انتخاب زبان

تعاملات جانوران بزرگ دریایی با شیلات خرد در اقیانوس هند جنوب غربی: مرور و چالش‌های مدیریتی

مروری جامع بر وضعیت، شکاف‌های پژوهشی و چالش‌های مدیریتی مربوط به تعاملات بین جانوران بزرگ دریایی آسیب‌پذیر و شیلات خرد در جنوب غربی اقیانوس هند.
ledfishingfloat.com | PDF Size: 0.9 MB
امتیاز: 4.5/5
امتیاز شما
شما قبلاً به این سند امتیاز داده اید
جلد سند PDF - تعاملات جانوران بزرگ دریایی با شیلات خرد در اقیانوس هند جنوب غربی: مرور و چالش‌های مدیریتی

1. مقدمه و پیشینه

این مرور به تعاملات حیاتی بین شیلات خرد و جانوران بزرگ دریایی آسیب‌پذیر — به‌طور خاص پستانداران دریایی، لاک‌پشت‌های دریایی و غضروفی‌ماهیان (کوسه‌ها، سفره‌ماهی‌ها، لقمه‌ماهی‌ها) — در جنوب غربی اقیانوس هند می‌پردازد. شیلات خرد برای امنیت غذایی و معیشت جوامع ساحلی در مناطق در حال توسعه حیاتی هستند. با این حال، فعالیت‌های آن‌ها اغلب منجر به صید ضمنی قابل توجه و تأثیرات مستقیم بر جمعیت‌های جانوران بزرگ می‌شود که با تاریخچه‌های زیستی K-انتخاب‌شده (رشد کند، بلوغ دیرهنگام، باروری کم) مشخص می‌شوند و آن‌ها را به‌طور استثنایی مستعد کاهش جمعیت حتی در سطوح پایین مرگ‌ومیر ناشی از فعالیت‌های انسانی می‌کند.

این مقاله دانش موجود را ترکیب می‌کند، کمبودهای شدید داده و پایش را برجسته می‌سازد و برای استراتژی‌های مدیریتی فوری، مشارکتی و مبتنی بر شواهد به منظور تضمین پایداری هم شیلات و هم اکوسیستم‌های دریایی که به آن وابسته هستند، استدلال می‌کند.

2. دامنه مرور و روش‌شناسی

این مرور شامل ادبیات داوری‌شده، ادبیات خاکستری (مانند گزارش‌های سازمان‌های غیردولتی، اسناد دولتی) و دانش کارشناسی از چندین کشور منطقه جنوب غربی اقیانوس هند، از جمله کنیا، تانزانیا (شامل زنگبار)، موزامبیک، آفریقای جنوبی و ماداگاسکار است. روش‌شناسی شامل گردآوری نظام‌مند داده‌ها در مورد موارد زیر بود:

  • صید ضمنی و صید مستقیم گزارش‌شده جانوران بزرگ.
  • معیارهای تلاش صیادی و ویژگی‌های ناوگان.
  • اقدامات مدیریتی موجود و اثربخشی مستند آن‌ها.
  • مطالعات اجتماعی-اقتصادی در مورد وابستگی صیادان به منابع.

یک یافته کلیدی، پراکنده و اغلب روایی بودن ماهیت داده‌ها است که مانع از ارزیابی‌های منطقه‌ای مستحکم می‌شود.

3. یافته‌های کلیدی: وضعیت تعاملات

کیفیت داده

ضعیف / روایی

داده‌های صید و فرود نامطمئن هستند.

آسیب‌پذیری گونه‌ها

به‌طور استثنایی بالا

به دلیل تاریخچه‌های زیستی K-انتخاب‌شده.

مبنای مدیریت

شواهد ضعیف

استراتژی‌ها اغلب فاقد بنیان علمی هستند.

3.1. کمبودهای داده و شکاف‌های پایش

داده‌های صید و فرود به‌طور جهانی به عنوان ضعیف از نظر کیفیت، وضوح و یکنواختی توصیف می‌شوند. داده‌های ترکیبی به سمت گونه‌های به‌راحتی قابل شناسایی سوگیری دارند و مرگ‌ومیر پنهان (مانند جانورانی که پس از رهاسازی می‌میرند) عمدتاً کمّی‌سازی نشده است. درک تلاش صیادی محدود است و اغلب بر معیارهای نامناسبی مانند تعداد قایق‌ها متکی است که قدرت صیادی مؤثر یا توزیع مکانی-زمانی تلاش را ثبت نمی‌کند.

3.2. تأثیرات بر گروه‌های گونه‌های آسیب‌پذیر

هر سه گروه جانوران بزرگ نشانه‌هایی از بهره‌برداری بیش از حد و کاهش جمعیت در چندین منطقه جنوب غربی اقیانوس هند نشان می‌دهند.

  • غضروفی‌ماهیان: با بالاترین تهدید به دلیل صید هدفمند برای باله و گوشت، و نرخ‌های بالای صید ضمنی مواجه هستند. بسیاری از گونه‌ها در فهرست سرخ IUCN فاقد داده کافی هستند.
  • پستانداران دریایی: آب‌بازسانان (دلفین‌ها، نهنگ‌ها) و گاوهای دریایی به عنوان صید ضمنی در تورهای گوشگیر و سایر ادوات صید می‌شوند.
  • لاک‌پشت‌های دریایی: همه گونه‌ها در معرض تهدید هستند و صید ضمنی در تورها و برداشت هدفمند تخم‌ها و بالغ‌ها از مسائل اصلی هستند.

3.3. بافت اجتماعی-اقتصادی و وابستگی صیادان

شیلات خرد تنها یک فعالیت اقتصادی نیستند، بلکه جزئی حیاتی از امنیت غذایی و هویت فرهنگی هستند. مداخلات مدیریتی که درک نکنند صیادان تا چه حد به این منابع — از جمله فروش صید ضمنی برای درآمد — وابسته هستند، احتمالاً بی‌اثر خواهند بود یا با مقاومت شدیدی مواجه می‌شوند. تنوع‌بخشی معیشت اغلب محدود است.

4. چالش‌های اصلی برای پژوهش و مدیریت

4.1. کسری مدیریت مبتنی بر شواهد

یک نقص مرکزی، تدوین استراتژی‌های مدیریتی بدون یک بنیان شواهد قوی است. این منجر به مقرراتی می‌شود که ممکن است از نظر زیستی نامناسب، از نظر اجتماعی-اقتصادی ناپایدار یا غیرقابل اجرا باشند. فقدان داده‌های پایه و پایش مستمر، ارزیابی وضعیت ذخایر یا تأثیر اقدامات مدیریتی را غیرممکن می‌سازد.

4.2. چارچوب‌های حکمرانی و همکاری

حکمرانی اغلب از بالا به پایین است و مشارکت معنادار محدودی از صیادان و جوامع محلی وجود دارد. فقدان چارچوب‌های همکاری منطقه‌ای برای پرداختن به ذخایر فرامرزی و چالش‌های مشترک وجود دارد. این مقاله خواستار ائتلافی از سازمان‌های دولتی، سازمان‌های غیردولتی، پژوهشگران و صیادان است.

5. راه‌حل‌های پیشنهادی و توصیه‌های راهبردی

این مرور با فراخوانی برای اقدام متمرکز بر موارد زیر به پایان می‌رسد:

  1. بهبود جمع‌آوری داده: اجرای پایش استانداردشده و مبتنی بر علم برای صید، تلاش و صید ضمنی در سراسر منطقه، با استفاده بالقوه از پایش الکترونیکی و برنامه‌های خودگزارشی صیادان.
  2. مدیریت مشارکتی و درگیرسازی ذی‌نفعان: توسعه سیستم‌های مدیریت مشارکتی که دانش صیادان را ادغام می‌کند و پذیرش آن‌ها را تضمین می‌کند.
  3. ساخت ظرفیت منطقه‌ای: تقویت نهادهای علمی و مدیریتی محلی از طریق آموزش و تخصیص منابع.
  4. تدوین سیاست‌های مبتنی بر شواهد: استفاده از داده‌های جمع‌آوری شده برای طراحی اقدامات مکانی صریح مانند تعطیلی‌های زمانی-مکانی یا اصلاحات ادوات صید که صید ضمنی را کاهش می‌دهند و در عین حال تأثیر بر معیشت صیادان را به حداقل می‌رسانند.

بینش‌های کلیدی

  • بحران پایداری به همان اندازه که یک بحران زیستی است، یک بحران داده و حکمرانی نیز هست.
  • راه‌حل‌ها باید به‌طور مشترک طراحی شوند تا مشروع و مؤثر باشند.
  • یک رویکرد منطقه‌ای برای مدیریت جانوران بزرگ مهاجر غیرقابل مذاکره است.

6. تحلیل انتقادی و دیدگاه کارشناسی

بینش اصلی: این مرور یک شکست سیستمیک بنیادی در جنوب غربی اقیانوس هند را آشکار می‌سازد: مدیریت یک سیستم پیچیده اجتماعی-اکولوژیکی با زیرساخت داده‌ای و مدل‌های حکمرانی پیشاصنعتی در حال تلاش است. این مقاله به درستی مشکل — کسری شدید شواهد — را تشخیص می‌دهد، اما راه‌حل پیشنهادی به سطحی از همکاری منطقه‌ای و ظرفیت نهادی وابسته است که در حال حاضر در مقیاس مورد نیاز وجود ندارد.

جریان منطقی: استدلال از نظر منطقی مستحکم است: داده ضعیف → درک ضعیف → مدیریت بی‌اثر → نتایج ناپایدار. این مقاله به‌طور مؤثری این زنجیره علّی را ردیابی می‌کند و از آسیب‌پذیری گونه‌های K-انتخاب‌شده به عنوان تقویت‌کننده زیستی مشکل استفاده می‌کند.

نقاط قوت و ضعف: نقطه قوت اصلی آن، دامنه جامع و منطقه‌ای و ارزیابی روشن‌بینانه آن از فقر داده است. با این حال، یک ضعف قابل توجه، پرداخت نسبتاً سبک آن به مسیرهای اجرا و موانع اقتصاد سیاسی است. این مقاله از «حکمرانی خوب» و همکاری دفاع می‌کند، اما استراتژی‌های کمی برای غلبه بر منافع ریشه‌دار، کمبودهای بودجه و اینرسی سیاسی که مدیریت شیلات را در بسیاری از مناطق در حال توسعه مشخص می‌کند، ارائه می‌دهد. در مقایسه با جهش‌های فناورانه در سایر زمینه‌ها (مانند استفاده از شبکه‌های متخاصم مولد مانند CycleGAN برای شناسایی و پایش گونه‌ها بر اساس تصویر همانطور که در Zhu و همکاران، ۲۰۱۷ بحث شده است)، راه‌حل‌های پیشنهادی در اینجا تدریجی به نظر می‌رسند.

بینش‌های قابل اجرا: برای مجریان و تأمین‌کنندگان بودجه، اولویت فوری باید سرمایه‌گذاری در خطوط لوله داده ناب و فناوری‌محور باشد. به جای انتظار برای پایش کامل و دولتی، حمایت باید به پروژه‌های پایلوت با استفاده از موارد زیر برود:
1. پهپادها و تصاویر ماهواره‌ای (الهام گرفته از کاربردهای سازمان‌هایی مانند Global Fishing Watch) برای نقشه‌برداری مستقل از تلاش.
2. تشخیص تصویر کمک‌شده با هوش مصنوعی بر روی تلفن‌های هوشمند برای ثبت صید ضمنی توسط صیادان، کاهش وابستگی به تخصص آرایه‌شناسی.
3. سیستم‌های بلاکچین یا دفتر کل امن برای مستندسازی صید به منظور بهبود ردیابی و مبارزه با صید غیرقانونی، گزارش‌نشده و بی‌قاعده، که یک مسئله مرتبط است. هدف باید تولید داده‌های «به اندازه کافی خوب» به سرعت برای اطلاع‌رسانی به تصمیمات در سطح بحران باشد، در حالی که چارچوب نهادی بلندمدتی که مقاله تصور می‌کند، ساخته می‌شود.

7. چارچوب فنی و رویکرد تحلیلی

برای حرکت از ارزیابی روایی به کمّی، یک چارچوب تحلیلی استاندارد مورد نیاز است. یک جزء اصلی، مدل‌سازی آسیب‌پذیری جمعیت است. این اغلب از یک چارچوب حذف بالقوه زیستی استفاده می‌کند که برای صید ضمنی تطبیق داده شده است. PBR حداکثر تعداد جانورانی را تخمین می‌زند که می‌توانند از یک جمعیت حذف شوند بدون اینکه باعث کاهش شوند:

$\text{PBR} = N_{min} \times \frac{1}{2} R_{max} \times F_r$

جایی که:
$N_{min}$ = حداقل تخمین جمعیت
$R_{max}$ = حداکثر نرخ رشد نظری
$F_r$ = عامل بازیابی (معمولاً ۰.۱-۱.۰)

با این حال، در بافت جنوب غربی اقیانوس هند، $N_{min}$ معمولاً ناشناخته است. بنابراین، یک چارچوب اولویت‌بندی مبتنی بر ریسک نسبی عملی‌تر است. این می‌تواند از یک رویکرد نیمه‌کمّی ارزیابی ریسک اکولوژیکی استفاده کند:

$\text{Risk Score}_{species, fishery} = \text{Exposure} \times \text{Consequence}$

Exposure تابعی از همپوشانی مکانی/زمانی و حساسیت ادوات است. Consequence تابعی از بهره‌وری زیستی گونه (معکوس با K-انتخاب) و وضعیت فعلی جمعیت است.

مورد نمونه چارچوب تحلیل

سناریو: ارزیابی ریسک صید ضمنی برای گاو دریایی (Dugong dugon) در شیلات تور گوشگیر در سواحل شمال موزامبیک.
مرحله ۱ - گردآوری داده: جمع‌آوری داده‌های پراکنده: (الف) مصاحبه‌های صیادان که نشان از صیدهای گاه‌به‌گاه دارد. (ب) نقشه‌های مشاهده تاریخی از بررسی‌های هوایی (WCS، ۲۰۱۰). (ج) لایه‌های GIS مناطق گزارش‌شده صید با تور گوشگیر.
مرحله ۲ - شاخص Exposure: محاسبه همپوشانی مکانی بین زیستگاه گاو دریایی (بسترهای علف دریایی) و تلاش تور گوشگیر. استفاده از امتیازدهی ساده: ۳ (همپوشانی بالا)، ۲ (متوسط)، ۱ (کم)، ۰ (هیچ). فرض کنید امتیاز = ۲.
مرحله ۳ - شاخص Consequence: گاوهای دریایی $R_{max}$ بسیار پایینی دارند (~۵٪ در سال). وضعیت IUCN آسیب‌پذیر است. یک امتیاز Consequence بالا اختصاص دهید: ۳.
مرحله ۴ - امتیاز ریسک: $\text{Risk Score} = 2 \times 3 = 6$ (در مقیاس ۰-۹). این یک اولویت بالا را برای پژوهش و کاهش (مانند آزمایش پینگرهای صوتی یا اصلاح پروفیل تور) نشان می‌دهد.
این چارچوب به مدیران اجازه می‌دهد تا اقدامات را اولویت‌بندی کنند علیرغم داده‌های ناقص.

نتایج آزمایشی و توصیف نمودار

نمودار مفهومی: صحت داده در مقابل جدول زمانی اقدام مدیریتی
یک نمودار فرضی دو منحنی را نشان می‌دهد. منحنی A (پارادایم فعلی): یک دوره طولانی و مسطح از «جمع‌آوری داده» با صحت کم (عدم قطعیت بالا) را نشان می‌دهد، که به دنبال آن یک «اقدام مدیریتی» تأخیری و اغلب بی‌اثر است. منحنی B (پارادایم چابک پیشنهادی): تکرارهای سریع را نشان می‌دهد. با «ارزیابی ریسک سریع» (صحت متوسط) شروع می‌شود، که منجر به یک «اقدام کاهش پایلوت» (مانند تعطیلی زمانی به رهبری جامعه) می‌شود، که سپس «داده‌های انطباق محلی و صید ضمنی» را تولید می‌کند و به یک حلقه پیوسته برای اصلاح ارزیابی بازخورد می‌دهد. بینش کلیدی این است که اقدام نمی‌تواند منتظر داده کامل بماند؛ مدیریت باید به یک فرآیند یادگیری تبدیل شود.

8. جهت‌گیری‌های آینده و چشم‌انداز کاربرد

آینده مدیریت پایدار شیلات خرد در جنوب غربی اقیانوس هند در همگرایی حکمرانی مشارکتی، فناوری مناسب و علم انطباقی نهفته است.

  • مدیریت مشارکتی فوق‌محلی و فناوری‌محور: ظهور حسگرهای کم‌هزینه، AIS ماهواره‌ای و برنامه‌های موبایل، جوامع صیادی را قادر می‌سازد تا داده‌های خود را جمع‌آوری و مالکیت کنند و مبنایی برای توافق‌نامه‌های مدیریت مشارکتی واقعی تشکیل دهند. پروژه‌هایی مانند SmartFish در اقیانوس آرام یک مدل ارائه می‌دهند.
  • هوش مصنوعی و یادگیری ماشین: فراتر از شناسایی، هوش مصنوعی می‌تواند الگوهای موجود در داده‌های صید و محیطی را برای پیش‌بینی نقاط داغ صید ضمنی تحلیل کند و امکان مدیریت مکانی پویا (قوانین «حرکت به جلو») را فراهم کند، مشابه ابتکارات NOAA برای محافظت از لاک‌پشت‌های دریایی.
  • معیشت‌های جایگزین و ارزش افزوده: مداخلات آینده باید به‌طور فعال جایگزین‌های اقتصادی، مانند اکوتوریسم مبتنی بر جامعه متمرکز بر جانوران بزرگ (کوسه‌نهنگ‌ها، دلفین‌ها) یا فرآوری با ارزش افزوده صیدهای ماهی پایدار را توسعه دهند و فشار بر گونه‌های آسیب‌پذیر را کاهش دهند.
  • مالی ترکیبی و سرمایه‌گذاری تأثیرگذار: دستاوردهای حفاظتی به بودجه پایدار نیاز دارند. مدل‌هایی که کمک‌های بشردوستانه را با سرمایه‌گذاری تأثیرگذار برای شرکت‌های جامعه (مانند آبزی‌پروری پایدار) ترکیب می‌کنند، برای موفقیت بلندمدت حیاتی خواهند بود.
  • ادغام با سازگاری با اقلیم: برنامه‌های مدیریتی باید آینده‌نگر باشند و تاب‌آوری اقلیمی را در خود بگنجانند. محافظت از جانوران بزرگ، که اغلب نقش‌های کلیدی در عملکرد اکوسیستم بازی می‌کنند، می‌تواند یک استراتژی اصلی برای حفظ شیلات مولد در یک اقیانوس در حال تغییر باشد.

9. منابع

  1. Temple, A. J., Kiszka, J. J., Stead, S. M., Wambiji, N., Brito, A., Poonian, C. N. S., Amir, O. A., Jiddawi, N., Fennessy, S. T., Pérez-Jorge, S., & Berggren, P. (2018). Marine megafauna interactions with small-scale fisheries in the southwestern Indian Ocean: a review of status and challenges for research and management. Reviews in Fish Biology and Fisheries, 28, 89–115.
  2. Dulvy, N. K., et al. (2014). Extinction risk and conservation of the world's sharks and rays. eLife, 3, e00590.
  3. Lewison, R. L., Crowder, L. B., Read, A. J., & Freeman, S. A. (2004). Understanding impacts of fisheries bycatch on marine megafauna. Trends in Ecology & Evolution, 19(11), 598-604.
  4. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV).
  5. Global Fishing Watch. (2023). Transparency in Global Fisheries. Retrieved from https://globalfishingwatch.org
  6. Heithaus, M. R., Frid, A., Wirsing, A. J., & Worm, B. (2008). Predicting ecological consequences of marine top predator declines. Trends in Ecology & Evolution, 23(4), 202-210.
  7. IUCN. (2023). The IUCN Red List of Threatened Species. Version 2023-1. Retrieved from https://www.iucnredlist.org.