NFR-prosjekt: Population dynamics of aquatic top predators: effects of harvesting regimes and environmental factors Prosjektansvarlig: Professor Nils Chr.

Presentasjon om: "NFR-prosjekt: Population dynamics of aquatic top predators: effects of harvesting regimes and environmental factors Prosjektansvarlig: Professor Nils Chr."— Utskrift av presentasjonen:

1 NFR-prosjekt: Population dynamics of aquatic top predators: effects of harvesting regimes and environmental factors Prosjektansvarlig: Professor Nils Chr. Stenseth Post-doc: Dr. Scient. Thrond O Haugen Estimering av demografiske parametre fra langtidserie av storaure i Mjøsa

2 Hvem er involvert? Centre for Ecology and Hydrology –Ian Winfield Universitetet i Oslo –Leif Asbjørn Vøllestad –Per Aass (Zoologisk museum) Forvaltningapparatet –Tore Qvenild (Hedmark) –Ola Hegge (Oppland) NIVA –Gösta Kjellberg

3 Mål for prosjektet Øke kunnskapen om populasjonsdynamikken hos akvatiske topp-predatorer Åssen påvirkes populasjonsdynamikken av endringer i: Abiotiske forhold (temperatur, eutrofiering, NAO) Biotiske forhold (byttedyrtetthet, egen tetthet) Beskatningsregime (kvalitativt og kvantitativt) Pålitelige estimater av demografiske parametre: –Overlevelse Kvantifisere naturlig vs fangsdødlighet –Rekruttering (populasjonsvekstrater) Kovariatspesifikke estimater –Alder, kjønn, miljø, tetthet, beskatningsinnsats osv

4 Dataene Fangst-gjenfangstdata av Hunderaure –n = 7002 –1966–2001 Kombinerte data –Døde og levende gjenfangster –”Kontinuerlige” gjenfangster og merkinger Miljødata (kovariater) –Eutrofiering, temperatur, byttefisktetthet/sammensetn (?) –Fiskeinnsats (?) Gjenfangstrater –Ca 40 % blir gjenfanga èn eller flere ganger Begrensning i dataene –Utelukkende moden fisk

5 Gjenfangstandeler

6 Andel døde gjenfangster

7 Populasjonsdynamikk F = effektiv fekunditet = s i-1 * m i, hvor m i = stadiumspesifikk fekunditet s i = sannsynliheten for å overleve fra stadium i til i+1 Lesliematrise N t+1 NtNt

8 Hva kan Lesliematrisa lære oss? Egenverdien ( ) gir oss populasjonsvekstrata ( = e r ) Ønsker å teste hvor sensitiv er for variasjon i miljøforhold –Bl a for ulike beskatningsregimer Overlevelsesestimatene vil framkomme direkte fra fangst-gjenfangstdataene I stedet for fekunditet vil vi måtte operere med en rekrutteringsparameter

9 FMG statistisk modellering skjebnediagram Merka og satt ut Død eller emigrert I live 1-p p 1-   I live og gjenfanga I live og ikke gjenfanga  er tilsynelatende overlevelse (åpne system) p er fangstsannsynlighet

10 Fangsthistorier og de demografiske parameterne Fangst merking utsetting 11 55 44 33 22 Tids interval p2p2 p5p5 p4p4 p3p3 p6p6 Fangsthistorie: 100100, med sannsynlighet:  1 (1-p 2 )  2 (1-p 3 )  3 p 4  4  4 er sannsynligheten for ikke å fanges etter 4 de fangstomgang [= (1-  4 )+(1-p 5 )  4 (1- p 6  5 )] Parameterne estimeres ved maximum likelihood metodikk Fangstomganger

11 Multiple gjenfangster Kan estimere ved å analysere FMG-data baklengs i tid –”In stead of letting individuals die off in time, we let them recruite backwards in time” Husk fangsthistoria: 100100, baklengs: 001001, med sannsynlighet:  4 p 3  3 (1-p 2 )  2 p 1, hvor  i er sannsynligheten for at et individ som var tilstede ved tid i også var tilstede i tid i-1.  er relatert til (s) og fekunditet (F) Ifølge Pradel (1996): E( ) =  i /  i+1

12 Kombinerte data Har både levende og døde gjenfangster –Alle levende er fra trappa –Døde: Funnet i strand/elvekanten Garn- eller sportsfiske Fordeler: –Veit dødstidpunkt og årsak for mange individer –Kan estimere redskapsspesifikk dødlighet –Kan estimere fangstdødlighet og naturlig dødlighet Ulemper: –Må estimere flere parametre der ikke alle er like interesante (nuisance parametre)

13 Skjebnediagram kombidata Fangst Merking utsetting Død I live I live og ikke rapportert I live og rapportertDød og rapportert Død og ikke rapportert p 1-p 1-r r 1-F F 1-S S I live og tilstede i syst I live og forlatt systemet

14 MAMJJASONDFJ p1p1 p5p5 p4p4 p3p3 p2p2 F1F1 F5F5 F4F4 F3F3 F2F2 r4r4 r3r3 r2r2 r1r1 S4S4 S3S3 S2S2 S1S1 S t = sannsynligheten for overlevelse fra tid t til t+1(overlevelsesrate) r t = sannsynligheten for å bli funnet død og rapportert i tidsrommet t til t+1 (dødrapporteringsrate) F t = sannsynlighet ved t for å forbli i systemet til t+1 | at i live ved t (tilhørighetsrate) p t = sannsynlighet for å bli fanga ved t | at i live og i systemet (fangstrate) Parametrisering av kombidata

15 FMG modellering for Hunderauren (så langt) Resultatene må sees på som midlertidige Hovedresultetene er: –Vinteroverlevelse>>sommeroverlevelse Bemerkelsesverdig stabilt mønster over tid –Fangstdødlighet ligger mellom 0.2 og 0.5 og har avtatt over tid

16 Halvårlige overlevelsesestimater Estimatene skal kvadreres fordi de er kvartalsvise

17 Hvordan påvirker gyting overlevelsen?

18 Konstant vinteroverlevelse

19 Den beste modellen (?)

20 Fangstdødlighet vs naturlig dødlighet Plott tidsforløp av S og r-estimatene Legg deretter inn fig av relativt bidrag fra r til Z over tid Bemerk at r ikke er fangstdødlighet, men kombinert fangst og rapporteringsrate

21 Videre framover... Multistrata-modeller –Elve- og innsjøspesifikk overlevelse og fangstdødlighet –Mer fornuftige gjenfangstrater Miljøkovariater Eutrofiering, NAO Byttedyrsammensetning og tilgang? Fisketrykk Alders- og vekstmodeller Metodesida –Kontinuerlig tidsskala