دانشگاه شهید بهشتی فصلنامه علوم محیطی 3115-7173 22 2 2024 06 21 Time Series Modelling of the Caspian Kutum (Rutilus frisii) Catch Using SARIMA Model مدلسازی سری زمانی صید ماهی سفید دریای خزر (Rutilus frisii) با استفاده از مدل SARIMA 273 288 104280 10.48308/envs.2024.1343 FA فاتح معزی گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران 0000-0001-8522-4975 هادی پورباقر گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران 0000-0003-0546-8713 سهیل ایگدری گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران 0000-0001-8649-9452 جهانگیر فقهی گروه مهندسی جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران 0000-0003-2253-5789 Journal Article 2023 10 03 Introduction: The Caspian Kutum (Rutilus frisii) is one of the most important bony fish species of the Caspian Sea and has high conservation and commercial value. There were decreasing trends in its catch levels in the last years. Identifying temporal trends of its catch could help adopt proper plans to maintain the stocks of this important species and achieve sustainable exploitation goals. In the present study, we conducted a time-series analysis for catch data of the species over a decadal period. Material and Methods: The commercial catch data of Caspian Kutum, over the seine net fishing points of the northern coastal regions of Iran during catch seasons 2002/03 to 2011/12, were used as catch-per-unit-of-effort (CPUE). A 5-point moving average of CPUE was used to distinguish the fishing points as optimum (with normalized CPUEs ≥ 0.6) and non-optimum (with normalized CPUEs < 0.6) fishing locations. Time series modeling was conducted using the seasonal autoregressive integrated moving average (SARIMA) model based on seasonal 3- month intervals. The performance and predictive ability of the models were assessed using a set of indices, including Akaike’s information criteria (AIC), Bayesian information criterion (BIC), root mean squared error (RMSE), normalized root mean squared error (nRMSE), mean absolute error (MAE), normalized mean absolute error (nMAE) and the Pearson correlation coefficient (r). CPUE trends over the five years of 2013 to 2017 were predicted using the bestfitted SARIMA models. Results and Discussion: Five optimum (HR) and six non-optimum ranges (CR) were identified over the whole fishing points range (WR). The fitted SARIMA models based on the whole data of all fishing locations as well as classified optimum and non-optimum ranges of fishing locations did not have significant non-seasonal autoregressive and moving average components, indicating no increasing nor decreasing trends for CPUE over the study period, while for some of the ranges of fishing points, there were significant autoregressive and moving average components with clear seasonal increasing trends. The overall trend of CPUEs showed mainly an increase from 2002 to 2006, and then after relatively constant levels, there were decreases from 2009 to 2013. The obtained predictions from the models for data sets having sudden temporal fluctuations were less accurate. In contrast, higher accuracy levels of predictions and trends were observed for fish catch time series with no sudden alterations in CPUE levels over the studied period. Most of the obtained predictions for 2013-2017 similarly presented stationary fluctuation trends with apparent seasonal increases in CPUEs. Conclusion: Time-series modeling for R. frisii using the SARIMA method mainly indicated clear increasing seasonal trends without any general trend of change over the whole fishing points. The simplicity of the obtained models considering the obtained seasonal and nonseasonal components could be explained by the short time frame and the low number of data points. However, spatial classification of fishing points resulted in more detailed models and higher recognition potential of them. The findings of this research could lead to a better understanding of the temporal trends in catch levels of Caspian Kutum and use them by fisheries managers to adopt efficient management plans regarding the available stocks of this species in the future. سابقه و هدف: ماهی سفید (Rutilus frisii) مهمترین گونه اقتصادی ماهیان استخوانی دریای خزر است که از ارزش حفاظتی و تجاری بالایی برخوردار می‌باشد. در سال های اخیر میزان صید این گونه روندی کاهشی را نشان داده است. شناخت الگوهای زمانی موجود در مقادیر صید این ماهی می تواند در اتخاذ برنامه های مناسب برای حفظ ذخایر و بهره برداری پایدار مؤثر واقع شود. بدین منظور در مطالعه حاضر به مدلسازی سر ی های زمانی صید این گونه در طول یک دوره 10 ساله پرداخته شد . مواد و روش‌ها: دادهای صید تجاری ماهی سفید به صورت صید در واحد تلاش صیادی (CPUE) در بازه زمانی فصول صید 2002/3 تا 2011/12 در در صیدگاه های پره ساحلی در شمال ایران مورد استفاده قرار گرفت. در صیدگاه های پره ساحلی در شمال ایران مورد استفاده قرار گرفت. میانگین متحرک مکانی 5-نقطه ای جهت تفکیک نقاط صید در بازه های اپتیمم (مقادیر CPUE نرمال شده ≥ 6/0) و غیراپتیمم (مقادیر CPUE نرمال شده < 6/0) بکار گرفته شد. از مدل میانگین متحرک خودهمبسته یکپارچه فصلی (SARIMA) بر مبنای فواصل فصلی سه ماهه جهت مدلسازی سری های زمانی داده های صید استفاده گردید. مجموعه ای از شاخص ها شامل معیار اطلاعاتی آکایکه (AIC)، معیار اطلاعاتی بیژین (BIC)، ریشه میانگین مربعات خطا (RMSE)، ریشه میانگین مربعات خطای نرمال شده (nRMSE)، میانگین خطای مطلق (MAE)، میانگین خطای مطلق نرمال شده (nMAE) و ضریب همبستگی پیرسون (r) جهت ارزیابی عملکرد مدل ها و دقت پیش بینی های حاصل از آنها مورد استفاده قرار گرفتند. روند تغییرات میزان صید در طول دوره پنج ساله 2013 تا 2017 نیز با استفاده از مدل های SARIMA با بهترین عملکرد برای بازه های صیدگاهی پیش بینی شد. نتایج و بحث: در مجموعه نقاط صیدگاهی (WR)، پنج بازه اپتیمم (HR) و شش بازه غیراپتیمم (CR) تشخیص داده شد. مدل های سری زمانی SARIMA برازش یافته بر مبنای داده های کل صیدگاه ها و داده های تفکیک شده برای بازه های اپتیمم و غیراپتیمم، فاقد مؤلفه های معنی دار خودهمبسته و میانگین متحرک برای تغییرات غیرفصلی بودند به طوریکه هیچ روند کاهشی یا افزایشی مشخصی برای مقادیر CPUE وجود نداشت، در حالیکه در برخی از بازه های نقاط صید مؤلفه های معنی دار خودهمبسته و میانگین متحرک در ارتباط با نوسانات فصلی ثابت افزایشی مشاهده شد. روند کلی صید در بیشتر بازه های صیدگاهی نشان دهنده افزایش مقادیر CPUE از سال 2002 تا 2006 و سپس روند کاهشی از سال 2009 تا 2013 بود. در سری های زمانی دارای نوسانات ناگهانی، برآوردهای بدست آمده از دقت کمتری برخوردار بودند، اما بازه های صیدگاهی فاقد نوسانات ناگهانی در داده ها، بیشترین سطوح دقت برآوردها و پیش بینی روندها را نشان دادند. بیشتر پیش بینی های بدست آمده برای دوره زمانی 2013 تا 2017 نیز تغییرات ایستایی کلی همراه با روندهای فصلی افزایشی مشابه را نشان دادند . نتیجه‌گیری: مدلسازی سری‌های زمانی صید ماهی سفید (R. frisii) با استفاده از مدل SARIMA بیانگر وجود الگوهای فصلی افزایشی مشهود و عدم نوسانات کلی در گستره زمانی مورد مطالعه برای تمامی نواحی صیدگاهی بود. سادگی مدل های بدست آمده بر اساس مؤلفه های فصلی و غیرفصلی، عمدتاً ناشی از بازه زمانی کوتاه و تعداد کم مشاهدات بوده است، هر چند تفکیک مکانی نواحی صید به مدل هایی نسبتاً دقیق تر و قابلیت تشخیص بهتر منتج گردید. یافته های حاصل از این پژوهش می تواند در شناخت بهتر روندهای تغییرات زمانی سطوح صید ماهی سفید و بکارگیری آن توسط مدیران شیلاتی جهت اتخاذ برنامه های مدیریتی کارآمد در ارتباط با ذخایر این گونه در آینده مفید واقع گردد .

https://envs.sbu.ac.ir/article_104280_5741c26866d3bc39521d6ce573a6228d.pdf