience Les taux de transience corrigés (éq. 1.4 & Fig. 7) calculés à partir des estimations des taux de survie du meilleur modèle sont compris entre 17 % en 2002 et 57 % en 2009. Ils présentent de larges intervalles de confiance. Le taux de transience moyen est de 38±11% Les plus fortes valeurs sont trouvées pour les années 1996 à 1999 (de 40 à 50%, sachant que seulement une centaine d’individus sont estimés ces années-là), ainsi qu’en 2001 (53% [34 ; 70] pour 134 [99 ; 173] individus estimés) et en 2009 (57% [34 ; 78] pour 517 [414 ; 631] individus estimés). Estimation des effectifs des résidents Les estimations des effectifs des résidents seuls (éq 1.9 & Fig. 8) présentent de larges intervalles de confiance à partir de l’année 2004 mais ils ne représentent en moyenne que la moitié des effectifs estimés en tenant compte des transients. La valeur maximale de 405 [204 ; 814] résidents est estimée en 2011. Les bornes inférieures des intervalles de confiances sont des estimations faibles et ne dépassent pas les 200 individus. Au vu de la tendance générale 36 de la courbe, il apparait que la population des résidents est en augmentation depuis 2003. La relation par régression linéaire pondérée des effectifs au cours du temps est significative ici encore (F(1;12)=9.40 ; p-valeur=0.01 ; R²=0.44). 0,9 0,8 0,7 0,6 taux de 0,5 transience 0,4 (T) 0,3 0,2 0,1 0 Années Fig.7 : Estimation des taux de transience (T) à partir du jeu des estimation du modèles CJS TSM avec effort en covariable pour les données QCLS. Les barres verticales correspondent aux intervalles de confiance obtenus par bootstraps. . 900 800 700 600 Effectifs estimés de 500 résidents 400 (N') 300 200 100 0 Années Fig. 8 : Estimations des effectifs des résidents pour chaque année. Les intervalles de confiance sont obtenus par bootstraps. Taux de croissance issue des modèles de Pradel Les résultats des simulations démontrent qu’il n’est pas possible, dans notre cas, d’utiliser les modèles de Pradel pour calculer les effectifs et pour interpréter les valeurs de probabilité de survie puisque ces paramètres sont biaisés par la présence de transients. Par 37 contre la valeur du taux de croissance réalisé calculée grâce aux modèles de Pradel est interprétable puisque les résultats des simulations montrent qu’elle n’est pas biaisée par les transients. Le meilleur modèle issu d’une sélection par QAICc (Table 5) considère le taux de croissance (λ) comme constant. La covariable d’effort introduit sur la probabilité de détection n’améliore pas le modèle, bien que l’effet de l’effort s'avère significatif par ANODEV (F(1;13)= 21,8 ; p-valeur=0,0004). La valeur du λ estimée par le modèle tenant compte de l’effort est de toute façon, identique à celle estimée par le meilleur modèle. L'estimation du taux de croissance réalisé par le meilleur modèle est de 1.13 [1.10 ; 1.16] c’est-à-dire que la population des baleines à bosse du Lagon Sud présente un taux de croissance compris entre 10 et 16 %. Table 5. Listes des meilleurs modèles de Pradel permettant la sélection en fonction des critères d’AICc, du nombre de paramètres et de la déviance. Modèles QAICc Delta QAICc Nombre de paramètres QDéviance {Phi(.) p(t) Lambda(.)} {Phi(.) p(EFFORT) Lambda(.)} {Phi(t) p(t) Lambda(.)} {Phi(.) p(t) Lambda(t)} 3094.22 3102.31 3107.40 3111.80 0 8.10 13.18 17.55 18 4 27 31 282.30 319.18 276.45 272.23 3. Discussion Nous avons montré que les transients ne causent aucun biais sur l’estimation des taux de croissance d’une population. Nous avons ensuite calculé (1) les effectifs de la population avec les modèles CJS TSM qui tiennent compte des transients (2) le taux de croissance de la population avec les modèles de Pradel. Les cétacés sont des animaux difficiles à suivre et à photographier du fait de leur capacité à effectuer de longues apnées, de leur vitesse de nage rapide, et de l’étendue de leur habitat. Il en résulte que les probabilités de détection obtenues sont faibles, or plus elles sont faibles et plus les estimations des effectifs deviennent imprécises. Ceci pourrait alors expliquer pourquoi les intervalles de confiances des estimations d’effectifs sont larges néanmoins l’augmentation des effectifs est significatif. Nos résultats démontrent une augmentation régulière des effectifs. D’un point de vue biologique, les transients doivent surtout être des migrants. Les baleines sont normalement fidèles à leurs sites de reproduction (Gaskin, 1982) mais elles réalisent aussi de très grandes migrations. Il se peut donc que certains individus traversent le 38 Lagon Sud pour aller vers d’autres régions de la zone de reproduction de Nouvelle-Calédonie (Iles Loyauté, lagon Nord) ou vers d'autres zones de reproduction de la région océanienne (Vanuatu, Tonga) comme l'ont montré les comparaisons photographiques (Garrigue et al 2011a et b). Le test de transience n’est pas significatif pour les femelles, de plus le sexe ratio est de 62% en faveur des males ce qui pourrait laisser supposer que des nouveaux mâles viennent chaque année dans la zone de reproduction du Lagon Sud pour augmenter leurs chances de se reproduire. Cependant le sexe ratio déséquilibré en faveur de males peut aussi être dû au fait les femelles quittent les zones de reproduction dès qu'elles se sont reproduites (Dawbin, 1966) et que les mères avec leur petit montrent très rarement leur caudales, rendant leur identification difficile. Le taux de transience moyen pour le Lagon Sud approche les 40% (Fig.7). La transience a été peu étudiée chez les cétacés (Sylva et al., 2009, Conn et al. 2010, Madon et al. 2012) mais ce taux apparaît très fort, traduisant le fait que la Nouvelle Calédonie est soumise à beaucoup de passages. La question pour l’interprétation de nos analyses est de savoir si ces transients se reproduisent ou non en Nouvelle Calédonie. S’ils ne se reproduisent pas et ne font que passer il serait logique de ne pas les considérer Dans ce cas les effectifs doivent donc être calculés sans les transients (éq 1.9 et Fig. 8). Ainsi calculée, l’augmentation des effectifs est aussi significative. Il est possible que les larges intervalles de confiance obtenus à partir de 2003 soient dus à la fois à la combinaison des incertitudes trouvées pour les taux de transience (Fig. 7) et pour le calcul des effectifs (Fig. 6). Hines et al., en 2002 ont étudié par simulations, plusieurs sources de biais possibles pour les estimations des λ du modèle de Pradel. Cependant aucune étude de l’impact des transients n’avait encore été effectuée. En effet la transience implique le non-respect d’une hypothèse d’homogénéité des individus à la base des modèles de Pradel. Le (éq.1.1) comme le rapport entre et est défini et ces deux paramètres présentent le même biais négatif pour une proportion de transience donnée. Ainsi, quelle que soit la proportion de transient ajoutée les biais des paramètres Phi et Gamma se compensent et n'entraînent ainsi aucun biais sur les estimations du taux de croissance (le lambda). - 4 / 1@ 4 / 1A avec 4 / 1@ 4 / 1A Ce λ est le taux de croissance « réalisé », c’est-à-dire le taux de croissance observé pour la population entre les échantillonnages successifs. Il est à différencier du taux de croissance « projeté » qui est le taux de croissance attendu de la population, dérivé 39 généralement des valeurs propres de modèle de projection de matrice de Leslie (Caswell, 2000). Cependant pour pouvoir avoir accès au taux de croissance projeté, des paramètres démographiques difficilement accessibles, comme la survie juvénile, la fécondité, l’émigration et l’immigration (Franklin et al., 2004), sont nécessaires et l’incertitude sur ces paramètres peut conduire à des biais de l’estimation du taux de croissance projeté. Courtney et al. (2004) ont, pour leur part, comparé les deux taux de croissance (réalisé et projeté) et en ont conclu que l’estimation du taux de croissance réalisé obtenue par analyse de capture recapture était plus robuste que l’estimation du taux de croissance projeté par matrice de Leslie. Le taux de croissance que nous trouvons pour les données de 13% est supérieur à la limite biologique décrite par Zerbini et al. (2010) fixée à 11,8 % au maximum. Cependant le taux de croissance réalisé ne se limite pas à la croissance biologique de l’espèce et regroupe à la fois la natalité et l’immigration. La population de l’Est de l’Australie est en augmentation et depuis plusieurs années elle montre un fort taux de croissance (Noad et al., 2006 ; Paton et al., 2011). Une hypothèse est que l’augmentation de la population de Nouvelle-Calédonie pourrait en partie être due à l’immigration de baleine provenant de la population est-australienne. Cependant la comparaison des catalogues australien et néocalédonien entre les années 1999 et 2004 (Garrigue et al., 2011b) n'a permis de mettre en évidence que quatre baleines qui ont fréquentées les deux zones. Ce très faible échange ne permet pas de conclure à des mouvements intensifs entre les deux zones. Une comparaison entre les autres années serait intéressante pour tenter de vérifier notre hypothèse. Le taux de survie de 0.91 estimé pour les deux sexes est réaliste mais peut paraitre plus faibles que celui trouvé pour d’autres populations (cf. section 9. du rapport bibliographique). En effet la survie estimée est une survie locale uniquement et non la survie réelle de la population. Cette survie locale est toujours plus faible que la survie réelle car elle ne tient pas compte du fait que des animaux ne sont pas vus à cause de l’émigration. Le Lagon sud de la Nouvelle Calédonie est donc surement soumis à de l’émigration et la présence de transients vient confirmer que cette zone est soumise à des passages. Mais où peuvent-ils aller ? En 2007, l’utilisation de la télémétrie satellitaire a permis de découvrir que les baleines à bosse utilisent également comme zone de reproduction les Monts sous-marins (environ 30MN2) (23°45’S,168°10’E) situés en zone océanique au sud de la grande île (Garrigue et al., 2010).Le Lagon Sud qui était considéré jusque-là considéré comme la zone principale de 40 reproduction, pourrait alors n'être une zone secondaire. Entre 2008 et 2011 des suivis maritimes ont été réalisés sur ces structures. Cependant, les campagnes de suivis sur les Monts sous-marins sont difficiles à réaliser du fait des conditions météo et de leur situation en haute mer. C’est pourquoi au total seulement 25 jours ont été passés à échantillonner les Monts-sous-marins contre 108 jours au Lagon Sud pour la même période (2008 à 2011). Malgré cela, de nombreuses baleines y sont observées. Il serait alors possible que de nombreuses baleines passent au Lagon Sud pour aller au Monts-sous-marins. La question qui se pose alors est de savoir si la population de la Nouvelle Calédonie est constituée de deux sous populations ou d’une seule, et comment alors calculer les effectifs ? Faire une analyse d’un jeu de données qui réunit les histoires de captures des deux zones irait à l’encontre de l’hypothèse n°6 qui considère que la zone géographique soit constante, et serait à l’origine de biais d’estimation des paramètres (par ex : éqs 1.2). Une alternative serait de confectionner un jeu de données qui permettent la différenciation des deux zones et d’utiliser des modèles de capture-recapture multisites conçut pour estimer la probabilité de mouvement d’une zone à l’autre. Des analyses préliminaires ont été effectués et le meilleur modèle obtenu considère que la probabilité de mouvement est identique pour les deux zones et vaut 0.37 [0.27 ;0.48]. Ces résultats suggèrent que les échanges entre les deux zones sont importants et permet donc de faire l’hypothèse que nous avons affaire à une seule population. Cette hypothèse est également appuyée par le fait que la probabilité de survie estimée par ce modèle est identique pour les deux zones. De plus, cette probabilité estimée à 0.94 [0.90 ; 0.96] correspond plus aux valeurs fréquemment trouvées dans la littérature et doit être probablement plus proche de la survie réelle de la population puisque son estimation tient compte de la probabilité de mouvement entre les deux zones. Cependant avant de pouvoir calculer les effectifs d’une telle population, il serait nécessaire de quantifier les possibles biais des estimations entrainés par le fait d'avoir deux zones d'échantillonnage distinctes. Pour cela, il faudrait réaliser une étude par simulations. Il est possible qu’avec une probabilité de mouvement importante les biais soient faibles mais les simulations permettraient de quantifier le seuil minimum de mouvement s nécessaire entre les deux zones pour pouvoir considérer l’estimation des effectifs comme non biaisée. 4. Références Andriolo A., Martins C.C.A., Engel M.H.et al., (2006). The first aerial surveys of humpback whale (Megaptera novaeangliae) to estimate abundance in the breeding ground, Brazil. Journal of Cetacean Research and Management 8, (3), 307-311. 41 Anonymous. (2004). Annex H. Report of the sub-committe of other southern hemispheres whale stocks. Reports of the International Whaling Commission, 55 : 29p. Baker C.S., Perry A., Bannister J.L. et al., (1993) Abundant mitochondrial DNA variation and world-wide population structure in humpback whales. Proceedings of the NationalAcademy of Sciences U.S.A. 90, (17), 8239-8243. Barlow J., Clapham P.J. (1997) A new birth-interval approach to estimating demographic parameters of humpback whales. Ecology 78, (2), 535-546. Barlow J.,et al.(2011) Humpback whale abundance in the North Pacific estimated by photographic capturerecapture with bias correction from simulation studies. Marine Mammals Science 27(4): 793 818 Belda E.J. et al., (2007). Resident and transient dynamics, site fidelity and survival inwintering BlackcapsSylvia atricapilla : evidence from capture–recapture analyses Ibis (2007),149, 396–404. Best P. (2006) A note on the age at sexual maturity of humpback whales. Paper SC/A06/HW5 submitted to the IWC southern hemisphere humpback workshop, Hobart, April 2006. Brown M.R., Corkeron P.J., Hale P.T., Schultz K.W. and Bryden, M.M. (1995). Evidence for a sex segregating migration in the humpback whale (Megaptera novaeangliae). Proceedings of the Royal Society of London, 259 : 229-234. Burnham K.P., Anderson D. R., Whit G.C., Brownie C., Pollock, K.P. (1987). Design and analysis of methods for fish survival experiments based on release-recapture. Am. Fish. Soc.Monogr. 5, 1-437. Calambokidis J, Falcone E.A., Quinn T.J.et al. (2008) SPLASH: Structure of populations, levels of abundance and status of humpback whales in the North Pacific. Cascadia Research Contract Report Calambokidis J. (2009). Abundance estimates of humpback and blue whales off the US West Coast based on mark-recapture of photo-identified individuals through 2008. Report PSRG-2009-07 to the Pacific Scientific Review Group, p. 12. Cascadia Research, SanDiego, CA. Calambokidis J., Falcone E.A., Quinn T.J.et al,. (2008). SPLASH: Structure of populations, levels of abundance and status of humpback whales in the North Pacific. Cascadia Research Contract Report AB133F03-RP-00078. Carlson C.A., Mayo C.A. (1990). Changes in the ventral fluke pattern of the humpback whale (Megaptera novaeangliae), and its effect on matching ; evaluation of its significance to photo identification research. Reports of the International Whaling Commission, Special Issue 12:105-111. Caswell H. (2001). Matrix population models. Second edition. Sinauer, Sunderland, Massachusetts, USA. Cembalos G. and Ehrlich P.R. (2002).Mammal population losses and the extinction crisis. Science, 296, 904– 907. Cerchio S., Ersts P., Pomilla C.et al., (2009) Updated estimates of abundance for humpback whale breeding stock C3 off Madagascar, 2000-2006. Paper SC/61/SH7 presented to the IWCScientific Committee, 23pp. Cerchio S., Ersts P., Pomilla C.et al., (2009). Updated estimates of abundance for humpback whale breeding stock C3 off Madagascar, 2000-2006. Paper SC/61/SH7 presented to the IWC Scientific Committee. Chaloupka M., Osmond M., Kaufman G. (1999). Estimating seasonal abundance trends and survival probabilities of humpback whales in Hervey Bay (east coast Australia). MarineEcology Progress Series 184, 291-301. Charif R.A., Clapham P.J., Clark C.W. (2001) Acoustic detections of singing humpback whales indeep waters off the British Isles. Marine Mammal Science 17, (4), 751-768. 42 Childerhouse S., Jackson J.A., Baker C.S.et al., (2008) Megaptera novaeangliae (Oceania subpopulation). In: IUCN 2008. IUCN Red List of Threatened Species. Version 2009.2 <www.iucnredlist.org>. Chittleborough R.G. (1965) Dynamics of two populations of the humpback whale,Megaptera novaeangliae (Borowski). Australian Journal of Marine and Freshwater Research16, 33 128. Choquet R., Rouan L., Pradel R. (2009). Program ESURGE: a software application for fitting multievent models. Pages 845–865 in D. L. Thomson, E. G. Cooch, and M. J. Conroy, editors. Modeling demographic processes in marked populations. Springer, New York, USA. Clapham , P.J. and Baker, C.S. (2002). Modern whaling. In: Perrin , W.F., Würsig, B. & Thewissen, J. G .M. (eds.) Encyclopedia of Marine Mammals, pp. 1328-1332. AcademicPress, New York. Clapham et al., ( 2007) The whaling issue: Conservation, confusion, and casuistry Marine Policy 31 314–319. Clapham P., Mikhalev Y.A., Franklin W.et al., (2009) Catches of humpback whales, Megaptera novaeangliae, by the Soviet Union and other nations in the Southern Ocean, 1947-1973. Marine Fisheries Review 71, (1), 39-43. Clapham P.J. (1992) Age at attainment of sexual maturity in humpback whales, Megaptera novaeangliae. Canadian Journal Zoology. 70, (7), 1470-1472. Clapham P.J. (1993) Social organization of humpback whales on a North Atlantic feeding ground. Symposia of the Zooogical Society of London 66, 131-145. Clapham P.J. et al., (1999). Mam Reviews Baleen Whales: Conservation Issues and The Status Of The Most Endangered Populations Mammal Rev. Volume 29, No. 1, 35–60. Clapham P.J., Berggren P., Childerhouse S.et al., (2003a) Whaling as science. BioScience. 53, (3), 210-212. Clapham P.J., Berggren P., Childerhouse S. et al.,(2003b). IWC (2012) Annual Report of the International Whaling Commission 2009. Whaling as science. BioSci.53, (3), 210-212. Clapham P.J., Ivashchenko Y. (2009) A whale of a deception. Mar Fish Rev 71: 44−52. Clapham P.J., Leatherwood S., Szczepaniak I.et al. (1997) Catches of humpback and other whales from shore stations at Moss Landing and Trinidad, California, 1919-1926. MarineMammal Science 13, 368-394. Clapham P.J., Mayo C.A. (1990) Reproduction of humpback whales (Megaptera novaeangliae) observed in the Gulf of Maine, Individual recognition of cetaceans: use of photoidentification and other techniques to estimate population parameters. In: Individualrecognition of cetaceans: use of photo-identification and other techniques to estimatepopulation parameters (eds. Hammond PS, A. MS, Donovan GP), pp. 171-175. International Whaling Commission, Cambridge, England. Clapham, P.J., and Mead, J.G. (1999). Megapteranovaeangliae. Mammal Species, 604 : 1-9. Clark J.D., Van Manen F.T., Pelton M.R. (2005). Bait stations, hard mast, and black bear population growth in Great Smoky Mountains National Park. Journal of WildlifeManagement 69:1633–1640. Collins T., Cerchio S., Pomilla C.et al., (2008). Revised estimates of abundance for humpback whale breeding stock B1: Gabon. Paper SC/60/SH28 presented to the IWC Scientific Committee, May 2008; Conn P.B., Gorgone A.M., Jugovich A.R., Byrd B.L., Hansen L.J. (2011). Accounting for transients when estimating abundance of bottlenose dolphins in Choctawhatchee Bay, Florida. Journal of Wildlife management 75:569–579. Constantineet al., 2012 Abundance of humpback whales in Oceania usingphoto-identification and microsatellite genotyping. MarineEcology Progress Series. Vol. 453: 249–261 Darling J.D., Bérubé M. (2001) Interactions of singing humpback whales with other males. Marine Mammal Science 17, (3), 570-584. 43 Darling J.D., Jones M.E., Nicklin C.P. (2006) Humpback whale songs: do they organize males during the breeding season? Behaviour 143, (9), 1051-1101. Davison A. C., Hinkley D.V. (1997). Bootstrap methods and their application. Cambridge University Press, Cambridge, United Kingdom. Dawbin W.H. (1966) The seasonal migratory cycle of humpback whales. In: Whales, dolphins and porpoises (ed. Norris KS), pp. 145-170. University of California Press, Berkeley, LA. Donovan G.P. (1991). A review of IWC stock boundaries. Reports of the International Whaling Commission, Special Issue 13: 39-68 Duriez O.et al. (2012) Comparing the seasonal survival of resident and migratory oystercatchers: carry-over effects of habitat quality and weather conditions. Oikos 121 :862–873. Fearnbach H. et al., (2012). Photographic mark–recapture analysis of local dynamics within an open population of dolphins. Ecological Applications, 22(5), pp. 1689–1700 Félix F., Castro C., Haase B.et al., (2006). Estimates of the Southeastern Pacific humpback whale stock with mark-recapture models in Ecuador and population trend. Journal of Cetacean Research and Management (Special Issue). Flórez-González L., Avila I., CapellaAlzueta J. et al., (2007). Estrategia para la conservación de la ballena jorobada delPacífico Sudeste. In: Limeamientos de un plan de acción regionale iniciativas nacionales, p. 106. FundaciónYubarta, Cali, Colombia. Frankel A.S., Clark C.W., Herman L.M. et al., (1995) Spatial distribution, habitatutilization, and social interactions of humpback whales,(Megaptera novaeangliae), off Hawai'i, determined using acoustic and visual techniques.Canadian Journal of Zoology 73,(6), 1134-1146. Franklin A. B. et al., (2004). Population dynamics of California Spotted Owl (Strix occidentalis occidentalis). Ornithological Monographs 54:1–110. Friday N.A., Smith T.D., Stevick,P.T., Allen J. (2000). Measurement of photographic quality and individual distinctiveness for the photographic identification of humpback whales, Megaptera novaeangliae. Marine Mammal Science 16 (2): 355-374. Gabriele C.M., Straley J.M., Mizroch S.A.et al., (2001) Estimating the mortality rate of humpback whale calves in the central North Pacific Ocean. Canadian Journal of Zoology 79, 589-600. Gabriele C.M., Straley J.M., Neilson J.L. (2007b) Age at first calving of female humpback whales in Southeastern Alaska. Marine Mammal Science 23, (1), 226-239. GarlandE.C. et al., (2011). Dynamic Horizontal Cultural Transmission of Humpback Whale Song at the Ocean Basin Scale. Current Biology (21) 1-5. Garrigue C.et al,. (2006). Abundance of humpback whales in Oceania (South Pacific) 1999 to 2004. Paper SC/A06/HW51submitted to the IWC Southern Hemisphere Humpback Workshop, Hobart. 10pp. Garrigue C. et al., (2011). South Pacific Whale Research Consortium, Baker CS, Garrigue C., Aguayo A., Amante-Helweg V.L.U., Baker C.S. et al., (2002). Movements of humpback whales in Oceania, South Pacific. Journal of Cetacean Research Management 4: 255−260. Garrigue C., Constantine R., Poole M., Hauser N. et al.,(2011a). Movement of individual humpback whales beetween wintering grounds of Oceania (South Pacific), 1999 to 2004. JCetacean Res Manag Spec Issue 3: 275– 282. 44 Garrigue C., Dodemont R., Steel D., Baker C.S. (2004). Organismal and ‘gametic’ capture recapture using microsatellite genotyping confirm low abundance and reproductive autonomy of humpback whales on the wintering grounds of New Caledonia. Mar Ecol Prog Ser 274: 251−262. Garrigue C., Franklin T., Constantine R., Russell K. et al.,(2011b). First assessment of interchange of humpback whales between Oceania and the east coast of Australia. J Cetacean Res Manag Spec Issue 3:269– 274. Garrigue C., Franklin T., Russell K., Burns D., Poole M., Paton D., Hauser N., Oremus M., Constantine R., Childerhouse S., Mattila D., Gibbs N., Franklin W., Robbins J., Clapham P., Baker C.S. (2011). First assessment of interchange of humpback whales between Oceania and the east coast of Australia. Journal of Cetacean Research and Management, Special Issue 3 :269-274. Gaskin, D.E. (1982). The ecology of whales and dolphins. Ed London U.K.: Heinemann. Gibbs (2009). Humpback Whales (Megaptera novaeangliae) in the South Pacific Breeding Grounds: An Allocation from Feeding Areas and an Abundance Estimate of Whales Specific to French Polynesia Waters. PhD. Oregon State University Glockner-Ferrari D.A., Ferrari M.J. (1990) Reproduction in the humpback whale (Megaptera novaeangliae) in Hawaiian waters, 1975-1988: the life history, reproductive rates and behavior of known individuals identified through surface and underwater photography. Individual recognition of cetaceans: use of photo-identification and other techniques to estimate population parameters (eds. Hammond PS, Mizroch SA, Donovan G), pp. 161168. International Whaling Commission, Cambridge, England. GoswamiV.R.et al., (2007) Journal compilation The Zoological Society of London Application of photographic capture–recapture modelling to estimate demographic parameters for male Asian elephants. Animal Conservation10391–399. Grellier K. et al., (2003). Use of photo-identification data to quantify mother–calf association patterns in bottlenose dolphins. Can. J. Zool. 81: 1421–1427 Grosbois V. et al.,(2008). Assessing the impact of climate variation on survival in vertebrate populations. Biol. Rev. (2008), 83, pp. 357–399. Hain J.H.W., Carter G.R., Kraus S.D.et al., (1982) Feeding behavior of the humpback whale, Megaptera novaeangliae, in the Western North Atlantic. Fishery Bulletin 80, (2), 259- 268. Hammond P.S., Mizroch S.A., Donovan G.P. (1990). Individual recognition of cetaceans : Use of photoidentification and others techniques to estimate population parameters. Reports of the International Whaling Commission, Special Issue 12 : 440p. Hedley S.L., Bannister J.L., Dunlop R.A. (2009). Group IV Humpback Whales: Abundance estimates from aerial and land-based surveys off Shark Bay, Western Australia, 2008. Paper SC/61/SH23 presented to the IWC Scientific Committee. Helweg D.A., Cato D.H., Jenkins P.F., Garrigue C., McCauley R.D. (1998). Geographic variation in South Pacific humpback whale songs. Behaviour : 135 : 1-27. Henry (2001) Biologie des populations animales et végétales. éditions Dunod 710p ; Herman Melville (1851) Moby Dick. Hines J.E., Nichols J.D., (2002). Investigations of potential bias in the estimation of k using Pradel’ s (1996) model for capture- recapture data. Journal of Applied Statistics, Vol. 29, Nos. 1- 4, 2002, 573- 587. Hughes J.B., Daily G. C., and Ehrlich P.R. (1998). Population diversity and why it matters. In P. H. Raven, ed. Nature and human society, pp. 71–83. National Academy Press, Washington, DC. 45 Jefferson T.A., Stacey P.J., Baird R.W. (1991) A review of killer whale interactions with other marine mammals: predation to co-existence. Mammal Review 21, (4), 151-180. Katona S., Baxter B., Brazier O., Kraus S., Perkins J., Whitehead H. (1979). Identification of humpback whales by fluke photographs. In Winn, H. E., Olla, B. L. (eds) Behavior of marine animals, Vol 3 Plenum Press, New York, p 33-44. Laake, J.L. (2013). RMark: An R Interface for Analysis of Capture-Recapture Data with MARK. AFSC Processed Rep 2013-01, 25p. Alaska Fish. Sci. Cent., NOAA, Natl. Mar. Fish. Serv., 7600 Sand Point Way NE, Seattle WA 98115 Laist D.W., Knowlton A.R., Mead J.G. et al., (2001) Collisions between ships and whales. Marine Mammal Science 17, (1), 35-75. Larsen F., Hammond P.S. (2004) Distribution and abundance of West Greenland humpback whales (Megaptera novaeangliae). Journal of Zoology 263, (4), 343-358. Lebreton J.-D., Burnham K.P., Clobert J., and Anderson D.R. (1992). Modelling survival and testing biological hypotheses using marked animals: A unified approach with case studies. Ecol. Monogr. 62, 67-118. MadonB. et al., (2012). Transience in the humpback whale population of New Caledonia and implications for abundance estimation. Marine Mammal Science. MarescotL. et al., (2011). Capture–recapture population growth rate as a robust tool against detection heterogeneity for population management. Ecological Applications, 21(8), 2011, pp. 2898–2907 Mehta A.V., Allen J.M., Constantine R. et al. (2007) Baleen whales are not important as prey for killer whales Orcinus orca in high-latitude regions. Marine Ecology Progress Series 348, 297-307. Miller P.J.O., Biassoni N., Samuels A. et al., (2000) Whale songs lengthen in response to sonar: male humpbacks modify their sexual displays when exposed to man-made noise. Nature 405, (6789), 903. Minton G., Collins T ., FIndlay K. et al., (2011). Seasonal distribution, abundance, habitat use and population identity of humpback whales in Oman. Journal of Cetacean Research and Management (Special Issue). Minton G., Collins T., Findlay K.et al., (2011). Seasonal distribution, abundance, habitat use and population identity of humpback whales in Oman. Journal of Cetacean Research and Management (Special Issue). Noad M., Cato D.H., Paton D. (2006a). Absolute and relative abundance estimates of Australian east coast humpback whales. Paper SC/A06/HW27. International WhalingCommission, Cambridge. Noad M.J., Dunlop R.A., Paton D.et al,. (2008). An update of the east Australian humpback whale population (E1) rate of increase. Paper SC/59/SH31 presented to the IWC ScientificCommittee, May 2008. 13pp. Noad M.J., Dunlop R.A., Paton D. et al., (2008). An update of the east Australian humpback whale population (E1) rate of increase. Paper SC/59/SH31 presented to the IWC Scientific Committee, May 2008. Noad M.J., Paton D.A., Gibbs N.J., Childerhouse S.J. (2006b). A combined visual and acoustic survey of humpback whales and other cetaceans of Samoa. Paper SC/ A06/HW28. International Whaling Commission, Cambridge. Noad MJ, Cato DH, Bryden MMet al. (2000) Cultural revolution in whale songs: humpbacks have picked up a catchy tune sung by immigrants from a distant ocean. Nature 408,(6812), 537. Ohsumi S. (1966) Allomorphis between body length at sexual maturity and body length at birth in the Cetacea. Journal of the Mammal Society of Japan 3, 3-7. Øien N. (2009). Distribution and abundance of large whales in Norwegian and adjacent waters based on ship surveys 1995-2001. NAMMCO Scientific Publications 7, 31-47. 46 Olavarría C. (2007) Population Structure of Southern Hemisphere Humpback Whales D.Phil, University of Auckland. Olavarría C., Aguayo-Lobo A., Larrea A.et al., (2003). Migratory relationship between Magellan Strait and Antarctic Peninsula humpback whales, Stock G. Paper SC/55/SH12 presented to the IWC Scientific Committee. Palsbøll P.J., Allen J., Bérubé M. et al., (1997) Genetic tagging of humpback whales. Nature 388, (6644), 767768. Paterson R., Paterson P., Cato D.H. (2004). Continued increase in east Australian humpback whales in 2001, 2002. Mem. Queensl. Mus. 49: 712 Paton D., Brooks L., Burns D., Franklin T. et al.,(2011). Abundance of east coast Australian humpback whales (Megaptera novaeangliae) in 2005 estimated using multi-point sampling and capture-recapture analysis. J Cetacean Res Manag Spec Issue 3:253–260. Paton D.A., Brooks L., Burns D.et al., (2011). Abundance estimate of east coast Australian humpback whales (Megaptera novaeangliae) in 2005 estimated using multi-point sampling and capture-recapture analysis Journal of Cetacean Research and Management. Constantine et al 2012. Payne R., McVay S. (1971) Songs of humpback whales. Science 173, 585-597. Pike D.G., Paxton C.G.M., Gunnlaugsson T.et al., (2009). Trends in the distribution and abundance of cetaceans from aerial surveys in Icelandic coastal waters, 1986 2001.NAMMCO Scientific Publications 7, 117142. Pradel R. (1996). Utilization of capture–mark–recapture for the study of recruitment and population growth rate. Biometrics 52:703–709. Pradel R. et al.,(2005).Principles and interestof GOF tests for multistate capture–recapture models.Animal Biodiversity and Conservation 28.2 (2005) p189. Pradel, R., Hines, J. E., Lebreton, J.-D., and Nichols, J. D. (1997). Capture-recapture survival models taking account of transients. Biometrics 53, 60-72. Progress Series 124, 1-7. R Core Team (2012). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org/. Ramp C., Berube M. , Hagen W., Sears R. (2006). Survival of adult blue whales Balaenoptera musculus in the Gulf of St. Lawrence, Canada. Marine Ecology Progress Series 319:287–295. Ramp C., Berubé M., Palsbøll P.J.et al., (2010) Sex-specific survival in the humpback whale Megaptera novaeangliae in the Gulf of St. Lawrence, Canada. Marine Ecology Progress Series 400, 267-276. Rees S.G.,et al. (2011) Testing the effectiveness of capture mark recapture population estimation techniques using a computer simulation with known population size. Ecological Modelling (222) 3291– 3294 Reeves R.R., Smith,B.D., Crespo E.A. and Notarbartolo di Sciara G (2003). Dolphins, Whales and Porpoises: 2002–2010 Conservation Action Plan for the World’s Cetaceans. IUCN/SSC Cetacean Specialist Group. IUCN, Gland, Switzerland and Cambridge, UK. 139pp. RibeiroC.et al., (2011): 365-374 Survival of Alytes cisternasii tadpoles in stream pools: a capture recapture study using photo-identification. Amphibia-Reptilia 32 (2011) Rice D.W. (1998) Marine mammals of the world: systematics and distribution. In: Society for Marine Mammalogy Special Publication No. 4, p. 231. Society for Marine Mammalogy, Lawrence, K.S. Risch D. et al., (2012) Changes in Humpback Whale Song Occurrence in Response to an Acoustic Source 200 km Away Plos One January 2012 Volume 7 Issue 1 47 Robbins J. (2007). Structure and Dynamics of the Gulf Of Maine Humpback Whale Population. PhD, University of St Andrews, Scotland. Rosenbaum H.C., Clapham P.J., Allen J.et al., (1995) Geographic variation in ventral fluke pigmentation of humpback whale Megaptera novaeangliae populations worldwide. Marine Ecology Rosenberg D.K. et al., (1999). Monitoring survival rates of Swainson's Thrush Catharus ustulatusat multiple spatial scales Bird Study (1999) 46 (suppl.), S198-208. Schaffar A., Madon B., Garrigue C., Constantine R. (2013). Behavioural effects of whale watching activities on an endangered population of humpback whales wintering in New Caledonia. Endangered Species Research 9: 245-254. Silva M.A., Magalha˜es S., Prieto R., Serra˜o R., Santos, Hammond P.S. (2009). Estimating survival and abundance in a bottlenose dolphin population taking into account transience and temporary emigration. Marine Ecology Progress Series392:263–276. Steel D., Funahashi N., Hamner R.M.et al., (2009). Market surveys of whale meat in Japan 2008/2009: How many fin whales are for sale? Paper SC/61/BC8 presented to the IWC Scientific Committee, 6pp. Steiger G.H., Calambokidis J. (2000) Reproductive rates of humpback whales off California. Marine Mammal Science 16, (1), 220-239. Stevick P.T., Allen J., Bérubé M.et al., (2003a) Segregation of migration by feeding ground origin in North Atlantic humpback whales (Megaptera novaeangliae). Journal of Zoology,London 259, (3), 231-237. Stevick P.T., Allen J., Clapham P.J.et al., (2003b) North Atlantic humpback whale abundance and rate of increase four decades after protection from whaling. Marine Ecology ProgressSeries 258, (263-273). Taylor B.L., Chivers S.J., Larese J.et al., (2007) Generation length and percent mature estimates for IUCN assessments of cetaceans, National Marine Fisheries Service, Southwest Fisheries Science Center. pp. 1-24. Tyack P., Whitehead H. (1983). Male competition in large groups of wintering humpback whales. Behaviour, 83 : 133-153. Valsecchi E., Hale P., Corkeron P., Amos W. (2002). Social structure in migrating humpback whales (Megapteranovaeangliae). Molecular Ecology, 11 : 507-518. Waples R.S., Gaggiotti O. (2006). What is a population? An empirical evaluation of some genetic methods for identifying the number of gene pools and their degree of connectivity. Molecular Ecology 15, (6), 1419-1439. Waring G.T., Josephson E., Fairfield-Walsh C.P.et al., (2007) U.S. Atlantic and Gulf of Mexico Marine Mammal Stock Assessments - NOAA Technical Memorandum NMFS NE 210. White G.C., Burnham K.P. (1999). Program MARK: Survival rate estimation from both live and dead encounters. Bird Study 46(Suppl.), $120-$139. Wiley D.N., Clapham P.J. (1993) Does maternal condition affect the sex ratio of offspring in humpback whales? Anim. Behav. 46, (2), 321-324. Williams K., Nichols J., Conroy M. (2002). Analysis and Management of Animal Populations.Academic Press. 1040 pages. Zerbini A.N., Clapham P.J., Wade P.R. (2010) Assessing plausible rates of population growth in humpback whales from life-history data. Marine Biology. 10.1007/s00227-010-1403-y. 48