Περίληψη
Τα δεδομένα εμπορικής αλιείας αποτελούν πολύτιμη πηγή πληροφορίας που, είτε αυτούσια είτε σε συνδυασμό με δεδομένα πειραματικής αλιείας, έχουν πρακτική αξία αφενός στην εκτίμηση της κατάστασης των αλιευτικών αποθεμάτων και αφετέρου στη βελτίωση προγραμμάτων αλιευτικής παρακολούθησης και βελτίωσης των σχεδίων αλιευτικής διαχείρισης. Στα πλαίσια της Ευρωπαϊκής Ένωσης, τα κράτη-μέλη συλλέγουν σε εθνικό πλαίσιο δεδομένα από την δραστηριότητα της εμπορικής αλιείας. Το εθνικό πλαίσιο συλλογής δεδομένων υπάγεται στο αντίστοιχο ευρωπαϊκό πλαίσιο (Data Collection Framework – DCF) που λειτουργεί υποστηρικτικά προς τους στόχους της Κοινής Αλιευτικής Πολιτικής (Common Fisheries Policy – CFP). Τα εθνικά προγράμματα συλλογής αλιευτικών δεδομένων (ΕΠΣΑΔ) συλλέγουν δεδομένα με μονάδα την αλιευτική εξόρμηση και καταγράφουν δεδομένα αλιευτικής παραγωγής και κατά μήκους σύνθεσης, παράλληλα με δεδομένα που σχετίζονται με τα τεχνικά χαρακτηριστικά του αλιευτικού εργαλείου καθώς και με γενικές πληροφορίες τ ...
Τα δεδομένα εμπορικής αλιείας αποτελούν πολύτιμη πηγή πληροφορίας που, είτε αυτούσια είτε σε συνδυασμό με δεδομένα πειραματικής αλιείας, έχουν πρακτική αξία αφενός στην εκτίμηση της κατάστασης των αλιευτικών αποθεμάτων και αφετέρου στη βελτίωση προγραμμάτων αλιευτικής παρακολούθησης και βελτίωσης των σχεδίων αλιευτικής διαχείρισης. Στα πλαίσια της Ευρωπαϊκής Ένωσης, τα κράτη-μέλη συλλέγουν σε εθνικό πλαίσιο δεδομένα από την δραστηριότητα της εμπορικής αλιείας. Το εθνικό πλαίσιο συλλογής δεδομένων υπάγεται στο αντίστοιχο ευρωπαϊκό πλαίσιο (Data Collection Framework – DCF) που λειτουργεί υποστηρικτικά προς τους στόχους της Κοινής Αλιευτικής Πολιτικής (Common Fisheries Policy – CFP). Τα εθνικά προγράμματα συλλογής αλιευτικών δεδομένων (ΕΠΣΑΔ) συλλέγουν δεδομένα με μονάδα την αλιευτική εξόρμηση και καταγράφουν δεδομένα αλιευτικής παραγωγής και κατά μήκους σύνθεσης, παράλληλα με δεδομένα που σχετίζονται με τα τεχνικά χαρακτηριστικά του αλιευτικού εργαλείου καθώς και με γενικές πληροφορίες της εξόρμησης (στίγμα, βάθος, κ.α.). Η πρακτική αξιοποίηση των αλιευτικών δεδομένων (είτε εμπορικής είτε πειραματικής αλιείας) γίνεται μέσω της τυποποίησής τους (standardization), όπως αναφέρεται στην αλιευτική επιστήμη, και αποτελεί ένα βασικό μεθοδολογικό στοιχείο μελέτης. Η τυποποίηση των αλιευτικών δεδομένων αφορά στην στατιστική τους επεξεργασία με τρόπο που να λαμβάνει υπόψη το μέγεθος της αλιευτικής δραστηριότητας (αλιευτική προσπάθεια) και την αλιευτική ικανότητα του εργαλείου (επιλεκτικότητα) καθώς αυτές οι δύο μεταβλητές επηρεάζουν αρχικά την αντικειμενικότητα της δειγματοληψίας (που επί της ουσίας είναι η ίδια η αλιευτική δραστηριότητα) και στην συνέχεια την ασφάλεια των εκτιμήσεων για τον θαλάσσιο πληθυσμό. Ο όρος μικτή αλιεία χρησιμοποιείται ευρέως για να χαρακτηρίσει αλιείες παγκοσμίως που δεν χαρακτηρίζονται από έναν ομοιογενή στόλο που αλιεύει ένα ομοιογενές απόθεμα. Οι μικτές αλιείες περιλαμβάνουν μια ποικιλία από αλιευτικά εργαλεία (πολυ-εργαλειακότητα) που αλιεύουν, με επικαλυπτόμενο τρόπο, μια ποικιλία από είδη (πολυ-ειδικότητα). Αυτές οι σύνθετες αλληλεπιδράσεις μεταξύ εργαλείων και ειδών οδηγούν αφενός στο γεγονός πώς κάθε μικτή αλιεία δύναται να είναι διαφορετική από κάθε άλλη και αφετέρου στην ανάγκη για μεθοδολογικές ιδιαίτερες επεμβάσεις στην μεθοδολογία τυποποίησής τους. Αυτή η μεθοδολογική ιδιαιτερότητα οφείλεται στην μεγάλη ποικιλία των αλιευτικών εργαλείων η οποία οδηγεί και σε αδυναμία ορισμού της αλιευτικής προσπάθειας και, επιλεκτικότητας και, θνησιμότητας με καθολικό τρόπο. Η παρούσα διατριβή επικεντρώνεται α) στον προσδιορισμό και αντιμετώπιση των τεχνικών ιδιαιτεροτήτων που δυσχεραίνουν την τυποποίηση αλιευτικών δεδομένων από μικτές αλιείες, καθώς και β) στην παρουσίαση δυνητικών εφαρμογών της διαδικασίας τυποποίησης (από δεδομένα που συλλέγονται σε τυπικά προγράμματα παρακολούθησης εμπορικής αλιείας) με σκοπό την διερεύνηση των παραμέτρων που διαμορφώνουν τις μικτές αλιείες και την παραγωγή γνώσης για την εκτίμηση των αλιευτικών αποθεμάτων και την διαχείρισή τους υπό το πρίσμα της οικοσυστημικής προσέγγισης. Τα δεδομένα της παρούσας εργασίας συλλέχθηκαν από επιβιβάσεις σε εμπορικά σκάφη στην περιοχή του ανατολικού (ελληνικού τμήματος) Ιονίου Πελάγους (FAO GFCM GSA 20) όπου η αλιεία που ασκείται αποτελεί ένα κλασσικό παράδειγμα μικτής αλιείας που αντιπροσωπεύει το ευρύτερο μεσογειακό αλιευτικό σκηνικό. Ο πολυ-εργαλειακός και πολυ-ειδικός χαρακτήρας της μικτής αλιείας αναλύθηκε με τρόπο που να αξιοποιεί την πληθώρα και αλληλοσυμπληρούμενη φύση των διαθέσιμων δεδομένων υπό το πλαίσιο των Γενικευμένων Προσθετικών Μοντέλων (Generalized Additive Models – GAMs). Η έλλειψη κοινού παρονομαστή στην τεχνική συγκρισιμότητα των αλιευτικών εργαλείων διευθετήθηκε με την έννοια της Προτιμησιακής Δειγματοληψίας (Preferential Sampling) που ταυτόχρονα α) λαμβάνει υπόψη την δειγματοληπτική μεροληψία που οφείλεται στην αλιευτική συμπεριφορά (καθώς η εμπορική αλιεία δεν αποτελεί μέρος δειγματοληπτικού σχεδιασμού αλλά, ως μια εμπορική δραστηριότητα που στοχεύει την μεγιστοποίηση του κέρδους, εμφανίζει επιλεκτικότητα σε είδη, περιοχές και, εποχές με δυνητικά υψηλότερη παραγωγή), και β) προσφέρει έναν τρόπο αντιμετώπισης της έλλειψης συγκρισιμότητας μεταξύ των αλιευτικών εργαλείων. Η χρήση ενός ιεραρχικού μοντέλου για την ενσωμάτωση πολλών ειδών σε ένα κοινό πλαίσιο προσφέρει την δυνατότητα διαμοιρασμού πληροφορίας μεταξύ των διαφορετικών ειδών. Το μεθοδολογικό πλαίσιο που αναπτύχθηκε στην παρούσα δουλειά παρουσίασε σημαντική βελτίωση όσον αφορά στην συμπερασματολογία και την αβεβαιότητά που την συνοδεύει σε σύγκριση με τα απλούστερα μοντέλα με ένα αλιευτικό εργαλείο ή/και ένα είδος και, επίσης, παρέχει την δυνατότητα για μια πληθώρα πρακτικών εφαρμογών. Το πολυ-ειδικό κομμάτι του μοντέλου αποτυπώνει κοινά οικολογικά πρότυπα καθώς και κοινά πρότυπα χωρο-χρονικών κατανομών μεταξύ των ειδών, κάτι που επεκτείνει την έννοια ανάπτυξης χαρτοφυλακίου ειδών (multi-species portfolio) όσον αφορά στην διαχείριση των αλιευτικών αποθεμάτων. Το πολυ-εργαλειακό κομμάτι του μοντέλου δίνει την δυνατότητα τεχνικής συγκρισιμότητας μεταξύ των διαφορετικών εργαλείων αναπτύσσοντας την έννοια της “πολυ-διαχείρισης” όπου η αποτελεσματικότητα των εργαλειο-ειδικών μέτρων πραγματοποιείται υπό ένα κοινό οικοσυστημικό διαχειριστικό πλαίσιο. Στην συνέχεια, ένας άμεσος τρόπος να προστεθεί η διάσταση του οικοσυστήματος στην διαχείριση ήταν με την αξιοποίηση των φασμάτων μεγέθους (size spectrum), όπου με αυτόν τον τρόπο, ο ταξινομικός χαρακτηρισμός των πληθυσμών αντικαθίσταται με την χρήση του μεγέθους σώματος των οργανισμών που αποτελεί ένα σημαντικό βιολογικό χαρακτηριστικό (biological trait) για την χαρακτηρισμό της κατάστασης ενός οικοσυστήματος. Εγγενείς ιδιότητες, σε επίπεδο είδους καθώς και οικοσυστήματος, που εξαρτώνται από το μέγεθος, όπως η αφθονία και η ποικιλότητα, μελετήθηκαν ώστε να διερευνηθεί η εφαρμογή διαχειριστικών μέτρων που διακρίνονται αναλόγως του μεγέθους των οργανισμών. Επιπλέον, μελετήθηκε και η επίδραση της κλιματικής αλλαγής όσον αφορά στην διατάραξη των σχετικών αφθονιών των διαφορετικών μεγεθών ατόμων στα αποθέματα. Στα πλαίσια της θεωρίας των φασμάτων μεγέθους, αναπτύχθηκε μια επέκταση (package) για το στατιστικό περιβάλλον της γλώσσας R με σκοπό την διευκόλυνση της ανάλυσης δεδομένων κατά μήκους σύνθεσης (που αποτελεί τυπική καταγραφή δεδομένων σε προγράμματα τόσο εμπορικής παρακολούθησης όσο και πειραματικής αλιείας). Αυτή η επέκταση αξιοποιεί τα μοντέλα φασμάτων μεγέθους και την ευελιξία των GAMs με σκοπό την τυποποίηση της ροής εργασίας για την ανάλυση παραμέτρων που επηρεάζουν την σύνθεση μεγεθών ενός πληθυσμού. Τέλος, προτείνονται διαχειριστικές πρακτικές μέσα σε ένα πλαίσιο βιωσιμότητας της αλιευτικής δραστηριότητας. Υπολογίστηκαν τρεις δείκτες βιωσιμότητας από τα δεδομένα DCF, και αναλύθηκε η βιωσιμότητα των αλιευτικών εξορμήσεων αποτυπώνοντας θερμά σημεία που λαμβάνει χώρα ένταξη νεαρών ατόμων στο απόθεμα και αναπαραγωγή ώριμων ατόμων καθώς και εξετάστηκε η αποτελεσματικότητα των τεχνικών χαρακτηριστικών των αλιευτικών εργαλείων. Στην παρούσα εργασία ποσοτικοποιήθηκαν σημαντικές συνιστώσες της αλιευτικής διαχείρισης όπως είναι η χωρο-χρονική ετερογένεια εντός μιας τυπικής GSA, η ποικιλότητα στην αλιευτική ικανότητα (skipper effect), καθώς και η ενδο-εργαλειακή και δια-εργαλειακή ετερογένεια, και δείχθηκε πως είναι πολύ δύσκολο να ληφθούν ορθά υπόψη με βάση τα παρόντα διαχειριστικά μέτρα. Αυτή η παρατήρηση ανοίγει την συζήτηση για την υιοθέτηση περισσότερο προσαρμοστικών (adaptive) διαχειριστικών σχεδίων. Η τριμερής τυποποίηση (αλιευτικής παραγωγής, φασμάτων μεγέθους, βιωσιμότητας) που αναπτύχθηκε στην παρούσα διατριβή μπορεί να λειτουργήσει ως εργαλείο για την εφαρμογή της οικοσυστημικής προσέγγισης στην αλιευτική διαχείριση (Ecosystem-Based Fisheries Management – EBFM) στις μικτές αλιείες παγκοσμίως.
περισσότερα
Περίληψη σε άλλη γλώσσα
Commercial fisheries constitute a valuable source of information that can aid, either standalone or complementary to experimental surveys, in assessing fish stock status as well as providing management and monitoring insights. Within the European Union, member states collect commercial fisheries data within national monitoring surveys under the auspices of the Data Collection Framework (DCF) that supports the broader Common Fisheries Policy. Such routine monitoring surveys collect data at the haul level and typically record catch biomass and length composition data together with operational, technical and spatial information about the fishing gear deployment. Fisheries data, either commercial or experimental, need statistical adjustments in order to infer about the actual status of the fished species/stocks. These adjustments rise due to the sampling procedure, which is essentially the actual fishing activity, and refer to the magnitude of the fishing activity (fishing effort) and the ...
Commercial fisheries constitute a valuable source of information that can aid, either standalone or complementary to experimental surveys, in assessing fish stock status as well as providing management and monitoring insights. Within the European Union, member states collect commercial fisheries data within national monitoring surveys under the auspices of the Data Collection Framework (DCF) that supports the broader Common Fisheries Policy. Such routine monitoring surveys collect data at the haul level and typically record catch biomass and length composition data together with operational, technical and spatial information about the fishing gear deployment. Fisheries data, either commercial or experimental, need statistical adjustments in order to infer about the actual status of the fished species/stocks. These adjustments rise due to the sampling procedure, which is essentially the actual fishing activity, and refer to the magnitude of the fishing activity (fishing effort) and the ability of the fishing gear to capture individuals (selectivity). These adjustments constitute the so-called standardization of fisheries data and are routinely performed in fisheries science to correctly assess the status of a stock since extrapolating from the commercial catch to the actual population depends on actual effort and selectivity during fishing. Mixed fisheries is an umbrella term that refers to fisheries worldwide that cannot be characterized with a “single-fleet” and “single-stock” attribute. Mixed fisheries typically involve a variety of fleets and fishing gears (multi-gear) as well as a variety of stocks (multi-species) that are exploited by multiple fleets in an overlapping manner. This involvement of gears and species in mixed fisheries raises significant and non-trivial statistical concerns regarding the standardization of mixed fisheries data which can be both dependent on each specific fishery case as well as generic regarding the mixed fisheries global character. These concerns arise due to the variety of fishing gears and fishing gear technical characteristics deployed which translates to a lack of a common scale for effort and selectivity. The current thesis has focused on a) highlighting and overcoming the main peculiarities of mixed fisheries that hinder standardization of commercial data as well as b) presenting potential applications of the standardization procedure (using data routinely collected in observer surveys) in order to investigate the factors that shape the mixed fisheries character and to provide appropriate information for assessment and management potentially adopting an ecosystem-based approach. The data used were collected during observer surveys onboard fishing vessels in the Ionian Sea in Greece (FAO GFCM GSA 20) which constitutes a typical example of mixed fisheries in the broader Mediterranean Sea fisheries scene. The multi-gear and multi-species aspects of mixed fisheries were analyzed in a “multi-data” hierarchical (mixed) Generalized Additive Modeling (GAM) standardization framework that encompasses complementary information from different gears and species. In order to overcome the incomparability of the variety of fishing gears, the notion of Preferential Sampling was introduced which can account both for a) the sampling bias present in fisher behavior (since fishers opt for areas and seasons of high catches and hence high profit) and b) the lack of a common scale among the different fishing gears. The incorporation of many species in a single modeling framework was feasible by adopting a hierarchical modeling structure so that ecological information is potentially shared among the different species. The framework presented in the current work is shown to improve the statistical properties of inferring from single-gear and/or single-species models. Under this framework, some intrinsic applications and extensions are developed. The multi-species component of the model derived common ecological and distributional patterns (e.g. areas and seasons of persistently high abundance) among species, hence expanding the notion of developing species portfolios with regards to managing the available stocks. The multi-gear component was used to make the distinct gears and selectivities comparable and thus developing the notion of “multi-management” where gear-specific management measures can be put under a single test of effectiveness. Next, a straightforward way to add the ecosystem dimension in assessment and management was to utilize the size spectrum theory which can drop the taxonomic attribute of the data in favor of using size, which is a key biological trait, to represent the ecosystem status. Innate size-specific attributes such as abundance and diversity were studied in order to provide size-specific advice for potential management schemes. Additionally, the effect of climate change was put forth with regards to the disturbance of the relative abundance of the different sized individuals within the stocks. Within the size spectrum theory, an R package was developed in order to facilitate the exploration of length composition data (as collected during commercial monitoring programs or experimental surveys). This package uses size spectrum models in order to typify the workflow of analyzing factors affecting the compositional patterns of the relative sizes within a population utilizing the flexibilities of a GAM framework. Finally, management practices were proposed within a sustainability context. Three key sustainability indices were computed, based on the DCF collected data, and the sustainability of the fishing activity was examined by presenting hotspots of recruitment and reproduction as well as developing an effectiveness metric for the technical characteristics of the fishing gears with regards to optimizing sustainability. Some key aspects relevant to managing fisheries such as spatial/temporal heterogeneity within a single GSA as formally defined, skipper effect, and within-gear and between-gear variability have been measured and proven to be uncaptured by the current static management schemes; hence opening the way to introduce more adaptive management scenarios to be put to the test. The three-level standardization (catch standardization, size spectra, sustainability of multiple management measures) developed here can provide a useful inferential toolbox for the application of the Ecosystem-Based Fisheries Management in mixed fisheries worldwide.
περισσότερα