4.5 Előrejelzési módszerek és általános/empirikus modellek

A készletméretek a megfelelő modellek (pl. növekedési-túlélési modell és korrelációs modellek) az előszezoni felmérés eredményei alapján, amelyet a fejlábúak juvenilis fázisban lévő állományának megfigyelésére szolgáló kísérleti módszerek (Brunetti és Ivanovic, 1992; Kawabata et al, 2006; Kidokoro et al., 2014) és planktonhálók segítségével végzett paralárvaeloszlás-felmérések (Bower et al., 1999a; Goto, 2002; Murata, 1989; Yamamoto et al., 2007). A japán T. pacificus halászat esetében több mint 40 éve végeznek paralarvalis felméréseket (Goto, 2002; Murata, 1989; Okutani és Watanabe, 1983). Az eredeti tervben ezeket a felméréseket a következő évi állományméret előrejelzése céljából végezték. Az e felmérések során kapott paralárva-sűrűségeknek azonban gyenge volt az erejük a következő évi állományméret előrejelzéséhez, miközben nagymértékben összefüggöttek az előző generáció ívási állományméretével (a megszökött populáció számával) (Goto, 2002; Murata, 1989). Ezek az eredmények azt jelentették, hogy a paralarvalis sűrűségek majdnem ugyanolyan erővel rendelkeznek a következő évi állományméret előrejelzésére, mint az ivadék és az ivadékfelvételi kapcsolatokon alapuló előrejelzési módszerek, mivel a túlélési arány az ivadékfelvételt megelőző szakaszokban nagyon változó. Ha a fejlábúak újszülött előtti abundanciáját pontosan meg lehet becsülni közvetlenül a halászati szezon megnyitása előtt, az állományméret egyszerű modell (pl. arányos modell) segítségével megbecsülhető az újszülöttek abundanciája alapján. A T. pacificus japán halászatában már egy évtizede végeznek középvízi vonóhálóval végzett, az újoncbőségre irányuló felméréseket (Kidokoro et al., 2014). Az óceáni fejlábúak populációinak mennyiségi felmérésére szolgáló középvízi vonóhálós felmérések valószínűleg komoly alulbecslést adnak a populáció sűrűségéről, valamint torzított méretgyakoriságot és faji összetételt (Boyle és Rodhouse, 2005; Wormuth és Roper, 1983), ami főként a háló kikerüléséből ered. Ezért a T. pacificus esetében a közepes vonóhálós felmérések célpontja a főként 3-10 cm ML méretosztályba tartozó egyedekre korlátozódik, amelyek nem az erős úszóerővel rendelkező szakaszok (Kidokoro et al., 2014). A nettó elkerülési arány azonban továbbra sem egyértelmű, ezért az állomány nagysága nem számszerűsíthető az e felmérések során kapott adatok alapján. Ehelyett az állományméret az e felmérések során kapott indexként (pl. átlagos egyedek/vonó) szerepel. Az előszezonális felmérés eredményei és az újoncok állománymérete közötti kapcsolat nem biztos, hogy arányos, mivel ezek az előszezonális felmérések általában nagy megfigyelési hibákat tartalmaznak. A T. pacificus felmérések példáján ezt a kapcsolatot egy nagy metszéspontú lineáris modellel illesztették (Kidokoro et al., 2013). Bár az előszezonális értékeléseken alapuló előrejelzési módszerekkel kapcsolatban vannak problémák és nehézségek, ezeknek a módszereknek megvan az az előnyük, hogy nem igényelnek történeti adatokat, ami hasznos tulajdonság lehet az újonnan értékelt fejlábú állományok esetében.

A szezonon belüli értékelésekből származó adatok és a halászterületek szezonális változásairól szóló ismeretek a migrációs mintákkal együtt felhasználhatók az egyes halászterületek fogásainak előrejelzésére. A T. pacificus halászatában a részletes vándorlási mintákat már régóta vizsgálják, mivel az egyes halászterületek fogási állapotának előrejelzésére van szükség (Kasahara, 1978; Kidokoro et al., 2010; Murata, 1989; Okutani, 1983). A T. pacificus halászterületei a vándorlási útvonalaknak megfelelően szezonálisan változnak (2.13. ábra). Ezért az egyes halászterületek fogásainak előrejelzési módszereit az egyes halászterületek fogásai közötti kapcsolat, valamint az oceanográfiai feltételek és a CPUE közötti kapcsolat alapján vizsgálták (Kasahara, 1978). A kalmárhalászat halászterületeinek helye és oceanográfiai viszonyai műholdfelvételek segítségével nyomon követhetők (Kiyofuji és Saitoh, 2004; Rodhouse et al., 2001), így könnyen megérthető a kalmárok elterjedési területe, amely nagymértékben összefügg a kalmárhalászok halászterületeivel. Az óceándinamikai modellek (pl. Regional Ocean Modeling System http://www.myroms.org/; Research Institute for Applied Mechanics Ocean Model http://dreams-i.riam.kyushu-u.ac.jp/vwp/) lehetővé teszik az oceanográfiai feltételek nagy felbontású előrejelzését (főleg a hőmérsékletet), ami széles körben alkalmazhatóvá vált a halászatban. E módszerek alapján a halászati területek eltolódása a következő hétre vagy hónapra előre jelezhető (2.14. ábra), a fejlábú fajok eloszlásának az oceanográfiai viszonyokkal való kapcsolatának ismeretében. A halászati állományok eloszlásának ilyen előrejelzéseit (2.14. ábra) hasznosnak tartják a halászok számára a halászterületek alacsony költséggel történő felkutatásához.

2.13. ábra. A T. pacificus őszi és téli kohorszának vándorlási útvonalainak sematikus ábrái.

Módosítva Kidokoro et al. (2010) alapján.

2.14. ábra. A T. pacificus elterjedésének előrejelzési rendszere a Japán-tengeren. Ebben a rendszerben a T. pacificus sűrűségeloszlása (egyedszám/km2 ) a tengerfelszín és az 50 m mélység vízhőmérséklete, amelyet adatasszimilációs óceándinamikai modell (http://jade.dc.affrc.go.jp/jade/) alapján jeleztek előre. A T. pacificus sűrűségeloszlása (egyedszám/km2) a következő hónapban előre jelezhető és szabadon felhasználható a hálómunkán keresztül (http://jsnfri.fra.affrc.go.jp/shigen/kaikyo2/).

A megbízható ivadék-újratermelési kapcsolatok igen fontosak és hasznosak a fejlábúak állományának előrejelzése és kezelése szempontjából. A fejlábúak állományaiban azonban nincs egyértelmű összefüggés az ívóállomány bősége és a későbbi toborzás között (Basson et al., 1996; Pierce és Guerra, 1994; Uozumi, 1998). Az oceanográfiai feltételek éves változékonysága a toborzás változékonyságát okozza (pl. Dawe et al., 2000; Waluda et al., 2001a), ami az ivadék és a toborzás közötti összefüggések megbízhatatlanságához vezet. Néhány esetben a fejlábúak ivadék és toborzás közötti kapcsolatokat Ricker (1975) és Beverton és Holt (1957) modellekbe illesztették a következő évi toborzás előrejelzésére (Agnew et al., 2000; Kidokoro, 2009). Ezekben a nemlineáris modellekben azonban az ivadék-utánpótlási adatokat használó becslési paraméterek általában statisztikai problémákat tartalmaznak, amelyek főként a magyarázó változók megfigyelési hibáiból származnak (Walters és Martell, 2004). Ezek a problémák az állományméret túlbecslésére vezetnek, különösen alacsony ívási állományméret esetén, ami hajlamos félrevezetni az állománygazdálkodási stratégiákat (Walters és Martell, 2004). A folyamat- és megfigyelési hiba becslésére egyaránt használható állapottérmodellek ígéretesek lehetnek az állománydinamikai modellek, például az ivadék-utánpótlás kapcsolatok paramétereinek becslésében (Bolker, 2008).

A fejlábúak, különösen az ommastrephid fajok esetében gyakran használnak óceánográfiai feltételekre vonatkozó adatokon alapuló empirikus modelleket a toborzás erősségének előrejelzésére. Az empirikus modellekben a toborzási erősséget általában a gyakran hosszú idősorokként rendelkezésre álló oceanográfiai indexek alapján prognosztizálják. Bár ezek az empirikus modellek hasznosak lehetnek, a megbízható előrejelzéshez olyan mechanizmusokra van szükség, amelyek megmagyarázzák, hogy ezek az oceanográfiai feltételek hogyan befolyásolják a toborzás változékonyságát. A D. gigas esetében a toborzás erőssége nagymértékben korrelál az ENSO eseményekkel. A D. gigas kereskedelmi célú fogásai Perunál általában alacsonyak az El Niño évében, amikor a primer termelékenység általában alacsony (Waluda és Rodhouse, 2006). Ezek a jellemzők hasznosak a toborzás erősségére vonatkozó előrejelzési módszerek alkalmazásához. Az elterjedési tartományok (Field et al., 2007) és a testméret (Keyl et al., 2011) az elmúlt 20 évben a D. gigas toborzási változékonyságával együtt nagymértékben változott, és fontos meghatározni, hogy az oceanográfiai körülmények hogyan befolyásolják ezeket a változásokat.

Az ívóhelyek körüli oceanográfiai körülményeket gyakran azonosítják az Illex fajok állományméret-ingadozásához hozzájáruló tényezőként (O’Dor, 1998b; Waluda et al., 2001a) és a T. pacificus (Okutani és Watanabe, 1983; Sakurai et al., 2000). Az I. illecebrosus toborzási sikerét a lárvák Golf-áramlat általi szállításával tartják összefüggőnek (Dawe et al., 2000, 2007), ami indikátor lehet a toborzás erősségének előrejelzésében. A T. pacificus állományméret-ingadozását feltehetően befolyásolják az ívóhelyeknek a nevelési kísérletekkel becsült ideális vízhőmérsékletből következtetett kedvező feltételei (Sakurai et al., 1996). Ezt a hipotézist az állományméret, valamint az oceanográfiai feltételek és a következtetett ívóhelyek változásai közötti összefüggésekkel összehasonlítva igazolták (Rosa et al., 2011; Sakurai et al., 2000), és különösen hasznos lehet az állományméret előrejelzéséhez dekádos vagy évtizedek közötti időtávlatokban.

A T. pacificus japán állománygazdálkodási eljárásában az éves teljes kifogható mennyiséget (TAC) a megengedett biológiai fogás (ABC) alapján határozzák meg, amelyet a halászati mortalitásból (Flim) és a célévben várható állománybőségből számítanak ki. Ebben az eljárásban a célévben az állomány méretének előrejelzésére egy ivadék-utánpótlás összefüggést használnak, amely csak az újratelepülésből áll. A T. pacificus esetében az ivadék és az utánpótlás kapcsolatában arányos modelleket alkalmaztak az utánpótlás előrejelzésére és a biológiai referenciapont (Fmed) becslésére, elkerülve ugyanakkor a Walters és Martell (2004) által jelzett torzításokból eredő túlbecslést. Egy arányos modellben, amelyben a sűrűségfüggő hatást figyelmen kívül hagyják, az állományméretre vonatkozó becslések viszonylag magasak lesznek (néha megbízhatatlanok), de biztonságosabbnak tekinthető az arányos modellekből becsült paraméterek használata, mint a sűrűségfüggő modellekből származó paramétereké (Hiramatsu, 2010).

A környezeti feltételek évtizedes vagy évtizedek közötti változásai feltételezhetően befolyásolják a T. pacificus állományállapotát és ivadék-újratermelődési viszonyait (Kidokoro, 2009; Kidokoro et al., 2013; Sakurai et al., 2000; Yamashita és Kaga, 2013). Ezért az ivadék-újratermelési kapcsolatokban használt paramétereket az 1990 óta gyűjtött adatok alapján becsülték meg a nyilvánvaló rezsimváltást követően (Hare és Mantua, 2000), de ha a jelenlegi rezsim megváltozik, az ilyen paramétereket ennek megfelelően felül kell vizsgálni. Sajnos a pontos mechanizmus, amellyel a változó környezeti feltételek befolyásolják a T. pacificus állományméretét, továbbra sem világos, és nehéz megjósolni, hogy mikor következhet be rezsimváltás. A vizsgálatok eredményei azonban azt mutatják, hogy az ívóhelyek (Goto, 2002), a vándorlási útvonalak (Kidokoro et al., 2010; Nakata, 1993) és a testméret (Takayanagi, 1993) mind olyan változásokat mutatnak, amelyek egybeesnek az állományméret változásával. Ezek a változások feltételezhetően szorosan kapcsolódnak a változó környezeti feltételekhez (pl. rezsimváltás). Ezért az ökológiai jellemzők változásain alapuló, az állományméret szempontjából kedvező vagy kedvezőtlen oceanográfiai feltételek előrejelzése könnyebben megfigyelhető, mint magának az állományméretnek a becslése. Továbbra is meg kell érteni azt a mechanizmust, amellyel ezek az ökológiai változások az állományméretet befolyásolják, annak érdekében, hogy az állományméret jövőbeli tendenciáinak jobb előrejelzései lehetővé váljanak. Hosszú idősorok hiányában azonban óvatosan kell eljárni az empirikus állomány-környezet összefüggések levezetésekor (Solow, 2002).

A fejlábúak állománybecslési módszereinek részletes áttekintésében Pierce és Guerra (1994) megjegyezte, hogy a környezeti információkat tartalmazó idősoros modellek és a trofikus dinamikát tartalmazó többfajú modellek ígéretesek. Georgakarakos és munkatársai (2006) autoregresszív integrált mozgóátlag-technikákat, mesterséges neurális hálózatokat és környezeti tényezőket is tartalmazó Bayes-féle dinamikus modelleket alkalmaztak a görög vizekben kirakodott tintahalak előrejelzésére. Gaichas és munkatársai (2010) statikus tömegmérleg-modellt használva bizonyították a táplálékhálózatból származó ragadozási információk hasznosságát a véletlenül kifogott tintahalak állománybecslésében, amelyek esetében a ragadozási mortalitás meghaladja a halászati mortalitást.