Бесплатно скачать, заказать диплом, курсовую, диссертацию Моделирование стохастический процессов в эксплуатируемык популяциях ры5 и Беспозв оночны к

У нас уже 176407 рефератов, курсовых и дипломных работ

Сделать закладку на сайт

Заказать диплом, курсовую, диссертацию

Быстрый переход к готовым работам

Мнение посетителей:

Книга жалоб
и предложений

Название	Моделирование стохастический процессов в эксплуатируемык популяциях ры5 и Беспозв оночны к

Количество страниц	177

ВУЗ	МГИУ

Год сдачи	2010

Бесплатно Скачать	24373.doc

Содержание	Содержание ВВЕДЕНИЕ...4 Глава 1. КРАТКАЯ ИСТОРИЯ РАЗВИТИЯ СТОХАСТИЧЕСКИХ РЫБОПРОМЫСЛОВЫХ МОДЕЛЕЙ...9 Глава 2. МАТЕРИАЛ И МЕТОДИКА...14 §2.1. Описание использованных материалов...14 2.1.1. Исходные данные для определения параметров промыслового действия стандартной ловушки...14 2.1.2. Исходные данные для когортного анализа процессов в запасе беспозвоночных с прерывистым ростом...16 2.1.3. Исходные данные для прогнозирования численности рыб с неперекрывающимися поколениями...18 §2.2. Методика исследования промысловых свойств ловушки...20 2.2.1. Оценивание уловистости и площади облова ловушки по экспериментальным данным...20 2.2.2. Расчёт параметров промыслового действия ловушки с помощью стохастической модели «хищник-приманка»...25 2.2.3. Определение оптимальной продолжительности застоя и числа ловушек в порядке...30 §2.3. Последовательный популяционный анализ и регулирование промысла для беспозвоночных с прерывистым ростом...33 2.3.1. Оценка запаса с помощью стохастической когортной модели процессов...33 2.3.2. Выбор стратегии промысла на основе предосторожного подхода...35 §2.4. Применение фильтра Калмана для прогнозирования численности рыб в популяции с неперекрывающимися поколениями...37 Глава 3. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ И ИХ ОБСУЖДЕНИЕ...45 §3.1. Определение промысловых свойств стандартной ловушки для крабов-литодид на восточном шельфе о. Сахалин...45 3.1.1. Проведения компьютерных экспериментов на основе стохастической модели «хищник-приманка»...45 3.1.2. Проверка зависимости вероятности поимки от расстояния до приманки по экспериментальным данным...53 3.1.3. Расчёт параметров промыслового действия стандартной ловушки для крабов-литодид на восточном шельфе о. Сахалин...54 3.1.4. Расчёт оптимальных значений для продолжительности застоя и числа ловушек при промысле синего краба восточного Сахалина и камчатского краба западного Сахалина...61 §3.2. Определение оптимальной стратегии промысла для синего краба восточного Сахалина...67 3.2.1. Ретроспективный анализ и перспективная имитация динамики обилия запаса при различных уровнях интенсивности промысла...67 3.2.2. Определение биологических ориентиров и мер регулирования промысла...76 §3.3. Прогнозирование численности нерестовых подходов горбуши в залив Анива и на юго-восточный Сахалин...83 3.3.1. Выделение квазигармонического тренда из остатков зависимости Риккера «родители-потомки»...83 3.3.2. Анализ и прогноз динамики численности с помощью фильтра Калмана...92 ЗАКЛЮЧЕНИЕ...98 БИБЛИОГРАФИЧЕСКИЙ СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ...103 ПРИЛОЖЕНИЯ...132 П1. СПИСОК ВСТРЕЧАЮЩИХСЯ В ТЕКСТЕ СОКРАЩЕНИЙ...132 П2. МАТЕМАТИЧЕСКИЕ ПРИЛОЖЕНИЯ...133 П2.1. Описание используемых математических моделей и зависимостей...133 П2.1.1. Стохастическая модель «хищник-приманка» для донных беспозвоночных...133 П2.1.2. Стохастическая модель для когортного анализа процессов в запасе беспозвоночных с прерывистым ростом...135 П2.1.3. Стохастическая модель учёта численности рыб в популяции с неперекрывающимися поколениями, испытывающими влияние внешней среды...138 П2.1.4. Определение уловистости и площади облова ловушки на основе модели «хищник-приманка»...139 П2.1.5. Зависимость вероятности попадания в ловушку от расстояния до приманки...139 П2.1.6. Зависимость численности улова на ловушку от числа ловушек в порядке и продолжительности застоя...140 П2.1.7. Уравнения для переменных состояния запаса, определяемых на основе когортной модели процессов...141 П2.1.8. Определение биологических ориентиров, правил регулирования промысла и общего допустимого улова...142 П2.2. Некоторые аналитические результаты, касающиеся используемых математических моделей и зависимостей...145 П2.2.1. Аналитическое решение общей задачи о распространении шлейфа запаха от приманок. Специальное решение для случая с одиночной приманкой...145 П2.2.2. Анализ поведения зоны приманивания для одиночной приманки при отсутствии течения и поглощения аттрактанта...148 П2.2.3. Вывод формул для расчёта уловистости и площади облова ловушки по экспериментальным данным, на основе зависимости вероятности поимки от расстояния...150 П2.2.4. Вывод формулы для зависимости улова на ловушку от числа ловушек...154 П2.3. Некоторые алгоритмы, применённые для оценки параметров моделей...155 П2.3.1. Алгоритм оценки параметров когортной модели процессов...155 П2.3.2. Алгоритм оценки параметров в модели «родители потомки» с квазигармоническим трендом и шумом...157 П2.3.3. Алгоритм обобщённого фильтра Калмана для модели Риккера «родители потомки» с известным трендом остатков...159 ПЗ. ИЛЛЮСТРАЦИИ К КОМПЬЮТЕРНЫМ ЭКСПЕРИМЕНТАМ НА ОСНОВЕ МОДЕЛИ «ХИЩНИК-ПРИМАНКА»...163 П3.1. Поведение пятна аттрактанта от одиночной приманки по результатам моделирования при отсутствии течения и поглощения...163 П3.2. Поведение шлейфа запаха от приманок при различных условиях по результатам компьютерных экспериментов...166 ПЗ.З. Пространственное поведение животных в окрестности приманок по результатам компьютерных экспериментов...177 Введение ВВЕДЕНИЕ Актуальность исследований. Актуальность разработки методов определения уловистости и площади облова ловушек, необходимых при расчётах численности по ловушечным индексам, обусловлена несколькими причинами. Во-первых, при проведении контрольного лова накоплены большие массивы данных по уловам на ловушку и на сегодня для некоторых донных беспозвоночных эта информация является единственной характеристикой величины запаса (Михеев, 2002а). Во-вторых, промысел краба уже длительный период времени разрешён только с применением ловушек (Иванов, 1994а,б). В-третьих, в ряде районов невозможно вести прямой учёт численности другими орудиями лова (Miller, 1975). В-четвёртых, получение оценок уловистости и площади облова ловушек связано с объективными трудностями и до сих пор эта проблема в целом не решена (Sainte-Marie and Hargrave, 1987; Himmelman, 1988; Miller, 1990; Arena et al., 1994; Иванов, 1999). В последние годы также является актуальным регулирование вылова беспозвоночных на основе предосторожного подхода из-за критического спада численности и интенсивного нелегального изъятия (Perry et al., 1999; Михеев, 1999). Не менее актуально оценить роль промысла в наступившей депрессии запасов беспозвоночных (Иванов, 2002). Это, в свою очередь, требует развития моделей, позволяющих определять промысловую смертность и пополнение в условиях, когда отсутствует достоверная информация о годовом вылове и промысловых усилиях, а для беспозвоночных с прерывистым ростом ешё и при неизвестной возрастной структуре запаса (Kruse et al., 1996; Zheng et al., 1997a,b,c, 1998a,b; Quirm et al., 1998; Collie and Kruse, 1998; Михеев, в печати, а). Весьма актуальной является и разработка методов среднесрочного прогнозирования обилия нерестовой горбуши с учётом долгопериодных трендов в динамике численности. Как известно, несмотря на определённые успехи (Шунтов и Темных, 2003), оперативное прогнозирование подходов горбуши своим малым упреждением значительно ограничивает возможности эффективного управления промыслом (Jaenicke et al., 1998). Вместе с тем, прогноз с заблаговременностью более года из-за сильных флуктуации численности оправдывается слабо (Бирман, 1966, 1969, 1985; Шунтов, 1995; Михеев, 1996). Главная причина этого кроется, вероятно, в плохом знании факторов, определяющих смертность горбуши на различных этапах жизни (Радченко и Рассадников, 1997; Jaenicke et al., 1998; Радченко, 2001). Тем не менее, к настоящему времени установлена коррелятивная связь между долгопериодными трендами в динамике численности горбуши, с одной стороны, и некоторыми характеристиками глобального климата, с другой (Beamish and Bouillon, 1993; Чигиринский, 1993; Klyashtorin, 1998; Beamish et al., 1999). И хотя указанные тренды сложно выделить, особенно в тех районах, где ряды данных коротки, без их учёта прогнозирование подходов горбуши обречено на неудачу (Шунтов, 1993, 1994; Шунтов и Чигиринский, 1995; Кляшторин, 2000; Гриценко и др.. 2002). 5 Важной особенностью перечисленных выше проблем является то, что все они существенно связаны со стохастическими процессами, происходящими в популяциях. Например, при определении уловистости и площади облова ловушек приходится учитывать статистическую природу поиска пищи животными, в том числе по запаху (Sainte-Marie and Hargrave, 1987; Михеев. 2001). Рост животных, определяющий наряду с селективным промыслом динамику поколений и продукцию в запасе, с самых общих позиций также является вероятностным процессом (Суханов, 1980; Tanaka and Tanaka, 1990). Тем более это относится к частному случаю роста, сопровождающегося линькой (Balsiger, 1974; Collie, 1991; Kruse and Collie, 1991; Zheng et al., 1995a,b, 1996). Помимо прочего, управление запасами требует принимать во внимание случайные вариации в межгодовой динамике промысловых усилий (Schnute, 1991; Hilborn and Walters, 1992). Наконец, влияние многочисленных, часто независимых друг от друга, экосистемных факторов краткосрочного и среднесрочного действия генерирует стохастические нарушения в зависимости «родители-потомки», свойственной популяциям с неперекрывающимися поколениями, к которым относится горбуша (Ricker, 1972; Cushing, 1973, 1995; Mikheyev, 1996; Chen, 2001; Chen and Irvine, 2001). Цель исследований. Применить математические модели стохастических процессов к решению перечисленных проблем для эксплуатируемых популяций синего краба Paralithodes platypus восточного Сахалина и горбуши Oncorhynchus gorbuscha залива Анива и юго-восточного Сахалина. Задачи исследований: 1. Разработать три стохастические модели: 1) «хищник-приманка» для имитации шлейфа запаха от приманок и пространственного поведения донных животных под его влиянием; 2) когортныи анализ процессов в популяции беспозвоночных с прерывистым ростом для связи неизвестных общих уловов, усилий и обилия возрастных классов запаса с наблюдаемыми уловами на ловушку и размерным составом уловов; 3) фильтр Калмана для учёта численности популяции с неперекрывающимися поколениями и фиксированным сроком жизни, находящейся под влиянием внешней среды, на основе зависимости «родители-потомки» с добавлением тренда остатков. 2. Построить зависимость вероятности попадания в ловушку от расстояния до приманки. Разработать на её основе метод оценивания уловистости и площади облова ловушек по экспериментальным данным, в том числе, полученным с помощью компьютерных экспериментов с применением модели «хищник-приманка». Найти указанные характеристики для стандартной ловушки в отношении шельфовых крабов-литодид восточного Сахалина. 3. Построить зависимости улова на ловушку от числа ловушек и времени застоя, соответственно, и проверить их на реальных данных с помощью регрессионного анализа. Определить число ловушек и продолжительность застоя, при которых достигается 6 максимальный улов на ловушку и порядок для камчатского и синего крабов западного и восточного шельфа Сахалина, соответственно. 4. Применить стохастическую когортную модель процессов к определению возрастной структуры, динамики годовых уловов и усилий за период наблюдений, а также установить на основе полученных данных биологические ориентиры и рекомендовать оптимальную стратегию промысла для синего краба восточного Сахалина. 5. Подогнать зависимость Риккера «родители-потомки» к данным нерестовых возвратов горбуши залива Анива и юго-восточного Сахалина и выделить квазигармонический тренд из её остатков. С помощью фильтра Калмана дать прогноз численности подходов в указанные районы. Научная новизна полученных результатов. Разработаны три новые стохастические модели: 1) «хищник-приманка», которая может пополнить класс базовых моделей теории рыболовства; 2) когортный анализ процессов в форме пространства состояний; 3) фильтр Калмана на основе связи «родители-потомки» с квазигармоническим трендом. Получен ряд новых аналитических и численных результатов, касающихся поведения донных животных при поиске пищи по запаху. Получен ряд новых зависимостей, формул и результатов, касающихся промыслового действия ловушек, в том числе в отношении крабов-литодид шельфа Сахалина. Для запаса синего краба восточного Сахалина впервые определены возрастная структура, объёмы годовых уловов и усилий по годам, найдена оптимальная стратегия промысла на основе предосторожного подхода. Построен новый алгоритм фильтра Калмана, пригодный для моделей рыболовства. Разработан новый подход к анализу периодичности временных рядов, основанный на нелинейном методе наименьших квадратов. Для горбуши из исследуемых районов впервые установлены величины вкладов долгопериодных глобальных и краткосрочных региональных факторов в нарушение связи «родители-потомки», и оценена погрешность учёта. Практическая значимость работы. Даны рекомендации по регулированию промысла синего краба восточного Сахалина и прогноз численности половозрелой горбуши залива Анива и юго-восточного Сахалина - запасов, относящихся к ценным биологическим ресурсам в регионе. Оценены объём нелегального изъятия синего краба и ошибка учёта горбуши в рассматриваемых районах. Получены оценки уловистости и площади облова стандартной ловушки для шельфовых крабов-литодид восточного Сахалина, что позволяет использовать мониторинговую информацию по ловушечным индексам для расчёта величины запасов этих видов методом площадей. Достоверность и обоснованность результатов подтверждается большим количеством фактических данных, включая многочисленные литературные материалы. Апробация работы. Результаты исследований, изложенные в диссертационной работе, представлялись на III научно-практич. конф. (Сахалинское обл. отд. географ, общ-ва, Южно-Сахалинск, 1987), XIV и ГУ регион, конф. молодых учёных и специалистов (ИМГИГ ДВО АН 7 СССР, Южно-Сахалинск, 1989; ИБМ ДВО АН СССР, Владивосток, 1989), симпозиуме «Охотское море и прилегающие районы» (раб. группа PICES, Владивосток, 1995), отчёт, сессиях ТИНРО-Центра (Дальневосточный спец. совет по пром. беспозвоночным, Южно-Сахалинск, 2000; раб. группа по изучению Охотского моря, Владивосток, 2001), отчёт, сессии СахНИРО (Южно-Сахалинск, 2002). Личный вклад автора заключается в постановке задач, разработке методов и моделей, выводе формул, анализе моделей, проведении компьютерных экспериментов, экспедиционном сборе данных по синему крабу восточного Сахалина, анализе данных и результатов моделирования, интерпретации результатов, формулировке выводов и подготовке практических рекомендаций. Публикации. По теме диссертации опубликовано 13 работ и 2 находятся в печати. Структура и объём работы. Работа состоит из введения, трёх глав, заключения, библиографического списка использованной литературы (527 наименований), 3 приложений; изложена на 192 стр. машинописного текста, содержит 60 рис. (из них 24 в прилож.) и 26 табл. Проведённый анализ поставленных проблем с применением разработанных стохастических моделей в отношении конкретных объектов промысла позволили сформулировать следующие положения, выносимые на защиту: 1. Компьютерный эксперимент с применением модели «хищник-приманка» генерирует исходные данные, достаточные для определения ряда параметров промыслового действия ловушек, включая площадь эффективного облова. В частности, кривая прибытий животных к ловушке, построенная с помощью модели «хищник-приманка», содержит информацию о моментах времени первого прибытия и смены фаз экспоненциального роста и асимптотического насыщения для числа прибытий, соответственно. Первая из названных характеристик имеет обратную зависимость от плотности скоплений и может быть использована в качестве условного индекса численности, а вторая равна периоду действия приманки и даёт возможность рассчитать продолжительность эффективного застоя ловушки. 2. Показали по экспериментальным данным, что вероятность найти приманку убывает с расстоянием в степенной зависимости, что позволяет оценить уловистость и площадь облова ловушки. В частности, по данным, сгенерированным с помощью модели «хищник-приманка», определили названные характеристики для стандартной ловушки, облавливающей крабоидов на восточном шельфе Сахалина. В результате стало доступным вычисление абсолютной численности указанных запасов по ловушечным индексам. Привели аргументы, согласно которым уловистость стандартных ловушек в отношении шельфовых крабоидов, превышающая значение 0.33, маловероятна. 3. Когортный анализ продукционных и демографических процессов в запасе с учётом стохастичности лежит в основе расчёта биологических ориентиров для регулирования промысла беспозвоночных с прерывистым ростом. Нашли, что даже в рамках 8 предосторожного подхода текущий оптимальный коэффициент изъятия синего краба на восточном Сахалине приблизительно в два раза выше уровня в 10%, часто рекомендуемого для крабоидов Охотского моря. По результатам моделирования когортной динамики получили, что спад численности синего краба на восточном Сахалине в последние годы обусловлен вступлением в запас низкоурожайных поколений, причиной которого может быть рост компенсаторной составляющей личиночной смертности в предшествующий период времени. Кроме того, моделирование показало, что в период 1998 - 2001 гг. браконьерское изъятие синего краба на восточном Сахалине в несколько раз превышало установленные квоты. По данным Госкомрыболовства РФ объём нелегальных сдач синего краба в 1999 г. только в два порта Японии составил около 700 т, что почти в пять раз больше соответствующего лимита. 4. Из временных рядов остатков зависимости Риккера «родители-потомки» для горбуши в заливе Анива и на юго-восточном Сахалине за период 1970 - 2002 гг. достоверно выделили квазигармонический тренд, у которого периоды компонент близки к соответствующим значениям известных климатических циклов 3.3, 5.5, 11, 22, 33 года. Кроме того, из ряда аналогичных остатков для уловов южно-сахалинской горбуши за 1907 - 1986 гг. была выделена гармоника с периодом в 45 лет. С помощью фильтра Калмана дали прогноз обилия подходов горбуши, оценили его точность, а также интенсивность шума в динамике численности и ошибку измерения. В частности, получили, что погрешность учёта нерестовой горбуши в рассматриваемый период времени в заливе Анива и на юго-восточном побережье Сахалина одинакова. Принимая во внимание обширность рассматриваемых проблем, и не желая перегружать вводную часть работы множеством разнородных деталей, при представлении каждой из методик предварительно провели феноменологический анализ объекта исследования и содержательную постановку соответствующей задачи для моделирования. Для удобства все аббревиатуры и сокращения, встречающиеся в тексте, с краткими пояснениями или ссылками приведены в прилож. Ш. Описание моделей и обозначений к ним, а также все результаты, имеющие сугубо математическое содержание, помещены в прилож. П2. Автор выражает благодарность чл.-корр. РАН, д. б. н., проф. Е.А. Криксунову за постоянное внимание к работе и конструктивное обсуждение, Администрации Сахалинской области в лице губернатора И.П. Малахова за финансовую помощь в виде грантов (проекты 2-2.5-99 и 2-2.1-0Г) при разработке модели «хищник-приманка» и фильтра Калмана, к. б. н. Б.Г. Иванову за ряд ценных критических замечаний по проблемам прямого учёта беспозвоночных, к. б. н. А.К. Клитину за предоставленные материалы по камчатскому крабу и полезное обсуждение вопросов, связанных с работой ловушек и ростом крабов, сотрудникам Лаборатории лососёвых рыб СахНИРО за любезно предоставленные данные по подходам горбуши. 9 Глава 1. КРАТКАЯ ИСТОРИЯ РАЗВИТИЯ СТОХАСТИЧЕСКИХ РЫБОПРОМЫСЛОВЫХ МОДЕЛЕЙ Широкое использование стохастических моделей в рыбохозяйственных исследованиях началось, пожалуй, с конца 70-х (Скалецкая и Шапиро, 1976; Doubleday, 1976; Beddington and May, 1977; Скалецкая и др., 1979; Суханов, 1980; Deriso, 1980; Криксунов и Меншуткин, 1981; Fournier and Archibald, 1982; Kimura and Tagart, 1982; Криксунов и Снетков, 1985; Deriso et al., 1985, 1989; Kimura, 1985; Schnute, 1985, 1987, 1989; Gavaris, 1988; Lewy, 1988). Однако необходимость дифференцированного учёта случайных факторов была осознана в основной массе исследователей, по-видимому, позже (Schnute, 1991, 1993; Hilborn and Walters, 1992). С современных позиций введение разнообразных вероятностных компонент обусловлено, прежде всего, присутствием в системе «запас-промысел» отличающихся по своей природе фундаментальных неопределённостей, игнорированием которых объясняются частые неудачи применения моделей к реальному рыболовству (Schnute and Richards, 2001). К настоящему времени стохастические рыбопромысловые модели уже стали нормой (Methot, 1989; Sullivan et al., 1990; Sullivan, 1992; Kizner and Vasilyev, 1993, 1997; Conser, 1994; Francis and Hare, 1994; Prager, 1994; Chen and Paloheimo, 1995; Paloheimo and Chen, 1996; Абакумов, 1997, 2000; Суханов, 1990, 1997а,б; Fogarty and Murawski, 1998; Francis et al., 1998; Restrepo and Legault, 1998; Chen et al., 2000; Chen and Irvine, 2001; MacCall, 2002; Lewy and Nielsen, 2003; и т.д.). Наблюдаемые во второй половине XX в. негативные тенденции в мировом рыболовстве привели в 1995 г. к принятию на международном уровне ряда документов, рекомендующих для стабильной эксплуатации и сохранности популяций применять принцип предосторожности и концепцию устойчивого развития (Garcia, 1994a,b; Caddy and Mahon, 1995; Richards and Maguire, 1998; Hilborn et al., 2001). В данной связи Дж. Колли и X. Гисласон замечают: «... в последнее десятилетие XX в. акцент в управлении промыслами сдвинулся с оптимизации уловов к сохранению запасов за счёт предотвращения их перелова» (Collie and Gislason, 2001, p. 2167). Как известно, предосторожный подход устанавливает правила регулирования, базирующиеся на биологических ориентирах и анализе риска (Caddy and Gulland, 1983; Sissenwine and Shepherd, 1987; Clark, 1993; Hilden, 1993; Jakobsen, 1993; Mace, 1994; Myers et al., 1994; Caddy and McGarvey, 1996; Hilbom and Peterman, 1996; Schnute and Kronlund, 1996; Caddy, 1997, 1998; Richards et al., 1998; Schnute and Richards, 1998; Bradford et al., 2000; Collie and Gislason, 2001; Pauly et al., 2001; Hilborn et al., 2001). Одной из главных задач указанного подхода является минимизация риска перелова (Francis 1992; Rosenberg and Restrepo, 1994; Punt and Hilborn, 1997; Gavaris and Sinclair, 1998; Brodziak, 2002; Myers et al., 2002). Как отметил Р. Хилборн с соавт. в связи с развитием новых взглядов на управление морскими биологическими ресурсами: «Было осознано, что управление запасами прямо связано с проблемой принятия решений, направленных на достижение множества целей в условиях неопределённости» (Hilborn et al., 2001, p. 100). 10 Сегодня выделяют шесть источников неопределённости: природный шум, погрешность измерений, неадекватность модели, ошибка оценивания, неопределённости в сфере управления и принятия решений (операциональная и институциональная ошибки) (Rosenberg and Restrepo, 1994; Rice and Richards, 1996; Francis and Shotton, 1997; Schnute and Richards, 2001; Chen and Wilson, 2002). Исследованию влияния различных источников неопределённости на оценки запасов и выбор стратегии управления посвящена многочисленная литература (Tomlinson, 1970; Pope, 1972; Ludwig and Walters, 1981; Sims, 1982; Mangel and Clark, 1983; Rivard, 1983, 1989; Mangel, 1985; Caputi, 1987; Hilden, 1988; Rivard and Foy, 1987; Rothschild and Fogarty, 1987, 1989; Коре, 1988; Sampson, 1988; Schnute, 1989, 1991, 1993; Schnute et al, 1990; Михеев, 1991а,б; Richards et al., 1992; Rosenberg and Brault, 1993; Schnute and Richards, 1995; Sainsbury et al., 1997; Richards and Schnute, 1998; Rivot et al., 2001). В области анализа рисков при принятии решений по регулированию промысла к настоящему времени также накоплен богатый опыт (Kirkwood, 1981, 1993; Peterson and Smith, 1982; Pikitch et al., 1985; Brown and Patil, 1986; Hoenig et al., 1987; Richards, 1991; Francis, 1991, 1992, 1993; Fogarty et al, 1992; Hilborn et al., 1993, 1994, 2001; Rivard and Maguire, 1993; Rosenberg and Restrepo, 1993, 1994; Punt et al., 1994; Ianelli and Heifetz, 1995a,b; Rice and Richards, 1996; Francis and Shotton, 1997; Lane and Stephenson, 1997; Punt and Hilborn, 1997; Gavaris and Sinclair, 1998; Richards and Maguire, 1998; Richards et al, 1998; Robb and Peterman, 1998; Peterman and Anderson, 1999; Schnute et al., 2000; Chen and Wilson, 2002; Myers et al, 2002). Как упоминалось выше, одним из важнейших источников неопределённости является природный шум в процессах, происходящих в запасе, который генерируют разнообразные факторы. В частности, многолетние исследования динамики численности популяций привели к пониманию, что рыбопромысловые модели не могут быть корректными без введения стохастических компонент, представляющих влияние внешней среды (Скалецкая и Шапиро, 1976; Collie and Walters, 1987; Коре and Botsford, 1988; Prager and MacCall, 1988; Walters and Collie, 1988; Hilborn and Walters, 1992; Frederick and Peterman, 1995; Jakobson and MacCall, 1995; Walters and Parma, 1996; Абакумов, 1997; Walters, 1997; Adkison and Peterman, 2000; Chen, 2001; Jakobson et al., 2001). Другой источник неопределённости связан с реалистичностью модели, тем, как она отражает механизмы, лежащие в основе моделируемого феномена. В последние годы большинство исследователей признаёт, что не может быть универсальных рыбопромысловых моделей (Gulland, 1991; Hilborn, 1992; Schnute and Richards, 1994, 2001; Caddy, 1996; Gilbert, 1997; Myers, 1997; Richards and Schnute, 1998; Sainsbury, 1998; Hollowed et al., 2000). Всё чаще практикуется совместный анализ конкурирующих моделей различных классов и конкурирующих источников информации, призванный учитывать неопределённость выбора модели (Archibald et al., 1983; Kimura, 1988; Fournier and Warburton, 1989; Methot, 1989, 1990; Richards, 1991; Pelletier et al., 1993; Polacheck et al., 1993; Schnute, 1993; Schnute and Hilborn, 1993; Gudmundsson, 1998; Huiskes, 1998; Ianelli, 2002). Для учёта ошибок измерений в рыбопромысловые модели вводит- 11 ся, как правило, специальное уравнение наблюдения (Walters and Ludwig, 1981; Deriso et al., 1985, 1989; Gavaris, 1988; Punt, 1990; Myers and Cadigan, 1995; Patterson, 1995, 1999; Schnute and Richards, 1995; Richards et al., 1997; Crone and Sampson, 1998; Richards and Schnute, 1998; Maunder, 2001). Это позволяет обрабатывать дополнительную информацию из различных источников: учётные съёмки, специализированные и поисковые съёмки, контрольный лов. промысел. Известен ряд моделей данного плана: CAGEAN (Deriso et al., 1985, 1989), ADAPT (Gavaris, 1988; Patterson and Kirkwood, 1995; Restrepo, 1996), ICA (Patterson, 1999), CSA (Collie and Sis-senwine, 1983; Kruse and Collie, 1991; Zheng et al., 1995a; Cadrin et al., 1999). На сегодняшний день все базовые модели рыболовства имеют разнообразные стохастические варианты, учитывающие шум процессов, погрешность измерений или ошибку оценивания. К ним относятся когортные модели и последовательный популяционный анализ (Double-day, 1976; 1981; Fournier and Archibald, 1982; Deriso et al., 1985, 1989; Gavaris, 1988; Lewy, 1988; Megrey, 1989; Shepherd, 1991, 1999; Mohn, 1992, 1999; Patterson, 1995, 1999; Ianelli and Fournier, 1998; Васильев, 2001), продукционные модели (Prager, 1994; Punt, 1994; Punt et al., 1995; Restrepo, 1997; Maunder, 2001; Ianelli, 2002; Jakobson et al., 2002; MacCall, 2002), модели «запас-пополнение» (Криксунов и Снетков, 1985; Schnute and Kronlund, 1996, 2002; Chen and Irvine, 2001; Chen et al., 2002). Помимо классических, появились новые стохастические базовые модели рыболовства. Это продукционные дискретные модели с задержкой (Deriso, 1980; Schnute, 1985, 1987; Fournier and Doonan, 1987) и модели процессов (Methot, 1989; Sullivan et al., 1990; Fournier et al., 1998). В этот класс входят известные модели COLERAINE (Hilborn et al., 2000), LCAN (Lai and Gallucci, 1987, 1988), CAS A (Sullivan et al., 1990), MULTEFAN-CL (Fournier et al, 1998), ASPM (Punt, 1994; Punt et al.; 1995, Restrepo, 1997), Stock Synthesis (Methot, 1989, 1990; Rosenberg et al., 1992; Pelletier et al., 1993; Schnute and Hilborn, 1993; Zheng et al., 1995a; 1998a,b; Hightower, 1996; Livingston and Methot, 1996, 1998; Hilbom and Mangel, 1997; Myers and Mertz, 1998; Quinn et al., 1998; Sampson and Yin, 1998; Helu et al., 2000; Hilborn, 2001). Появление сложных стохастических моделей потребовало разработки и внедрения эффективных методов оценивания, новых компьютерных алгоритмов и программ (Punt and Hilborn, 1997; Schnute et al., 1998, Quinn and Deriso, 1999; Cadigan and Myers, 2001). К настоящему времени сформировалось два основных подхода к определению переменных и параметров модели: калмановская фильтрация и байесовское оценивание (Schnute, 1994). Оба подхода используют вычисление функции правдоподобия и имеют достоинства и недостатки (Meyer and Millar, 1999b; Millar and Meyer, 2000a). Для применения фильтра Калмана необходимо представить модель в виде уравнений процесса и наблюдения, а переменные выразить в форме пространства состояний. На сегодняшний день все стохастические базовые модели рыболовства уже существуют в форме пространства состояний (Pella, 1993; Schnute, 1994; Kimura et al., 1996; Reed and Simons, 1996; Meyer and Millar, 1999a; Millar and Meyer, 2000a,b). Достоинством фильтра Калмана является адаптивность, так как по мере поступления новых данных он обновляет оценки 12 текущего состояния (Kalman, 1960; Kalman and Bucy, 1961; Шильман, 1994). Кроме того, алгоритм фильтра позволяет прогнозировать состояния, фильтруя из общей неопределённости модели и раздельно оценивая шум процесса и погрешность измерения (Справочник по прикладной статистике, 1990). В последнее десятилетие фильтр Калмана широко применяется в рыбо-хозяйственном моделировании (Sullivan, 1992; Gudmundsson, 1994, 1998; Schnute and Richards, 1995; Kimura et al., 1996; Reed and Simons, 1996; Peterman et al., 2000, 2003; Schnute and Kronlund, 2002). В отличие от частотной байесовская интерпретация вероятности использует менее сложную технику оценивания, поскольку вычисление апостериорного распределения не требует искать максимум функции правдоподобия (Punt and Hilborn, 1997; Millar and Meyer, 2000a). Главным же достоинством последнего подхода считается учёт мнения экспертов относительно априорных оценок (там же). В настоящее время, во многом благодаря упомянутым свойствам, байесовский подход стал весьма популярным среди специалистов по рыбопромысловым моделям во всём мире (Hoenig et al, 1994; McAllister et al., 1994, 2001; Punt et al., 1994; Conser, 1995; Kinas, 1996; Ogle et al., 1996; Punt and Butterworth, 1996; McAllister and Ianelli, 1997; Myers, 1997; Myers et al., 1997a, 1999, 2001, 2002; Punt, 1997; Punt and Hilborn, 1997; Adkison et al., 1998; Ianelli and Fournier, 1998; Pella et al., 1998; Smith and Punt, 1998; Schnute et al., 2000; Millar and Meyer, 2000a; Harley and Myers, 2001; Rivot et al., 2001; Dorn, 2002; Nielsen and Lewy, 2002). Однако, как известно, выбор априорных распределений содержит значительную долю субъективизма (Schnute, 1994). Для повышения объективности проводят так называемый мета-анализ, предназначенный компилировать эмпирические данные и экспертное мнение относительно по-пуляционных характеристик (Bradford, 1992; Mertz and Myers, 1996; Myers, 1997; Myers et al., 1997a, 1999, 2001). При этом часто используют универсальные популяционные константы жизненного цикла (Beverton and Holt, 1959; Pauly, 1980; Hoenig, 1983a,b; Hoenig et al., 1983; Gunder-son and Dygert, 1988; Chen and Watanabe, 1989; Charnov and Berrigan, 1990; Charnov et al, 1990; Beverton, 1992). Широко известны среди них инварианты Бивертона и Холта (Charnov, 1993; Jensen, 1996). Недавно в рыбохозяйственных исследованиях появился иерархический байесовский мета-анализ, предназначенный для обработки информации из независимых источников на основе достаточно широкого класса моделей (Adkison and Su, 2001; Harley and Myers, 2001; Su etal., 2001). Распространёнными средствами стохастического моделирования сегодня являются метод Монте-Карло с цепями Маркова для статистической имитации процессов и бутстрэп для статистической имитации выборок (Hilborn and Walters, 1992; Punt and Hilborn, 1997; Schnute et al., 1998; Quinn and Deriso, 1999; Бабаян, 2000; Lewy and Nielsen, 2003). В число часто применяемых методов оценивания при стохастическом рыбопромысловом моделировании входят: в случае частотного подхода - алгоритм Метрополиса-Хастингса (Deriso et al., 1991; Clifford, 1993; Sampson and Yin, 1998), а при байесовском подходе - метод Гиббса (Millar and Meyer, 13 2000b) и перевыборочные алгоритмы с функцией значимости (Kinas, 1996; Punt and Hilborn, 1997; Smith and Punt, 1998). Бутстрэп полезен также для получения интервальных оценок случайных величин в случае недостаточного объёма фактических данных, что весьма актуально при вычислении биологических ориентиров в предосторожном подходе (Mohn, 1993; Williams and Quinn, 1998; Бабаян, 2000; Zhou, 2002). Известно, что поиск оптимальных оценок параметров в сложных моделях приводит, как правило, к однозначно неразрешимой вычислительной задаче (Schnute, 1994; Sekhon and Mebane, 1998). Тем не менее, уже построены алгоритмы, способные справиться с этой проблемой. Среди них автоматическое дифференцирование (Fournier, 1994), генетический (или, более широко, эволюционный) поиск (Holland, 1975; Sekhon and Mebane, 1998) и нечёткая логика (Zadeh, 1965; Heshmaty and Kandel, 1985). Недавно эти алгоритмы начали интенсивно внедряться в рыбопромысловые модели (Saila, 1996; Fournier et al., 1998; Saila and Ferson, 1998; Schnute et al., 1998; Chen et al., 2000, 2002; Chen, 2001). В последние годы в области анализа и прогнозирования динамики численности лососей были апробированы все современные методы рыбопромыслового моделирования, рассмотренные выше. Среди них байесовское оценивание (Schnute et al., 2000; Adkison and Su, 2001; Su et al., 2001), модели пространства состояний и калмановская фильтрация (Peterman et al., 2000, 2003; Schnute and Kronlund, 2002), нечёткая логика и генетические алгоритмы (Chen and Irvine, 2001; Chen et al., 2002). По поводу анализа динамики численности беспозвоночных с прерывистым ростом отметим, что в прошедшее десятилетие к решению указанной задачи было применено много разнообразных стохастических моделей процессов (Collie, 1991; Kruse and Collie, 1991; Zheng et al., 1995a,b, 1996, 1997a,b,c, 1998a,b; Kruse et al., 1996; Quinn et al., 1998; Collie and Kruse, 1998). Однако из новейших методов оценивания в рассматриваемом случае приложение к реальным данным имел, по-видимому, только алгоритм автоматического дифференцирования (Fournier et al., 1998). Что же касается моделей в форме пространства состояний, калмановской фильтрации и методов байесовского оценивания для беспозвоночных, то, насколько известно, в литературе они всё ещё не представлены. В завершение следует сказать, что, несмотря на неудачи, связанные с применением моделей рыболовства в управлении водными биологическими ресурсами, теория этих моделей бурно развивается, количество приложений растёт, а роль в регулировании промысла остаётся незаменимой (Sainsbury, 1998). В свою очередь, настоящее развитие стохастических рыбопромысловых моделей стало возможным только в последние десятилетия, с появлением современных оценочных методов, эффективных алгоритмов, мощных компьютеров и программного обеспечения (Schnute et al., 1998) и подводить окончательные итоги данного этапа исследований, на наш взгляд, ещё рано. 14 Глава 2. МАТЕРИАЛ И МЕТОДИКА §2.1. Описание использованных материалов 2.1.1. Исходные данные для определения параметров промыслового действия стандартной ловушки Исходным материалом для определения уловистости и площади облова, а также ряда других характеристик промыслового действия стандартной ловушки послужили данные по уловам на ловушку и дистанциям между начальным положением пойманных животных и приманкой. Указанные данные были сгенерированы при проведении компьютерного эксперимента с применением модели «хищник-приманка», настроенной на условия обитания крабов-литодид на восточном шельфе о. Сахалин. При выборе значений для параметров модели использовали собственные и литературные данные о распространении запаха от приманок в морской воде и поведении донных беспозвоночных при поиске пищи (см. табл. 2.1). Пояснения к обозначениям, приведённым в табл. 2.1, и прочим, используемым далее, помещены в прилож. П2. Таблица 2.1 Значения параметров модели «хищник-приманка», соответствующие условиям промысла крабов-литодид на восточном шельфе о. Сахалин Параметр Значения параметра Источник информации к 10ч-103см2/с Зац и Немировский, 1979; Озмидов, 1983; Коротенко, 1986; Боуден, 1988; Зац и Гольдберг, 1991 У 0-4-10 7г/(м3- сут.) Miller, 1990 V 0-г5 см/с Sainte-Marie and Hargrave, 1987; Himmelman, 1988; Боуден, 1988; Нешиба, 1991 1н-2.5 сут. Sainte-Marie and Hargrave, 1987; Miller, 1990 ас 10 7н-10 5г/м3 Sainte-Marie and Hargrave, 1987; Miller, 1990 От 0.2-=-1 миль/сут. Sainte-Marie and Hargrave, 1987; Волков, 1997; Линник, 1997 ГТ 1.5-гЗ м Moore et al., 2000 Q 100+500 г Собственные данные р 2x10 3+10 2экз./м3 Собственные данные Sa 0.05+0.5 км2 Собственные данные Tsoak 2-Т-5 сут. Собственные данные При тестировании модельного шлейфа запаха использовали значения для параметров: к=10 м2/с; v=5xl0 2 м/с, у=0 г/с, Q=\02 г, ас=10 7 г/м3, Ть=Тюак=2.2 сут., опубликованные ранее (Sainte-Marie and Hargrave, 1987, p. 437). Для определения площади эффективного облова использовали, помимо результатов моделирования, промысловые и учётные индексы численности синего краба, в виде уловов на ловушку и траление, соответственно. Обловы были проведены 24—28 июля 1997 г. на восточном шельфе о. Сахалин в координатах 49.1^9.5° с.ш и 144.0-144.5° в.д. Было произведено 9 тралений донным тралом ДТ-31.5, для которого использовали стандартный коэффициент уловистости 0.75. Площадь облова трала оценили в 2.192П104 кв. м. Средний улов на траление составил 15 31 ±24.5 экз./трал. Также было выставлено 26 порядков по 100 стандартных японских ловушек. Средний улов на ловушку составил 3.1 ±0.197 экз./лов. Зависимость вероятности поимки от расстояния между приманкой и точкой выпуска особей, выраженную в виде формулы (П15) (см. прилож. П2.1.5), верифицировали по представленным в печати данным (Himmelman, 1988). Исходные данные были получены в серии из восьми экспериментов, в которых выпускали меченых особей трубача Buccinum undatum группами из фиксированных точек вдоль четырёх разрезов, сходящихся в ловушке. По каждой станции на разрезе было подсчитано число пойманных особей, а затем определено положение линий 10, 20, 30, 40, 50 и 100 %-ой уловистости q$(r). Использовали средние значения с разреза № 4 (см. табл. 2.2). Таблица 2.2 Дистанции до точек с фиксированными значениями уловистости q$(r) и значения уловистости q{r), рассчитанные для средней дистанции г на основе формулы (П15) Использованы средние значения с разреза № 4 (по Himmelman, 1988, р. 526 - 528). Улови стость Дистанции до точек с фиксированным значением уловистости, м Эксперимент JY« Среднее, г ±Ст. ошибка <7*(г) Я(г) 1 2 3 L 4 5 6 7 8 1 1 0 0 0 0 0 0 0 0 0 0 0.5 0.505 4.5 0 0.3 18 6 0.9 0.9 4.5 4.388 1.968 0.4 0.407 9 0 0.9 21 15 2.7 3 6 7.2 2.454 0.3 0.302 12 4.5 6 27 21 3 6 10.5 11.5 2.832 0.2 0.19 16.5 15 9 33 30 9 7.5 15 16.875 3.189 0.1 0.084 22.5 24 16.5 42 42 12 12 18 23.625 4.011 Материалом для исследований зависимостей между индексом численности и продолжительностью застоя и числом выставленных ловушек послужили данные контрольного лова (КЛ) синего краба на восточном шельфе о. Сахалин и камчатского краба в Татарском проливе. Краткая сводная информация по исходным данным представлена в табл. 2.3. Продолжительность застоя рассчитывали как промежуток времени между концом постановки ловушек и началом их выборки. Таблица 2.3 Характеристика исходных данных, использованных при построении зависимостей улова на ловушку от продолжительности застоя и от числа ловушек Вид краба Район Диапазон глубин, м Период лет Количество анализируемых ловушечных порядков по типу промыслового усилия По типу ловушки. По числу ловушек в порядке По продолжительности ia-стоя для разных сезонов Японская Американская Лето Осень Зима Синий 48.5-50°с.ш., 143-144.5°в.д. 50-450 1993-1998 140 68 405 153 394 221 Камчатский 47.5-50°с.ш., 141.5-142°в.д. 20-250 1993-2000 171 395 1466 82 591 823 16 Конструктивные особенности ловушек и приманок, наиболее используемых в отечественном промысле, известны (см., например, Михеев и Клитин, 2002). Здесь укажем лишь основные характеристики ловушки японского образца, которая применяется в качестве стандартной на крабовом промысле в шельфовой зоне. Указанная ловушка имеет форму усеченного конуса. Диаметр её нижнего основания равен 135 см, верхнего - 69 см, а высота составляет 60 см. Ловушка обладает круглым входным отверстием в верхней части конуса. Выходу крабов из ловушки через отверстие препятствует диффузор. Размер стороны ячеи у сетного полотна равен 3-4 см. Число ловушек в порядке обычно колеблется в пределах 70-140 шт., а расстояние между ними равно 15-23 м при общей длине порядка 1.0-3.2 км. Средний вес приманки в каждой ловушке варьирует в пределах 0.3-0.5 кг. 2.1.2. Исходные данные для когортного анализа процессов в запасе беспозвоночных с прерывистым ростом Район обитания моделируемой популяции синего краба расположен на восточном шельфе о. Сахалин от 46° до 54° с.ш. и на прилегающих участках склона в диапазоне глубин 10-400 м и более (см. рис. 2.1). Нерестится краб рассматриваемой популяции от 48°45' до 50° с.ш. на мелководных участках восточного побережья. Личинки после выклева разносятся из района воспроизводства в небольших количествах летним прибрежным ветровым дрейфом на север до 54° 5i.ooj с.ш. и Восточно-Сахалинским течением на юг до 46° с.ш. и в залив Терпения. Район от 48° до 50° с.ш. в диапазоне глубин 30-200 м является 4900 основной нагульной стацией взрослой части популяции. Зимуют взрослые особи синего краба за пределами шельфа на илистых грунтах, со- 4,оо бираясь в очень плотные группы, расположенные друг от друга на довольно больших расстояниях. 4600^ 54 00 52.00- 50 00 14150 142.50 143 50 144 50 145 50 Молодь подрастает в мелководных бухтах и Рис. 2.1. Схема районов обитания для моделируемых запасов, заливах. Плотные скопления взрослые самцы формируют осенью преимущественно на участке от 48° до 49°30' в диапазоне глубин 50-150 м, который принят за промысловую стацию популяции. Севернее 49°30' с.ш., в заливе Терпения и в южной части восточного шельфа о. Сахалин взрослые самцы синего краба попадают в ловушки довольно редко. Сезонная локализация взрослых особей на сравнительно небольшом участке делает запас уязвимым по отношению к промыслу. Исходными данными для расчётов послужили ловушечные индексы численности и размерные составы уловов по годам за период 1993 - 2001 гг., полученные при проведении контрольного лова (КЛ) и биоанализов в пределах нагульного местообитания. Данные КЛ, полученные с 19 по 28 мая 2002 г. на участке 49-50° с.ш.. были использованы только для сравнения с результатами моделирования. Также для сравнения использовали данные учётных траловых съёмок, проведённых на востоке Сахалина летом 1997 г. и осенью 1999 и 2001 гг. Массив первичных данных, частично собранных автором, составил 1244 улова на ловушку и 14951 выборочных промера и биоанализа. Межгодовая динамика промыслового индекса численности представлена ниже в табл. 2.4. Таблица 2.4 Динамика стандартизированного улова на усилие синего краба на восточном Сахалине в период 1993 - 2002 гг. по данным КЛ Улов, экз./лов. Годы 1993-2002 гг. 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 Средний 1.44 2.86 2.40 2.83 3.90 4.05 1.92 1.28 1.87 0.67 2.32 ± ст. ошибка 0.146 0.831 0.200 0.374 0.171 0.160 0.101 0.078 0.146 0.075 0.185 Число порядков 155 14 48 51 444 134 113 165 82 38 1244 Средний с 1993 г. 1.44 2.15 2.23 2.38 2.69 2.91 2.77 2.58 2.50 2.32 - Характеристики размерной и половой структур рассматриваемой популяции были определены на основе выборок из уловов по годам и обобщённой выборки за период 1994 - 2002 гг. и показаны в табл. 2.5. Там же для сравнения показаны результаты анализа сводной выборки за период начального развития промысла 1994 - 1998 гг. ' Таблица 2.5 Средние размеры самцов и самок и состав уловов КЛ синего краба на восточном Сахалине в период 1994 - 2002 гг. Годы Пол Выборка, экз. Размер CW, см Состав уловов, % Среднее ±ст. ошибка CW>13 см CW<13 см 1994 7 10.50 1.069 30.0 5.0 65.0 13 10.12 0.721 1995 1644 12.36 0.060 46.8 29.0 24.2 525 10.16 0.075 1996 1060 12.35 0.057 49.4 24.9 25.7 367 10.66 0.071 1997 688 14.04 0.085 8.8 20.8 70.4 1639 10.57 0.030 1998 740 13.77 0.075 31.9 45.6 22.5 215 11.06 0.082 1999 1422 12.92 0.054 37.2 31.6 31.2 644 11.09 0.067 2000 1791 12.47 0.046 44.4 28.7 26.9 659 10.77 0.058 2001 2443 12.47 0040 49.0 32.6 18.4 550 10.81 0.068 2002 45 14.68 0.299 2.2 6.1 91.7 499 ¦ 11.26 0.060 1994-1998 4139 12.82 0.036 32.4 27.6 40.0 2759 10.54 0.026 1994-2002 9840 12.69 0.022 33.3 24.9 41.8 5111 10.74 0.02! Размер тела крабов -здесь и далее, если не оговорено иное, определён по максимальной ширине карапакса CW (Carapace Width).

Список литературы

Цена, в рублях: (при оплате в другой валюте, пересчет по курсу центрального банка на день оплаты)	1425

Скачать бесплатно	24373.doc

Найти готовую работу

ЗАКАЗАТЬ

Обратная связь:

Связаться

Вход для партнеров

Регистрация

Восстановить доступ

Материал для курсовых и дипломных работ

15.04.24 Задачи, условия и этапы организации экспериментальной работы

15.04.24 Критерии качества преподавания

15.04.24 Категория нормы в обучающей деятельности

Архив материала для курсовых и дипломных работ

Ссылки:

Счетчики:

© 2006-2022. Все права защищены.
Выполнение уникальных качественных работ - от эссе и реферата до диссертации. Заказ готовых, сдававшихся ранее работ.