Моделирование популяционной динамики камчатского краба на основе байесовского подхода

Моделирование популяционной динамики камчатского краба на основе байесовского подхода

Автор: Баканев Сергей Викторович

Журнал: Принципы экологии @ecopri

Рубрика: Аналитический обзор

Статья в выпуске: 3 (3) т.1, 2012 года.

Бесплатный доступ

В работе рассматриваются принципы моделирования популяционной динамики камчатского краба в Баренцевом море. Оценка состояния запаса основывается на реализации традиционных методов определения продуктивности популяции. В основе оценки лежат методы стохастического когортного и продукционного анализа популяционных параметров с учетом методов сбора, качества и объема исходной информации. Прямые наблюдения по результатам исследовательских съемок и промысла несут значительное количество шума и зачастую весьма неопределенны. Кроме того, будучи интродуцированным видом, характер роста численности популяции камчатского краба вносит существенные неопределенности в оценку связи биологических параметров популяции с ее промысловыми показателями. Моделирование популяционной динамики на основе байесовского подхода позволяет успешно решить вышеуказанные аспекты. Интегрирование данных, полученных в ходе различных исследований, в единую модель на основе байесовского метода оценивания параметров дает существенно более детальное описание процессов, происходящих в популяции.

Еще

Байесовский подход, моделирование, популяционная динамика, камчатский краб

Короткий адрес: https://sciup.org/147112655

IDR: 147112655

Список литературы Моделирование популяционной динамики камчатского краба на основе байесовского подхода

  • Бабаян В. К. Предосторожный подход к оценке общего допустимого улова (ОДУ): Анализ и рекомендации по применению. [Precautionary approach to the assessment of total allowable catch (TAC)] М.: Изд-;во ВНИРО, 2000. 192 с.
  • Баканев С. В. Оценка запаса камчатского краба в Баренцевом море с использованием модели CSA [Stock assessment of red king crab in the Barents Sea using the CSA model]//Камчатский краб в Баренцевом море [Red king crab in the Barents Sea]. Гл. 4.2. Мурманск: Изд-во ПИНРО, 2003. С. 232-;245.
  • Баканев С. В. Результаты применения стохастической когортной модели CSA для оценки запаса камчатского краба Paralithodes camtschaticus в Баренцевом море [The results of the stochastic cohort model CSA for stock assessment of red king crab (Paralithodes camtschaticus) in the Barents Sea]//Вопросы рыболовства. 2008. Т. 9. № 2 (34). С. 294-;306.
  • Баканев С. В. Проблемы оценки запаса и регулирования промысла камчатского краба Paralithodes camtschaticus в Баренцевом море [The problems of stock assessment and fishing regulation of red king crab in the Barents Sea]//Вопросы рыболовства. 2009. Т. 10. № 1 (37). С. 51-;63.
  • Баранов Ф.И. К вопросу о биологических основаниях рыбного хозяйства [On the biological basis of fisheries]//Изв. отдела рыбоводства и науч.-промысл. исслед. 1918. Т. 1. Вып. 1. С. 84-;128.
  • Васильев Д. А. Когортные модели и анализ промысловых биоресурсов при дефиците информационного обеспечения [Cohort models and analysis of fisheries stocks with the deficiency of data-supply]. М.: Изд-;во ВНИРО, 2001. 111 с.
  • Вентцель Е. С. Теория вероятностей [Probability theory]. М.: Издательский центр «Академия», 2003. 576 с.
  • Одум Ю. Экология: В 2-;х т. Т. 2. [Ecology] М.: Мир, 1986. 376 с.
  • Рикер У. Е. Методы оценки и интерпретация биологических показателей рыб [Methods of assessment and interpretation of biological indicators of fishes ]. М.: Пищевая промышленность, 1979. 408 с.
  • Шибаев С. В. Промысловая ихтиология [Fisheries ichthyology]. СПб: Проспект Науки, 2007. 400 с.
  • Adkison M. D. and R. M. Peterman. 1996. Results of Bayesian methods depend on details of implementation: An example of estimating salmon escapement goals. Fish. Res. 25, Alaska crabber call for fleet cut//World Fish. 1997. Vol. 46. N7. P. 155-;170.
  • Annala J. H. Fishery assessment approaches in New Zealand's ITQ system.//Proceedings of the International Symposium on Management Strategies for Exploited Fish Populations, Alaska Sea Grant Coll. Program Rep. No 93-;02, University of Alaska, Fairbank, 1993. P. 791-;805.
  • Adkison M. D., R. M. Peterman. 1996. Results of Bayesian methods depend on details of implementation: An example of estimating salmon escapement goals. Fish. Res. 25, Alaska crabber call for fleet cut//World Fish. 1997. Vol. 46. N7. P. 155-;170.
  • Annala J. H. Fishery assessment approaches in New Zealand's ITQ system.//Proceedings of the International Symposium on Management Strategies for Exploited Fish Populations, Alaska Sea Grant Coll. Program Rep. No 93-;02, University of Alaska, Fairbank, 1993. P. 791-;805.
  • Angel J. R., Burke D. L., O'Boyle R. N., Peacock F. G., Sinclair M., Zwanenburg K. C. T. Standardization of nomenclature for animal health risk analysis.//Rev. Sci. Tech. O.I.E. 1994. Vol. 12. P. 1045-;1053.
  • Balsiger J. W. A computer simulation model for the eastern Bering Sea king crab. Ph. D. dissertation, Seattle: University of Washington, 1974. 47 p.
  • Bayes T. An essay towards solving a problem in the doctrine of chances. Philosophical Transactions of the Royal Society. 1763. 330-;418. (Reprinted in: Biometrica (1958). № 45. P. 293-;315.
  • Burgner R. L. Life history of sockeye salmon (Oncorhynchus nerka). In: Groot, C. and L. Margolis. eds. Pacific salmon life histories, Vancouver: University of British Columbia Press. 1991. 118 p.
  • Butterworth D. S., Punt A. E. On the Bayesian approach suggested for the assessment of the Bering-Chukchi-Beaufort Seas stock of bowhead whales// Rep. int. Whal. Comm. 1995. Vol. 45. P. 303-;311.
  • Cadrin S. X. Evaluation two assessment methods for Gulf of Maine northern shrimp based on simulations//J. Northw. Atl. Fish. Sci. 2000. Vol. 27. P. 119-;132.
  • Collie J. S. Estimating of abundance of king crab populations from commercial catch and research survey//Report to the Alaska Department of Fish and Game, University of Alaska Fairbanks, Juneau Center for Fisheries and Ocean Sciences, Juneau. 1991. Rep. №. 91-;03. P. 134-;162.
  • Congdon P. Introduction to Bayesian statistical modeling. London: Wiley, 2001. 556 p.
  • Drury K. L. S., Drake J. M., Lodge D. M., Dwyer G. Immigration events dispersed in space and time: Factors affecting invasion success//Ecological Modelling. 2007. Vol. 206. Issues 1-2. P. 63-;78.
  • Gelman A., Rubin D. B. Inference from iterative simulation using multiple sequences. Statistical Science. 1992. Vol. 7. P. 457-;511.
  • Gulland J. A. Estimation of mortality rates. Annex to Arctic fisheries working group report ICES C.M. 1965. D: 3. (mimeo). In P.H. Cushing (ed). Key papers on fish populations. Oxford. IRL Press. 1983. Reprinted as p. 1965. P. 231-;241.
  • Haddon М. Modelling and quantitative methods in fisheries. Washington: Chapman & Hall/CRC, 2001. 406 p.
  • Hilborn R., Walters C. J. Quantitative Fisheries Stock Assessment: Choice, Dynamics and Uncertainty. New York: Chapman & Hall, 1992. 570 p.
  • ICES Report of the Working Group on Nephrops Stocks. ICES CM 2001/ACFM:16, 2001a. 325 p.
  • ICES Report of the Pandalus Assessment Working Group. ICES CM 2001/ACFM:04. 2001b. 354 p.
  • ICES Report of the Arctic Working Group. ICES CM 2008/ACFM:06. 2005. 355 p.
  • Jones R. Assessing the long-;term effects of changes in fishing efforts and mesh size from length composition data//ICES. C. M. 1974. 33 p.
  • Hvingel C., Kingsley M. C. S. A framework to model shrimp (Pandalus borealis) stock dynamics and quantify risk associated with alternative management options, using Bayesian methods.//ICES J. Mar. Sci. 2006. Vol. 63. P. 68-;82.
  • Haddon М. Modelling and quantitative methods in fisheries. Chapman & Hall/CRC Washington, D.C. 2001. 406 p.
  • Hilborn R., Walters C. J. Quantitative Fisheries Stock Assessment: Choice, Dynamics and Uncertainty. New York: Chapman & Hall, 1992. 570 p.
  • Kass R. E., Wasserman L. The selection of prior distributions by formal rules//Journal of the American Statistical Association. 1996. Vol. 91. P. 1345-;1370.
  • Kinas P. G. Bayesian fishery stock assessment and decision making using adaptive importance sampling//Can. J. Fish. Aquat. Sci. 1996. Vol. 53. P. 414-;423.
  • Kruse G. H., Collie J. S. Preliminary application of a population size estimation model to the Bristol Bay stock of red king crabs. Alaska Department of Fish and Fame, Division of Commercial Fisheries, Juneau, Alaska. Regional Information Report. 1991. № 5J91-;09. 25 p.
  • McAllister M. K., Kirkwood G. P. Bayesian Stock assessment: a review and example application using the logistic model. ICES Journal of Marine Science. 1998. Vol. 55. P. 1031-;1060.
  • Meyer R., Millar R. B. Bayesian stock assessment using a state-;space implementation of the delay difference model//Can. J. Fish. Aquat. Sci. 1999. Vol. 56. P. 37-;52.
  • Millar R. B., Meyer R. Bayesian state-space modeling of age-structured data: fitting a model is just the beginning. Can. J. Fish. Aquat. Sci. 2000. Vol. 57. P. 43-;50.
  • Murphy G. I. A solution of the catch equation. J. Fish. Res. Bd. Can. 1965. Vol. 22. P. 191-;202. OpenBUGSб 2009. URL: http://www.openbugs.info (дата обращения 10.09.2012).
  • Patterson K. R. Evaluating uncertainty in harvest control law catches using Bayesian Markov chain Monte Carlo virtual population analysis with adaptive rejection sampling and including structural uncertainty//Can. J. Fish. Aquat. Sci. 1999. Vol. 56. P. 208-;221.
  • Pope J. G. An investigation of the accuracy of virtual population analysis using cohort analysis. Int. Comm. Northwest Atl. Fish. Res. Bull. 1972. Vol. 9. P. 65-;74.
  • Punt A., Hilborn R. Fisheries stock assessment and decision analysis: the Bayesian approach. Reviews in Fish Biology and Fisheries. 1997. Vol. 7. P. 35-;63.
  • Punt A. E., Hilborn R. BAYES-;SA -; Bayesian Stock Assessment Methods in Fisheries -; User's Manual//School of Aquatic and Fishery Sciences University of Washington Seattle, Washington. 2001. 228 p.
  • Punt, A.E., Butterworth D. S. Further remarks on the Bayesian approach for assessing the Bering-;Chukchi-;Beaufort Seas stock of bowhead whales. Rep. int. Whal. Commn. 1996. Vol. 46. P. 481-;491.
  • Quinn T. J., Turnbull C. T., Fu C. A Length-Based Population Model for Hard-to-Age Invertebrate Populations//Fishery Stock Assessment Models. Alaska Sea Grant College Program Report. AK-;SG-;98-;01. University of Alaska Fairbanks, 1998. P. 531-;556.
  • Schaefer M. B. A study of the dynamics of the fishery for yellowfin tuna in the eastern tropical Pacific Ocean//Bull. Inter-Am. Trop. Tuna Comm. 1957. Vol. 1. P. 25-;56.
  • Schnute J. T. A General Framework for Developing Sequential Fisheries Models//Can. J. Fish. Aquat. Sci. 1994. Vol. 51. P. 1676-;1688.
  • Schnute J. T., Richards L. J., Olsen N. Statistics, Software, and Fish Stock Assessment//Fishery Stock Assessment Models. Alaska Sea Grant College Program Report. AK-;SG-;98-;01. University of Alaska Fairbanks, 1998. P. 171-;184.
  • Smith M. T., Addison J. T. Methods for stock assessment of crustacean fisheries//Fisheries Research. 2003. Vol. 65. P. 231-;256.
  • Spiegelhalter D. J., Thomas A., Best N. WinBUGS version 1.3 User Manual. MRC Biostatistics Unit, Inst. of Public Health, Cambridge, England. 2000. 167 p.
  • Sullivan P. J., Lai H. L., Gallucci V. F. A catch-;at-;length analysis that incorporate a stochastic model of growth//Can. J. Fish. Aquat. Sci. 1990. Vol. 47. P. 184-;198.
  • Weber D. D., Miahara T. Growth of the adult male king crab, Paralithodes camtschatica (Tilesius)//Fish. Bull. U. S. 1962. Vol. 62. P. 53-;75.
  • Zheng J., Murphy M. C., Kruse G. H. A length-;based population model and stock-;recruitment relationships for red king crab, Paralithodes camtschaticus, in Bristol Bay, Alaska.//Can. J. Fish. Aquat Sci. 1995. Vol. 52. P. 1229-;1246.
  • Zheng J., Murphy M. C., Kruse G. H. Application of a Catch-;Survey Analysis to Blue King Crab Stocks Near Pribilof and St. Matthew Islands//Alaska Fishery Research Bulletin. 1997. Vol. 4 (1). P. 62-;74.
Еще
Статья научная
SciUp 2024 © 2024 ©