L'IPR ou Indice Poisson Rivière produit par l'Onema (Oce national de l'eau et des milieux aquatiques) décrit l'écart entre
les caractéristiques du peuplement observé lors d'une pêche et les valeurs de référence. À partir de cet indice synthétique et composite, notre objectif est d'évaluer si l'état des cours d'eau tend à s' améliorer, ou à se dégrader sur le long terme.

La modélisation statistique des mesures a pour principaux avantages de permettre la prise en compte de covariables et de fournir des statistiques de diagnostic.
Les prédicteurs sont l'identiant de la station, l'année et une ou plusieurs covariables comme effets fixes ou aléatoires: dans tous les cas, la tendance estimée correspond à l'effet lié à la variable année.

Notre choix s'est porté sur le package mgcv (Mixed GAM Computation Vehicle) qui autorise des effets aléatoires ainsi que des relations additives, supposées non linéaires avec les options de lissage de la fonction spline (bs=cc,bs=re). La fonction bam s'applique à des données volumineuses et permet des traitements plus rapides que la fonction gam surtout en présence d'effets aléatoires.

Deux options sont envisageables pour inclure l'année : en variable qualitative et quantier l'effet annuel comme un écart à une année de référence ou par une fonction spline de la variable quantitative qui représente une courbe lissée de la tendance annuelle et des effets journaliers tenant compte de la saisonnalité.