شبیه‌سازی عملکرد مدل های صید مجاز قابل برداشت (TAC) در مدیریت صید میگوی موزی Penaeus merguiensis در شرایط کمبود داده (مطالعه موردی: استان هرمزگان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه شیلات، دانشکده علوم و فنون دریایی، دانشگاه هرمزگان، بندرعباس، ایران

2 هسته پژوهشی مدیریت شیلات و توسعه پایدار اکوسیستم دریایی، معاونت پژوهش و فناوری دانشگاه هرمزگان، بندرعباس، ایران

3 پژوهشکده اکولوژی خلیج فارس و دریای عمان، موسسه تحقیقات علوم شیلاتی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، بندرعباس، ایران

10.22034/AEJ.2020.255997.2401

چکیده

گاهاً به دلیل محدودیت‌هایی مانند عدم امکان استفاده مداوم از گشت‌های تحقیقاتی و انواع هزینه ­ها، در مدیریت صید بسیاری از ذخایر دریایی با کمبود اطلاعات مواجه هستیم که ‌به منظور مدیریت این ذخایر از مدل‌سازی­ ضعف داده (Poor-Data) استفاده می‌شود. پژوهش حاضر با هدف شبیه ­سازی ذخیره میگوی موزی در استان هرمزگان تحت مدل ­های صید مجاز قابل برداشت (TAC) صورت پذیرفت. اطلاعات و داده‌های مورد استفاده در مدل­ ها از طریق حضور بر روی لنج ­های صید میگو در سال 1397 (طی فصل صید میگو در استان هرمزگان) در 30 فقره ترال کشی جمع­ آوری شد و بخشی نیز از تحقیقات پیشین استخراج شد. نتایج مدل­ سازی 50 سال آینده با 5000 تکرار نشان داد که مدل شاخص سطح هدف تلاش صیادی به سطح فعلی (ITe) بیش ترین احتمال (76/9%) قرارگیری محصول در محدوده MSY وجود دارد. هم چنین در شبیه سازی روند شاخص بیومس (B/BMSY) نیز مشخص شد که مدل ­های ITe و  تلاش صیادی با طول بهینه صید (EtargetLopt) به ترتیب با 76/7% و 13/3% بیش ترین و کم ترین درصد احتمال سقوط میزان بیومس به زیر بیومس MSY را دارند. علاوه براین، دامنه تغییرات عدم قطعیت در مدل ارزیابی ذخیره با اختلاف تأخیر زمانی (DDe) بیش ترین مقدار را در مقایسه با سایر مدل ­ها داشت و در این مدل  نرخ مرگ و میر (F/FMSY) به شدت کاهش یافت. نتایج تحقیق حاضر می ­تواند اطلاعات بسیار ارزشمندی را درباره وضعیت ذخیره میگوی موزی در استان هرمزگان در طول سال­ های آینده در اختیار تصمیم ­سازان، مدیران اجرایی و محققین قرار دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Simulating the performance of Total allowable catch (TAC) projection models to fishery management of Banana shrimp (Penaeus merguiensis) stock in data-limited situation (Case study: Hormozgan province)

نویسندگان [English]

  • Morteza Salahi 1
  • Ehsan Kamrani 1 2
  • Moslem Daliri 1 2
  • Mohammad Momeni 3
1 Fisheries Department, Faculty of Marine Sciences and Technology, University of Hormozgan, Bandar Abbas, Iran
2 Fisheries Department, Faculty of Marine Sciences and Technology, University of Hormozgan, Bandar Abbas, Iran |Research Department of Fisheries Management and Sustainable Development of Marine Ecosystem, University of Hormozgan, Bandar Abbas, Iran
3 Persian Gulf and Oman Sea Ecological Research Center, Iranian Fisheries Science Research Institute, Agricultural Research Education and Extension Organization, Bandar Abbas, Iran
چکیده [English]

Many marine fishery stocks are deprived of continuous research survey due to cost and facilities limitations, which are known as poor-data. Thus, management methods have also been developed through simulation in which shrimp stocks were managed under future simulation and modeling conditions in the face of data limitation. The aim of this study was to simulate the storage of banana shrimp in Hormozgan province using total allowable catch (TAC) models. Data were collected through shrimp fishing vessels in shrimp fishery grounds of Hormozgan in2018. Future simulation for 50-years was done by closed loop with 5000 replications, of which 200 lines of the simulation process were randomly selected. According to the results, the ITe model with 76.9% had the highest probability of yield in the MSY range among the models. In simulating the trend of biomass index (B/BMSY) it was found that ITe, DDe, LstepCE and EtargetLopt models with probability percentages of 76.7%, 54.7%, 38.6% and 13.3% from the highest to the lowest, respectively. The 50-year forecast trend showed that in the DDe model, the mortality rate (F/FMSY) decreased sharply, and the results of this model had the highest range of uncertainty, ranging from 0 to 2.5. The results of the present study can provide valuable information about the stock of banana shrimp in Hormozgan province in the future to decision makers, managers and researchers.

کلیدواژه‌ها [English]

  • Shrimp
  • Total allowable catch (TAC)
  • Future projection model
  • Hormozgan
  • Persian Gulf
  1. FAO. 2018. The state of world fisheries and aquaculture. Meeting the sustainable development goals Rome 210 p.
  2. Hilborn, R. and Walters, C.J., 2013. Quantitative fisheries stock assessment: choice, dynamics and uncertainty: Springer Science & Business Media.
  3. Daliri, M., 2016. Quantitative fisheries stock assessment: choice dynamics and uncertainty–Chapman and Hall. Bandar Abbas: Hormozgan.
  4. Daliri, M., Kamrani, E. and Paighambari, S.Y., 2015. Illegal shrimp fishing in Hormozgan inshore waters of the Persian Gulf. The Egyptian Journal of Aquatic Research. 41(4): 345-352.
  5. McGarvey, R., Punt, A., Matthews, J., Kruse, G., Gallucci, V. and Hay, D., 2005. Fisheries Assessment and Management in Data-Limited Situations.
  6. Mommeni, M., Daghoghi, B., Darvshin, M., Pehpouri, A., Khajenoori, K. and Safaei, M., 2010. Investigating the Migration Pattern and estimating the growth rate of Banana shrimp (Penaeus merguiensis) released in the Persian Gulf and the Sea of Oman (Hormozgan province) (Iran Fisheries Research Institute.  108 p.
  7. Salahi, M., Kamrani, E., Daliri, M. and Momeni, M., 2021. Risk assessment and zoning of shrimp fishery unsustainability by using Fuzzy modeling in Hormozgan fishing grounds, Persian Gulf. ISFJ. 30(3): 121-133.
  8.  HFO. 2019. The Geographical Expansion of Fisheries conceals the decline in the Mean Trophic Level of Iran's catch. Fisheries statistics yearbook of Hormozgan Fisheries Office (HFO). 64 p.
  9. Safaei, M., 2005. Population daynamic of Bana shrimp (Penaeus merguiensis) in Hormozgan waters. Journal Pajouhesh Va Sazandgi. 67: 50-61.
  10. Momeni, M., 2015. Exploitation management of Banana shrimp (Penaeus merguiensis) using population parameters and modeling in the Persian Gulf and Oman sea (Hormozgan province). Ph D thesis Fisheries Department University of Hormozgan 193 p.
  11. IFO. 2019. Fisheries statistical yearbooks for between 1981-2017. Iranian Fisheries Organization. 64 p.
  12. Erfani, M., Danehkar, A., Ardekani, T. and Moradi, S.S., Investigation on nutrient in twig grey mangrove at Govater Bay-Sistan & Baluchestan Province.
  13. Momeni, M., Kamrani, E., Safaie, M. and Kaymaram, F., 2018. Population structure of banana shrimp, Penaeus merguiensis De Man, 1888 in the Strait of Hormoz, Persian Gulf Iranian Journal of Fisheries Sciences. 17(1): 47-66.
  14. Carruthers, T.R. and Hordyk, A.R., 2018. The Data‐Limited Methods Toolkit (DLM tool): An R package for informing management of data‐limited populations. Methods in Ecology and Evolution. 9(12): 2388-2395.
  15. Carruthers, T.R., Kell, L.T., Butterworth, D.D., Maunder, M.N., Geromont, H.F. and Walters, C., 2016. Performance review of simple management procedures. ICES Journal of Marine Science. 82(2): 464-473.
  16. Geromont, H.F. and Butterworth, D.S., 2015. Generic management procedures for data-poor fisheries: forecasting with few data. ICES Journal of Marine Science. 72(1): 251-261.