Taking full advantage of the diverse assemblage of data at hand to produce time series of abundance. A case study on Atlantic salmon populations of Brittany

Estimation of abundance with wide spatiotemporal coverage is essential to the assessment and management of wild populations. But, in many cases, data available to estimate abundance time series have diverse forms, variable quality over space and time and they stem from multiple data collection procedures. We developed a hierarchical Bayesian modelling (HBM) approach that take full advantage of the diverse assemblage of data at hand to estimate homogeneous time series of abundances irrespective of the data collection procedure. We apply our approach to the estimation of adult abundances of 18 Atlantic salmon (Salmo salar) populations of Brittany (France) from 1987 to 2017 using catch statistics, environmental covariates, and fishing effort. Additional data of total or partial abundance collected in four closely monitored populations are also integrated into the analysis. The HBM framework allows the transfer of information from the closely monitored populations to the others. Our results reveal no clear trend in the abundance of adult returns in Brittany over the period studied. lations d'animaux sauvages. Dans de nombreux cas, toutefois, les donnees disponibles pour l'estimation de series chronologidifferentes procedures. Nous avons elabore une approche de modelisation bayesienne hierarchique (MBH) pour tirer pleinement parti de l'assemblage varie de donnees disponibles pour estimer des series chronologiques homogenes d'abondance, quelle que soit la procedure de collecte de donnees. Nous appliquons l'approche a l'estimation de l'abondance d'adultes dans 18 populations de saumon atlantique (Salmo salar) de Bretagne (France) de 1987 a 2017, en utilisant des statistiques sur les prises, des covariables faisant l'objet d'une surveillance etroite sont aussi integrees a l'analyse. Le cadre de MBH permet le transfert d'information l'abondance des adultes de retour en Bretagne au cours de la periode etudiee. [Traduit par la Redaction]
L’estimation de l’abondance à vaste couverture spatiotemporelle est nécessaire pour l’évaluation et la gestion de populations d’animaux sauvages. Dans de nombreux cas, toutefois, les données disponibles pour l’estimation de séries chronologiques d’abondance prennent différentes formes, sont de qualité variable dans le temps et l’espace et ont été obtenues par différentes procédures. Nous avons élaboré une approche de modélisation bayésienne hiérarchique (MBH) pour tirer pleinement parti de l’assemblage varié de données disponibles pour estimer des séries chronologiques homogènes d’abondance, quelle que soit la procédure de collecte de données. Nous appliquons l’approche à l’estimation de l’abondance d’adultes dans 18 populations de saumon atlantique (Salmo salar) de Bretagne (France) de 1987 à 2017, en utilisant des statistiques sur les prises, des covariables environnementales et l’effort de pêche. D’autres données sur l’abondance totale ou partielle obtenues pour quatre populations faisant l’objet d’une surveillance étroite sont aussi intégrées à l’analyse. Le cadre de MBH permet le transfert d’information sur des populations étroitement surveillées aux autres populations. Nos résultats ne font ressortir aucune tendance nette de l’abondance des adultes de retour en Bretagne au cours de la période étudiée. [Traduit par la Rédaction]