25  III. DLM: LBSPR

25.1 Введение

В рыбохозяйственных исследованиях часто возникает ситуация, когда данных катастрофически не хватает, но оценку запасов проводить необходимо. Вот здесь и приходят на помощь основанные на размерах (length-based) методы, которые извлекают максимум информации из минимального набора данных — по сути, пытаются восстановить скелет по нескольким костям. Эти методы работают с размерной структурой уловов, позволяя оценивать состояние запасов там, где традиционные подходы просто неприменимы.

Возьмем LBSPR — метод, основанный на анализе репродуктивного потенциала через размерные показатели. Он требует знания биологических параметров вида, но зато дает оценку промысловой смертности и соотношения половозрелой части популяции. Это как пытаться определить возраст дерева по толщине ствола — приблизительно, но лучше чем ничего. Метод особенно полезен для видов с выраженным размерным диморфизмом, где размер четко коррелирует с половой зрелостью.

LBB представляет собой еще более элегантное решение — он работает вообще без каких-либо предварительных данных о виде. Чистая байесовская (Bayesian) статистика, которая из одного лишь размерного состава улова извлекает оценки и промысловой смертности, и естественной смертности, и даже оптимального размера ячеи орудий лова. Это напоминает гадание на кофейной гуще, но статистически обоснованное — метод строит вероятностные распределения и показывает, какие параметры наиболее вероятны при имеющихся данных.

LIME занимает промежуточное положение, позволяя интегрировать разрозненные данные за несколько лет и учитывать пространственную неоднородность. Он особенно полезен при мониторинге видов с выраженной межгодовой динамикой, где простое усреднение показателей может дать искаженную картину.

Практическое применение этих методов сталкивается с неизбежными ограничениями. Все они предполагают, что размерный состав улова репрезентативен для всей популяции, что далеко не всегда соответствует действительности. Селективность орудий лова, пространственная неоднородность распределения, сезонные миграции — все это вносит искажения в данные. Для ракообразных, таких как краб-стригун, добавляются дополнительные сложности: дискретный рост во время линьки, сильно выраженный половой диморфизм, разные темпы роста самцов и самок.

Тем не менее, эти методы остаются незаменимым инструментом для data-limited fisheries — ситуаций, когда данные ограничены, но управлять промыслом нужно. Они позволяют проводить оперативный мониторинг состояния запасов, оценивать эффективность мер регулирования и, что особенно важно, определять направления для более детальных исследований. Как говорят специалисты, лучше приблизительный ответ на правильный вопрос, чем точный ответ на неправильный.

На практике рекомендуется использовать несколько методов параллельно — их сравнение позволяет оценить устойчивость результатов и выявить потенциальные проблемы с данными. LBSPR хорош для оценки репродуктивного потенциала, LBB — для оперативного мониторинга, LIME — для анализа многолетней динамики. Важно помнить, что все эти методы дают относительные оценки, а не абсолютные значения, и их сила в сравнении, а не в абсолютных цифрах.

В конечном счете, искусство оценки запасов заключается не в применении самых сложных моделей, а в понимании того, какая информация действительно содержится в имеющихся данных — и length-based методы предоставляют для этого мощный и гибкий инструментарий.

25.2 Что делаем

LBSPR (Length-Based Spawning Potential Ratio) - это современный метод оценки состояния рыбных запасов, разработанный Hordyk et al. (2015, 2016). Метод позволяет оценить интенсивность промысла и состояние запаса, используя только данные о размерной структуре уловов и базовые биологические параметры.

Основная концепция SPR (Spawning Potential Ratio): - SPR показывает, какая доля репродуктивного потенциала популяции сохраняется при текущем уровне промысла по сравнению с неэксплуатируемой популяцией - SPR = 1.0 означает девственную популяцию (нет промысла) - SPR = 0.4 считается целевым уровнем для устойчивого промысла - SPR < 0.2 указывает на критический перелов

Как работает LBSPR: 1. Моделирование равновесной популяции: Метод предполагает, что популяция находится в равновесном состоянии при текущем уровне промысловой смертности 2. Анализ формы размерного распределения: По соотношению мелких, средних и крупных особей в улове метод определяет: - Насколько интенсивен промысел (F/M - отношение промысловой к естественной смертности) - Какая часть репродуктивного потенциала сохраняется (SPR) 3. Использование модели GTG (Growth-Type-Group): Учитывает индивидуальную изменчивость в росте особей, что делает оценки более реалистичными

25.3 Описание работы скрипта

  1. Подготовка данных (строки 1-100) Загрузка и обработка данных:
  • Загружаются 8 CSV файлов с данными о промысле, съемках, уловах, параметрах роста
  • Данные фильтруются по полу (только самцы - “M”)
  • Длины карапакса приводятся к числовому формату
  • Определяются параметры:
    • Linf = 163.4 мм (асимптотическая длина)
    • M/K = 1.085 (отношение естественной смертности к коэффициенту роста)
    • L50 зрелости = 73 мм
    • L50 селективности = 96 мм
  1. Анализ методом LBSPR (строки 107-175) Процесс анализа: а. Создание размерных классов: Данные группируются в бины по 2 мм (от 40 до 220 мм) б. Формирование матрицы длинных композиций: Для каждого года (2013-2024) подсчитывается количество особей в каждом размерном классе в. Настройка параметров модели:
    • Параметры роста (Linf, M/K)
    • Параметры зрелости (L50=73, L95=126 мм)
    • Параметры селективности промысла (SL50=96, SL95=112 мм)
    • Коэффициент вариации длины (CV=0.1) г. Запуск модели LBSPR: Итеративная подгонка модели к наблюдаемым данным для оценки SPR и F/M
  2. Расчет дополнительных индикаторов (строки 177-295)

Индикаторы по Froese (2004): - Pmat - доля половозрелых особей в улове - Popt - доля особей оптимального размера (>0.9×Linf) - Pmega - доля мегаспаунеров (>Linf)

Индикаторы размерной структуры: - Lmean/Linf - средняя длина относительно асимптотической - L95/Linf - 95-й процентиль длины - Анализ трендов за последние 5 лет

25.4 Интерпретация результатов

Результаты LBSPR

Ключевые показатели: - Средний SPR = 0.423 (за весь период) - SPR в 2024 году = 0.353 - F/M в 2024 году = 2.03 Что это означает: - SPR = 0.353 < 0.4 указывает на приближение к перелову - Только 35% репродуктивного потенциала сохраняется - F/M = 2.03 означает, что промысловая смертность в 2 раза выше естественной - это высокая интенсивность промысла

Анализ размерной структуры Индикаторы за 2022-2024 годы: - Lmean/Linf = 0.661 - средний размер составляет только 66% от максимального - 99.5% особей половозрелые - хорошая селективность, молодь защищена - 0.1% крупных особей - практически нет особей оптимального размера - 0% мегаспаунеров - полное отсутствие самых крупных производителей Тренды - Средняя длина снижается на 0.6 мм/год за последние 5 лет - Это негативный тренд, указывающий на усиление пресса промысла

Сводная таблица результатов:

Индикатор Значение Целевой уровень Статус
SPR 0.353 ≥0.40 Перелов
F/M 2.03 ≤1.0 Перелов
Lmean/Linf 0.661 ≥0.70 Перелов
% зрелых 99.5% ≥90% OK
% оптимальных 0.1% ≥30% Критически низкая

Заключение

Состояние запаса: УМЕРЕННЫЙ ПЕРЕЛОВ с признаками ухудшения Основные проблемы:

  1. Перелов крупных особей - в популяции практически отсутствуют крупные высокопродуктивные производители
  2. Высокая промысловая смертность - F/M в 2 раза превышает рекомендуемый уровень
  3. Снижение SPR ниже целевого уровня - репродуктивный потенциал под угрозой
  4. Негативный тренд - средние размеры продолжают снижаться

Положительные моменты: - Хорошая селективность - молодь защищена от промысла - Большинство особей успевает достичь половой зрелости

Рекомендации для управления

  1. Снизить интенсивность промысла для восстановления SPR до уровня ≥0.4
  2. Защитить крупных производителей - рассмотреть введение максимального размера
  3. Мониторинг тренда - если снижение средних размеров продолжится, необходимы срочные меры
  4. Целевой ориентир - довести долю особей оптимального размера до 30%

Данный анализ показывает, что запас находится в состоянии умеренного перелова с тенденцией к ухудшению, требются корректирующие меры управления для обеспечения устойчивости промысла.

25.5 Скрипт и входные данные

Скрипт.

ВХОДНЫЕ ДАННЫЕ (должны быть в рабочей директории):

  1. SURVEY <- SURVEYDATA.csv
  2. FISHERY <- FISHERYDATA.csv
  3. CATCH <- CATCH.csv
  4. SINDEX <- SURVEY_INDEX.csv
  5. GROWTH <- ELEFAN_params_constrained.csv
  6. MK_PRI <- MK_prior_summary.csv
  7. M_PRI <- M_prior_summary.csv
  8. LWCOEF <- LW_coeffs.csv