Рыба рассматривает не точный – NRC

рыба

Для защиты коммерчески важных рыб от того, чтобы быть сверхполученным регуляторам нужны лучшие способы посчитать их, говорится в сообщении, которое будет выпущено завтра Национальным исследовательским советом. Экспертный совет NRC нашел, что текущие методы оценки последовательно оценивают слишком высоко уменьшающиеся популяции рыб.

В настоящее время американская Национальная служба морского рыболовства (NMFS) оценивает, что, по крайней мере, одна треть национальных 275 запасов промысловой рыбы сверхполучена. В прошлом году должностные лица NMFS попросили, чтобы ученые видели, виноваты ли методы подсчета потока, которые экстраполируют популяции рыб от научных и коммерческих трофеев, частично.

Как часть их обзора, исследователи исследовали точность моделей оценки запаса путем создания гипотетических популяций рыб, затем моделирования выборки. Когда вывод моделей был по сравнению с гипотетическими популяциями, исследователи нашли, что модели последовательно искажали их – часто переоценка размера сокращения рыбных ресурсов больше чем на 25% при недооценивании числа рыбы в приходящих в себя популяциях.

Эти результаты «должны успокаиваться ученым, менеджерам и [рыбакам]», завершает группа, возглавленная Ричардом Деризо из университета Вашингтона, Сиэтла, и Террэнса Квинна из Университета Аляски, Фэрбанкс.Для улучшения оценок запаса комитет рекомендует, чтобы регуляторы уделили больше внимания рыболовным методам – которые варьируются по их влиянию на различные разновидности – при предсказании популяций.

Они должны также развить более сложные модели, лучше включающие статистическую неуверенность. Наконец, комитет предложил, чтобы независимые ученые более регулярно рассматривали оценки численности населения, сделанные NMFS, который говорят и рыбаки и защитники окружающей среды, стали окрашенными политикой.

Рекомендации «хороши, мудры, полезны и важны», говорит Кимберли Дэвис из Центра Морского Сохранения в Санкт-Петербурге, Флорида. Она предостерегает, однако, что «не будет иметь значения, насколько хороший наука – то, если это не используется в управленческих решениях – и это было проблемой в прошлом».