Вопросы рыболовства - 2020 - Том 21 - №2
http://dspace.vniro.ru/handle/123456789/7342
2024-03-25T14:29:22ZВопросы рыболовства. - 2020. - Том 21. - №2.
http://dspace.vniro.ru/handle/123456789/7352
Вопросы рыболовства. - 2020. - Том 21. - №2.
2020-01-01T00:00:00ZСовременные системы позиционирования судов и возможности их использования для оптимизации научно-информационного обеспечения отечественного промысла
http://dspace.vniro.ru/handle/123456789/7351
Современные системы позиционирования судов и возможности их использования для оптимизации научно-информационного обеспечения отечественного промысла
Маслянкин/ Maslyankin, Г.Е./ G.E.; Дубищук/ Dubishuk, М.М./ M.M.; Гербер/ Gerber, Е.М./ E.M.; Вафиев/ Vafiyev, А.А./ A.A.
В статье рассматриваются новые возможности получения и анализа промысловой информации, связанные с глобальным внедрением систем позиционирования судов, в том числе ведущих промысел водных биоресурсов. Приведены сведения о содержании данных, передаваемых в режиме автоматической идентификационной системы, о доступных интернет-ресурсах, размещающих такую информацию. Представлены примеры использования данных позиционирования судов в исследовательских целях и в целях оперативного обеспечения промысла/ The article discusses new opportunities for obtaining and analyzing fisheries information related to the global implementation of positioning systems for vessels including those fishing for aquatic biological resources. Information on content of data transmitted in automatic identification system mode as well as on available Internet resources hosting such information is provided. Examples of use of vessel positioning data for research purposes and for the operational support of fisheries are presented.
2020-01-01T00:00:00ZПрименение методов частиц при Байесовском оценивании временных рядов численности и уловов по возрастам
http://dspace.vniro.ru/handle/123456789/7350
Применение методов частиц при Байесовском оценивании временных рядов численности и уловов по возрастам
Шевченко/ Shevchenko, И.И./ I.I.
Добавление случайных аддитивных ошибок в уравнения когорт и уловов, которые записаны в логарифмической форме, позволяют представить динамику логарифмов численности (ненаблюдаемых состояний) в виде скрытых марковских процессов первого порядка, где в качестве наблюдений выступают логарифмы уловов. Для таких моделей целесообразно рассматривать задачи байесовского (оптимального) оценивания, которые заключаются в построении функций плотности распределения вероятностей состояний при полученных наблюдениях. Решение уравнений, которым удовлетворяют искомые плотности, в аналитическом виде возможно только для ограниченного класса моделей (линейных гауссовских). При использовании методов Монте-Карло замкнутая форма вычислений заменяется на формирование выборок с соответствующими распределениями и их статистическую обработку. Поскольку получать напрямую выборки анализируемых случайных величин практически невозможно, используются приближенные последовательные вычисления и вспомогательные распределения. В работе описываются некоторые алгоритмы байесовского оценивания временных рядов численности и уловов по возрастам с последовательным применением методов частиц. Пакет Fishmetica пополнен соответствующими функциями. Влияние количества частиц на параметры результирующих апостериорных плотностей проиллюстрированы расчетами в среде Julia для тестового набора данных при различном количестве используемых частиц/A cohort population dynamics may be represented as a hidden Bayesian model with abundances as hidden states and catches as observations. Using these models, one can evaluate posterior densities and calculate such point-wise characteristics as means, medians, variances and so on. With rare exceptions (as linear Gaussian models), the recurrence equations met by the posterior densities have no analytic solutions. We describe several particle (Monte Carlo) methods that may be used for the density approximations and evaluations of their statistical quantities for nonlinear non-Gaussian models as well. The Fishmetica package was extended with functions for generating samples and masses for time series filtering, prediction, and smoothing. Evaluations in Julia were made for a test dataset with assumed Gaussian distributions of residuals and different numbers of particles. Numerical results were compared with known analytic ones.
2020-01-01T00:00:00ZСовременные проблемы оценки запаса северной креветки в Баренцевом море
http://dspace.vniro.ru/handle/123456789/7349
Современные проблемы оценки запаса северной креветки в Баренцевом море
Баканев/ Bakanev, С.В./ S.V.
В работе описано современное состояние оценки запаса северной креветки в Баренцевом море, а также рассмотрены трудности при оценке фактической промысловой биомассы, экологической емкости среды, максимального устойчивого вылова. Выполнен сравнительный анализ результатов с различными настройками продукционной модели, в том числе использующимися на рабочей группе ИКЕС по оценке запасов северной креветки (NIPAG). Абсолютная оценка запаса, а также оценка ОДУ, как производная от запаса и его скорости роста, в целом зависит не от исходных данных, а от наших экспертных соображений о емкости среды. Это объясняется, прежде всего, незначительным воздействием промысла на запас при существенной межгодовой изменчивости величины запаса по естественным причинам. Кроме того, существенная пространственная изменчивость ареала с многочисленными промысловыми скоплениями затрудняет моделирование запаса как единой популяции в системе «запас-промысел». В то же время возможен отказ от использования аналитической модели в пользу трендовых методов без серьезного ущерба для научных рекомендаций. При этом состояние запаса может оцениваться в контексте требований менеджмента для обеспечения долгосрочной устойчивой эксплуатации, а предоставляемые рекомендации вырабатываются на основе предосторожного подхода и парадигмы максимального устойчивого улова/ The paper describes current state of the northern shrimp stock assessment in the Barents Sea, as well as challenges in estimating total fishable biomass, carrying capacity and maximum sustainable yield. A comparative analysis of the results was carried out under various adjustments of the production model, including those used at the Joint NAFO/ICES Pandalus Assessment Working Group (NIPAG). The absolute stock assessment, as well as TAC assessment, as a derivative of the stock and its growth rate, in whole, depend not on the input data, but on our expert considerations about carrying capacity. This could be explained, primarily, by insignificant fishery impact on the stock against substantial interannual variation of the stock due to natural reasons. Besides, significant spatial variability of the area with numerous commercial aggregations complicates the stock modeling as a single population within stock-fisheries system. At the same time, it is possible to use trends methods instead of the analytical model without serious harm to scientific advice. In this case, the stock status could be assessed in the context of management requirements to ensure long-term sustainable exploitation, and the advice is provided based on a precautionary approach and maximum sustainable yield framework
2020-01-01T00:00:00Z