Kalastuksen vaikutus muikun kannanvaihteluihin Outi Heikinheimo Pentti Valkeajärvi Riista- ja kalatalouden tutkimuslaitos

Miten kalastus vaikuttaa muikun kannanvaihteluihin? Voimakkaat kannanvaihtelut ovat ammattikalastuksen kannalta ongelmallisia Kalastus saattaa olla yksi tekijä, joka joko voimistaa tai vaimentaa kannanvaihteluja Voisiko kalastus aiheuttaa muikkukatoja? Voidaanko katoja ehkäistä kalastuksen säätelyllä? The fluctuations are partly due to external factors - often irregularities -, but also density-dependent regulation Often more or less regular cycles: In many lakes an abundant year-class emerges typically once in two, three or four years. The long recession period are most probably due to changes in the system (climate), such as favourable circumstances for predators – and/or unfavourable for young vendace

Päijänteen Tehinselän muikkukanta Tehinselkä: Pinta-ala noin 200 km2 Troolaus alkoi vuonna 1982 Kuusi troolia, 480 kalastuspäivää (1700 vetotuntia) vuodessa 1990-luvulla Muikkukato vuosina 1983 – 1995 Saaliit korkeimmillaan 1999, 28 kg/ha The share of other gear less than 10 % The vendace stock was strong or moderate in the late 1960s During the 1970s, there was a long period of lower than average stock size until a strong year class was born in 1982

heikkojen vuosiluokkien Tehinselkä Muikkukanta runsas ahvenkanta >>>> There was a long recession period of vendace stock Therefore: Most stock/recruitment data is from low- density situation – not good for estimating S/R relationship Possibility to estimate the response of fishing to low density of vendace heikkojen vuosiluokkien jakso Vuosiluokan runsaus

Dynaamiset mallit Tutkitaan ekosysteemin toimintaa simuloimalla pienellä aika-askeleella Esim. lajien välisiä ja lajin sisäisiä vuorovaikutuksia kuten saalistusta ja kilpailua, feedback-mekanismeja Kannanvaihtelut, syklisyys, tasapainotilat Saalistuksen, kalastuksen ja ympäristö-tekijöiden vaikutus N Z dN/dt = -ZN

The model starts from 1-year-old recruits The model simulates the development of the stock with a 1/100 (hundredth part of year) time step The large arrows describe the flow from a level variable to another Faucets regulate the flow The clouds are the borders of the system Important relationships S/R and functional response

Miten kalastus reagoi muikkukannan vähenemiseen? Pyyntiponnistus Kalastuskuolevuus vs. kannan tiheys  voidaan laskea funktionaalinen vaste

Pyyntiponnistus näyttää kasvavan muikkukannan vähetessä Troolaustunteja /vuosi First : Fishing / stock size : fishing effort Fishing is not constant but reacts to changes in stock size Muikkukanta kpl/ha

Funktionaalinen vaste Pedon pyydystämien saalisyksilöiden määrä aikayksikössä saaliseläinkannan tiheyden funktiona Vasteen tyypit II ja III Hetkelliset kuolevuudet Type III Type II predator per day Type III mortality per day Number of prey eaten by one Instantaneous predation Functional response is : The number of prey taken by one predator in a unit of time as a function of prey density Here the predator is a trawler When the prey density decreases, the predator may increase effort or shift to another prey (type III). MORTALITY RATE: With the type II response, instantaneous mortality increases steeply at low prey densities >> depensatorinen kuolevuus Type II Number of prey/ha Number of prey/ha

Kalastuskuolevuus (F)/ Kannan tiheys - 90-luvulla kalastuskuolevuus suurempi - Funktionaalinen vaste tyyppiä III First it seems that the functional response could be type II – only the latest data, two points, are outliers. But if we look at the 80s and 90s separately, the situation is different. Type III response, and the effectivity of fishing is about threefold in the 90s compared to the 80s. These two f. response curves were used in the model

Kutukanta/rekryytti (1 v.) -suhde Mallissa käytettiin viittä vaihtoehtoista käyrää Most points are from the period where the recruitment failed in several successive years – However, without the last point the curve seems to be dome-shaped Because of the large uncertainty , five different curves were used in the model, and in addition, one optional assumption was that the recruitment is not dependent on spawning stock but randomly distributed (lognormal distribution)

Kuudes vaihtoehto: Satunnainen rekrytointi, ei riippuvuutta kutukannasta (log-normaali jakauma) Mostly low or moderate recruitment, seldom very high

Log-normaalijakauman mukaiset vuosiluokkien voimakkuudet (rekryyttejä/ha 100 vuoden aikana) There seems to be a kind of cyclicity, too – even a period of two-year cycles! Next: simulation options

Simulaatiot Parametriarvot vakiot Viisi erilaista kutukanta-rekr. suhdetta Erilliset ajot pienellä ja suurella pyyntiponnistuksella ja vastaavilla funktionaalisen vasteen parametriarvoilla (simuloidaan 80- ja 90-luvun kalastustilannetta)

Simulaatiot (2) 2. Satunnaisvaihtelua parametriarvoissa: - Kutukanta-rekryyttisuhteessa - Luonnollisessa kuolevuudessa Simulaatiot - vaihtoehtoisilla kutukanta-rekryyttisuhteilla - lognormaali-jakauman mukaisilla vuosiluokkien runsauksilla -

Simulaatiotuloksia Parametriarvot vakiot  tasapainotila kaikilla kutukanta-rekryytti suhteilla ja kalastusvaihtoehdoilla Muikkukannan koko Vuosi

Kannan koko ja saalis eri vaihtoehdoilla With curves b and c the equilibrium stock size is higher with strong fishing effort (steeply dome-shaped) With a, d and e fishing does not affect the stock size markedly

Simulaatiotuloksia: Satunnaisvaihtelua parametriarvoissa Satunnaisvaihtelu saa aikaan heilahtelua muikkukannan runsaudessa Kalastus vaikuttaa heilahtelun amplitudiin ja aallonpituuteen

Kutukanta- rekr.suhde Low fishing effort: the fluctuations are sharper, wave length shorter High fishing effort : wave lenght shorter than without fishing, high peaks are absent

c) Kutukanta/ rekr. suhde Steeply dome-shaped relationship Effect of fishing more pronounced: Large amplitude, short wave-length

Simulaatiotuloksia: Frekvenssijakaumat Here are frequencies of stock sizes with different S/R curves and the effect of fishing The effect of fishing is most pronounced with the steepest S/R curve The lows are in some cases deeper than without fishing

Simulaatio- tuloksia Rekrytointi lognormaali- jakauman mukainen, ei riippuvuutta kutukannasta

Johtopäätökset Kalastuksen vaikutus muikun kannanvaihteluun riippuu suuresti kutukanta/rekryytti-suhteesta –joko voimistaa tai vaimentaa heilahtelua, – aallonpituus lyhenee kalastuksen voimistuessa

Johtopäätökset (2) Kalastuksen vaikutus muikkukatojen syntyyn? Jos kalastus voimistaa kannanvaihtelua, ja lisää /syventää ”kuoppia”, muikkukatojen riski kasvaa Voidaanko katoja ehkäistä kalastuksen säätelyllä? Periaatteessa voidaan, jos tunnetaan ko. kannan dynamiikka hyvin Other species such as perch or roach may occupy the pelagic area when the vendace stock is very low – change of equilibrium in the system. Vendace stock is able to recover quickly when the conditions are favourable. It might be more efficient to manage the markets than fishing effort.

Kalastusstrategioiden vaikutus (Marjomäki, väitöskirja) Autoregulatiivinen kalastus: voimistuu kannan vähetessä, loppuu saavuttaessaan kannattavuusrajan Pyyntiponnistus vakio Taloudellinen tuotto vakio - näille vaihtoehdoille eri kannan koon kynnysarvoja, jossa kalastus loppuu

Strategioiden tavoitemuuttujat (Marjomäki) Keskimääräinen tuotto ja sen vaihtelu Keskim. pyyntiponnistus ja sen vaihtelu Kutukannan koko ja sen vaihtelu >> hyötyfunktio Riski kutukannalle (< 200 kg/km2) >>Simulointi eri kutukanta-rekryytti –suhteen vaihtoehdoilla

Tuloksia (Marjomäki) Jos kynnysarvo alhainen, vakioitu pyyntiponnistus paras strategia (mutta vaihtelu on suurta) Korkeammalla tuottotasolla ”välimuotostrategia” paras, mutta suurella pyyntiponnistuksella lisää 2-vuotisrytmiä Suurella kynnysarvolla strategioiden ero pienempi – mutta aiheuttaa epästabiilisuutta

Edellytykset säätelylle (Marjomäki) Tuoton oltava paljon alempi kuin keskim. vuotuinen maksimituotto >> kalastajien määrä pidettävä pienenä Varalle kalastuskapasiteettia hyvän muikkukannan aikaa silmälläpitäen Alhainen tai kohtuullinen kynnysarvo kalastuksen lopettamiselle heikon kannan aikana

Kiitos!

Functional response f(N) = CmaxN/(N+D) Type II f(N) = CmaxN2/(N2+D2) Type III f(N) = functional response Cmax = maximum consumption by the predator in a unit of time N = density of the prey (number of vendace per ha) D = half-saturation constant (vendace per ha)

Shepherd’s equation aS R = 1 + (S/K )b R = number of 1-year-old recruits S = spawning stock biomass (kg/ha) K = threshold biomass of the spawning stock (kg/ha) a , b = constants Kuvan tullessa näkyviin a determines the height of the curve, b the steepness of the right limb K determines the location on the x-axis