Оценка состояния запаса черного палтуса (Reinhardtius hippoglossoides matsuurae) в Охотском море

Промысловый запас черного палтуса в рыболовной зоне «Охотское море» оценен с вероятностью в 97,5 % как переловленный с продолжающимся переловом. Такой результат получен методом двойной фильтрации апостериорных оценок параметров обобщенной модели прибавочной продукции в пространстве состояний (JABBA) и дополнительной настройки на основе ее результатов новой модели. Значительных изменений в индикаторах внешней среды и в режимах параметров не найдено. Основной причиной перелова считаем завышенный ориентир управления (H = 10 % от общей биомассы), назначенный на Дальнем Востоке России до его внутримодельных обоснований и применявшийся как ориентир для сравнения корректности модельной настройки до 2021 г. Некорректность его прежнего определения связана с неверными расчетами возрастной структуры черного палтуса из-за неточного метода определения возраста рыб по чешуе. Предложен новый и независимый от ошибок определения возраста метод определения состояния запаса и промысла на основе дополнительной фильтрации результатов модели JABBA. Предложено перейти на использование нового метода до окончательного исправления размерно-возрастного ключа, который прежде значительно занижал возраст черного палтуса. Новый ориентир управления промыслом H находится в 95 %-ном доверительном интервале от 2,5 до 5,4 % с медианой около 3,75 %. Предлагаемый ориентир незначительно выше используемого в Международном совете по исследованию моря для черного палтуса в северо-восточной Арктике (H = 3,5 %), где начаты обсуждения мер по его снижению до 2,5 %. Однако там условия обитания и, вероятно, скорость роста черного палтуса не совпадают с таковыми Охотского моря, поэтому мы должны продолжать собственные исследования оптимального уровня эксплуатации, а не принимать аналогичные из других районов ареала данного вида.

1. Аксютина З.М. Об использовании электронных вычислительных машин для анализа распределения и количественной оценки популяции рыб // Тр. ВНИРО. — 1970. — Т. 71. — C. 309–318.

2. Бабаян В.К. Предосторожный подход к оценке общего допустимого улова (ОДУ). Анализ и рекомендации по применению : моногр. — М. : ВНИРО, 2000. — 192 с.

3. Бабаян В.К., Бобырев А.Е., Булгакова Т.И. и др. Рекомендации по методикам и подходам к оценке приоритетных единиц запасов (треска, минтай, палтус) : моногр. — М.: ВНИРО, 2020. — 281 с.

4. Бадаев О.З., Шелехов В.А., Черниенко И.С. и др. Определение возраста черного палтуса (Reinhardtius hippoglossoides matsuurae) по чешуе и отолитам: методика сбора, обработки, интерпретация // 7-я Междунар. науч.-техн. конф. «Актуальные проблемы освоения биологических ресурсов Мирового океана». — Владивосток: Дальрыбвтуз, 2022. — С. 23–30.

5. Белонович О.А., Бурканов В.Н. Влияние косаток (Orcinus orca) на ярусный промысел черного палтуса (Reinhardtius hippoglossoides) в Охотском море // Морские млекопитающие Голарктики : сб. науч. трудов по мат-лам 7-й Междунар. конф. — 2012. — Т. 1. — С. 86–90.

6. Вдовин А.Н. Динамика уловистости рыб донным тралом в зависимости от размерного состава и плотности скоплений // Изв. ТИНРО. — 2000. — Т. 127. — С. 137–148.

7. Волвенко И.В. Проблемы количественной оценки обилия рыб по данным траловых съемок // Изв. ТИНРО. — 1998. — Т. 124. — С. 473–500.

8. Волвенко И.В. Технические проблемы адекватной интерпретации результатов траловых съемок и пути их решения // Изв. ТИНРО. — 2013. — Т. 172. — С. 282–293.

9. Дьяков Ю.П. Популяционная структура тихоокеанского черного палтуса Reinhardtius hippoglossoides // Вопр. ихтиол. — 1991. — Т. 31, вып. 3. — С. 404–414.

10. Дьяков Ю.П. Распределение и популяционная структура тихоокеанского черного палтуса // Биол. моря. — 1984. — № 5. — С. 57–60.

11. Захаров Е.А., Емелин П.О. Актуальность использования аппаратуры контроля орудий лова для снижения погрешности в оценке численности гидробионтов // Изв. ТИНРО. — 2016. — Т. 186. — С. 198–206. DOI: 10.26428/1606-9919-2016-186-198-206.

12. Захаров Е.А., Кручинин О.Н., Мизюркин М.А., Сафронов В.А. Геометрические параметры донного трала 27,1/24,4 и возможные погрешности в оценке численности гидробионтов // Изв. ТИНРО. — 2013. — Т. 174. — С. 284-292.

13. Захаров Е.А., Кручинин О.Н., Шабельский Д.Л. Разработка и апробирование алгоритма расчета рабочих параметров траловых систем // Изв. ТИНРО. — 2019. — Т. 198. — С. 221–229. DOI: 10.26428/1606-9919-2019-198-221-229.

14. Зуенко Ю.И., Асеева Н.Л., Глебова С.Ю. и др. Современные изменения в экосистеме Охотского моря (2008–2018 гг.) // Изв. ТИНРО. — 2019. — Т. 197. — С. 35–61. DOI: 10.26428/1606-9919-2019-197-35-61.

15. Зуенко Ю.И., Асеева Н.Л., Матвеев В.И. Батиметрическое распределение черного палтуса Reinhardtius hippoglossoides в условиях деоксигенации промежуточного слоя Охотского моря // Вопр. рыб-ва. — 2021. — Т. 22, № 2. — С. 27–39. DOI: 10.36038/0234-2774-2021-22-2-27-39.

16. Ильин О.И., Сергеева Н.П., Варкентин А.И. Оценка запасов и прогнозирование ОДУ восточнокамчатского минтая (Theragra chalcogramma) на основе предосторожного подхода // Тр. ВНИРО. — 2014. — Т. 151. — С. 62–74.

17. Кодолов Л.С., Савин А.Б. Сетной промысел черного палтуса у восточного Сахалина в 1992–1994 гг. : отчет о НИР / ТИНРО. № 21698. — Владивосток, 1994. — 43 с.

18. Корнев С.И., Белонович О.А., Никулин С.В. Косатки (Orcinus orca) и промысел черного палтуса (Reinhardtius hippoglossoides) в Охотском море // Исслед. водн. биол. ресурсов Камчатки и сев.-зап. части Тихого океана. — 2014. — Вып. 34. — C. 35–50.

19. Коротков В.К. Реакция рыб на трал, технология их лова : моногр. — Калининград: ЭКБ АО «МАРИНПО», 1998. — 397 с.

20. Кулик В.В., Варкентин А.И., Ильин О.И. Стандартизация уловов на усилие минтая в северной части Охотского моря с учетом некоторых факторов среды // Изв. ТИНРО. — 2020a. — Т. 200, вып. 4. — С. 819–836. DOI: 10.26428/1606-9919-2020-200-819-836.

21. Кулик В.В., Пранц C.В., Будянский М.В. и др. Связь запасов черного палтуса в Охотском море с факторами внешней среды // Изв. ТИНРО. — 2020б. — Т. 200, вып. 1. — С. 58–81. DOI: 10.26428/1606-9919-2020-200-58-81.

22. Кулик В.В., Мазникова О.А. Оценка запаса черного палтуса в Охотском море с учетом придонной температуры // Океанологические исследования : мат-лы 9-й конф. мол. ученых. — Владивосток : ТОИ ДВО РАН, 2021. — C. 158–163.

23. Макрофауна бентали Охотского моря: таблицы встречаемости, численности и биомассы. 1977–2010 / В.П. Шунтов, И.В. Волвенко, В.В. Кулик, Л.Н. Бочаров; под ред. В.П. Шунтова и Л.Н. Бочарова. — Владивосток: ТИНРО-центр, 2014. — 1052 с.

24. Николенко Л.П. Сверхстатистические потери черного палтуса (Reinhardtius hippoglossoides), равношипого краба (Lithodes aequispina) и краба-стригуна (Chionoecetes angulatus) при глубоководном сетном и ярусном промыслах в Охотском море // Вопр. рыб-ва. — 2010. — Т. 11, № 3(43). — C. 592–600.

25. Николенко Л.П., Катугин О.Н. Генетическая дифференциация черного палтуса Reinhardtius hippoglossoides в Охотском море и сопредельных водах // Изв. ТИНРО. — 1998. — Т. 124. — С. 251–270.

26. Пискунов И.А., Фадеев Н.С. Возможные уловы, среднесуточные нагрузки различных типов судов и необходимое количество рыболовецкого флота для дальневосточного рыбопромыслового района на 1970–1975 гг. : отчет о НИР / ТИНРО. № 36. — Владивосток, 1976. — 36 с.

27. Пырков В.Н., Солодилов А.В., Дегай А.Ю. Создание и внедрение новых спутниковых технологий в системе мониторинга рыболовства // Современные проблемы дистанционного зондирования Земли из космоса. — 2015. — Т. 12, № 5. — С. 251–262.

28. Тюрин П.В. Биологические обоснования оптимального коэффициента вылова и допустимого предела прилова молоди ценных рыб // Тр. ВНИРО. — 1967. — Т. 62. — С. 33–50.

29. Хен Г.В., Устинова Е.И., Сорокин Ю.Д. Многолетние изменения термических условий на поверхности дальневосточных морей и СЗТО и их связь с крупномасштабными климатическими процессами // Изв. ТИНРО. — 2022. — Т. 202, вып. 1. — С. 187–207. DOI: 10.26428/1606-9919-2022-202-187-207.

30. Alverson D.L., Pereуra W.T. Demersal fish Exploration in the Northern Pacific Ocean — An evolution of Exploratory Fishing Methods and Analytical Approaches to Stok Size and Yield Forecasts // J. Fish. Res. Bd Canada. — 1969. — Vol. 26, № 8. — P. 1985–2001. DOI: 10.1139/f69-188.

31. Bannerot S.P., Austin C.B. Using Frequency Distributions of Catch per Unit Effort to Measure Fish-Stock Abundance // Trans. Am. Fish. Soc. — 1983. — Vol. 112, Iss. 5. — P. 608–617. DOI: 10.1577/1548-8659(1983)112<608:UFDOCP>2.0.CO;2.

32. Bentley N., Kendrick T.H., Starr P.J., Breen P.A. Influence plots and metrics: tools for better understanding fisheries catch-per-unit-effort standardizations // ICES J. Mar. Sci. — 2012. — Vol. 69, Iss. 1. — P. 84–88. DOI: 10.1093/icesjms/fsr174.

33. Beverton R.J.H., Holt S.J. On the dynamics of exploited fish populations. — L. : Chapman and Hall, 1957. — 533 p.

34. Blanchard J.L., Coll M., Trenkel V.M. et al. Trend analysis of indicators: a comparison of recent changes in the status of marine ecosystems around the world // ICES J. Mar. Sci. — 2010. — Vol. 67, Iss. 4. — P. 732–744. DOI: 10.1093/icesjms/fsp282.

35. Brooks E.N., Powers J.E., Cortés E. Analytical reference points for age-structured models: application to data-poor fisheries // ICES J. Mar. Sci. — 2009. — Vol. 67, Iss. 1. — P. 165–175. DOI: 10.1093/icesjms/fsp225.

36. Brown C.J., Taylor W., Wabnitz C.C.C. et al. Dependency of Queensland and the Great Barrier Reef’s tropical fisheries on reef-associated fish // Sci. Rep. — 2020. — Vol. 10. 17801. DOI: 10.1038/s41598-020-74652-2.

37. Bryan M.D., Barbeaux S.J., Ianelli J. et al. Assessment of the Greenland turbot stock in the Bering Sea and Aleutian Islands : NPFMC Bering Sea and Aleutian Islands SAFE. — North Pacific Fishery Management Council, Anchorage, AK, 2020. — 96 p.

38. Cleveland R.B., Cleveland W.S., McRae J.E. et al. STL: A Seasonal-Trend Decomposition Procedure Based on Loess // Journ. of Official Statistics. — 1990. — Vol. 6, Iss. 1. — P. 3–73.

39. Cooper D.W., Maslenikov K.P., Gunderson D.R. Natural mortality rate, annual fecundity, and maturity at length for Greenland halibut (Reinhardtius hippoglossoides) from the northeastern Pacific Ocean // Fish. Bull. — 2007. — Vol. 105, Iss. 2. — P. 296–304.

40. Cury P.M., Fromentin J.-M., Figuet S. et al. Resolving Hjort’s dilemma how is recruitment related to spawning stock biomass in marine fish? // Oceanography. — 2014. — Vol. 27, Iss. 4. — P. 42–47. DOI: 10.5670/oceanog.2014.85.

41. Dunn P.K., Smyth G.K. Series evaluation of Tweedie exponential dispersion model densities // Stat. Comput. — 2005. — Vol. 15, Iss. 4. — P. 267–280. DOI: 10.1007/s11222-005-4070-y.

42. Fox J. Applied Regression Analysis and Generalized Linear Models. Third Edition. — Sage Publications, Inc, 2016. — 817 p.

43. Gregg J.L., Anderl D.M., Kimura D.K. Improving the precision of otolith-based age estimates for Greenland halibut (Reinhardtius hippoglossoides) with preparation methods adapted for fragile sagittae // Fish. Bull. — 2006. — Vol. 104, Iss. 4. — P. 643–648.

44. Hastie T., Tibshirani R. Generalized Additive Models: Wiley StatsRef: Statistics Reference Online, 2014. DOI: 10.1002/9781118445112.stat03141.

45. Hilborn R. Measuring fisheries management performance // ICES J. Mar. Sci. — 2020. — Vol. 77. — P. 2432–2438.

46. Hilborn R., Walters C.J. Quantitative fisheries stock assessment: choice, dynamics and uncertainty. — N.Y.: Chapman and Hall, 1992. — 570 p. DOI: 10.1007/978-1-4615-3598-0.

47. Hoenig J. Empirical use of longevity data to estimate mortality rates // Fish. Bull. — 1983. — Vol. 82, Iss. 4. — P. 898–903.

48. Jiao Y., Smith E.P., O’Reilly R., Orth D.J. Modelling non-stationary natural mortality in catch-at-age models // ICES J. Mar. Sci. — 2012. — Vol. 69, Iss. 1. — P. 105–118. DOI: 10.1093/icesjms/fsr184.

49. Jørgensen B. The Theory of Dispersion Models : Monogr. Stat. Appl. Probab. (Book 76). — L.: Chapman and Hall, 1997. — 256 p.

50. Kell L.T., Minto C., Gerritsen H.D. Evaluation of the skill of length-based indicators to identify stock status and trends // ICES J. Mar. Sci. — 2022. fsac043. DOI: 10.1093/icesjms/fsac043.

51. Maunder M.N., Punt A.E. Standardizing catch and effort data: a review of recent approaches // Fish. Res. — 2004. — Vol. 70, Iss. 2–3. — P. 141–159. DOI: 10.1016/j.fishres.2004.08.002.

52. Oshima K., Hashimoto M., Fuji T. et al. Trial application of JABBA to Pacific saury stock assessment: NPFC-2019-SSC PS05-WP19. — Tokyo, 2019. — 13 p. URL https://www.npfc.int/trial-application-jabba-pacific-saury-stock-assessment.

53. Ovando D., Free C.M., Jensen O.P., Hilborn R. A history and evaluation of catch-only stock assessment models // Fish and Fisheries. — 2022. — Vol. 23, Iss. 3. — P. 616–630. DOI: 10.1111/faf.12637.

54. Peterson M.J., Mueter F., Hanselman D. et al. Killer whale (Orcinus orca) depredation effects on catch rates of six groundfish species: implications for commercial longline fisheries in Alaska // ICES J. Mar. Sci. — 2013. — Vol. 70, Iss. 6. — P. 1220–1232. DOI: 10.1093/icesjms/fst045.

55. Punt A.E. Refocusing stock assessment in support of policy evaluation // Fisheries for Global Welfare and Environment: 5th World Fisheries Congress. — Terrapub, Tokyo, Japan, 2008. — P. 139–152.

56. Punt A.E., Tuck G.N., Day J. et al. The impact of alternative age-length sampling schemes on the performance of stock assessment methods // Fish. Res. — 2021. — Vol. 238. 105904. DOI: 10.1016/j.fishres.2021.105904.

57. Quinn II T.J., Deriso R.B. Quantitative Fish Dynamics. — N.Y. : Oxford University Press, 1999. — 542 p.

58. Sakamoto Y., Ishiguro M., Kitagawa G. Akaike Information Criterion Statistics : Mathematics and its Applications. — Springer Netherlands, 1986. — 290 p.

59. Trijoulet V., Berg C.W., Miller D.C.M. et al. Turning reference points inside out: comparing MSY reference points estimated inside and outside the assessment model // ICES J. Mar. Sci. — 2022. fsac047. DOI: 10.1093/icesjms/fsac047.

60. Venables W.N., Dichmont C.M. GLMs, GAMs and GLMMs: an overview of theory for applications in fisheries research // Fish. Res. — 2004. — Vol. 70, Iss. 2–3. — P. 319–337. DOI: 10.1016/j.fishres.2004.08.011.

61. Winker H., Carvalho F., Kapur M. JABBA: Just Another Bayesian Biomass Assessment // Fish. Res. — 2018. — Vol. 204. — P. 275–288. DOI: 10.1016/j.fishres.2018.03.010.

62. Wood S.N. Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models // J.R. Statist. Soc. B (Statistical Methodology). — 2011. — Vol. 73, Iss. 1. — P. 3–36. DOI: 10.1111/j.1467-9868.2010.00749.x.

63. Wood S.N. Generalized Additive Models: An Introduction with R. — N.Y. : Chapman and Hall/CRC, 2017. 2nd ed. — 476 p. DOI: 10.1201/9781315370279.

64. Wood S.N. Stable and Efficient Multiple Smoothing Parameter Estimation for Generalized Additive Models // J. Am. Stat. Assoc. — 2004. — Vol. 99, Iss. 467. — P. 673–686. DOI: 10.1198/016214504000000980.

65. Wood S.N. Thin plate regression splines // J. R. Stat. Soc. Ser. B (Statistical Methodol.). — 2003. — Vol. 65, Iss. 1. — P. 95–114. DOI: 10.1111/1467-9868.00374.

66. Zhang Z., Moore J.C. Empirical Orthogonal Functions // Mathematical and Physical Fundamentals of Climate Change. — Boston : Elsevier, 2015. — P. 161–197.