ارتباط پراكنش ماهي تون زرد باله (Thunnus albacares) صيد شده توسط پرساينرهاي ايراني با متغيرهاي محيطي در اقيانوس هند

ماهي تون زردباله (Thunnus albacares) از جمله مهمترين گونه هاي مورد استحصال سطح زيان درشت توسط شناورهاي پرساينر ايرانيدر آبهاي اقيانوس هند و درياي عمان مي باشد. در اين تحقيق ارتباط متغيرهاي زماني، مكاني بهمراه متغيرهاي محيطي حاصل از تصاوير ماهواره اي جهت بررسي پراكنش و كمك به اجراي مديريت اكوسيستم محور براي مديريت و حفظ ذخاير تون زرد باله مورد بررسي قرار گرفته است. نتايج حاصل از مدل جمعي تعميم يافته (GAM) با دو توزيع گاوسي و دوجمله اي نشان داد متغيرهاي مكاني و زماني به همراه متغيرهاي محيطي دما و شوري سطحي آب دريا، عمق لايه مخلوط شونده و توليد اوليه خالص بيشترين تاثير را در پراكنش اين گونه در فصول گرم (نيمه اول سال) و سرد (نيمه دوم سال) داشتند. نتايج اين تحقيق نشان داد در فصل گرم عرض جغرافيايي تاثير بمراتب بالاتري را در توضيح انحراف مدل داشته است. از سوي ديگر تاثير طول جغرافيايي و متغير هاي محيطي در فصل سرد مشهودتر بود. در فصل گرم مدل با توزيع دوجمله اي ميزان بالاتري از انحرافات مدل را بيان كرد، اگرچه توضيح انحراف بهترين مدل در فصل سرد كمتر از فصل گرم بود ولي اختلاف معني داري بين دو نوع مدل با توزيع متفاوت نشان نداد. از آنجا كه اولين گام در جهتمديريت اكوسيستم دانش كافي در حوزه آن اكوسيستم و بويژه پراكنش آن گونه در ارتباط با متغيرهاي محيطي است، لذا اين تحقيق مي تواند ضمن كمك به شناورهاي صنعتي كشور در امر افزايش كارايي صيد، در برنامه ريزي هاي آتي و كمك به اجراي مديريت اكوسيستم محور در اقيانوس هند مورد استفاده قرار گيرد.

Yellowfin tuna (Thunnus albacares) is one of the most important apex predator species that currently catch by Iranian purse seiners in the Indian Ocean and Oman Sea. This study considered the possible relationship of spatial, temporal and some satellite derived environmental variables on yellowfin tuna distribution to finally help implementing of ecosystem based fisheries management for stock recovery program and management of yellowfin tuna. Results of generalized additive model (GAM) (by assuming two distribution; binomial and Gaussian) revealed spatial and temporal explanatory variables plus sea surface temperature (SST), sea surface salinity (SSS), mixed layer depth (MLD) and net primary production (NPP) have the greatest impact on yellowfin tuna distribution in both cold and warm season. In addition, the results revealed that latitude had stronger effect on deviance explanation of model in warm season. On the other hand, in cold season, the effect of longitude and environmental variables was clear. In warm season, binomial distribution was explained higher deviance of model, though in cold season deviance explanation of best model was lower than warm season but no significant difference has detected. Since the early step in ecosystem management is the sufficient knowledge on ecosystem and distribution of target species in relationship to environmental variables, therefore this research could help Iranian purse seiners to improve the catch efficiency in order to help to implementing of ecosystem based management in the Indian Ocean.