Перспективы промысла горбуши в российских водах Берингова и Охотского морей в 2024 г. по результатам анализа траловых съемок молоди на НИС «ТИНРО» и «Профессор Кагановский» осенью 2023 г.

Учёт сеголеток горбуши в период осеннего нагула в море является важнейшим этапом прогнозирования возвратов, поскольку к этому времени их смертность уже менее вариабельна, чем в предшествующие критические периоды онтогенеза. Применяемая в последние годы методика проведения морских траловых съемок по учету сеголеток горбуши с использованием двух научно-исследовательских судов обеспечивает возможность охвата района работ в сжатые сроки, а также позволяет исключить повторные учеты рыбы на смежных галсах. В 2023 г. за счет качественного планирования экспедиций и эффективной работы (НИС «ТИНРО», «Профессор Кагановский») удалось оконтурить основные скопления горбуши в российской части Берингова и Охотского морей, что дало возможность получить репрезентативные данные о численности горбуши в период осеннего морского нагула, которые будут использоваться при прогнозировании объемов вылова горбуши в 2024 г. Кластерный анализ (метод EM-кластеризации) скоплений молоди горбуши Охотского моря позволил выделить и оценить численность региональных группировок северного и южного комплексов в соотношении 60/40 % в пользу южной группировки. По результатам проведенных учетных траловых съемок осенью 2023 г. были получены оценки численности горбуши в Беринговом (330 млн экз.) и Охотском (1,4 млрд экз.) морях. По предварительным оценкам численность возврата в 2024 г. составит около 100 млн экз. в Беринговом и около 208 млн экз. в Охотском морях.

1. Нектон западной части Берингова моря. Таблицы численности, биомассы и соотношения видов / под ред. В.П. Шунтова и Л.Н. Бочарова. — Владивосток : ТИНРО-центр, 2006. — 416 с.

2. Сомов А.А., Шевляков Е.А., Старовойтов А.Н. и др. Перспективы промысла горбуши в дальневосточных регионах Берингова и Охотского морей в 2023 г. по результатам анализа траловых съемок молоди на НИС «ТИНРО» и «Профессор Кагановский» осенью 2022 г. // Бюл. № 17 изучения тихоокеанских лососей на Дальнем Востоке. — Владивосток : ТИНРО, 2023. — C. 87−100. DOI: 10.26428/losos_bull17-2023-87-100. EDN: SVAJWC.

3. Старовойтов А.Н., Пономарев С.С., Чульчеков Д.Н. Результаты тралового учета посткатадромной молоди тихоокеанских лососей в Беринговом и Охотском морях осенью 2021 г. // Бюл. № 16 изучения тихоокеанских лососей на Дальнем Востоке. — Владивосток : ТИНРО, 2022. — C. 51−65. DOI: 10.26428/losos_bull16-2022-51-65.

4. Темных О.С. Опыт прогнозирования подходов горбуши в Охотское море по данным морских траловых съемок // Вопр. рыб-ва. — 2001. — Т. 2, № 1(5). — С. 140−153.

5. Шевляков Е.А., Фельдман М.Г., Шевляков В.А., Канзепарова А.Н. К методике разделения мигрирующих популяционных комплексов охотоморской горбуши в прикурильских водах Тихого океана с использованием гонадо-соматического индекса // Изв. ТИНРО. — 2020. — Т. 200, вып. 1. — С. 24−37. DOI: 10.26428/1606-9919-2020-200-24-37.

6. Шевляков Е.А., Сомов А.А., Шевляков В.А. и др. Промысел горбуши в Дальневосточном рыбопромысловом бассейне в 2023 г.: предварительные исследования, прогноз, интерпретация итогов путины // Наст. бюл.

7. Шунтов В.П., Темных О.С. Дальневосточная лососевая путина–2018: абсолютный исторический рекорд, обеспеченный камчатской горбушей // Бюл. № 13 изучения тихоокеанских лососей на Дальнем Востоке. — Владивосток : ТИНРО-центр, 2018. — С. 3–13.

8. Шунтов В.П., Темных О.С. Изученность экологии горбуши на разных этапах жизненного цикла в связи с прогнозированием уловов и управлением ее ресурсами и промыслом // Бюл. № 5 реализации «Концепции дальневосточной бассейновой программы изучения тихоокеанских лососей». — Владивосток : ТИНРО-центр, 2010. — С. 226–242.

9. Karpenko V.I., Erokhin V.G., and Smorodin V.P. Abundance and biology of Kamchatkan salmon during the initial year of ocean residence // NPAFC Bull. — 1998. — № 1. — P. 352–366.

10. Scrucca L., Fop M., Murphy T.B. and Raftery A.E. mclust 5: clustering, classification and density estimation using Gaussian finite mixture models // The R Journal. — 2016. — № 8/1. — P. 289−317.