Neue Methode zur Schätzung relativer Rekrutierungsniveaus verfügbar

Stellen Sie sich einmal vor, Sie müssten bestimmen, wie viele Seeforellen im kommenden Jahr aus dem nördlichen Teil des Michigansees entfernt werden können, ohne die langfristige Nachhaltigkeit der Population zu beeinträchtigen. Leider verfügen Sie nicht über gute Daten, auf denen Sie Ihre Entscheidung stützen können. Sie wissen nicht genau, wie Sie genau vorhersagen können, wie viele junge Seeforellen die Geschlechtsreife erreichen und somit diejenigen ersetzen, die Sie den Fischern zum Entfernen überlassen. Sie verfügen über einige historische Daten, wissen aber, dass die Rekrutierungsraten von Jahr zu Jahr stark schwanken können. Was letztes Jahr – oder sogar in den vergangenen Jahren – passiert ist, ist nicht unbedingt ein guter Indikator dafür, was nächstes Jahr passieren wird. Ziemlich schwierig, oder?

Der Winkel

Stellen Sie sich nun vor, Sie verfügen über zwei neue, validierte Computermodelle, mit deren Hilfe Sie die Rekrutierungsraten nicht nur für die gesamte gemischte Population von Seeforellen in einem bestimmten Seegebiet vorhersagen können, sondern auch für jede Laichpopulation, die zu dieser Mischung beiträgt. Und noch besser: Die neuen Modelle berücksichtigen sowohl minimale als auch große Schwankungen bei der Rekrutierung. Würde Ihnen das Ihre Entscheidung nicht erleichtern?

Dank eines kürzlich durchgeführten GLFT-Projekts verfügen Fischereimanager nun über zwei solcher Modelle, die von einem Forscherteam entwickelt wurden, das sich fragte, ob es einen besseren Weg gäbe, die relative Rekrutierung von Laichpopulationen in einer gemischten Umgebung zu bestimmen. Die Forscher waren der Meinung, dass Fischereimanager geeignetere Schutzmaßnahmen ergreifen könnten, wenn sie feststellen könnten, dass bestimmte gefährdete Populationen, die Individuen zu einer Mischung beitragen, rückläufige Rekrutierungsraten aufweisen.

Das Wesentliche

Um ihre Modelle zur Schätzung der Rekrutierung zu entwickeln, programmierten die Forscher zunächst ihre eigene Software zur genetischen Bestandsidentifizierung (GSI). Als nächstes verglichen sie ihre Software mit anderer bekannter GSI-Software, um deren Qualität und Zuverlässigkeit sicherzustellen. Dann erweiterten sie ihr Modell, um nicht nur genetische Daten, sondern auch populationsdynamische Daten wie Alter (und Länge als Proxy, wenn das Alter unbekannt war) einzubeziehen. Diese zusätzlichen Daten ermöglichten es dem Team, die Rekrutierungsniveaus der Quellpopulationen im Laufe der Zeit genauer zu schätzen, unabhängig davon, ob die Niveaus stabil waren oder nicht.

Um ihre Modelle zu testen, nutzte das Forschungsteam umfangreiche Simulationen und Vergleiche zwischen computergenerierten und tatsächlichen Daten für drei Populationen: (1) See-Stör aus der Green Bay im Michigansee (fünf Laichpopulationen wurden einbezogen), (2) Seeforelle aus dem nördlichen Michigansee (vier Brutstättenstämme wurden einbezogen) und (3) Zander aus der Saginaw Bay im Huronsee (zwei Laichpopulationen wurden einbezogen).

Die Ergebnisse sind da …

Durch Anwendungen und Simulationen ist das Forschungsteam davon überzeugt, dass seine Modelle zur Schätzung der Rekrutierung wirksam sind. Beide Ansätze lieferten einigermaßen genaue Messungen der relativen Rekrutierungsniveaus unter einer Vielzahl von Bedingungen. Das Forschungsteam betrachtet diese Arbeit jedoch als ersten Versuch und es sind weitere Anwendungen und weitere Untersuchungen erforderlich.

Was bedeutet das alles?

Eine der größten Herausforderungen für Fischereimanager besteht darin, vorherzusagen, wie sich bestimmte Fischpopulationen im Laufe der Zeit verändern werden und welche Managementstrategien daher anzuwenden sind, um ihre langfristige Nachhaltigkeit zu gewährleisten. Daher sind neue, genaue und zuverlässige Tools, die Manager für ihre Entscheidungen nutzen können, unglaublich wertvoll. Dank dieses kürzlich abgeschlossenen GLFT-Projekts steht den Managern nun ein weiteres Tool zur Verfügung.

Weitere Informationen

Die Vorhersage der relativen Rekrutierungsraten von Laichfischen aus verschiedenen Populationen, die sich in einem gemeinsamen Gebiet vermischen, ist in etwa so, als würde man versuchen, die Performance einzelner Bestände in einem Investmentfonds vorherzusagen – es sind so viele Variablen zu berücksichtigen, dass es äußerst schwierig ist, zu bestimmen, welche davon gedeihen werden. Daher ist es eine wichtige und spannende Entwicklung, wenn ein neues Tool auf den Markt kommt, das Experten bei der Analyse von Informationen und der Entscheidungsfindung unterstützt. Dank eines kürzlich durchgeführten Projekts des Great Lakes Fishery Trust (GLFT) steht den Fischereimanagern nun ein weiteres solches Tool zur Verfügung.

„Die Rekrutierung bestimmt zusammen mit Wachstum und Sterblichkeit die Nachhaltigkeit“, sagt Travis Brenden, außerordentlicher Professor an der Michigan State University (MSU), stellvertretender Direktor des Quantitative Fisheries Center der MSU und einer der Hauptforscher des GLFT-Projekts. „Daher brauchen wir bessere Methoden, um festzustellen, wann bestimmte junge Populationen Rekrutierungsprobleme haben – das heißt, wenn nicht genug von ihnen die Geschlechtsreife erreichen, um die älteren Fische zu ersetzen, die von Anglern gefangen werden oder eines natürlichen Todes sterben.“

Allerdings ist es auch hier nicht einfach, die relative Rekrutierung einzelner Laichpopulationen in gemischten Umgebungen abzuschätzen.

„Der ganze Zweck unseres Projekts bestand darin, eine Methode zu finden, um Individuen in gemischten Populationen zu untersuchen und daraus Rückschlüsse auf den Gesundheitszustand der Population in Bezug auf die Rekrutierung zu ziehen“, sagt Brendan. „Wenn wir wissen oder zumindest vermuten, dass bestimmte Populationen, die Individuen zu einer Mischung beitragen, rückläufige Rekrutierungsraten aufweisen, könnten bestimmte Schutzmaßnahmen erforderlich sein.“

Umgekehrt können andere Managementstrategien erforderlich sein, wenn den Managern bekannt ist, dass sich andere Populationen schnell vermehren und überleben.

„Modelle, die den Beitrag von Beständen und Kohorten zu gemischten Freiwasserfischereien anhand von Routinebewertungen oder Erntedaten ermitteln können, könnten den Managern dabei helfen, bessere Entscheidungen hinsichtlich der Fangmengen sowie systemspezifischer Besatzprogramme und Bemühungen zur Wiederherstellung von Lebensräumen zu treffen“, sagt Jon Beard, Zuschussmanager der GLFT.

Entwickeln und Validieren von Modellen

Um Methoden zur Schätzung der Rekrutierung zu entwickeln, programmierten Brenden und das Forschungsteam zunächst ihre eigene Software zur genetischen Bestandsidentifizierung (GSI). Dann verglichen sie ihre Software mit anderer bekannter und weit verbreiteter GSI-Software, um zu sehen, ob sie besser, gleich gut oder schlechter als bestehende Optionen funktionierte. Im Wesentlichen stellten die Forscher fest, dass die verschiedenen Systeme ähnlich funktionierten (das heißt, kein Programm schien in allen Situationen am besten zu funktionieren).

Da die Forscher wussten, dass ihr GSI-Modell funktionierte, erweiterten sie es, um nicht nur genetische Daten, sondern auch populationsdynamische Daten wie das Alter (und die Körpergröße als Proxy, wenn das Alter unbekannt war) einzubeziehen.

„Es war schon immer bekannt, dass die Beiträge einzelner Bevölkerungen von vielen Faktoren abhängen, wie Rekrutierung, Bewegungsraten und Sterblichkeit“, erklärt Brenden. „Da diese Raten variieren, variieren auch die Beitragsraten. Wir haben versucht, Wege zu finden, diese Dynamiken explizit darzustellen und sie mit den Beiträgen zu verknüpfen.“

Zu diesem Zweck entwickelte das Forschungsteam zwei verschiedene Modelle zur Darstellung unterschiedlicher Rekrutierungsdynamiken.

„Das erste Modell, das für langlebige Fische mit hoher Sterblichkeit vor und niedriger Sterblichkeit nach der Rekrutierung entwickelt wurde, geht davon aus, dass die Veränderungen bei der Rekrutierung im Laufe der Zeit relativ konstant bleiben“, sagt Brenden. „Es wird keine großen Schwankungen geben.“

Dies steht im Gegensatz zum zweiten Modell, das für kurzlebigere Arten wie den Glasaugenbarsch gedacht war, bei denen es von Jahr zu Jahr zu erheblichen Schwankungen bei der Rekrutierung kommt.

„Zander sind dafür bekannt, dass sie hin und wieder riesige Jahrgänge [Anzahl der in einem bestimmten Jahr geschlüpften Fische] ausstoßen“, erklärt Brenden. „Man kann mehrere Jahre mit geringer Rekrutierung haben, und dann kommt plötzlich dieser riesige Höhepunkt, in dem die Rekrutierung zehnmal höher ist als in den Vorjahren. Die beiden Methoden unterscheiden sich in der Annahme, dass die Stärke der Jahrgänge variieren wird, aber das Ziel ist immer noch dasselbe – zu versuchen, im Laufe der Zeit zu bestimmen, wie sich die Rekrutierungsniveaus der Quellpopulationen ändern.“

Das Schöne an diesem erweiterten Ansatz, sagt Brenden, „ist, dass er überall eingesetzt werden kann – in den Großen Seen, in Meeressystemen und in anderen Süßwassersystemen. Er kennt im Grunde keine Grenzen. Unser Ansatz kann jederzeit und bei jeder Art in jeder gemischten Fischerei eingesetzt werden, wenn Sie genetische Informationen sowie Informationen zu Alter oder Länge haben.“

Umsetzung der Modelle in die Praxis

Um zu ermitteln, ob die Modelle in der Praxis funktionieren, kombinierte das Forschungsteam genetische Informationen von Laichpopulationen und Individuen aus Mischungen mit Alters- oder Längendaten und verwendete seine beiden Modelle, um die relativen Rekrutierungen der beitragenden Populationen zu schätzen. Das Team tat dies für drei Populationen: (1) Seestör aus der Green Bay im Michigansee (fünf Laichpopulationen wurden einbezogen), (2) Seeforelle aus dem nördlichen Michigansee (vier Brutstämme wurden einbezogen) und (3) Glasaugenbarsch aus der Saginaw Bay im Huronsee (zwei Laichpopulationen wurden einbezogen).

• Daten über Seestöre zeigten, dass die relativen Rekrutierungsraten aus drei Flüssen (Manistee, Muskegon und Peshtigo) zunahmen, während die Rekrutierungsraten aus zwei Flüssen (Fox und Menominee) zurückgingen. Da dieser Befund potenzielle Auswirkungen auf das Management hat, sind wahrscheinlich weitere Untersuchungen erforderlich.
• Bei der Seeforelle stimmten die geschätzten Muster der relativen Rekrutierung für einige Zeiträume mit den tatsächlichen Besatzdichten überein, für andere jedoch nicht.
• Die geschätzten relativen Rekrutierungsniveaus der Zanderpopulationen stimmten in einigen Jahren weitgehend mit den prognostizierten Rekrutierungsniveaus überein, in anderen jedoch nicht.

Durch Anwendungen und Simulationen ist das Forschungsteam davon überzeugt, dass seine Modelle zur Schätzung der Rekrutierung wirksam sind. Eventuelle Unterschiede zwischen den Ergebnissen des Teams und denen aus anderen Quellen deuten nicht auf ein Problem mit dem Ansatz hin, sondern lediglich darauf, dass unterschiedliche Annahmen getroffen wurden.

„Ich denke, wir konnten zeigen, dass unsere Methode funktioniert“, sagt Brenden.

Dem abschließenden Förderbericht zufolge lieferten beide Ansätze einigermaßen genaue Messungen der relativen Rekrutierungsniveaus unter einer Vielzahl von Bedingungen. Doch Brenden betrachtet diese Arbeit als ersten Versuch. Er ist der Ansicht, dass weitere Anwendungen und weitere Untersuchungen (hinsichtlich der Funktionsweise der Modelle und der Situationen, in denen sie am besten funktionieren) erforderlich sind.

Brenden glaubt beispielsweise, dass die Modelle dabei helfen könnten, die aktuelle Situation des Königslachses in den Großen Seen zu verstehen.

„Zurzeit beschäftigt die Frage, in welchem Ausmaß Königslachse vom Huronsee in den Michigansee wandern, denn dort leben die Maifische – die Hauptbeute der Königslachse“, sagt Brenden. „Das ist ein wichtiger Fall, in dem sich verschiedene Laichpopulationen vermischen.“

Die neuen Modelle des Teams könnten dazu beitragen, Licht auf die relativen Beiträge der beiden Populationen sowie ihren Gesundheitszustand zu werfen.

Für diejenigen, die die Modelle genauer untersuchen möchten, ist der von Brenden und dem Forschungsteam entwickelte Schätzcode jetzt kostenlos über Figshare, ein wissenschaftliches Datenarchiv, verfügbar.