MSY dan evaluasi trade-off untuk perikanan ikan teri
39. Terbatasnya optimalisasi upaya penangkapan ikan
Sayangnya, upaya jangka panjang yang optimal dan sederhana biasanya tidak dapat digunakan secara langsung dalam evaluasi strategi pengelolaan (MSE), karena mengabaikan kendala yang terkait dengan pengembangan perikanan (seberapa cepat upaya dapat tumbuh atau dikurangi) dan yang lebih penting biasanya melibatkan upaya penangkapan
dengan memvariasikan upaya Ej sesuai dengan kendala,
Yaitu, usahakan agar upaya Ej sebesar mungkin tanpa melebihi EOPTj dengan tetap memperbolehkan upaya sekurang- kurangnya EMINj dan tidak memperbolehkan jumlah qijEj melebihi target laju penangkapan ikan FTAR-GETi untuk spesies apa pun i. Rumusan alternatif untuk mengenali kendala laju pengembangan perikanan adalah mengganti rangkaian kendala nf pertama (Persamaan 2) dengan EMINj < Ej < EMAXj .
Gambar 1 mengilustrasikan jenis solusi rumit yang dapat muncul dari pengoptimalan ini, bahkan untuk kasus yang sangat sederhana di mana dua armada penangkap ikan hanya mengejar dua spesies, dengan satu armada memiliki daya tangkap yang lebih tinggi untuk salah satu spesies dan armada lainnya memiliki daya tangkap yang lebih tinggi untuk spesies lainnya.
Garis pada Gambar 1 menunjukkan tingkat upaya yang benar-benar memenuhi kendala; upaya harus berada di sebelah kiri dan di bawah setiap garis
Bahasa Indonesia:
Dimana EMIN dan EMAX diperbolehkan untuk bervariasi dari tahun ke tahun dengan kenaikan terbatas dari nilai tahun sebelumnya, dan tidak diperbolehkan melebihi EOPT.
dijumlahkan atas semua armada yang menyebabkan kematian akibat penangkapan ikan (pendaratan dan/atau pembuangan) pada i. Misalkan kita menetapkan “bobot kepentingan” vj pada upaya armada j, di mana vj mencerminkan nilai relatif dari peningkatan (atau pemeliharaan) upaya armada j karena kontribusinya terhadap nilai ekosistem jangka panjang secara keseluruhan dan/atau hak hukumnya terhadap ikan. Maka optimasi pemrograman linier dapat diformulasikan secara sederhana, sebagai, memaksimalkan,
spesies i menurut armada j, dan juga merupakan tingkat kematian penangkapan ikan dasar Ecopath untuk i,j). Misalkan untuk setiap spesies i, ada target atau tingkat kematian penangkapan ikan maksimum yang diizinkan FTARGETi
agar dapat dilaksanakan. Dengan demikian, usaha yang dapat dilaksanakan kombinasi hanya yang ada di poligon dari titik asal grafik hingga garis kendala pertama yang terpenuhi. Karena upaya harus sebesar mungkin, solusinya harus berada di sepanjang salah satu garis pertama yang terpenuhi, dan pada kenyataannya harus berada di salah satu dari tiga titik sudut yang ditandai A, B, C.
Gambar 1. Representasi grafis dari masalah pemrograman linier. Setiap garis mewakili kendala (garis vertikal dan horizontal adalah kendala EOPT , garis miring adalah kendala FTARGET ).
EOPT nya , dan
• Kombinasi upaya B mewakili pilihan kebijakan “seimbang” di mana kedua armada
Manakah dari ketiga kombinasi ini yang akan dipilih (selesaikan pemaksimalan pemrograman linear) bergantung pada bobot nilai vj dalam Persamaan 1. Jika v1 jauh lebih tinggi daripada v2, kombinasi C akan dipilih, kombinasi A akan dipilih jika v2 lebih besar, dan menyamakan kedua v akan lebih mungkin mengarah pada kombinasi seimbang B.
Perhatikan juga pada Gambar 1 bahwa ketika kendala FTARGET "dilonggarkan" (ditingkatkan sehingga garis miring bergerak ke atas dan ke kanan), semakin besar kemungkinan bahwa kombinasi upaya optimal akan berada di dekat EOPT untuk kedua armada; demikian pula, ketika kendala ini "diperketat" (dikurangi sehingga garis miring bergerak ke bawah dan ke kiri), semakin besar kemungkinan bahwa EOPT tidak akan berada di wilayah yang layak sehingga solusi optimal akan berada pada kombinasi upaya campuran atau dengan salah satu armada.
ditutup seluruhnya.
• Kombinasi upaya C menunjukkan Armada 2 sangat dibatasi namun Armada 1 beroperasi pada
dibatasi di bawah EOPT agar dapat “berbagi beban” dalam menghindari terlampauinya salah satu dari dua batasan spesies FTARGET .
EOPT -nya .
• Kombinasi upaya A menunjukkan Armada 1 sangat dibatasi, namun Armada 2 beroperasi pada
Rumusan pemrograman linear juga dapat digunakan untuk menunjukkan potensi peningkatan nilai perikanan dari praktik penangkapan ikan selektif yang mengubah daya tangkap khusus spesies qij. Misalnya, jika q12 dan q21 (daya tangkap spesies 1 oleh armada 2 dan spesies 2 oleh armada 1) dapat dikurangi secara signifikan dalam contoh Gambar 1, kemiringan kedua garis kendala FTARGET akan menurun/meningkat sehingga menggerakkan solusi ke arah upaya total yang lebih tinggi (menggerakkan titik B ke atas dan ke kanan, lebih dekat ke persimpangan EOPT1-EOPT2 ) dan dengan demikian nilai total yang lebih tinggi.
dimana Pij adalah harga pendaratan untuk spesies i oleh armada j dan Bi adalah estimasi biomassa saat ini
Dengan menggunakan formulasi pemrograman linier, mudah untuk mengevaluasi biaya, dalam hal nilai total yang hilang, dari pengenalan kendala yang lebih ketat pada tingkat panen spesies. Dalam pengaturan evaluasi strategi pengelolaan keseluruhan untuk Ecosim, satu-satunya cara lain untuk mengevaluasi biaya ini adalah dengan menjalankan kebijakan dengan dan tanpa kendala "stok terlemah" pada kuota armada, di mana semua armada diasumsikan berbagi secara merata dalam pengurangan yang diperlukan untuk memenuhi kendala tersebut. Solusi pemrograman linier dapat dengan baik menunjukkan bahwa pembagian beban konservasi yang sama tersebut sebenarnya jauh dari optimal.
Kunci untuk memperoleh hasil yang berguna dari latihan pemrograman linier adalah membuat pilihan yang bijak terhadap bobot nilai armada vj . Salah satu pilihan objektif untuk melakukan ini setiap tahun (dengan asumsi strategi pengelolaan di mana estimasi biomassa dan mungkin daya tangkap qij diperbarui secara berkala) adalah dengan menetapkan setiap bobot menjadi
1. Murawski, SA dan JT Finn. 1986. Alokasi upaya optimal di antara perikanan campuran spesies yang bersaing, dengan batasan mortalitas penangkapan. Can. J. Fish. Aquat. Sci. 43: 90-100. https://doi.org/
Catatan
Bahasa Indonesia: Sebuah opsi dalam antarmuka evaluasi strategi manajemen memungkinkan pengguna untuk mengganti aturan EwE dan CEFAS lama yang rumit untuk menetapkan kuota guna membatasi tingkat kematian ke tingkat yang dapat diterima, untuk sebagai gantinya menggunakan optimasi LP tahunan setiap tahun selama setiap simulasi MSE berjalan sehingga membatasi upaya penangkapan ikan daripada kuota. Ide dasarnya adalah hanya mengganti nilai Ej tunggal dalam persamaan di atas dengan nilai yang bervariasi dari waktu ke waktu yang dihitung untuk setiap tahun dan kelompok menggunakan nilai tahunan untuk tingkat penangkapan ikan target FTARGETi untuk setiap kelompok i untuk tahun itu, dihitung dari estimasi biomassa kelompok dan aturan kontrol panen kelompok yang menentukan bagaimana tingkat penangkapan ikan target untuk kelompok tersebut harus bervariasi dengan ukuran stok.
Opsi ini dapat menyebabkan perubahan kebijakan yang kompleks dari waktu ke waktu, terutama ketika FTARGETi menurun dengan penurunan biomassa Bi . spesies i. Dengan menggunakan rumus ini, vj hanyalah jumlah spesies tangkapan yang diprediksi per upaya dikalikan
harga, sehingga vjBj mewakili nilai total pendaratan yang diprediksi (jangka pendek) oleh armada j dan fungsi tujuan pemrograman linier secara keseluruhan hanya menjadi nilai total pendaratan yang diprediksi dari semua tangkapan.
10.1139/f86-010
Namun, pada tahun 2010, populasi ikan kod belum menunjukkan tanda-tanda pemulihan. Dalam tutorial ini, kami menggunakan model ekosistem Anchovy Bay yang telah dibangun sebelumnya (tetapi sedikit dimodifikasi) untuk mengevaluasi hipotesis alternatif mengapa populasi ikan kod belum pulih ke tingkat tahun 1970 meskipun tekanan penangkapan ikan telah berkurang drastis.
Untuk penyesuaian, kami akan mempertimbangkan dampak gabungan dari perikanan, kondisi lingkungan, dan struktur jaring makanan. Kami melakukannya dengan cara semi-terstruktur.
Unduh basis data Anchovy Bay Cod Recovery.ecomdb beserta berkas deret waktu cod recovery.csv dari berkas zip ini.
Buka perangkat lunak EwE dan muat model Anchovy Bay, skenario Ecosim, dan impor berkas rangkaian waktu pemulihan ikan kod. Kemudian jalankan Ecosim, dan catat residual Summed Squared (SS, pada layar jalankan, pojok kiri atas). Anda dapat menggulir grup, untuk melihat lintasan untuk masing-masing (bersama dengan kontribusi grup terhadap SS). Selain itu, buka formulir plot Grup (Ecosim > Output > Plot grup Ecosim), dan periksa plot untuk masing-masing grup/spesies fungsional. Anda akan melihat bahwa kecocokan dengan rangkaian waktu cukup buruk – yang seharusnya tidak mengejutkan karena kita baru memulai proses penyesuaian sekarang.
Populasi ikan kod di Anchovy Bay telah berkurang, dan ada kekhawatiran akan pemulihannya.
Penilaian pada tahun 1980-an menunjukkan eksploitasi berlebihan menjadi penyebab penurunan populasi, dan penangkapan ikan kod dengan pukat ditutup pada tahun 1990, meskipun ada kekhawatiran akan konsekuensi sosial- ekonomi. Namun, cukup melegakan bahwa stok ikan kod diprediksi akan pulih dalam beberapa populasi, mungkin dalam satu dekade atau lebih.
• Dapatkan pengalaman dengan prosedur yang lebih kompleks untuk penyesuaian deret waktu
• Mendapatkan pengalaman tentang cara mempertimbangkan dampak gabungan dari perikanan, kondisi lingkungan, dan struktur jaring makanan dalam model ekosistem sederhana
Prediksi dampak perikanan, dalam model apa pun, akan bergantung pada faktor-faktor yang bergantung pada kepadatan.
Dalam Ecosim, faktor yang paling penting adalah pengganda kerentanan. Pengganda kerentanan menyatakan seberapa besar tekanan pemangsaan yang disebabkan oleh predator tertentu pada mangsanya dapat ditingkatkan jika predator tersebut meningkatkan kapasitas daya dukungnya. Jika predator berada pada kapasitas daya dukung, ia tidak dapat meningkatkan tekanan pemangsaan pada mangsanya (itulah yang dimaksud dengan kapasitas daya dukung), jadi pengganda kerentanan haruslah 1. Sebaliknya, jika predator
Tujuan pembelajaran
Tutorial: Skenario pemulihan stok
Jalankan Ecosim lagi, dan periksa lintasan untuk anjing laut. Lebih baik? Anda juga dapat mencoba menurunkan pengali kerentanan, misalnya, menjadi 1,1 dan lihat apa yang terjadi. Omong-omong, pengali kerentanan berskala dari 1 hingga tak terbatas, tidak akan pernah lebih rendah dari 1, itu berarti predator telah melampaui kapasitas daya tampungnya di garis dasar Ecopath). Sebagian besar 'tindakan' berada dalam kisaran 1-20, saat Anda meningkatkan kerentanan di luar itu, dampaknya secara bertahap semakin berkurang.
Perhatikan bahwa pemasangan rangkaian waktu Ecosim dapat menghasilkan pengganda kerentanan yang sangat tinggi – mungkin saja mengubah pengganda dari, misalnya, 100 menjadi 100.000 akan menurunkan SS sedikit sekali. Jika itu terjadi, cara terbaik adalah mengurangi pengganda secara manual dan memeriksa apakah ada perbedaan dalam SS.
Hal di atas menunjukkan bahwa pengganda kerentanan bukanlah parameter 'gangguan', mereka memiliki interpretasi yang jelas yang masuk akal dari perspektif ekologis, dan pada prinsipnya dapat diperkirakan secara independen dari model ekosistem.
Namun, rintangan utama untuk ini adalah bahwa meskipun daya dukung merupakan konsep lama dan berdasar, ia berubah, setiap hari, sehingga akan sulit, (tetapi mungkin bukan tidak mungkin) untuk memperkirakannya secara independen – faktor ini memang merupakan perkiraan sebagian besar penilaian spesies tunggal (Bt/ Bo) – meskipun dengan sedikit dasar dalam kenyataan.
Oleh karena itu, pilihan terbaik kami adalah menggunakan batasan dalam model kami, untuk memperkirakan pengali kerentanan yang bergantung pada kepadatan. Kami dapat melakukannya menggunakan 'observasi', yang dapat diakses oleh model melalui berkas deret waktu. Dalam kasus kami (cod recovery.csv), yang kami miliki agak terbatas: jumlah anjing laut meningkat, jumlah ikan cod menurun dan belum pulih, ikan whiting sedikit meningkat, dan tangkapan udang meningkat. Prinsipnya di sini adalah:
semakin banyak informasi yang kami miliki, semakin banyak batasan yang ditimbulkannya bagi model. Oleh karena itu, semakin banyak data, semakin sulit penyesuaiannya, tetapi semakin yakin kami tentang perilaku model.
Jika Anda memeriksa plot grup Ecosim setelah pengujian pertama, Anda akan melihat bahwa untuk anjing laut, rangkaian waktu menunjukkan peningkatan yang kuat (7x) dalam populasi anjing laut, sementara Ecosim menunjukkan kurang dari dua kali lipat.
Mengapa? Kerentanan default adalah bagian dari masalah. Coba tingkatkan pengali kerentanan untuk anjing laut sebagai konsumen, (Ecosim > Input > Kerentanan, klik tajuk kolom untuk kolom 2 (misalnya untuk ikan kod sebagai konsumen), masukkan, misalnya, 10 di kotak Set input di sudut kanan atas, dan klik Apply).
Untuk ikan kod, kita tahu bahwa ikan tersebut telah dieksploitasi sebagai target perikanan di Teluk Anchovy selama lebih dari satu abad, jadi ikan tersebut tidak akan mendekati daya dukungnya pada tahun 1970, (tahun saat model ekosistem Teluk Anchovy dibangun, yang menyediakan titik referensi untuk pengganda kerentanan dan pengaturan lainnya). Jadi, untuk meningkatkan kesesuaian, bagaimana Anda harus mengubah pengaturan kerentanan untuk ikan kod sebagai konsumen?
Cobalah.
mangsa.
tor telah habis, pengganda kerentanan harus lebih tinggi. Pengaturan default untuk kerentanan adalah 2, yaitu predator paling banyak dapat menggandakan mortalitas predator yang disebabkannya
Untuk menggunakan rangkaian waktu untuk penyesuaian, buka Ecosim > Alat > Sesuaikan dengan rangkaian waktu. Klik Cari grup dengan rangkaian waktu, dan Cari. Ecosim sekarang akan menjalankan penyesuaian rangkaian waktu, mencoba
menemukan pengganda kerentanan yang meminimalkan SS. Anda mungkin akan melihat beberapa pengurangan dalam SS, tetapi tidak ada
Pertanyaan berikutnya adalah: Apakah lingkungannya? Untuk mengevaluasi hal ini, kita memerlukan informasi tentang bagaimana produktivitas lingkungan Teluk Anchovy telah berubah sejak tahun 1970, dengan indikator terpenting adalah produksi primer. Sayangnya, informasi jangka panjang seperti itu hampir tidak pernah tersedia karena ahli kelautan cenderung menjalankan model mereka hanya untuk jangka waktu pendek. Memang ada kesenjangan antara oseanografi dan perikanan, dan kita perlu mengisinya.
Sebagai pengganti data produktivitas lingkungan, kita dapat meminta Ecosim untuk memperkirakan 'anomali produksi primer' (PPA), yaitu bagaimana produksi primer relatif harus berubah seiring waktu agar lebih sesuai dengan rangkaian waktu. Pertama, masuk ke Ecosim > Input > Fungsi pemaksaan > Terapkan FF (produsen), klik sel spreadsheet untuk fitoplankton, pilih 1: Pemasangan, dan klik panah di sebelah kanan untuk menerapkan fungsi pemaksaan ini. Ini hanya berarti bahwa Anda telah mengaitkan produktivitas primer dengan fungsi pemaksaan. Masuk ke Ecosim > Alat >
Sesuaikan dengan rangkaian waktu, dan klik Cari grup dengan rangkaian waktu, klik Pencarian Kerentanan (yaitu, dicentang), klik Pencarian Anomali. Kemudian klik Cari, tab Pencarian Anomali . Anda sekarang akan melihat fungsi pemaksaan 1: Pemasangan pada formulir. Selanjutnya, tingkatkan titik Spline pada formulir, misalnya, menjadi 8, dan klik Cari. Ecosim sekarang memulai pencarian, mengatur ulang pengganda kerentanan dan mengevaluasi efek gabungan dari ketergantungan kepadatan (kerentanan) dan perubahan produktivitas lingkungan (anomali produksi primer).
Kembali ke Ecosim > Output > Jalankan Ecosim, dan buat operasi baru – pengganda kerentanan dan anomali produksi primer dari pencarian telah ditransfer ke sana. Periksa plot grup Ecosim, periksa kerentanan yang diestimasikan dan pola produksi primer. Anda akan menemukan bahwa tidak banyak peningkatan untuk cod. Mengapa?
Salah satu bagian dari jawabannya adalah bahwa pencocokan deret waktu memberikan bobot yang sama pada semua deret waktu yang dimasukkan. Ada bobot yang diberikan pada masing-masing, dan berkas deret waktu yang kami baca memiliki bobot 1 untuk semuanya. Jika Anda benar-benar ingin pencarian memprioritaskan ikan kod, Anda dapat memberikan bobot yang lebih tinggi pada deret waktu biomassa ikan kod, mungkin 10 atau bahkan 100. Kelemahannya adalah Anda akan memutarbalikkan model ekosistem Anda ke arah model spesies tunggal.
Sebagai kesimpulan, sejauh ini, penyesuaian deret waktu untuk mengevaluasi dampak penangkapan ikan memberikan beberapa informasi, tetapi tidak menjelaskan mengapa ikan kod belum pulih. Apakah lingkungannya yang berubah? Atur ulang fungsi pemaksaan lingkungan dengan membuka Ecosim > Input > Fungsi pemaksaan, klik fungsi 1: Penyesuaian, dan klik Atur Ulang.
SS kemungkinan akan sedikit menurun (ikuti saja!), tetapi tidak banyak, jadi apa yang terjadi?
Selain itu, tangkapan udang pun tidak mendekati level yang ada pada rangkaian waktu.
spektakuler. Selanjutnya, kembali ke Ecosim, Output, Jalankan Ecosim, dan lakukan pengujian. Periksa plot kelompok.
Anda mungkin akan menemukan bahwa kecocokan untuk anjing laut bagus, tetapi tidak cocok untuk ikan kod, yang
kemungkinan telah pulih ke level 1970 sebagai akibat dari tekanan penangkapan ikan yang lebih rendah di Anchovy Bay sejak 1990.
Lalu bagaimana?
Mungkin ikan kod bereaksi secara berbeda terhadap perubahan lingkungan dibandingkan ekosistem secara keseluruhan? Untuk mengevaluasi
Periksa kecocokannya. Anda mungkin akan menemukan bahwa segel bertambah lebih banyak di Ecosim daripada di rangkaian waktu.
Pencarian telah memilih kerentanan yang lebih tinggi untuk anjing laut guna memperoleh peningkatan dan tekanan pemangsaan yang lebih besar pada ikan kod, untuk membantu menekan jumlah kelompok tersebut. Jika Anda memeriksa komposisi makanan untuk anjing laut, Anda akan melihat bahwa ikan kod merupakan komponen yang sangat kecil, tetapi ini menunjukkan tekanan pemangsaan yang tinggi pada ikan kod.
Bagaimana penampakannya? Apakah ikan cod sudah pulih sekarang?
Produksi primer (PP) sebaiknya tidak berubah seiring waktu dengan kemungkinan lebih dari +/- 20% atau lebih, dan dalam kasus ini perubahannya mungkin jauh lebih besar. Coba tetapkan Varians PP ke 0,01, (yang akan memberikan prior yang jauh lebih rendah untuk pengambilan sampel). Hal ini kemungkinan menyebabkan variasi yang jauh lebih sedikit dalam plot anomali PP.
Sesuaikan dengan deret waktu lagi, gunakan grup Pencarian dengan opsi deret waktu, tetapi tambahkan udang sebagai konsumen untuk penyesuaian (pilih warna yang tidak digunakan, dan klik judul kolom untuk grup 10).
Selanjutnya, periksa komposisi makanan. Anda akan melihat ikan whiting tidak memakan ikan kod. Itu tidak mungkin benar, jadi cobalah untuk memasukkannya. Misalnya, dengan membiarkan ikan whiting muda memakan 0,005 ikan kod muda (dan ubah proporsi zooplankton dalam makanan ikan whiting muda menjadi 0,9. Untuk ikan whiting muda, ubah proporsi ikan kod muda menjadi 0,03, untuk ikan kod muda menjadi 0,01, dan untuk benthos menjadi 0,34. Jalankan Ecosim, lalu lakukan penyesuaian baru ke deret waktu, lagi-lagi dengan penyesuaian untuk kelompok 2, 4, 6, 10, yaitu kelompok dengan deret waktu referensi termasuk udang, (yang memiliki deret waktu tangkapan).
Jika Anda melihat di Ecosim > Input > Forcing function, Anda akan menemukan deret waktu T bottom. Mari terapkan ini ke cod. Buka Ecosim > Input > Functional responses, di sini seharusnya ada fungsi Temp cold environmental response, yang akan kita gunakan untuk cod. Klik Ecosim > Input > Functional response > Apply functional responses, klik sel yang memotong Cod juv. dengan T bottom, dan pindahkan Temp cold ke Applied responses. Lakukan hal yang sama untuk Cod ad. Apakah ini meningkatkan kecocokan?
Beberapa, tetapi cod kemungkinan masih belum pulih ke level 1970.
Untuk mengatasi hal ini, mari kita pertimbangkan bagaimana suhu memengaruhi ikan kod (mereka menyukai air yang lebih dingin), dan untungnya suhu biasanya merupakan salah satu rangkaian waktu yang dapat kita peroleh dari ahli kelautan.
Pikirkan tentang bagaimana Anda mendapatkan kecocokan tersebut. Selain itu, cobalah untuk membuat prediksi tersebut terpecah lagi. Mainkan!
Namun, pikirkan apa yang Anda lakukan dan perhatikan efek apa yang Anda lihat untuk skenario yang berbeda.
Bahkan jika sekarang Anda sudah mendapatkan kecocokan yang baik, cobalah satu hal lagi. Ulangi kecocokan waktu, tetapi kali ini sertakan juga pencarian Anomali untuk anomali produksi primer (menggunakan titik spline, mungkin masih 8). Lakukan pencarian, dan setelah selesai bandingkan dengan fungsi pemaksaan yang diturunkan (1: fitting) dengan fungsi pemaksaan yang sebenarnya digunakan saat membangun model (3: True PP). Anda mungkin akan menemukan beberapa kemiripan antara kedua bentuk, tetapi juga (1: fitting) menunjukkan lebih banyak variasi. Alasannya adalah karena kriteria pencarian mengejar observasi, dan dapat melakukannya tanpa penalti karena deret waktu yang kami gunakan dalam contoh ini memiliki sangat sedikit kendala. Anda bisa mendapatkan gambaran tentang ini dengan kembali ke Ecosim dan menjalankannya. Anda mungkin akan melihat beberapa hal aneh terjadi di antara tahun-tahun dengan observasi
Anda mungkin sudah memiliki kecocokan yang cukup baik sekarang, periksalah, setiap kelompok, pengganda kerentanan, …
plot, apa yang diceritakannya padamu?
Periksa estimasi Kriteria Informasi Akaike dari berbagai run pada deret waktu
Upaya dikaitkan dengan armada, dan banyak armada menangkap lebih dari satu spesies.
Tidak apa-apa, F akan menunjukkan perubahan proporsional yang sama untuk semua spesies. Namun, bagaimana jika kedua upaya untuk armada berdampak pada spesies yang juga mengalami kematian akibat penangkapan ikan?
Dalam kasus tersebut, kita tidak punya pilihan selain membiarkan kematian akibat penangkapan ikan mengesampingkan upaya untuk spesies tersebut. Hal ini memang menawarkan fleksibilitas, misalnya dalam aplikasi dengan armada multispesies yang memiliki informasi terperinci dari penilaian untuk satu spesies. Kita kemudian dapat menggunakan kematian akibat penangkapan ikan dari penilaian untuk spesies tersebut, dan upaya armada untuk sisanya.
kematian akibat penangkapan ikan dihitung dari hasil tangkapan/biomassa
Bahasa Indonesia:
rasio menjadi 0,2 tahun-1 . Jika upaya penangkapan ikan meningkat, misalnya, menjadi 1,1 maka ini menghasilkan F sebesar 0,2 · 1,1 = 0,22 tahun-1 . Ini bukan penemuan EwE, ini mengikuti langsung dari bagaimana upaya penangkapan ikan awalnya didefinisikan.1
Jadi, jika pada garis dasar Ecopath, tangkapan = 0,2 t km-2 tahun-1 dan biomassa untuk kelompok yang dimaksud adalah 1 t km-2
Ecosim dan Ecospace dapat mencakup tekanan penangkapan ikan dengan dua cara: menggunakan mortalitas penangkapan ikan atau upaya penangkapan ikan. Jika mortalitas penangkapan ikan digunakan, hasil tangkapan yang sesuai dihitung untuk setiap langkah waktu dari tangkapan = mortalitas penangkapan ikan · biomassa. Jika upaya digunakan, asumsi utamanya adalah bahwa mortalitas penangkapan ikan dalam model dasar Ecopath sesuai dengan upaya sebesar 1 (satu). Setiap perubahan dalam upaya dari waktu ke waktu akan mengakibatkan perubahan proporsional dalam mortalitas penangkapan ikan.
Ada tiga cara untuk menentukan perubahan temporal pada ukuran armada penangkapan ikan dan upaya penangkapan ikan:
1. Dengan membuat sketsa pola temporal upaya dalam antarmuka model; 2. Dengan memasukkan pola
tahunan melalui file CSV referensi beserta data respons ekologi historis; dan 3. Dengan memperlakukan dinamika ukuran armada dan upaya penangkapan
ikan yang dihasilkan sebagai sesuatu yang tidak diatur dan bergantung pada keputusan investasi dan operasi nelayan (dinamika
"bionomik", nelayan sebagai predator dinamis).
Untuk memudahkan eksplorasi kebijakan pengaturan panen alternatif, opsi default Ecosim adalah (1) atau (2). Namun, Anda dapat menggunakan model dinamika armada/upaya di mana upaya diestimasikan, bukan input, dengan mencentang Ecosim > Input > Parameter Ecosim > Dinamika upaya armada. Parameter input kemudian harus ditetapkan pada formulir Ecosim > Input > Dinamika ukuran armada .