© Агеева Алина
В АОМ имитируется влияние различных характеристик рыболовецкого флота на показатели УЕУ – улова на единицу усилий, динамику объёмов уловов при переориентации судов по видам промысла, на примере небольших рыбодобывающих компаний в Карибском регионе. Модель можно использовать для вычисления прогнозных объёмов рыбных ресурсов, анализа промыслового поведения рыбаков, а также изучения взаимодействий популяций рыб по типу «хищник-добыча», последствий специализации судов внутри рыболовецкого флота и влияния рыбопромысловой деятельности на экосистему.
Для того, чтобы верно оценить и эффективно регулировать степень воздействия рыболовного промысла на численность особей в популяциях рыб, их межвидовое взаимодействие и среду обитания, необходимо изучать не только динамику процессов в популяциях, но также учитывать характеристики рыбопромыслового флота, такие как, количество рыболовецких суден, их типы, объёмы уловов различных типов судов, т.д. Степень разнородности типов судов рыбопромыслового флота значительно влияет на показатель «улова / на единицу усилия (УЕУ)», который отражается в последующих вычислениях, связанных с калибровкой индекса УЕУ и определения перспективного статута популяций рыб. Выходные данные моделей популяций, в которых фигурируют показатели стандартизированных объёмов улова, являются неточными; соответственно, использование подобных данных для работы и выводов нежелательно, т.к. это может повлечь принятие неадекватных мер и методов управления рыбодобывающими компаниями, что в итоге может привести к потери доходов, угрожать стабильности популяций или истреблению некоторых видов промысловых рыб.
Рыболовецкие компании, распространённые в Карибском регионе, являются небольшими коммерческими предприятиями с разнотипными судами рыболовного флота. Подобные компании отличаются от конкурирующих с ними крупных предприятий: они более зависимы от динамики объёмов рыбных ресурсов (численности особей в популяциях промысловых видов рыб) и экономических условий, в то же время, способны к быстрой рыболовецкой переориентации, обеспечивая увеличение доходов и ассортимента морского улова. Эта особенность затрудняет анализ их промыслового поведения, поэтому при калибровке индекса УЕУ авторами модели были учтены индивидуальные характеристики судов и коэффициенты объёмов уловов. Модель разработана с использованием программного языка Java.
Агенты модели. 1) Популяции рыб – рыбоядные промысловые виды, а также мелкие виды рыб и морских обитателей (кормовые объекты), с их биологическими характеристиками, такими как, переносимый объём (максимальная плотность популяции, которая может длительно поддерживаться саморегуляцией), численность особей видов на единицу пространства, полезная продуктивность на единицу пополнения, время пополнения (время, необходимое для пополнения экосистемы и рыбных ресурсов), возраст созревания. Рыбоядным видам присваивается дополнительный параметр «степени голода», активизирующийся во время охоты; они поглощают кормовые объекты только если голодны и находятся территориально рядом. Если охота не увенчалась успехом или же поблизости не оказалось доступных объектов, рыбоядные гибнут от голода. Т.о. функционально, численность кормовых объектов связана с показателем степени голода рыбоядных, а количество и переносимый объём последних зависит от доступных объёмов кормовых объектов. 2) Рыболовецкий флот состоит из судов разных типов с индивидуальными характеристиками, отражающими показатели их механической интенсивности промысла по отношению к популяциям рыбоядных и других видов рыб. Суда могут вести промысел на рыбоядных или кормовые объекты, если рыбы оказываются в той же клетке имитационного пространства, либо в соседних, прилегающих, т.е. судно может вести улов в девяти возможных клетках пространства. Доход каждого судна определяется, исходя их текущей рыночной цены рыбного ассортимента. Каждое судно наделяется параметром «риска» (от 0 до 1 в начале прогона модели), который отражает готовность получить максимально возможную прибыль. Суда будут стараться переориентировать промысел на другой вид рыб, чтобы извлечь большую прибыль, в зависимости от величины установленного параметра «риска».
Виртуальная экосистема, в которой находятся агенты модели, представлена тороидальным имитационным пространством (100 х 100 клеток); взаимодействие агентов определяется их территориальной близостью. Один календарный год в модели равен 7500 шагам-прогонам, а сутки – 20,5. В пользовательском интерфейсе модели задаются вводные данные; возможен просмотр параметров агентов в текущем состоянии, а также имеется возможность включать дополнительную опцию, позволяя судам реагировать на сезонные увеличения численности особей в популяциях (избыток рыбных ресурсов), и устанавливать, будет ли опция связана с параметром индивидуальной доходности судов или же нет.
Использование вариативных сценариев позволяет изучить степень влияния неоднородности рыболовецкого флота по типам судов на индекс УЕУ (улова на единицу усилий). Согласно сценарию «А», суда однотипного и разнотипного флотов прилагают одинаковые усилия для лова рыбоядных видов и кормовых объектов. В сценарии «Б» суда однотипного и разнотипного флотов увеличивают усилия вплоть до истощения ресурсов промысловых видов рыб. Суда однотипного флота в сценарии «В» через некоторое время специализируются в соответствии с их индивидуальными параметрами риска и доходности; каждое судно флота может адаптироваться к условиям промысла того вида рыб, который обеспечит ему большую прибыль. Суда однотипного флота в сценарии «Г» наделяются параметрами их индивидуальной доходности и знаний о сезонной динамике численности популяций рыб, для того чтобы действовать целенаправленно.
Результаты прогона модели. Суда однотипного флота в сценарии «А» на протяжении всего процесса имитации сохраняют одинаковую направленность промысла как на рыбоядных, так и кормовые объекты. Суда разнотипного флота – демонстрируют произвольную направленность. Анализ выявил статистически важную характеристику в значительной дифференциации индекса УЕУ по типам судов внутри разнотипного флота, в то время как разница индексов УЕУ судов внутри однотипного флота складывается в связи с их пространственной (территориальной) дифференциацией. При избытке численности кормовых объектов и увеличении объёмов уловов, можно получить более точную оценку УЕУ. Тем не менее, вариативность показателей УЕУ по судам внутри разнотипного флота перевешивает возможность получения точной оценки УЕУ. На рис. внизу точками обозначены показатели УЕУ для однотипного (слева) и разнотипного (справа) флотов, а черной линией – среднегодовая кривая количественного изобилия особей в популяциях рыб.
В сценарии «Б» суда однотипного и разнотипного флотов начинают промысел рыбоядных и кормовых объектов с начальной нулевой точки индекса УЕУ, и с течением времени УЕУ продолжает линейно возрастать вплоть до истребления популяций рыб. Данный сценарий позволяет проанализировать, как с помощью динамики показателей УЕУ оценивать объёмы (запасы) рыбных ресурсов. Анализ индивидуальных показателей судов выявил, что оценивать запасы рыбных ресурсов с помощью динамики показателей объёмов уловов можно более точно по отношению к однотипному флоту, нежели разнотипному. На рис. ниже показана годовая динамика увеличений объёмов уловов и показателей УЕУ однотипного флота (слева) и разнотипного (справа).
В реальности суда могут переориентироваться, в соответствии с тем, какой вид промысла принесет им большую доходность, и установить нужный тип оборудования для лова на судне. В сценарии «В» по истечении года рыбаки судов однотипного флота анализируют показатели доходности и решают, оставаться ли на прежнем виде промысла или же переходить на другой, меняя на судне оборудование для лова, т.о. суда специализируются, становясь разнотипными (см. верхний рис. ниже). Увеличение усилий, а также знаний и навыков рыбаков, специализирующихся на промысле определенного вида рыб, позволяет им зарабатывать больше и закрепляет данную манеру действий – поведенческий алгоритм. Индивидуальный анализ показателей УЕУ судов выявил их групповой (кластеризированный) характер, т.е. для сравнения показателей УЕУ можно группировать суда в соответствии с их типом оборудования для лова или ориентированностью промысла. На рис. ниже показан индивидуальный анализ УЕУ по судам (точки – показатели УЕУ однотипного флота слева и разнотипного справа, линия – среднегодовая кривая количественного изобилия особей в популяциях рыб: рыбоядных слева и кормовых объектов – справа).
Рыбаки не принимают решения о специализации, основываясь только на показателях доходности их судна; обычно они анализируют динамику показателей объёмов уловов всех судов. В сценарии «Г» имитируется принятие рыбаками решения о специализации их судна (выбора вида промысла и типа оборудования лова) на основе имеющейся у них информации: показателей объёмов уловов всех судов флота, работающих в пределах территории промысла. См. рис. ниже (слева – динамика показателей доходности судна, справа – сезонные объёмы уловов всех судов флота).
Индивидуальный анализ показателей УЕУ судов выявил их кластеризированный характер, как в предыдущем сценарии, который несколько смягчается с включением сезонной динамики численности особей в популяциях рыб. Прогоны модели по данному сценарию привели также к специализации судов, с параметрами, присущими разнотипному флоту в сценарии «А», но требующими более тщательного калибрования показателей индивидуальной доходности судов. См. рис. ниже (точки – индивидуальные показатели УЕУ судов, линии – среднегодовая кривая количественного изобилия особей в популяциях рыб: рыбоядных слева и кормовых объектов справа).
Выводы. Результаты прогонов модели продемонстрировали, что внутри разнотипного рыболовецкого флота существует значительная стратификация судов по показателям объёмов уловов и индексов, поэтому для получения корректных прогнозных данных необходимо разрабатывать модели, в которых учитываются индивидуальные характеристики всех судов. Если показатели специализирующихся на определённом виде промысла судов относительно постоянны с течением времени, то можно использовать кластеризированный анализ и вычислять индексы УЕУ для каждой группы судов. Агент-ориентированный метод можно использовать для анализа промыслового поведения рыбаков, а также изучения взаимодействий популяций рыб по типу «хищник-добыча», последствий специализации судов внутри рыболовного флота и влияния рыбопромысловой деятельности на экосистему. Авторы модели планируют её усовершенствование с помощью добавления сценариев и видов популяций для более подробного изучения некоторых видов рыб и условий их пополнения (воспроизводство рыбных ресурсов), а также влияния различных алгоритмов промыслового поведения рыбаков на объёмы уловов, и рыболовной деятельности малых предприятий на динамику численности особей в популяциях рыб Карибского бассейна.
С оригиналом статьи можно ознакомиться здесь.