WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Contribution à  l'étude de la croissance du Pagellus acarne (Risso, 1826) dans la baie de Bou-Ismail


par Abdelali Berkani
Ecole nationale supérieure des sciences de la mer et de l'aménagement du littoral Algérie - Diplôme d'études universitaire appliquées 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Chapitre troisième

<< Etude des paramètres biologiques»

Chapitre III : Etude des paramètres biologiques

1. Etude de l'âge :

L'estimation de l'âge est indispensable à l'étude de la biologie et de la dynamique des populations de poissons. Cette estimation forme la base pour des calculs menant à une connaissance de la croissance, de la mortalité, du recrutement et d'autres paramètres fondamentaux de leurs populations (Laurec & Le Guen (1981), in Mahé et al., 2009).

La détermination de l'age des poissons téléostéens peut être réalisée selon deux approches différentes :

· Les méthodes directes : basées sur l'examen des pièces calcifiées (écailles, otolithes, épines, vertèbres), ou sur des techniques de marquages.

· Les méthodes indirectes : basées sur l'étude des données de fréquence de tailles, telles que la méthode de (Pettersen, 1891 in Sparre et Venema, 1996), de (Bhattacharya, 1967, in sparre et Venema, 1996), de (Hasselblad, 1966 in Damir, 2008).

1.1. Méthode indirecte de détermination de l'âge :

? Méthode de Bhattacharya (1967) :

Cette méthode a été préconisée pour le traitement des données regroupées issus du laboratoire l'halieutique.

Elle permet de décomposer une population en sous-populations, en cohortes ou classes d'age. Elle se base sur une transformation logarithmique des effectifs regroupés de taille d'égale amplitudes `h' et de centre de classes.

On construit un graphe en portant en ordonnées pour chaque centre de classes la quantité suivante :

Ä Log Z = Log Z(x+h) - Log Z (x)

Avec respectivement :

Z (h+x) : effectifs de la classe de longueur de centre de classe (X+h)

Z (x) : effectif de la classe de longueur précédente, de centre de classe (x)

On recherche les droites de pentes négatives, sur le graphe.

Afin d'appliquer cette méthode, il est indispensable que l'histogramme ne contienne pas des classes de taille vides, et l'intervalle h doit être petit par rapport à chacun des écarts-types (h/ö=2.2).

Le nombre de sous-populations correspond au nombre de droites à pente négatives obtenues, la taille moyenne de chaque sous-population se détermine en relevant graphiquement le point d'intersection de ces droites avec l'axe des abscisses :

L moy = ? + (h/2)

Avec :

h : intervalle de classe

? : point d'intersection de la droite de pente négative avec l'axe des abscisses. L moy : taille moyenne de la composante (groupe d'age)

Les différents paramètres (moyenne ; écart type ; variance ; effectifs) de chaque sous population sont obtenus par le logiciel `FISAT II' (Gayanilo et al ,1997).

Les limites de confiances sont données par l'expression suivante : P = (t* s.d.) / v N Avec respectivement : Sd : écart-type, N : effectifs de la population, et t=1.96 pour á=5%.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy