RÉSUMÉ (traduit par les éditeurs)Le texte décrit brièvement le développement de HABSCORE, une méthode d'évaluation de l'habitat basée sur une série de modèles statistiques empiriques qui relient l'abondance des salmonidés aux variables d'habitat observées. Des données sur les poissons et l'habitat de 602 sites de référence du Rays de Galles et de Grande-Bretagne ont été utilisées pour développer des modèles de prédiction des populations de salmonidés. Sur ces sites, 130 variables indépendantes ont été relevées à partir desquelles 5 modèles de régression, prédisant la taille des populations salmonicoles, ont été produits. Ces modèles [pour les saumons O-t-, > O-i-, les truites O-t-, > 0-H (< 20 cm) et > O-t-(> 20 cm)] rendent compte de 28,7 à 46,2 % de la variance totale des densités de population obsen/ées dans les données de base. Une partition des variances indique que les modèles prennent en compte 45,1 à 86,7 % de la variation spatiale totale. Lerreur associée aux mesures des variables d'habitat ne représente que moins de 1,1 % de la variance totale dans les 5 modèles. La qualité de ces modèles est brièvement discutée. Les sorties des modèles et les applications potentielles de HABSCORE sont décrites.Mots-clés : habitat, gestion de la pêche, modèle, prédiction, salmonidés. THE DEVELOPMENT OF HABITAT MODELS FOR STREAM SALMONIDS, AND THEIR APPLICATION TO FISHERIES MANAGEMENT SUMMARYThe paper briefly describes the development of HABSCORE, a salmonid habitat assessment technique based on a séries of empirical statistical models which relate salmonid abundance to observed habitat variables.Fisheries and habitat data for 602 notionally pristine sites throughout England and Wales were used in the development of salmonid population prédiction models. Thèse sites provided a total of 130 independent variables from which five régression models, predicting salmonid population size, were produced. Thèse models (for 0* salmon, >0* salmon, 0* trout, >0-^ [<20cm] trout and >0* [>20cm] trout) explained between 28.7 % and 46.2 % of the total variance in population densities observed in the raw data.Partitioning of the variances within the raw data suggested that the models account for between 45.1 % and 86.7 % of the total spatial variation. Error associated with the measurement of the habitat variables used accounted for <1.1 % of the total variance in the five models.The quality of the models is briefly discussed. The outputs of the models, and the potential management applications of HABSCORE, are described.

RÉSUMÉ (traduit par les éditeurs)Les populations de truite (Salmo trutta, L.) et de saumon (Salmo salar, L.) des cours d'eau sont caractérisées par des variations spatiales et temporelles. La capacité des modèles d'habitat (modèles empiriques reliant l'abondance des poissons à des variables spatiales) à expliquer la variance totale de l'abondance reste cependant réduite aux seules composantes spatiales. II est pourtant important de mieux connaître leur contribution à cette variance totale, d'où la nécessité d'estimer la performance potentielle maximum des modèles par rapport à leur performance actuelle. Une partition de la variance peut aider à dégager les rôles respectifs des facteurs spatiaux et temporels (synchrones) influençant l'abondance des populations en étudiant leur variation en fonction de l'appartenance géographique des échantillons.Des modèles d'habitat (HABSCORE), récemment développés pour les cours d'eau du Rays de Galles, ont été utilisés pour expliquer la variance d'un jeu de données recueilli sur 10 ans. Les facteurs spatiaux expliquent entre 46 et 62 % de la variance totale pour les cours d'eau du bassin de la Conwy. Cela montre les limites maximums de la performance de modèles construits à cette échelle. A l'exception d'une faible performance pour les parrs de saumon, les modèles d'habitat prennent en compte de 60 à 95 % de la composante spatiale, soit 38 à 46 % de la variance totale. La structure de la variance a été comparée à quatre niveaux différents d'analyse : entre les différents tributaires de la Conwy (1), entre 9 systèmes différents de cours d'eau (2), entre trois régions (3) et dans tout le Rays de Galles (4). La variance spatiale évolue de 22-42 % (moyennes) au niveau local (1) à 42-65 % au niveau régional (4). Rarallèlement, la variance temporelle (soit, une mesure du synchronisme de la variabilité des populations) décroît de 24-39 % du niveau local (1) à 0.7-9.0 % au niveau régional (4).Au niveau inter cours d'eau (2) et à plus large échelle, la variance temporelle de l'abondance des 0+ est beaucoup plus faible que pour les poissons > O'''. Certains des facteurs influençant la variabilité aux différentes échelles géographiques sont discutés brièvement.Mots-clés : salmonidés, cours d'eau, densité de population, variance spatiale et temporelle, modèles d'habitat, synchronisme, échelle géographique. VARIANCE STRUCTURING IN STREAM SALMONID POPULATIONS, EFFECTS OF GEOGRAPHICAL SCALE AND IMPLICATIONS FOR HABITAT MODELS. ABSTRACTTrout (Salmo trutta, L.) and salmon (Salmo salar, L.) populations in streams exhibit temporal and spatial variation. However, the ability of habitat models (empirical models relating fish abundance to spatial features) to explain overall variance in abundance is

RÉSUMÉ (traduit par les éditeurs)73 modèles multivariés (empiriques) prédisant les populations de salmonidés à partir de variables biologiques et environnementales ont été analysés.Rarallèlement, les résultats publiés de 15 tests de ces modèles sont brièvement commentés. Les relations entre les sources des différentes variables significatives et la performance des modèles sont discutées à la lumière du développement de HABSCORE, un outil de gestion des pêcheries des salmonidés, basé sur des modèles prédictifs empiriques.Une évaluation des capacités prédictives des modèles suppose qu'une combinaison de variables (celles qui retracent les traits à large échelle du bassin et celles qui sont reliées aux conditions mêmes du cours d'eau) est plus utile pour prédire les stocks de truite que l'une des sources prise séparément.Les données de base utilisées dans la formulation de la majorité des modèles détaillés dans la littérature ont souvent une provenance géographique limitée. Par conséquent, de tels modèles n'ont un bon pouvoir prédictif que dans une même région écologique, et sont peu applicables ailleurs.Pour développer des modèles utilisables comme outils de gestion des pêcheries, il est souhaitable de baser leur développement sur des données issues d'une base géographique étendue.Bien que certaines définitions spécifiques des différents paramètres diffèrent selon les auteurs, il y a un consensus général sur la nature même de ces paramètres considérés comme utiles ou importants pour le développement de modèles. A partir de définitions rigoureuses de ces paramètres, il devient possible de proposer un système de description de l'habitat qui sera à la fois applicable largement et pourra donner lieu à des résultats reproductifs.Mots-clés : habitat, HABSCORE, modèle, prédiction, salmonidés. AN ANALYSIS OF PREDICTIVE MODELS FOR STREAM SALMONID POPULATIONS. SUMMARYA total of 73 multivariate (empirical) models predicting salmonid populations from biological and environmental variables were assessed. In conjunction with tfiis, the published results of 15 tests of models are briefly commented on. The relationships between the sources of the significant variables and the performance of the models are discussed in relation to the development of HABSCORE -a management tool for salmonid fisheries which is based on empirical prédictive models.An assessment of the prédictive capabilities of the models implied that a combination of variables (those which relate to the large-scale features of the catchment and those which describe the instream conditions) were more usefui in predicting trout stocks than either source of variables alone.Whiist raw data gathered from relatively 'narrow' ecological ranges have been used to formulate the majority of models detailed in the literature, such models often have high Article available at http://www.kmae-journal.org or http://dx.doi.org/10.1051/kmae:1995041Bull. Fr. Pêche Piscic. (1995) 337/338/339 : 365-373 -366 -prédictive power only within the same ecological range, and are consequently ...