Exemples d'applications de l'automatique l'halieutique

Touzeau S., Gouz J.-L. in Lleonart J. (ed.). Dynamique des populations marines Zaragoza : CIHEAM Cahiers Options Mditerranennes; n. 35 1998 pages 119-133

Article available on lin e / Article dispon ible en lign e ladresse : -------------------------------------------------------------------------------------------------------------------------------------------------------------------------http://om.ciheam.org/article.php?IDPDF=98606251 -------------------------------------------------------------------------------------------------------------------------------------------------------------------------To cite th is article / Pou r citer cet article -------------------------------------------------------------------------------------------------------------------------------------------------------------------------Touzeau S., Gouz J.-L. Exemples d' application s de l' au tomatiqu e l' h alieu tiqu e. In : Lleonart J. (ed.). Dynamique des populations marines . Zaragoza : CIHEAM, 1998. p. 119-133 (Cahiers Options Mditerranennes; n. 35) --------------------------------------------------------------------------------------------------------------------------------------------------------------------------

http://www.ciheam.org/ http://om.ciheam.org/

CIHEAM - Options Mediterraneennes

Exemples d'applications de l'automatique l'halieutique

S. Touzeau et Gouz Institut National de Recherche en Informatique en et Automatique (INRIA)- Projet Comore, B.P. 93, 06902 Sophia Antipolis Cedex, France

Cet article a pour but de prsenter quelques outils issus de l'automatique, appliqus la rsolution de problmes dans un contexte halieutique. Ces outils sont introduits par le biais d'exemples simples, regroups autour des thmes suivants : modlisation, identificationet contrle. Chaque exempleillustre l'un de ces thmes, tudi sur un systme dynamique"pcherie". Automatique, contrle, modklisation, thorie des systmes, systmes dynamiques, halieutique.

SUMMARY "Some examples of applicationof the control and system theory to the management of fisheries". The goalof this article is to present some tools stemming from the control and system theory, which are applied to the resolution of problems in a fisheries management context. These tools are introduced thanks to several simple examples, which are grouped according to the following themes: modelling, identification and control. Each example illustrates one of these themes, studied on a "fishery" dynamic system.

words: Automation, control, modelling, system theory, dynamic systems, fisheries management.

Dans cet article, nous voulons montrer comment appliquer des questions halieutiques des outils de l'automatique, et ce essentiellement par le biais d'exemples. Nous prsentons l une approche d'automaticiens face quelques problmes simples issus des pcheries. Ces deux disciplines, l'automatique et l'halieutique sont rarement associes. Cet effort d'interdisciplinarit s'inscrit dans le cadre du GdRCNRS 1107 du ProgrammeEnvironnement Comit MMT (Mthodes Modles et Theories) : Oufils et Modles de I'Automatique dans Etude de la Dynamique des Ecosystmes et du Contrle des Ressources renouvelables, qui runit biologistes, automaticiens et mathmaticiens de divers organismesde recherche en France. Notreprojet(COMORE-INRIA Sophia Antipolis) porte sur le Contrle et la Modlisation de REssources renouvelables. entretient, via ceGdR,descontactsparticuliersavecleLaboratoire MAERHA de I'IFREMER Nantes (Dominique Pelletier) et le Laboratoire d'Ecologie du Plancton de la Station Zoologiquede Villefranche/mer (Antoine Sciandra).

L'orientation de cet article tant une prsentation d'outils d'automaticiens des biologistes et des halieutes, sont exposes dans cette section quelques notions de base en automatique. Afin d'expliciter ces notions, elles sont ensuite appliques dans un contexte halieutique. Pour plus de dtails, on peut se reporter la littrature relative ce domaine (Kwakernaaket Sivan, 1972 ; Faurre etRobin, 1984 ; Beltrami, 1987 ; d'Andra-NoveletCohen deLara,1994) ou l'applicationen biologie des systmes dynamiques (Pav, 1994).

119

CIHEAM - Options Mediterraneennes

Automatique
L'automatique peut-tre dfinie comme la science qui tudiele fonctionnement des systmes. Elle comprend la thoriedu contrle et des systmes dynamiques. Un systme au sens automatique est isol du monde extrieur. Les dments qui le constituent l'aide de sontorganiss,interagissententreeuxetsontdynamiques. On dcritunsystme variables qui traduisent cette organisation. On le reprsente usuellement parun schma-bloc (Fig. 1). Les variables dcrivant le systme sont les entres, les sorties et, dans l'approche d'tat (que nous employons tout au long de cet article), les variables d'tat (appeles aussi variables internes).

Entres : U

Variables internes :X
J

Fig. 1.

Schma-bloc d'un systme automatique.

du systme et ne sont gnralement pas Les variables internes (= vecteur caractrisent l'tat accessibles ; on doit souvent se contenter de les estimer. Lesentres (= vecteur J U sont, de manire gnrale, matrises ou connues et sont utilises pour contrler le systme. Sinon, on les appelle plutt des perturbations (bruits de mesure, etc.). Les sorfies (= vecteur J Y sont mesures. Combines avec la connaissance des entres, elles permettent de reconstituer tout ou une partie de I'tat du systme. Le modle issu d'un systme d'tat ala forme suivante :

A partir de ce modle gnrique, on peut distinguer trois phases dans l'tude du systme modlisation, l'identification,et le contrle.

: la

La modlisation consiste donner la forme des fonctions f et g. Ces fonctions comportent des paramtres ; l'identification permet de dterminer les valeurs de ces paramtres. Ensuite il est possible de contr/er le systme, i.e., d'laborer une loi d'entre sur de manire obtenir le comportement voulu. II peut y avoir plusieurs faqons pour atteindre ce but ; le contrle optimal consiste chercher la "meilleure" faqon, au sens d'un critre donn, i.e., cellequi optimise ce critre. Si le contrle dpend des autres variables du systme, tats ou sorties, c.--d. :

Systme pche
Le "systme pche" considr dans cette section dcrit le comportement d'un stock de poissons exploit. Le stock est reprsent par son abondance X ; X est un vecteur si le stock est structur en ge ou en stades. L'entre naturelle sur ce systme est l'effort de pche: c'est ce qui est appliqu au en rsulte des captures, que l'on peut mesurer et qui stock et il est plus ou moins matrisable. constituent les sorties du systme (Fig. 2).

120

CIHEAM - Options Mediterraneennes

Effort de pche :

Stock de poissons Abondance :X dWdt = f(X,E)

Capture :Y

Fig. 2.

Schma d'un systme pche.

Exemple :
1re tape : modlisation.

On choisit le modle de Schaefer pour dterminer les fonctions f et g. X=rX(f-&)-qX = qEX

2me tape : identification.

On identifie les paramtres r, k et q partir par exemple de donnes effortskaptures issues de relevs de pche.
Prne

tape : contrle.

Cet exemple illustre le contrle optimal. On choisit de maximiser les captures sur un horizon de faudrait poser le problme plus prcisment avec ses contraintes pour se lancer dans une rsolution prcise. Mais cela consiste pcher un niveau soutenable pendant les premiers temps, puis la fin, augmenter l'effort au maximum pour pcher tout ce qu'il reste. On peut se reporter l'ouvrage de Clark (1976) pour plus de dtails.
10 ans.

Dans la suite de ce document, nous allons dcrire plus en dtails certaines applications que nous avons ralises sur des systmes halieutiques. Cette prsentation sera articule selon les 3 tapes dcrites ci-dessus.

= Donner la forme des fonctions f (et g).

La modlisationmathmatique, qui nousintresseici,estunetapedeformalisation.Afinde pouvoir tudier un systme donn, on lui substitue un modde dynamique mathmatique, qui est une reprsentation de I'volution au cours du temps du systme rel. II est illusoire de vouloir prendre en compte tous les phhomnes agissant sur le systme : un modle aussi compliqu soit-il ne sera jamais qu'une substitution, pratique car manipulable, mais imparfaite de la ralit. La premire tape pour I'tude ultrieure est donc une tape de choix et compromis : choix des grandeurs intressantes du systme et compromis entre la complexit du systme et le nombre de phnomnes mod6liss. La seconde tape consiste ensuite formaliser, traduire ces phnomnes sous une forme mathmatique (Pav, 1994). Les modles classiques en halieutique sont rpartis en deux grandes catgories (Laurec et Le Guen, 1981) : les modles globaux, comme par exemple le modle de Schaefer (1954), o l'ensemble du stock est agrgen une seule variable ; et les modles structurauxou analytiques, qui scindent le stock en classes d'&ge, cohortes ou plus gnralement en stades, commeles modles de Beverton-Holt (1957) et Ricker (1958). Ces modles sont en temps continu ou discret et on peut leur intgrer des variables stochastiques. Les modles que nous utilisons sont le plus souvent des modles dterministes (pas de variables stochastiques), en temps continu, formaliss par le biais d'un systme d'quations diffrentielles.On pourrait raisonner en temps discret peu prs de la m6me faSon.

121

CIHEAM - Options Mediterraneennes

Exemple de modlisation des pr-recruts

Les modles classiques en halieutique s'intressent principalement I'volution temporelle des stocks de poissons (ou plus gnralement de toute population marine exploite). Un stock est une unit de gestion : il reprsente la fraction de la population susceptible d'tre exploite (Laurec et Le Guen, 1981). En sont carts les individus trop jeunes eVou trop petits (parfois aussi les individus trop gs). L'entre dans cette phase exploitable correspond au recrutement. Souvent donc, seule est reprsente la dynamique du stock.
II nous a sembl intressant de reprsenter aussi la dynamique des pr-recruts (oeufs, larves, juvniles). Dans le modle qui suit, nous nous sommes attachs dtailler les phnomnes intervenant avantle recrutement, alors que la dynamique du stock esttrs simple.

Prsentation du modle
Nous avons choisi de reprsenter le stock par un modle structur "classique" n classes d'ge, en lui adjoignant un stadeO regroupant les pr-recruts (oeufs, larves, juvniles). prcisment, il s'agit d'un modle en temps continu de dimension (n + l ) , o chaque stade est dcrit par I'volution de son effectifXi. Le choix du temps continu s'explique en partie par le fait que nous nous intressons la dynamique des juvniles : cette dernire est rapide et demande donc un pas de temps petit, voire infiniment petit. Au niveau des pr-recruts, nous avons modlisla ponte et des termesde mortalits spcifiques. Pourcesderniers, nous nous sommesinspirsdeshypothsesutilisesparRicker(1954)et Bevertonet Holt (1957) pour laborer leurs relations stock-recrutement, Soit, outre la mortalit linaire naturelle, nous introduisons dans le modle du cannibalisme parental (cf. Ricker) et de la comptition intra-juvnile pour la nourriture ou l'habitat(cf.Beverton-Holt). Ce dernier terme de comptition s'exprime par de la mortalit densito-dpendante. Ces mcanismessont repris et dcrits pour ces deux modles stock-recrutement dans l'ouvrage de Clark (1976, pp. 217-218, 229-230) et de manire un peu plus synthtique par Hilborn et Walters (1992, pp. 257-261). La dynamique du stock est elle trs simplifie : mortalit naturelle et peche (Fig.3).

Formalisation mathmatique

avec :

E : mi : :
p .

fi
l i

pi

: : : : :

effort de pche coefficient de mortalit naturelle capturabilit coefficient de passage linaire paramtre de comptition juvnile taux de fcondit de la classe i efficacit reproductive de la classe tauxde prdation de la classe isur la classe O et

Chaque stade i (O n) du stock est soumis mortalit naturelle (mi), mortalit par pche passage dans la classe suprieure.

i 22

CIHEAM - Options Mediterraneennes

Rforme

-c

Fig. 3.

Structure du modele dynamique stocklpr-recruts.

A ce modle linaire trs simple, on greffe au niveau du stade pr-recrut O un terme de ponte, suppose continue, permettant de bouclerle systme, ainsi que des termes de mortalit spcifiques aux pr-recruts.

Plus prcisment, le nombre d'oeufs viables (par unit de temps) introduits dans le stade O est donn par la somme des (f;/iXi),o fi est la proportion d'individus fconds, et li le nombre moyen d'oeufs viables mis par un tel individu. Les juvniles sont aussi ventuellement soumis de la prdation parentale du stade i (pix,X,) et de la comptition (pox$). On peut remarquer quel'on pourrait aisment introduireun terme de pche moins lmentaire sur ce modle. La capturabilit qi reprsente pour un poisson de la classe i la probabilit, par unit d'effort, d'tre pch pendant une unit de temps. On pourrait la rendre dpendante de l'engin de pche : par exemple, en tenant compte des variations de vulnrabilit du poisson par rapport l'engin choisi, en valuant l'efficience de l'engin, etc. En outre l'effort depche,que l'on considre constant, pourrait trs bien voluer au cours du temps. Par exemple sous la forme d'un crneau de priode un an pour tenir compte des saisons de pche.

Exemple d'un
Nousconsidrons ici unsystme de pcherieplusglobal, o l'on veutmodliser la fois la dynamique du stock et celle des pcheurs. Ces deux sous-systmes sont dcrits de manire assez grossire, car c'est ici le lien entre pcheurs et stock qui nous intresse. Nous allons considrer que les pcheurs P sont reprsents par leur effort global E et que le stock de poissons, d'abondance X n'est pas structur Fig. 4).

I Y

Fig. 4.

Schma d'un systme halieutique "pcheurs-stock".

123

CIHEAM - Options Mediterraneennes

Description du modle
On peut dcomposer le systme global "pcheurs-stock" en deux sous-systmes. Sur le premier sous-systme "pcheurs", il y a : (i) deux entres, la consigne quotas Y, (ou limitation d'effort E,) et les captures Y ; et (i) une sortie gale la variable d'tat, l'effort de pche E. Sur le second soussystme "stock", il y a : (i) une entre, l'effort E ; (i) une sortie, les captures Y ; et (iii) une variable X. d'tat, l'abondance du stock L'association de cesdeuxsous-systmesdonneunsystmeglobalboucl"pcherie". Si l'on analyse ce systme, il y a : (i) une entre, la consigne quotas Y, (ou limitation d'effort Er) ; (i) une sortie, les captures Y ; (iii) deux variables d'tat, l'effort de pche E et l'abondance du stock X ; et (v) un bouclage de la sortie l'entre.

Nous avons choisi de dcrire I'volution du stock par un modle de Schaefer (1954), soit une croissance logistique, moins un terme de pche proportionnel la fois l'abondance et l'effort.
La dynamique des pcheurs drive aussi de ce modle. Schaefer (1954) a introduit une variable pour dcrire I'volution temporelle de la pcherie. Avec un seuil critique de niveau de population X,, au-dessous duquel la pcherie croissait et au-dessus duquel elle diminuait, faute de rentabilit. Avec nos notations, cela donne : E = k (X - X$) On peut remarquer que coupl avec la dynamique du stock, on obtient un systme proie-prdateur (Murray, 1990). Mais nous avons rajout un terme supplmentaire la dynamique de l'effort, afin de prendre en compte la consigne : limiter l'effort et les captures. Nous introduisons dans ce but un quota de pche Y, et une valeur limite de l'effort E, qui sont des recommandations, issues par exemple d'instances gouvernementales. Elles ne sont pas suivies la lettre, mais ont une influence sur le comportement des pcheurs.

Formalisation mathmatique

avec :

E X Y P c Y, k q

: : : : :
: :

: :
I

effort de pche abondance du stock captures prix de vente d'une unit de captures cot d'une unit d'effort/unit de temps quotas sur les captures valeur de l'effort limite taux de croissance capacit biotique capturabilit coefficients de pondration des composantes de

Le comportement de la partie stock de ce modle, i.e., le modle de Schaefer, est dcrit dans la littrature (Schaefer, 1954 ; Laurec et Le Guen, 1981). On distingue trois composantes de la dynamique de l'effort, chacune pondre par un poidsli que l'on peutajusterselon le typedecomportementvoulu.Lapremikrecorrespond uncritrede rentabilit et est similaire celle avance par Schaefer (1954) : tant que les revenus des captures ( p u sontsuprieursauxcots engendrs par l'effortcorrespondant,l'effortcrot ; sinon, il diminue.

124

CIHEAM - Options Mediterraneennes

Les deux autres composantes correspondent aux limitations. La deuxime tend faire augmenter l'effort si les quotas Y, ne sont pas atteints, et l'inverse en cas de dpassement. Et la troisime tend aussi augmenter l'effort tant qu'il est infrieur sa valeur limite recommande et inversement s'il la dpasse.

Identification
= Dterminer les valeurs des paramtres de fet g.

Pour dterminer les valeurs des paramtres intervenant dans les modles, il existe deux grandes fapns de procder : (i) soit par connaissance empirique des paramtres biologiques qui interviennent ; et (i) soit partir de relevs exprimentaux. C'est cette dernikre solution dont nous donnons un exemple ci-dessous. Admettons que nous sommes en possession d'un jeu de donnes suffisant, i.e., de relevs portant sur un nombrede variables suffisant (par rapport au nombre de paramtres identifier), et ce pour de relativement longues sries temporelles. Auparavant nous avons retenu une structure de modle que nous voulons identifier, cohrente avec les donnes disponibles. II faut encore dterminer un critre,admettantcommevariableslesparamtresdumodle et faisantintervenirlesdonnes exprimentales ; les paramtres les plus adapts aux donnes, au sens du critre choisi, sont ceux qui optimisent ce critre.

Exemple du stock de fltan

Nous allons prsenter ici un exemple d'identification sur un modle de Schaefer (1954), partir de donnes du fltan du Pacifique.

Donnes
Les donnes dont on dispose ont t communiques par Deriso (pers. comm. via D. Pelletier ; Deriso, 1980). Elles concernent le fltan du Pacifique. Elles sont constitues des relevs de captures et de captures par unit d'effort (cpue) entre 1929 et 1987, raison d'un relev par an. Une partie de ces donnes provient de Ricker (1975). On en dduit aisment une srie de 59 relevs exprimentaux d'effort et de captures, espacs rgulirement d'un an.

Mthode
On choisit ensuite de reprsenter notre systme par le modle de Schaefer suivant X(+
rX(t) ( 1 -

y )-

Y(t)

Les paramtres identifier sont donc: r,k,q et Xo. Nous avons integr la condition initiale du stock dans les paramtres du modle, car il est ncessaire d'avoir la valeur du stock un instant donn, afin de pouvoir intgrer I'quation diffrentielle. Comme critre d'identification, on choisit de minimiser les carts entre les captures relles et les T + 7 annes des relevs. Cette captures simules, par une mthode des moindres carrs, sur les mthode consiste minimiser la somme des carrs des carts. Dans ce cas, le problme correspondant s'exprime de la manire suivante:

125

CIHEAM - Options Mediterraneennes

o : Ysimu,. est calcule grce la relation (4b) avec = et X ; Xtant obtenu par intgration de (4a) avec Y= et la condition initiale (4c).
La rsolutionnumriquedesproblmesd'identificationat ralise sur le logiciel MATLAB, l'aide de son Optimization Toolbox. La fonction implmente, permettant de rsoudre ces problmes d'optimisation par les moindres carrs non-linaires, fait appel l'algorithme de Levenberg-Marquardt.

Rsultats
Par la mthodedesmoindrescarrsdcriteci-dessus,nousavonsobtenulesvaleursdes paramtres optimaux suivantes :

r = 0.278 k = 1055 g = 0.222 X 0=

enanne-' en 706 en longueur d'engin.anne-' en Lb

Les rsultats obtenus sont assez satisfaisants, comme le montre la comparaison entre captures exprimentales et simules issues de ce modleidentifi (Fig. 5).

les

1920

1980 1940 19701960f 950 Anne

'

1990

Fig. 5.

Comparaisonpour le fltan duPacifique,entre par le modle (4) avec les paramtres (5).

les capturesexprimentalesetsimules

126

CIHEAM - Options Mediterraneennes

Contrle
= Elaborer uneloi d'entre sur de manire obtenir un comportement voulu.

Dans cette section, nous prsentons deux exemples simples de contrle. Le premier illustre une poursuite de consigne ; son but est de rendre la sortie du systme (captures) gale une consigne donne (quotas). Le second exemple est une approche "viabiliste" du contrle (Aubin,1991).

de

de consigne

Cet exemple introduit une poursuite de consigne. De manire gnrale, cela consiste laborer une loi de contrle sur le systme, afin que la sortie (ou une partie de la sortie) de ce dernier suivela consigne indique. Le systme que nous considrons ici est le "systme pche" prsent la Fig. 2. La consigne de sortie est prise sous formede quotas de pche. Tout d'abord, nous allons prsenter une synthse intuitive de la loi de commande, puis ensuite nous allons vrifier que le systme ainsi command remplit bien notre objectif: suivre les quotas de pche.

Elaboration apriori de laloi de contrle

Notre but dans cet exemple est de suivre la consigne : captures = quotas, sur un stock exploit donn. Le contrle sur notre systme est l'effort de pche E. On cherche donc B laborer un effort qui, appliquau stock de poissons, permettede suivre la consigne. Pour cela on introduit un comparateur dans notre systme, qui calcule l'erreur:.e= Y, - V, puis on multiplie cette erreur parun gain A, qui sert d'amplificateur. Si l'on suppose que : E = A(Y, - v), la loi d'effort qui drive de cette quation a, a priori, bien le comportement voulu. En effet, Si les quotas sontdpasss, l'effort diminue(etdonca priori lescapturesaussi),tandisqu'ilaugmente Si les quotas sont dpasss. II suffit donc finalement d'intgrer cette erreur amplifie pour obtenir le contrle E (Fig. 6).

Y Il

I f
I

'

Fig. 6.

Schmad'unsystmehalieutiqueavecpoursuite

de consigne"quotas".

Analyse du systme command

Vrifions prsent que le comportement du systme est bien conforme notre objectif, savoir poursuite de la consigne "quotas". Comme modle pour le stock, on prend le modle de Schaefer (1954), ce qui nous donne systme complet command suivant : le

CIHEAM - Options Mediterraneennes

X=rX

A( 9EX

-9EX ( :> Y, Y)

Pour l'tude de ce systme, nous avons choisi des valeurs simples pour les paramtres. Elles ne sontpasncessairementralistes,aucuneunit n'est prcise,mais ce modlesansdimension permet une meilleure comprhension et des calculs allgs. Soit donc :

r=k=9=l A=3 Y, =
Le systme devient donc :
X=X(l-x)EX

- X)

Les points d'quilibre sont les points qui annulent X et . vrifient donc : + X = et X = ; ou encore I'quation suivante : X* - X -f= O. II y a donc deux points d'quilibre, qui sont bien dans le plan rel, avecdes coordonnes strictement positives, et qui sont : quilibre 1 (Eq
X+ E;=

quilibre 2 (Eq 2)
X;=
l-&

l+& l-&

Les points obtenus vrifient bien la consigne : captures = quotas. faut donc prsent tudier partir de quelles conditions initiales il est possible d'atteindre ces points d'quilibre. Si l'on se place dans le plan de phase, i.e., dans le plan o l'on a l'effort sur un axe et l'abondance du stock sur l'autre, on peut dterminer le sens de variation de chacune des variables, selon divers secteurs du plan. On matrialise la rsultante des variations en X et en E par une flche. On peut ainsi voir si les points d'quilibre sont stables et d'o il est possible de converger vers eux (Fig. 7). Grce cette reprsentation graphique, on voit donc que le point d'quilibre Eq 1 est un noeud stable et le point d'quilibre Eq 2 un point selle, donc instable. En ces deux points les captures sont gales aux quotaset l'on est I'quilibre. II est intressant de remarquer quele point stable est celui pour lequel l'abondance du stock est plus leve et l'effort de pche plus faible. Les secteurs du plan sont dlimits par les isoclines A,, A2 et une sparatrice Z. Z est la trajectoire particulire quiconvergevers le point d'quilibreinstable Eq 2. Elle est obtenueparsimulation numrique. Comme toute trajectoire, elle ne peut tre franchie. A gauche de cette sparatrice (zone effort grise), partir des secteurs S2 et S3, toutes les trajectoires tendent vers un stock nul et un trs grand. A droite de la sparatrice, partir dessecteurs S4, S6 et S7, les trajectoires convergent toutes vers I'quilibre stableEq 1.

des rsultats
On a donc dfini deux zones dans le plan de phase spares par C. La premire zone est celle dite "instable" (secteurs 1-3, zonegrise) ; elleestcaractrise par unstockd'effectiffaible. La seconde estla zone de convergence; elle recouvre les stocks plus abondants.

CIHEAM - Options Mediterraneennes

Effort E
1.S

Plan de phase

C sparatrice A1 isocline (dWdt-O)

A2 isocline 2 (dE/dt=O)

52 numro de secteur (ici:2)

i .o

J
~

(point selle)

sens de variation (ici: dWdtsO et dWdbO) sens de traversed'une isocline (ici:dWdt=O et dYldt>O)

zone "instable" ...............................................

"

"

"

"

'

Fig. 7.

de phase associ au systme (6',7'). loi de

Sile stock est bas (zone instable), quel que soit le niveau d'exploitation appliqu, avec la En dans ce cas,
S1-2) ;

pche, et ainsi on un quotas soient dpasss maislestock il est augmente, le stock s'puise et l'on se
Si

un stock nul.
; ainsi on

de avec un stock bas, il

S2),

; dans ce cas, sous dans le cas :

nul.

est
S4-5 etlesaugmente

d'un dans les

il

assez

des

ci-dessus dans les S6-7. Ainsi le systme des donnes Eq 1. C'est un stock assez lev. En ce est Eq 1 est un point stable la zonede son objectif captures = quotas il puise le stock.

la loi de

En conclusion, le condition que le stock initial ne soit pas B un

Stabilisation "viabiliste"
Presentation du systme tudi

on
rX 1 - - -qEX

le systme suivant:

E= U Y= q f X

129

CIHEAM - Options Mediterraneennes

Le systme est trs semblable celui reprsent sur la Fig. 2, avec un modle de Schaefer, sauf que l on ne contrle pas le systme par l'effort de pche E mais par sa drive U, i.e., par la vitesse de variation de l'effort. C'est plus raliste, car ainsi l'effort varie continment et non pas de manire brusque. Le contrle est alors du type : "veuillez diminuer l'effort telle vitesse, soit veuillez dtruire un bateau par an", et non : "veuillez appliquer tel effort, soit veuillez pcher avec tantde bateaux". En outre on borneU, ainsi l'effort ne peut pas varier trop vite. De mme que prcdemment, nous allons poursuivre I'tude avec un modle adimensionnel, o les paramtres sont choisis arbitrairement. Soit : r = k = q = 1. Le modle prcdent devient :

X = X ( I - X ) - EX = Uavec: U< Y= EX

Approche "viabiliste"
Le but ici est d'essayer de rester dans un domaine donn. On cherche savoir si, partant d'un point de ce domaine il existe un contrle admissible (i.e,, respectant les contraintes de bornitude) nous permettant d'y demeurer. Ainsi on peut dfinir un sous-domaine limite D/ de notre domaineinitial tel que si et seulementsi on ne part pas de quel que soit le contrle U, on est certain de quitter Ce qui signifie aussi que si on part de D/, on peut trouver un contrle U pour resterdans D (et par sute dansD/). Ce type d'tude est connue sous le terme d'tude de viabilit (Aubin, 1991).

Application notre systme

On cherche rester autour d'unpoint quilibre de rfrencedu systme, de manire ce que les captures et l'effort de pche ne s'loignent pas trop de leurs valeurs d'quilibre. Cela constitue un pseudo-critre conomique : peu de variationsdecapturesetd'effortgarantitauxpcheursdes revenus et des cots peu prs constants. Le point d'quilibre que l'on choisit est :
X* =

E* = 1 - X * =

(13)

A I'quiiibre, le contrle manire suivante :

U est nul. Le domaine D dans lequel on veut rester

est dfini de la

La contrainte est :
-1 6

u = E<
du problme. On se place comme

A partir de l, on va utiliser une rsolution graphique prcdemment dansle plan de phase (X,).
(14). On reprsente aussi les deux droites, X

Tout d'abord, on met en vidence le point d'quilibre indiqu en (13) et,le domaine dfini par = et A, pour lesquelles X issu de s'annule (Fig. 8). En effet les trajectoires peuvent "s'arrter'' sur ces droites, car les points de ces droites sont tous des quilibres de : il suffit alors de prendre U = pour qu'ils deviennent des quilibres du systme complet(10',11 La droite X = O n'est pas trs intressante nanmoins(stock puis).
l).

CIHEAM - Options Mediterraneennes

Effort E

Plan de phase

0.0

;
0.0

.
X*=0.3
0.5

i
1.5

Stock X

1.o

Fig. 8.

Mise en vidence du domaine D (14) dans lequel on veut maintenir ( l O ' , l 1',12').

le Systme

Ensuite, on tudie le sens de variation de X, i.e., le signe de X , aux bornes du domaine On le matrialise par des flches horizontales (Fig. 9). L o les flches sont rentrantes aux bornes de D, on ne peut sortir du domaine. Sur le bord bas, le bord haut, le ct droit et le ct gauche/partie infrieure du domaine, il n'y a pas de problme, les flches sont rentrantes. Par contre sur le ct gauche/partie suprieuredu domaine, les flches sont sortantes. En effet dans la zone suprieure gauche de l'effort de pche est trop lev et donc l'abondance du stock s'affaiblit ; tant et si bien que l'on ne peut plus assurer le niveau de captures Y , si l'on maintient l'effort ce niveau. La solution pour tenter de rester dans le domaine quand on approche de la zone critique suprieure gauche est donc de diminuer l'effort de pche le plus vite possible, cad. pour E = U , , = -1. En traSant un faisceau de trajectoires avec ce contrle minimal, on peut identifier la trajectoire limite. Si l'on part d'un point de D gauche de cette trajectoire limite, quoi que l'on fasse, on sort de D. Et si l'on part droite de cette trajectoire limite, un contrle admissible (vrifiant (15)) bien choisi permet de demeurer dans D ; et par consquent droite de cette trajectoire (Fig.1O). Grce cette mthode graphique, on identifie donc une zone interdite du domaine D, situe dans le coin suprieur gauche du domaine. Si l'on vite cette zone, grce un contrle intelligent, on peut conserver un niveau de captures et d'effort proche du point d'quilibre de rfrence. L'interprtation conomique dece rsultat est un peu grossire : revenus et cots peu prs constantssi l'on reste droite de la trajectoirecritique.Maiscersultat,parsonapproche"domaine solution" (etnon "trajectoire solution"), a l'avantage d'tre assez robuste en cas de petites perturbations.

Conclusion
Nous avons montr dans cet article qu'il est possible d'appliquer des outilsde l'automatique des problmes de pche.Certes, le contenuhalieutiquedesexemplesprsents ici n'estpastrs dvelopp ; ces applications sont en outre fort peu ralistes. Nanmoins, ce sont des "cas d'cole", simples, de manire illustrer, dans un contexte de pche, l'utilisation de la thorie des systmes et du contrle.

131

CIHEAM - Options Mediterraneennes

La rsolution de problmes plus complexes et ralistes est possible, mais demande un travail et une interaction halieute-automaticien qui dpasse le cadre et le sujet de cet article.

Effort
1.5

de phase

A,
1.0 -

pas (dWdt=O)

Sens de de X au-dessus de la Sens au-dessous de

de

Fig. 9.

Dtermination du sens de variation

X d u stock aux bornes du domaine D.

Effort

de phase

Les lesquelles U=-l. L a

-- et la
est
U.

limite

du domaine de quel que

soit

L a est la de cette zone avec le du domaine

Stock
0.0

X*=0.3

i .O

l.5

Fig. 1O.

Identificationde la zone interdite (zone grise) du domaine D.

~~

CIHEAM - Options Mediterraneennes

d'Andrea-Novel, etCohen deLara, M. (1994). Commande linaire dessystmesdynamiques. Masson, Paris. Aubin, J.-P. (1991). Viabjljty theory. Birkhauser, Boston. Beltrami, E. (1987). Mathematics for dynamic modeling. Academic Press, Boston. Beverton, R.J.H. et Holt, S.J. (1993). On the dynamics of exploited fish populations. Chapman and Hall, London. Premire dition 1957. Clark, W.C. (1976). Mathematical Bioeconomics: the optimal management of renewable ressources. Wiley, New York. Deriso,R.B. (1980). Harvestingstrategiesandparameterestimationfor Can. J. Aquat. Sci., 37 : 268-282. an age-structuredmodel.

Faurre, P. et Robin, M. (1984).Nments d'automatique. Dunod-Bordas, Paris. Kwakernaak, H. et Sivan, R. (1972).Linear controlsystems. Wiley-Interscience, New York. Laurec, A.et Le Guen, J.-C. (1981). Dynamique des populations marines exploites. Concepts et du CNEXO No. 45, Editionsde Modles. Tome I. Rapportsscientifiquesettechniques I'IFREMER, Plouzan (France).
l

Murray, J.D. (1989). Mathematicalbiology. Springer, Berlin. Pav, A. (1994). Modlisation en biologie et en cologie. Alas, Lyon. Ricker, W.E. (1958). Handbook of computations for biological statisfics of fish populations. Bull. Fish. 119. Res. Board Can. p. Ricker, W.E. (1975). Computation and interpretation Fish. Res. Board Can. p. 191. biological statistics of fish populations. Bull.

Schaefer, M.B. (1954).Some aspectsof the dynamics of populations importantto the management of the commercjal marine fisheries. Bulletin of the lnter-American Tropical Tuna Commission, l(2) :

27-56.

133