Chapitre II
Matériel et méthodes
15
Figure 08 - Sagittae gauches de B. boops(a), E. encrasicolus(b) et S. pilchardus(c).
3.1. Prélèvement et conservation des otolithes
À partir d’une section frontale de la tête, les otolithes sagittae (les plus volumineux et plus
faciles à prélever) sont prélevés à l’aide de pinces fines, ensuite rincés avec de l’eau et conservés
à sec dans des tubes Eppendorf codifiés. Sur l’ensemble des spécimens échantillonnés, nous
avons conservé 1218 otolithes (droits et gauches).
3.2. Analyse de forme et description du contour des otolithes
L'analyse morphométrique des otolithes est une méthode bien établie pour délimiter les stocks de
poissons, caractériser les mouvements de population et détecter l'origine natale du poisson. Deux
méthodes morphométriques principales sont utilisées : l'analyse de Landmarks et l'analyse des
contours. Avec cette dernière méthode, il est possible de quantifier les formes des limites afin
que les profils de variation de forme à l'intérieur et entre les groupes puissent être évalués en
fonction d'un grand nombre de variables indépendantes. L'avantage d'utiliser de telles méthodes
+dans l'identification de la population est qu'elles sont rentables et ne nécessitent que des images
d'otolithes à partir desquelles les contours peuvent être extraits et analysés avec un logiciel
statistique. Dans notre étude, nous avons utilisé un package du logiciel libre R (3.4.0) pour
extraire, visualiser et générer des données de formes d'otolithes avec un petit nombre de
fonctions faciles à utiliser. Il existe des fonctions intégrées qui permettent aux utilisateurs
d’effectuer des processus automatiques tels que l'extraction des contours d'otolithes à partir
d'images, visualiser la forme moyenne, lisser le contour en éliminant le bruit des pixels et
transformer les contours en coefficients indépendants à l'aide d’Elliptique Normalisée de Fourier
ou discrète de Wavelet. Ces coefficients peuvent être utilisés dans une large gamme de packages
et logiciels statistiques pour les analyses multidimensionnelles (Libungan et Pálsson, 2015).
Matériel et méthodes
15
Figure 08 - Sagittae gauches de B. boops(a), E. encrasicolus(b) et S. pilchardus(c).
3.1. Prélèvement et conservation des otolithes
À partir d’une section frontale de la tête, les otolithes sagittae (les plus volumineux et plus
faciles à prélever) sont prélevés à l’aide de pinces fines, ensuite rincés avec de l’eau et conservés
à sec dans des tubes Eppendorf codifiés. Sur l’ensemble des spécimens échantillonnés, nous
avons conservé 1218 otolithes (droits et gauches).
3.2. Analyse de forme et description du contour des otolithes
L'analyse morphométrique des otolithes est une méthode bien établie pour délimiter les stocks de
poissons, caractériser les mouvements de population et détecter l'origine natale du poisson. Deux
méthodes morphométriques principales sont utilisées : l'analyse de Landmarks et l'analyse des
contours. Avec cette dernière méthode, il est possible de quantifier les formes des limites afin
que les profils de variation de forme à l'intérieur et entre les groupes puissent être évalués en
fonction d'un grand nombre de variables indépendantes. L'avantage d'utiliser de telles méthodes
+dans l'identification de la population est qu'elles sont rentables et ne nécessitent que des images
d'otolithes à partir desquelles les contours peuvent être extraits et analysés avec un logiciel
statistique. Dans notre étude, nous avons utilisé un package du logiciel libre R (3.4.0) pour
extraire, visualiser et générer des données de formes d'otolithes avec un petit nombre de
fonctions faciles à utiliser. Il existe des fonctions intégrées qui permettent aux utilisateurs
d’effectuer des processus automatiques tels que l'extraction des contours d'otolithes à partir
d'images, visualiser la forme moyenne, lisser le contour en éliminant le bruit des pixels et
transformer les contours en coefficients indépendants à l'aide d’Elliptique Normalisée de Fourier
ou discrète de Wavelet. Ces coefficients peuvent être utilisés dans une large gamme de packages
et logiciels statistiques pour les analyses multidimensionnelles (Libungan et Pálsson, 2015).