dødlighet og migrasjon hos gjedde
DESCRIPTION
Dødlighet og migrasjon hos gjedde. 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. Hvem er involvert?. Centre for Ecology and Hydrology - PowerPoint PPT PresentationTRANSCRIPT
Dødlighet og migrasjon hos gjedde
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
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
Formål med prosjektet• Øke kunnskapen om akvatiske
toppredatorers populasjonsdynamikk• På hvilke måter er disse artenes
populasjonsdynamikk påvirka av:• Abiotiske faktorer (temperatur og eutrofiering)• Biotiske faktorer (byttetilgjengilighet, tetthet)• Beskatningsregime (kvalitativt og kvantitativt)
• Estimater av viktige demografiske rater• Overlevelse (alder-, stadium-, kjønnsavhengige,
miljøavhengige, tetthetsavhengige, områdeavhengige)
• Rekruttering (populasjonsvekstrate)
Populasjonsdynamikk
F = effektiv fekunditet = si-1* mi, hvor mi = stadiumspesifikk fekunditetSi = sannsynliheten for å overleve fra stadium i til i+1
ttnnnn
ss
sFFF
nnnn
4
3
2
1
)N... cov, t,,3(
)N... cov, t,,2(
)N... cov, t,,1(
)N... cov, t,,4()N... cov, t,,3()N... cov, t,,2(
14
3
2
1
000000000
0LesliematriseNt+1 Nt
ttnnnn
ss
sFFF
nnnn
4
3
2
1
)N... cov, t,,3(
)N... cov, t,,2(
)N... cov, t,,1(
)N... cov, t,,4()N... cov, t,,3()N... cov, t,,2(
14
3
2
1
000000000
0LesliematriseNt+1 Nt
Dataseriene: merking-gjenfangst
• Aure fra Mjøsa (n = 7002; 1966–2001); gjedde fra Windermere (n = 5560; 1949–2001)
• Kombinerte data • Døde tilbakerapporteringer• levende gjenfangster
• Svært gode miljødata (kovariater)• Eutrofiering, temperatur, byttedyrtetthet• Fiskeinnsats
• Til fisk å være, gode gjenfangstrater• 62,3 % for gjedda • 42,2 % for auren
• Svakheter• Nesten bare modne fisk
0,090
0,014
0,004
0,381
0,041
0,006
0.000
7
0.579
0,000
0,001
0,010
0,100
1,000
Once ormore
Twice ormore
Three timesor more
Four timesor more
Five times
Proportion
WindermereMjøsa
Gjenfangstandeler
FMG statistisk modellering:
Skjebnediagram
Merka og satt ut
Død eller emigrert
I live1-p
p
1-
I live og gjenfanga
I live og ikke gjenfanga
er overlevelsep er fangstsannsynlighet
Cormack-Jolly-Seber (CJS)
Fangsthistorier og de demografiske parameterneFangst
merking utsetting
1 5432
Tidsinterval
p2 p5p4p3 p6
Fangsthistorie: 100100,
med sannsynlighet: 1(1-p2)2(1-p3)3p44
4 er sannsynligheten for ikke å fanges etter 4de fangstomgang [= (1-4)+(1-p5)4(1- p65)]
Parameterne estimeres ved maximum likelihood metodikk
Fangstomganger
1 0000 1
MLE: et eksempel
X111=4 R 11p 23
X110=7 R 11p 2(1-3)
X101=2 R 11(1-p 2)3
X100=9 R 1[1-1p 2-1(1-p 2)3]
ant. Fanga 3de runde
Forventa antall 3de runde
R 1=22X11
X10
Antall merka
ant. fanga 2de runde
3p1
t1 t2 t3
p2 p3
2 3Para-meters
Likelihood: L= (1p23)X111[1p2(1-3)]X110[1 (1- p2)3]X101 (1)X100
lnL(1, p2, 3)= 4ln(1p23)+7ln[1p2(1-3)]+2ln[1 (1- p2)3]+9ln(1)
Modellseleksjon• I hovedsak baser på AIC (=deviance
+ 2np)• Korrigert for overdispersjon
• Nøstede modeller kan også evalueres vha Likelihood-Ratio tester• Tester hvorvidt fjerning av en prediktor
medfører en signifikant økning i deviansen
Multistate-modeller• Kan anvendes i situasjoner der
individene endrer tilstand i løpet av studien
• Tilstand kan f eks være:• område• størrelse• modningsstatus• levende eller død• …
Parametere for multistatemodeller
Overlevelse/migrasjonsannsynlighet
State 1, 2 eller 3i (1,1) i (1,2) i (1,3)i (2,1) i (2,2) i (2,3)i (3,1) i (3,2) i (3,3)
Fangstsannsynligheter
State 1State 2State 3
pi+1 (1,1) pi+1 (1,2) pi+1 (1,3)
pi+1 (1) pi+1 (2) pi+1 (3) or
Fra
Til
JMV-parameterisering
CAS-parameterisering
Separat transisjonsparameter
• Kan estimere transisjonsparameter () separat dersom kondisjonerer denne til overlevelse• i,j = i,j/Fi
F = fidelity-survivali = fra-statej = til-state
Programvare• Finnes mange merke-gjenfangstpakker
• MARK (http://www.cnr.colostate.edu/~gwhite/mark/mark.htm)• MS-SURVIV (http://www.mbr-pwrc.usgs.gov/software.html#mssurv)
• M-SURGE (ftp://ftp.cefe.cnrs-mop.fr/biom/Soft-CR/)
• GOF-pakker• U-CARE (ftp://ftp.cefe.cnrs-mop.fr/biom/Soft-CR/)• RELEASE (ftp://ftp.cnr.colostate.edu/pub/release/)
• Alt er gratis!
Over til England...
Gjeddestudien• Har gjedda i de to bassengene ulik
demografi?• Sør mer produktivt enn nord
• Fisketrykket har variert over tid• Hvilken effekt har dette hatt på
• naturlig overlevelse• migrasjon
• Kan i så fall dette tilskrives tetthetseffekter?
Endring i fiskeinnsats
100
1000
10000
1945 1955 1965 1975 1985 1995 2005
Netti
ng eff
ort (
30 yd
net
day
s) NordSørTotalt
Analysedisposisjon1. Standard CJS-analyse der kun
levende gjenfangster analyseres• Naturlig dødlighet• Merk: sørdata vil dominere resultatene
2. MS-analyse med døde gjenfangster inkludert
• Estimering av migrasjon og fangstdødlighet
Abborruser (PT) – til merking
Gjeddegarn (PGN) – alt drepes
Garn (GN) – til merking
M A M J J A S O N DFJ M AFJ M
pGN(t)pPT(t)
pGN(t+2)pPT(t+2)
pPGN(t+1)
Høyre-censorering
(t) (t+1)
7 mnd 5 mnd
Diskretisering av data
Resultater fra CJS-analysene
• Goodness-of-fit tester viser at CJS-modeller er egna til å beskrive dataene
• Ingen signifikante avvik fra forutsetningene• Uavhengige individer• Individer i samme gruppe oppfører seg likt• Uavhengighet mellom fangstomgangene
Leng
th
20
30
40
50
60
70
80
90
100
110
GN PGN PT
Method
Størrelseselektiv redskap
Lengdespesifikk fangstsannsynlighet
0
0.1
0.2
0.3
0.4
0.5
0.6
0 20 40 60 80 100
Tagging length (cm)
Cap
ture
pro
babi
lity
Perch trapGill nets
Tidsvariasjon i årlig naturlig overlevelse
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.053
-54
54-5
555
-56
56-5
757
-58
58-5
959
-60
60-6
161
-62
62-6
363
-64
64-6
565
-66
66-6
767
-68
68-6
969
-70
70-7
171
-72
72-7
373
-74
74-7
575
-76
76-7
777
-78
78-7
979
-80
Ann
ual s
urvi
val p
roba
bilit
y
Perch trap and seineGill nets
Fiskeinnsats og naturlig overlevelse
0
0.1
0.2
0.3
0.4
0.5
0.6
0 500 1000 1500 2000 2500 3000 3500 4000
Pike gill net effort (30 yd net days)
Ann
ual n
atur
al s
urvi
val r
ate
Perch trapGill nets
Hvor godt egna er MS-modeller til å beskrive data
(GOF)?Test type 2 p df Test 3G 23.471 0.987 41
Test M 49.885 0.002 21
GOF JMV 72.277 0.175 62
GOF CAS 104.838 0.000 33
Pradel et al 2003, Biometrics
GOF IIOccasion 2 p
2 0.000 1.000 3 0.000 1.000 4 1.101 0.294 5 0.234 0.632 6 0.244 0.622 7 0.242 0.623 8 0.011 0.916 9 0.816 0.366
10 25.000 0.000 11 2.112 0.146 12 0.844 0.330 13 5.500 0.019 14 1.546 0.214 15 0.058 0.809 16 0.152 0.696 17 3.643 0.056 18 1.172 0.279 19 0.563 0.453 20 0.175 0.676 21 0.686 0.408 22 0.750 0.386 23 4.286 0.038 24 0.000 1.000 25 0.000 1.000 26 0.750 0.386
Sum 49.885 0.002 Sum-occ10 24.885 0.412
41ˆ2
df
c
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.019
5319
5419
5519
5619
5719
5819
5919
6019
6119
6219
6319
6419
6519
6619
6719
6819
6919
7019
7119
7219
7319
7419
7519
7619
7719
7819
7919
80-1
990
halv
årso
verle
vels
e
NS
Bassengspesifikk overlevelse
Migrasjon og tetthet
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
relativ tetthetsgradient
sann
synl
ighe
t for
mig
rasj
on
N->SS->N
0.00
0.05
0.10
0.15
0.20
0.25
-4.0 -2.0 0.0 2.0 4.0
relativ innsats (SD)
sann
synl
ighe
t for
å fa
nges
i ga
rn
Nord
Sør
Effekt av innsats på fangstdødlighet
Lengdespesifikk rekruttering til garnfisket
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.0 20.0 40.0 60.0 80.0 100.0lengde ved merking, L(t)
sann
synl
ighe
t for
gar
ndød
ved
t+1
Should I stay or should I
go?
)29.179.0(
)29.179.0(
1)SNPr(
ee