Анализ зависимости уловов на ловушку от продолжительности застоя для ряда промысловых беспозвоночных сахалино-курильского района/Analysis of catch-per-pot dependence on duration of pot stay for some invertebrates of the Sakhalin-Kuril region

Abstract

Продолжительность застоя как показатель производительности промысловой операции имеет большое значение при облове донных и придонных беспозвоночных ловушками (Sloan, Robinson, 1985; Miller, 1990; Михеев, Клитин, 2000, 2002). Зависимостть уловов на ловушку от продолжительности застоя обусловлена вероятностью обнаружения приманки, которая изменяется со временем и характеризуются наличием фаз быстрого роста и насыщения. Проявление названных фаз связано в первую очередь с режимом действия приманки (Sainte-Marie, Hargrave, 1987; Михеев, 2001). Анализ указанной зависимости позволяет установить оптимальную продолжительность застоя для конкретного промыслового вида, района, сезона и типа приманки. Кроме того, учёт этой зависимости необходим для стандартизации временных рядов уловов при оценке обилия запасов и коэффициентов улавливаемости методом полигонов. В этой связи целью исследований было проанализировать изменение величины улова на ловушку с течением времени для ряда наиболее важных единиц запаса донных беспозвоночных и креветок сахалино-курильского района./Significance of catch-per-pot dependence on duration of pot stay for fishery management of bottom invertebrates and shrimps is evident as well as the necessity of its consideration for standardizing time series of catches in stock abundance assessment and coefficients of catchability estimation by the polygon method. In this relation, the research objective was to analyze the indicated dependence for a series of the most important stock units of the mentioned animal groups of the Sakhalin-Kuril region. We had to determine quantitative characteristics (parametrization) of catch-per-pot dependence on duration of pot stay. To perform analysis, we used a computer program that was based on the hybrid method of nonlinear optimization, combining the application of genetic algorithm and 14 common gradient methods.