4.5 予測方法と一般・経験モデル

資源量は適切なモデルに基づいて予測できる（例えば、以下の通り）。 稚魚期の頭足類の豊度を観察するために水中トロール網のような実験的方法を用いて実施されたプレシーズン評価の結果に基づいて、適切なモデル（成長-生存モデルや相関モデルなど）に基づき資源量を予測することができる（Brunetti and Ivanovic, 1992; Kawabata et al, 2006; Kidokoro et al., 2014）、プランクトンネットを用いた仔魚の分布調査（Bower et al., 1999a; Goto, 2002; Murata, 1989; Yamamoto et al., 2007）などに利用されている。 日本のイシガキダイ漁業では，40 年以上にわたり，幼魚調査が行われている (Goto, 2002; Murata, 1989; Okutani and Watanabe, 1983)。 また，当初は，次年度の資源量を予測するために実施された。 しかし，これらの調査で得られた仔魚密度は，前世代の産卵資源量（逃亡個体数）と高い相関を示す一方で，次年度の資源量を予測する力は弱かった（Goto, 2002; Murata, 1989）。 この結果は，幼生期の生存率が大きく変動するため，幼生密度は産卵者-加入者関係に基づく予測手法とほぼ同等の予測力を持つことを意味する。 もし、漁期開始の直前に頭足類の採集前存在量を正確に推定できれば、資源量は簡単なモデル（例 えば比例モデル）を使って採集前存在量によって推定することが可能である。 中層トロール網を用いた採集前存在量調査は、日本のイシガキダイ漁業において 10 年前から実施されている（Kidokoro et al.、2014）。 海洋頭足類の個体数の定量的評価のための中層トロール調査は、主に網避けに起因する、偏ったサイズ頻度や種構成と同様に、個体数密度の深刻な過小評価をもたらす可能性が高い（Boyle and Rodhouse, 2005; Wormuth and Roper, 1983）。 そのため，ミッドトロール調査におけるマダイの対象は，遊泳力の強いステージではない，主に3～10cmMLのサイズクラスの個体に限定される（Kidokoro et al.） しかし、純回避率は依然として不明であるため、これらの調査で得られたデータを用いて資源規模を定量化することはしない。 その代わり、これらの調査で得られた指標（平均個体数／曳網数など）で資源規模を示す。 また、プレシーズンの評価には通常大きな観測誤差が含まれるため、プレシーズンの評価結果と新魚の資源量との関係は比例しない可能性がある。 T. pacificus の評価の例では，この関係は大きな切片を持つ線形モデルで適合される (Kidokoro et al., 2013)。 プレシーズン評価に基づく予測方法にはいくつかの問題や困難があるが、これらの方法は履歴データを必要としないという利点があり、これは新しく評価された頭足類資源にとって有用な特徴となり得る。

シーズン中の評価からのデータと移動パターンによる漁場の季節移動に関する知識は、個々の漁場での漁獲量を予測するのに用いることが可能である。 マダイ漁業では、各漁場での漁獲状況を予測する必要があるため、古くから詳細な回遊パターンが検討されてきた（笠原, 1978; 城所ら, 2010; 村田, 1989; 奥谷, 1983）。 マダイの漁場は、回遊ルートによって季節的に変化する（図 2.13）。 そのため、各漁場での漁獲量の予測方法は、各漁場での漁獲量の関係や海況と CPUE の関係によって検討されてきた (Kasahara, 1978)。 ジギング漁業の漁場の場所や海況は，衛星画像でモニターすることができるため（Kiyofuji and Saitoh, 2004; Rodhouse et al, 2001），イカジグの漁場と関係の深いイカの分布域を把握することは容易であろう。 また、海洋力学モデル（広域海洋モデリングシステムhttp://www.myroms.org/、応用力学研究所海洋モデルhttp://dreams-i.riam.kyushu-u.ac.jp/vwp/など）により、高解像度で海象条件（主に水温）を予測できるため、漁業への応用が広がっている。 これらの手法に基づき、頭足類の種の分布と海況の関係を知ることで、来週から来月にかけての漁場の移動を予測することができる（図2.14）。 このような漁業資源の分布予測（図2.14）は、漁業者が低コストで漁場を探すのに有効であると考えられる

図2.13. T. pacificusの秋季コホートと冬季コホートの移動経路の模式図.

Kidokoro et al. 日本海におけるT. pacificusの分布の予測システム． このシステムでは、データ同化海洋力学モデル（http://jade.dc.affrc.go.jp/jade/）に基づいて予測された海面および水深50mの水温が、T. pacificusの密度分布（個体数/km2）を示しています。 6029>

信頼性の高い産卵-再生産関係は、頭足類の資源予測や管理に極めて重要かつ有用である。 しかしながら、頭足類資源における産卵資源量とその後の加入量との間には明確な関係はない（Basson et al.、1996；Pierce and Guerra、1994；Uozumi、1998）。 海洋学的条件の年次変動は、加入量の変動を引き起こし（例えば、Dawe他、2000；Waluda他、 2001a）、産卵者と加入量の関係を信頼できないものにする。 いくつかのケースでは、頭足類の産卵者-加入者関係は、翌年の加入を予測するために Ricker（1975）および Beverton と Holt（1957）モデルに適合されてきた（Agnew 他、2000；Kidokoro、2009）。 しかし、産卵者-加入者データを用いたこれらの非線形モデルにおける推定パラメータは、通常、主に説明変数の観測誤差に由来する統計的問題を含んでいる (Walters and Martell, 2004)。 これらの問題は、特に産卵資源量が少ない場合に資源量が過大評価される傾向にあり、資源管理戦略を誤らせる傾向がある (Walters and Martell, 2004)。 プロセス誤差と観測誤差の両方を推定できる状態空間モデルは、産卵者-加入者関係のような資源動態モデルにおけるパラメータ推定に有望であると考えられる（Bolker, 2008）。

海洋条件データに基づく経験モデルは、頭足類、特にオマストリの加入強度の予測によく使われる。 経験的モデルでは、通常、長い時系列として利用可能であることが多い海洋学的指標に基づいて、加入強度を予測する。 これらの経験的モデルは有用であるが、信頼性の高い予測を行うためには、これらの海洋学的条件がどのように加入量変動に影響を与えるかを説明するメカニズムが必要である。 ギンガメアジの加入強度はENSOイベントと高い相関がある。 ペルー沖のギンガメアジの商業漁獲量は，一次生産力が低くなりがちなエルニーニョの年に少なくなる傾向がある（Waluda and Rodhouse, 2006）。 これらの特徴は，加入強度の予測手法を適用するのに有効である。 D. gigasの加入変動に伴い、分布範囲（Field et al., 2007）や体長（Keyl et al., 2011）は最近20年間で大きく変化しており、海洋学的条件がこのような変化にどのように影響するかを明らかにすることが重要である。

イルカ種の資源サイズ変動の要因として産卵場周辺の海洋学的条件がしばしば特定されている（O’ Dor, 1998b; Waluda et al, 2001a)やT. pacificus (Okutani and Watanabe, 1983; Sakurai et al., 2000)の資源量変動の要因として指摘されることが多い。 I. illecebrosus の加入成功は，湾流による幼生の輸送と関係があると考えられており (Dawe et al., 2000, 2007) ，加入強度を予測する指標となりうる。 T. pacificus の資源量の変動は，飼育実験で推定された理想的な水温から推測される産卵場所の好条件に影響されると仮定される (Sakurai et al., 1996)。 この仮説は、海洋学的条件の変動と推定される産卵場の変動と資源量の関係との比較によって検証された (Rosa et al., 2011; Sakurai et al,

日本の資源管理手続きでは、目標年の漁業死亡率（Flim）と予測資源量から算出した生物学的許容漁獲量（ABC）をもとに、年間の総漁獲量（TAC）が設定される。 この手順では、新規加入量のみで構成される目標年の資源量を予測するために、産卵者-加入量の関係が用いられる。 T. pacificus の産卵者-加入者関係では，Walters and Martell (2004) が指摘したバイアスに由来する過大 評価を回避しつつ，加入者を予測し，生物学的基準点 (Fmed) を推定するために比例モデルが適用された。 密度依存効果を無視した比例モデルでは、資源量の推定値が相対的に高くなる（信頼できない場合もある）が、密度依存モデルから推定したパラメーターよりも比例モデルから推定したパラメーターの方が安全であると考えられる（平松、2010）＜6029＞＜4143＞環境条件の10年または10年ごとの変化は、イトウの資源状態や産卵者-再生産関係に影響すると仮定する（木所、2009；木所他． 2013; Sakurai et al., 2000; Yamashita and Kaga, 2013)。 したがって，産卵者数-再生産量関係に用いられるパラメータは，明らかなレジームシフト（Hare and Mantua, 2000）後の1990年以降に収集されたデータから推定されているが，現在のレジームが変化した場合には，そのパラメータは適宜修正されるべきものである。 残念ながら、環境条件の変化がヒメマスの資源量に影響を与える正確なメカニズムはまだ不明であり、レジームシフトがいつ起こるかを予測することは困難である。 しかし、調査の結果、産卵場所 (Goto, 2002) や回遊ルート (Kidokoro et al., 2010; Nakata, 1993) 、体長 (Takayanagi, 1993) はいずれも資源量の変化と一致して変化していることがわかった。 これらの変化は，環境条件の変化（レジームシフトなど）と密接に関係していると推測される。 したがって、生態形質の変化に基づき、資源量に有利または不利な海況を予測することは、資源量そのものを推定することに比べて、観測が容易となる可能性がある。 このような生態学的変化がどのようなメカニズムで資源量に影響を与えるのかを理解し、将来の資源量の動向をより正確に予測することが必要である。 しかし、長い時系列がない中で経験的な資源-環境関係を導き出すときには注意が必要である (Solow, 2002)。

頭足類の資源評価方法に関する詳細なレビューにおいて、Pierce と Guerra (1994) は環境情報を取り入れた時系列モデルや栄養動態を取り入れた複数種モデルの有望性に言及した。 Georgakarakosら（2006）は、ギリシャ海域におけるイカの水揚げを予測するために、自己回帰統合移動平均法、人工ニューラルネットワーク、環境要因を取り入れたベイズダイナミックモデルを適用した。 Gaichasら（2010）は、静的マスバランスモデルを用いて、捕食死亡率が漁業死亡率を上回るようなイカの資源評価に、食物網由来の捕食情報が有用であることを実証した

。