আপেক্ষিক নিয়োগের মাত্রা অনুমান করার জন্য নতুন পদ্ধতি উপলব্ধ

এক মুহুর্তের জন্য কল্পনা করুন যে জনসংখ্যার দীর্ঘমেয়াদী স্থায়িত্বকে প্রতিকূলভাবে প্রভাবিত না করে আসন্ন বছরে মিশিগান লেকের উত্তর অংশ থেকে কতগুলি লেক ট্রাউট অপসারণ করা যেতে পারে তা নির্ধারণ করার জন্য আপনি দায়ী৷ দুর্ভাগ্যবশত, আপনার কাছে ভালো ডেটা নেই যার ভিত্তিতে আপনার সিদ্ধান্ত নেওয়া যায়। আপনি নিশ্চিত নন কিভাবে সঠিকভাবে ভবিষ্যদ্বাণী করা যায় যে কত তরুণ লেক ট্রাউট পরিপক্কতা অর্জন করবে, এবং এইভাবে, আপনি যাদেরকে জেলেদের অপসারণের অনুমতি দেন তাদের প্রতিস্থাপন করুন। আপনার কাছে কিছু ঐতিহাসিক তথ্য আছে, কিন্তু আপনি জানেন নিয়োগের মাত্রা বছরের পর বছর ব্যাপকভাবে পরিবর্তিত হতে পারে। গত বছর যা ঘটেছিল - বা এমনকি গত কয়েক বছরেও - অগত্যা পরের বছর কী ঘটবে তার একটি ভাল সূচক নয়। বেশ কঠিন, তাই না?

কোণ

এখন কল্পনা করুন আপনার কাছে দুটি নতুন, যাচাইকৃত কম্পিউটার মডেল রয়েছে যা আপনাকে শুধুমাত্র লেকের একটি নির্দিষ্ট অঞ্চলে বসবাসকারী লেক ট্রাউটের সম্পূর্ণ মিশ্র জনসংখ্যার জন্য নয়, তবে মিশ্রণে অবদান রাখে এমন প্রতিটি স্পন জনসংখ্যার জন্যও নিয়োগের মাত্রা ভবিষ্যদ্বাণী করতে সাহায্য করতে পারে। আরও ভাল, নতুন মডেলগুলি নিয়োগের ক্ষেত্রে ন্যূনতম এবং বিস্তৃত উভয় প্রকারের জন্য অনুমতি দেয়। যে আপনার সিদ্ধান্ত সহজ হবে না?

একটি সাম্প্রতিক GLFT প্রকল্পের জন্য ধন্যবাদ, মৎস্য ব্যবস্থাপকদের কাছে এখন এই ধরনের দুটি মডেল রয়েছে, গবেষকদের একটি দল দ্বারা তৈরি করা হয়েছে যারা বিস্মিত হয়েছিল যে তারা মিশ্র পরিবেশে জনসংখ্যা জন্মানোর আপেক্ষিক নিয়োগ নির্ধারণের জন্য আরও ভাল উপায় খুঁজে পেতে পারে কিনা। গবেষকরা বজায় রেখেছিলেন যে যদি তারা সনাক্ত করতে পারে যে নির্দিষ্ট কিছু দুর্বল জনসংখ্যা যে ব্যক্তিদের একটি মিশ্রণে অবদান রাখে তাদের নিয়োগের মাত্রা হ্রাস পেয়েছে, তাহলে মৎস্য পরিচালকরা উপযুক্ত সংরক্ষণ ব্যবস্থাগুলিকে আরও ভালভাবে নিয়োগ করতে পারে।

নিটি-গ্রিটি

নিয়োগের অনুমান করার জন্য তাদের মডেলগুলি বিকাশ করতে, গবেষকরা প্রথমে তাদের নিজস্ব জেনেটিক স্টক আইডেন্টিফিকেশন (GSI) সফ্টওয়্যার প্রোগ্রাম করেছিলেন। এর পরে, তারা তাদের সফ্টওয়্যারটির গুণমান এবং নির্ভরযোগ্যতা নিশ্চিত করতে অন্যান্য সুপরিচিত GSI সফ্টওয়্যারের সাথে তুলনা করে। তারপর, তারা শুধুমাত্র জেনেটিক ডেটাই নয়, জনসংখ্যার গতিশীল ডেটা যেমন বয়স (এবং বয়স যখন অজানা ছিল তখন প্রক্সি হিসাবে দৈর্ঘ্য) অন্তর্ভুক্ত করার জন্য তাদের মডেল প্রসারিত করেছিল। এই অতিরিক্ত ডেটা দলটিকে সময়ের সাথে সাথে উত্স জনসংখ্যার নিয়োগের মাত্রা আরও সঠিকভাবে অনুমান করার অনুমতি দেয়, স্তরগুলি স্থিতিশীল ছিল কিনা তা নির্বিশেষে।

তাদের মডেলগুলি পরীক্ষা করার জন্য, গবেষণা দলটি তিনটি জনসংখ্যার জন্য কম্পিউটার-উত্পাদিত এবং প্রকৃত ডেটার মধ্যে বিস্তৃত সিমুলেশন এবং তুলনা ব্যবহার করেছে: (1) মিশিগান লেকের গ্রীন বে থেকে লেক স্টার্জন (পাঁচটি স্পনিং জনসংখ্যা অন্তর্ভুক্ত ছিল), (2) উত্তর থেকে লেক ট্রাউট লেক মিশিগান (চারটি হ্যাচারি স্ট্রেন অন্তর্ভুক্ত ছিল), এবং (3) হুরন হ্রদের সাগিনাউ বে থেকে ওয়ালে (দুটি স্পনিং জনসংখ্যা অন্তর্ভুক্ত ছিল)।

ফলাফল আছে…

অ্যাপ্লিকেশন এবং সিমুলেশনের মাধ্যমে, গবেষণা দল আত্মবিশ্বাসী যে নিয়োগের অনুমান করার জন্য এর মডেলগুলি কার্যকর। উভয় পন্থা বিস্তৃত শর্ত জুড়ে আপেক্ষিক নিয়োগের স্তরের যুক্তিসঙ্গতভাবে সঠিক পরিমাপ প্রদান করে। কিন্তু গবেষণা দল এই কাজটিকে প্রথম প্রচেষ্টা হিসেবে বিবেচনা করে, এবং আরও অ্যাপ্লিকেশন এবং আরও অনুসন্ধানের প্রয়োজন।

এটা সব মানে কি?

মৎস্য ব্যবস্থাপকদের সবচেয়ে বড় চ্যালেঞ্জগুলির মধ্যে একটি হল ভবিষ্যদ্বাণী করা যে নির্দিষ্ট মাছের জনসংখ্যা সময়ের সাথে কীভাবে পরিবর্তিত হবে, এবং তাই, তাদের দীর্ঘমেয়াদী স্থায়িত্ব নিশ্চিত করার জন্য কোন ব্যবস্থাপনা কৌশলগুলি নিযুক্ত করতে হবে। ফলস্বরূপ, ম্যানেজাররা তাদের সিদ্ধান্ত জানাতে ব্যবহার করতে পারেন এমন নতুন, নির্ভুল এবং নির্ভরযোগ্য সরঞ্জামগুলি অবিশ্বাস্যভাবে মূল্যবান। সম্প্রতি সমাপ্ত এই GLFT প্রকল্পের জন্য ধন্যবাদ, পরিচালকদের এখন তাদের হাতে অন্য একটি টুল রয়েছে।

আরও পড়া

একটি সাধারণ এলাকায় মিশ্রিত বিভিন্ন জনগোষ্ঠী থেকে স্পনিং মাছের আপেক্ষিক নিয়োগের মাত্রার ভবিষ্যদ্বাণী করা কিছুটা মিউচুয়াল ফান্ডে পৃথক স্টকগুলির কার্যকারিতা ভবিষ্যদ্বাণী করার চেষ্টা করার মতো-এখানে অনেকগুলি পরিবর্তনশীল রয়েছে যেগুলি নির্ধারণ করা অত্যন্ত কঠিন। উন্নতি লাভ করবে অতএব, যখন তথ্য বিশ্লেষণ এবং সিদ্ধান্ত গ্রহণে বিশেষজ্ঞদের সহায়তা করার জন্য একটি নতুন টুল আসে, তখন এটি একটি গুরুত্বপূর্ণ এবং উত্তেজনাপূর্ণ বিকাশ। একটি সাম্প্রতিক গ্রেট লেক ফিশারী ট্রাস্ট (GLFT) প্রকল্পের কারণে, মৎস্য ব্যবস্থাপকদের কাছে এখন এরকম আরেকটি টুল রয়েছে।

মিশিগান স্টেট ইউনিভার্সিটির (MSU) সহযোগী অধ্যাপক, MSU এর কোয়ান্টিটেটিভ ফিশারিজ সেন্টারের সহযোগী পরিচালক এবং GLFT প্রকল্পের অন্যতম প্রধান তদন্তকারী ট্র্যাভিস ব্রেন্ডেন বলেছেন, “বৃদ্ধি এবং মৃত্যুহারের সাথে নিয়োগ, স্থায়িত্বকে নির্দেশ করে৷ "অতএব, নির্দিষ্ট কিছু তরুণ জনগোষ্ঠীর নিয়োগের সমস্যা কখন হচ্ছে তা নির্ধারণ করার জন্য আমাদের আরও ভাল উপায় প্রয়োজন - অর্থাৎ, অ্যাঙ্গলারদের দ্বারা কাটা বা প্রাকৃতিক কারণে মারা যাওয়া বয়স্ক মাছগুলিকে প্রতিস্থাপন করার জন্য তাদের মধ্যে যথেষ্ট পরিপক্কতা অর্জন করছে না।"

কিন্তু আবার, মিশ্র পরিবেশে পৃথক স্পন জনসংখ্যার আপেক্ষিক নিয়োগের অনুমান করা সহজ নয়।

"আমাদের প্রকল্পের পুরো উদ্দেশ্য ছিল মিশ্র জনসংখ্যার ব্যক্তিদের দিকে তাকাতে এবং নিয়োগের ক্ষেত্রে জনসংখ্যার স্বাস্থ্যের দিকে ফিরে অনুমান করার উপায় নিয়ে আসার চেষ্টা করা," ব্রেন্ডন বলেছেন। "যদি আমরা জানি, বা অন্তত সন্দেহ করি যে, নির্দিষ্ট জনসংখ্যা যারা ব্যক্তিদের একটি মিশ্রণে অবদান রাখছে তাদের নিয়োগের মাত্রা হ্রাস পাচ্ছে, তাহলে কিছু সংরক্ষণ প্রচেষ্টার প্রয়োজন হতে পারে।"

বিপরীতভাবে, যদি পরিচালকরা জানেন যে অন্যান্য জনসংখ্যা উচ্চ হারে পুনরুৎপাদন করছে এবং বেঁচে আছে, তবে বিভিন্ন ব্যবস্থাপনা কৌশল প্রয়োজন হতে পারে।

"যে মডেলগুলি রুটিন মূল্যায়ন বা ফসল সংগ্রহের ডেটা থেকে মিশ্র উন্মুক্ত জলের মৎস্য চাষে স্টক এবং সমগোত্রীয় অবদান সনাক্ত করতে পারে সেগুলি ব্যবস্থাপকদের ফসলের মাত্রা, সেইসাথে সিস্টেম-নির্দিষ্ট স্টকিং প্রোগ্রাম এবং বাসস্থান পুনরুদ্ধারের প্রচেষ্টা সম্পর্কে আরও ভাল সিদ্ধান্ত নিতে সাহায্য করতে পারে," জোন বিয়ার্ড বলেছেন, অনুদান GLFT এর ব্যবস্থাপক।

মডেল তৈরি এবং যাচাই করা

নিয়োগের অনুমান করার পদ্ধতিগুলি বিকাশ করতে, ব্রেন্ডেন এবং গবেষণা দল প্রথমে তাদের নিজস্ব জেনেটিক স্টক আইডেন্টিফিকেশন (GSI) সফ্টওয়্যার প্রোগ্রাম করে। তারপরে, তারা তাদের সফ্টওয়্যারটিকে অন্যান্য সুপরিচিত এবং বহুল ব্যবহৃত GSI সফ্টওয়্যারগুলির সাথে তুলনা করে দেখেন যে এটি বিদ্যমান বিকল্পগুলির চেয়ে ভাল কাজ করেছে, একই রকম বা কম ভাল। মূলত, গবেষকরা দেখেছেন যে বিভিন্ন সিস্টেম একইভাবে কাজ করে (অর্থাৎ, কোনো একটি প্রোগ্রামই সব পরিস্থিতিতে সেরা কাজ করে বলে মনে হয় না)।

জেনেটিক যে তাদের GSI মডেল কাজ করেছে, গবেষকরা তখন এটিকে শুধুমাত্র জেনেটিক ডেটাই নয়, জনসংখ্যার গতিশীল ডেটা যেমন বয়স (এবং বয়স যখন অজানা ছিল তখন প্রক্সি হিসাবে দৈর্ঘ্য) অন্তর্ভুক্ত করার জন্য এটিকে প্রসারিত করেছিলেন।

"লোকেরা সর্বদা স্বীকার করেছে যে স্বতন্ত্র জনসংখ্যার অবদান অনেকগুলি কারণের উপর নির্ভর করে, যেমন নিয়োগ, আন্দোলনের হার এবং মৃত্যুহার," ব্রেন্ডেন ব্যাখ্যা করেন। “যেহেতু এই হারগুলি পরিবর্তিত হয়, তাই অবদানের হারগুলিও। আমরা যা করেছি তা হল সেই গতিশীলতাগুলিকে স্পষ্টভাবে উপস্থাপন করার উপায়গুলি নিয়ে আসার চেষ্টা করা এবং তাদের অবদানের সাথে সংযুক্ত করা।”

সেই লক্ষ্যে, গবেষণা দলটি বিভিন্ন নিয়োগের গতিশীলতার প্রতিনিধিত্ব করার জন্য দুটি ভিন্ন মডেল তৈরি করেছে।

"প্রথম মডেল, যা উচ্চ প্রাক-নিয়োগ এবং কম নিয়োগ-পরবর্তী মৃত্যুর সাথে দীর্ঘজীবী মাছের জন্য ডিজাইন করা হয়েছিল, অনুমান করে যে নিয়োগের পরিবর্তনগুলি সময়ের সাথে মোটামুটি সামঞ্জস্যপূর্ণ হতে চলেছে," ব্রেন্ডেন বলেছেন। "আপনি বড় ওঠানামা করতে যাচ্ছেন না।"

এটি দ্বিতীয় মডেলের বিপরীতে, যা ওয়ালেয়ের মতো স্বল্প-জীবিত প্রজাতির জন্য ছিল, যা নিয়োগের ক্ষেত্রে যথেষ্ট আন্তঃবার্ষিক পরিবর্তনশীলতা অনুভব করে।

ব্রেন্ডেন ব্যাখ্যা করেন, “ওয়ালি এই বিশাল বছরের ক্লাসগুলি [প্রদত্ত বছরে ডিমের সংখ্যা] বার বার ফেলে দেওয়ার জন্য কুখ্যাত। “আপনার একাধিক কম নিয়োগের বছর থাকতে পারে, তারপরে হঠাৎ করেই আপনার এই বিশাল শিখর রয়েছে যেখানে নিয়োগ আগের বছরের তুলনায় দশগুণ বেশি। যেভাবে দুটি পদ্ধতির পার্থক্য রয়েছে তা হল আমরা কীভাবে অনুমান করি বছরের-শ্রেণির শক্তিগুলি পরিবর্তিত হবে, কিন্তু লক্ষ্য এখনও একই - সময়ের সাথে সাথে, উৎস জনসংখ্যার নিয়োগের মাত্রা কীভাবে পরিবর্তিত হচ্ছে তা নির্ধারণ করার চেষ্টা করা।

এই প্রসারিত পদ্ধতির সৌন্দর্য, ব্রেন্ডেন বলেছেন, "এটি যে কোনও জায়গায় ব্যবহার করা যেতে পারে - গ্রেট লেকগুলিতে, সামুদ্রিক ব্যবস্থায় এবং অন্যান্য স্বাদু জলের ব্যবস্থায়৷ এটি মূলত কোন সীমা আছে. যেকোন সময় যেকোন প্রজাতির সাথে যেকোন মিশ্র মৎস্য চাষে, আপনার যদি জেনেটিক্স এবং বয়স বা দৈর্ঘ্যের তথ্য থাকে তবে আমাদের পদ্ধতি ব্যবহার করা যেতে পারে।"

অনুশীলনের মধ্যে মডেল নির্বাণ

মডেলগুলি অনুশীলনে কাজ করেছে কিনা তা নির্ধারণ করার জন্য, গবেষণা দলটি বয়স বা দৈর্ঘ্যের ডেটা সহ মিশ্রণ থেকে জন্মানো জনসংখ্যা এবং ব্যক্তিদের থেকে জেনেটিক তথ্য একত্রিত করেছে এবং অবদানকারী জনসংখ্যার আপেক্ষিক নিয়োগের অনুমান করতে এর দুটি মডেল ব্যবহার করেছে। দলটি তিনটি জনসংখ্যার জন্য এটি করেছে: (1) মিশিগান হ্রদের গ্রীন বে থেকে লেক স্টার্জন (পাঁচটি স্পন জনসংখ্যা অন্তর্ভুক্ত ছিল), (2) উত্তর লেক মিশিগান থেকে লেক ট্রাউট (চারটি হ্যাচারি স্ট্রেন অন্তর্ভুক্ত ছিল), এবং (3) ওয়ালে হুরন লেকের সাগিনাউ উপসাগর (দুটি স্পন জনসংখ্যা অন্তর্ভুক্ত ছিল)।

• লেক স্টার্জন সম্পর্কিত ডেটা নির্দেশ করে যে তিনটি নদী (মানিস্টি, মুস্কেগন এবং পেশটিগো) থেকে আপেক্ষিক নিয়োগের মাত্রা বৃদ্ধি পাচ্ছে, যখন দুটি নদী (ফক্স এবং মেনোমিনি) থেকে নিয়োগের মাত্রা কমছে। কারণ এই অনুসন্ধানের সম্ভাব্য ব্যবস্থাপনার প্রভাব রয়েছে, এটি সম্ভবত আরও তদন্তের অনুমতি দেয়।
• লেক ট্রাউটের জন্য, আপেক্ষিক নিয়োগের আনুমানিক নিদর্শন কিছু সময়ের জন্য প্রকৃত স্টকিং স্তরের সাথে মিলেছে, কিন্তু অন্যদের নয়।
• Walleye জনসংখ্যার জন্য আনুমানিক আপেক্ষিক নিয়োগের মাত্রা কিছু বছরে ভবিষ্যদ্বাণীকৃত নিয়োগের মাত্রার সাথে ঘনিষ্ঠভাবে সঙ্গতিপূর্ণ, কিন্তু অন্যদের মধ্যে নয়।

অ্যাপ্লিকেশন এবং সিমুলেশনের মাধ্যমে, গবেষণা দল আত্মবিশ্বাসী যে নিয়োগের অনুমান করার জন্য এর মডেলগুলি কার্যকর। দলের ফলাফল এবং অন্যান্য উত্সের মধ্যে যে কোনও পার্থক্য পদ্ধতির সাথে কোনও সমস্যা নির্দেশ করে না, কেবলমাত্র ভিন্ন অনুমান করা হয়েছিল।

"আমি মনে করি আমরা প্রদর্শন করতে সক্ষম হয়েছি যে আমাদের পদ্ধতি কাজ করে," ব্রেন্ডেন বলেছেন।

চূড়ান্ত অনুদান প্রতিবেদন অনুসারে, উভয় পদ্ধতিই বিস্তৃত শর্ত জুড়ে আপেক্ষিক নিয়োগের স্তরের যুক্তিসঙ্গতভাবে সঠিক ব্যবস্থা প্রদান করে। কিন্তু ব্রেন্ডেন এই কাজটিকে প্রথম প্রচেষ্টা বলে মনে করেন। তিনি বজায় রাখেন যে আরও অ্যাপ্লিকেশন এবং আরও অন্বেষণ (মডেলগুলি কতটা ভাল কাজ করে এবং যে পরিস্থিতিতে তারা সবচেয়ে ভাল কাজ করে সে সম্পর্কে) প্রয়োজন।

উদাহরণস্বরূপ, ব্রেন্ডেন বিশ্বাস করেন যে মডেলগুলি গ্রেট লেকের বর্তমান চিনুক স্যামন পরিস্থিতি বোঝাতে সাহায্য করতে পারে।

ব্রেন্ডেন বলেছেন, "এই মুহূর্তে, লোকেরা যে বড় জিনিসগুলি নিয়ে ভাবছে তার মধ্যে একটি হল চিনুক স্যামন হুরন হ্রদ থেকে মিশিগান হ্রদে চলে যাচ্ছে, কারণ সেখানেই আলেউইভস-চিনুক স্যামনের প্রধান শিকারের উত্স—" . "এটি একটি গুরুত্বপূর্ণ ক্ষেত্রে যেখানে আমাদের বিভিন্ন স্পন জনসংখ্যা একসাথে মিশ্রিত হয়।"

দলের নতুন মডেল দুটি জনগোষ্ঠীর আপেক্ষিক অবদানের পাশাপাশি তাদের স্বাস্থ্যের উপর কিছু আলোকপাত করতে ব্যবহার করা যেতে পারে।

যারা মডেলগুলি আরও অন্বেষণ করতে আগ্রহী তাদের জন্য, ব্রেন্ডেন এবং গবেষণা দল দ্বারা তৈরি অনুমান কোডটি এখন ফিগশেয়ার, একটি বৈজ্ঞানিক ডেটা ডিপোজিটরির মাধ্যমে বিনা খরচে উপলব্ধ।