Udvalget for Fødevarer, Landbrug og Fiskeri 2013-14
FLF Alm.del
Offentligt
1334606_0001.png
1334606_0002.png
1334606_0003.png
NOTATTil
NaturErhvervstyrelsen
Vedr.Besvarelse af FLF alm. del. spørgsmål 119
Fra
DTU Aqua
6. feb. 2014Jr nr. 14/00036/MV
DTU Aqua er blevet anmodet om at bidrage til besvarelse af FLF Spørgsmål 119 vedrørende metodertil at bestemme fiskebestandenes størrelse og tilstand, samt at kvantificere den statistiske usikkerhedved metoderne.Reguleringen af de økonomisk mest betydende fiskebestande for det danske fiskeri sker på grundlagaf en international og videnskabelig rådgivning koordineret gennem ICES (Det internationale Havun-dersøgelsesråd). Bag hver rådgivning ligger der en såkaldt bestandsvurdering, der er en metode til atbestemme bestandenes størrelse og fiskeritryk ud fra tilgængelige informationer om kommerciellefangster, fangstrater fra videnskabelige togter og andre typer data. Bestandsvurderingerne udføres ru-tinemæssigt hvert år, mens selve metoden og datagrundlaget undersøges nærmere og om mulig for-bedres, typisk med 3-5 års mellemrum, ved en såkaldte ”Benchmark”.Den analytiske bestandsvurdering er baseret på en matematisk model over individernes vækst, fiske-ridødelighed og overlevelse. Grundlaget for modellerne var allerede fastlagt sidst i 1950’erne, menmodellerne er siden blevet kraftigt videreudviklet, specielt med brug af hurtigere computere og videre-udvikling af statistiske metoder. Der sker fortsat en videreudvikling af modellerne. I juli 2013 var derfor eksempel et fire-dags møde med over 220 videnskabsfolk fra 27 lande med det formål at videreud-vikle metoderne og at teste de forskellige metoder mod hinanden.I dag benyttes der både forholdsvis simple og meget komplicerede modeller til bestandsvurderingen.Simple deterministiske modeller (f.eks. ”Extended Survivor Analysis” modellen udviklet af britiske for-skere i 1980’erne) har den fordel at de er robuste, men de forudsætter blandt andet at den kommerci-elle fangst (landing og udsmid) i antal per alder er kendt eksakt, det vil sige kendt uden en statistiskindsamlingsusikkerhed, der altid vil være der. For mange bestande er der en stor statistisk usikkerhedomkring fangstdata hvilket med brug af de simple modeller føres direkte over i fangstrådgivningen.Dette kan bevirke, at den biologiske rådgivning bliver unødig variabel fra år til år.I de statistiske modeller der blev benyttet fra 1990’erne tages der højde for, at data til modellerne altidhar en større eller mindre indsamlingsusikkerhed. Modellerne kan beregne usikkerheden på dens re-sultater som gydebiomasse og fiskeridødelighed. Ulempen ved de tidlige statistiske modeller er atman bliver nødt til at gøre nogle ikke altid rimelige antagelser, for at man kan bestemme det høje antal
Danmarks Tekniske Universitet

Institut for

Akvatiske Ressourcer

Charlottenlund SlotJægersborg Allé 12920 Charlottenlund
Tlf.Dir.Fax
35 88 33 0035 88 33 5035 88 33 33
[email protected]www.aqua.dtu.dk
ukendte parameter i modellen. En sådan antagelse kan f.eks. være, at der fiskes på den samme må-de gennem en længere årrække. Med den tætte regulering, den teknologiske udvikling og store æn-dringer i pris m.m. er det en ofte urimelig antagelse.Sidste skud på stammen af statistiske modeller, f.eks. ”State-space Assessment Model” (SAM) udvik-let af danske forskere i de seneste år, bruger en avanceret statistisk metode til at reducere antallet afparametre i modellen. Det betyder, at der kan slækkes på antagelser, f.eks. kræver SAM modellen ik-ke at fiskerimønstret skal være fast gennem en årrække.SAM modellen bliver i dag benyttet for mange bestande, men de fleste bestandsvurderinger udføresstadig med de mindre avancerede modeller. Der kan være gode grunde til dette valg, både videnska-belige og det faktum, at der oftest kræves en form for efteruddannelse, før at en avanceret model kanbenyttes på betryggende vis. Reelt vil mange bestandsvurderinger kunne få en højere kvalitet ved atbenytte modeller som SAM. Der er ikke den store forskel i resultaterne fra de enkelte typer modeller,hvis bare kvaliteten af fangst data og videnskabelige målinger er rimelig god. Der er dog en tendens tilat de tidligere modeltyper er mere følsomme overfor den statistiske usikkerhed i input data, hvilket gørdem uegnet for bestande, der reguleres stramt efter den beregnede fiskeridødelighed i det sidste år,som det sker i mange forvaltningsplaner i dag.Den statiske usikkerhed på bestandsvurderings resultater som f.eks. gydebiomasse (SSB) eller fiske-ridødelighed (F) vil afhænge af kvaliteten af de benyttede fangsttal indsamlet af myndighederne og afpræcisionen af de videnskabelige prøver. Desuden vil bestande med mange aldersgrupper generelthave en større præcision end bestande med få aldersgruppe, da flere årgange i bestanden betyderflere målepunkter og dermed en større præcision. Præcisionen på bestandsvurderingen er mindst forde nyeste år i tidsserien, fordi der igen er færre målepunkter til rådighed. Som et eksempel (torsk iNordsøen) på usikkerhed bliver variationskoefficienten for SSB bestemt til 10% for 2013, mens denvar 6% for 2012 og falder til ca. 4% for tidligere år. Usikkerheden på den gennemsnitlige F var 8% for2012 og mindre for de foregående år. Usikkerhederne for torsk, som estimeret af modellen, er i denabsolut lave ende, hvis man sammenligner med andre bestande. For eksempel er usikkerheden påSSB i 2013 for blåhvilling på 16% og på F i 2012 på 15%. For kortlivede arter som brisling og tobis iNordsøen kan usikkerheden på SSB og F ofte være over 25-30%. Der er en generel enighed om, atden virkelige usikkerhed på bestandsestimater og fiskeridødeligheder er noget større end usikkerhe-derne beregnet af modellerne.Usikkerhederne præsenteret ovenfor er fra de såkaldte analytiske bestandsvurderinger, hvor der esti-meres en absolut bestandsstørrelse og fiskeridødelighed ud fra typisk aldersopdelte data fra hele fi-skeriet og yderligere data fra videnskabelige målinger, som f.eks. trawltogter med et standardiseret fi-skeri. Hvis sådanne data ikke er til rådighed, bliver man nødt til at bruge metoder der typisk kun giverbestandens størrelse i forhold til bestanden i tidligere år. Et simpelt eksempel kunne være ising iNordsøen. Her udfører forskningsfartøjer ca. 500 trawltræk per år fordelt i Nordsøen i første kvartal,hvor der blandt andet fanges ising. Hvis antallet af isinger per træk er større end i de foregående årtolkes det som at bestanden er i fremgang og vil kunne tåle et øget fiskeritryk. ICES rådgiver derfor, atkvoten kan sættes op med op til 20% i forhold til de aktuelle fangster fra fiskeriet. Hvis fangstraten afisinger til gengæld er mindre i de foregående år, bliver der rådgivet em en nedsættelse af kvoten medop til 20%. Usikkerheden ved sådanne metoder er generelt større end for de analytiske bestandsvur-
2
deringer. Hvor ICES skønner at usikkerheden er ekstra stor, kan rådgivningen sættes ned med op til20% ekstra.
3