Fiskare har inget sätt att skilja fisken de fångar när de kastar sina nät till havs. Skyddade arter och fiskar utan marknadsvärde – hammarhajen, till exempel – hamnar i fången och dör utan anledning. I ett försök att minimera detta tillfälliga fiske, statistiker från universitetet i Genève (UNIGE, Schweiz), Dalhousie University (Halifax, Kanada) och Australian National University (Canberra) har tagit fram en ny statistisk metod för att förutsäga bifångster mer exakt i framtiden. Tekniken, som förklaras i sin helhet i journalen Annals of Applied Statistics , kan även tillämpas på andra forskningsområden, inklusive hälsoekonomi, medicin och utbildningsvetenskap.
När fiskare gav sig ut på sina expeditioner till sjöss, skyddade arter fångas av misstag i sina nät tillsammans med den fisk som är avsedd för försäljning. Biologer samlar in datauppsättningar om antal fiskar och artbevarandesiffror så att de kan studera volymen av tillfälligt fiske och dess inverkan på den marina faunan. Strukturen för dessa data, känd som "kapslade", är komplex eftersom den integrerar en mängd teknisk information, till exempel antalet expeditioner eller vilken typ av båtar som används. Uppgifterna registrerar också mängden skyddad fisk som fångas i näten på varje fisketur. Dock, vissa arter – hammarhajen är ett sådant fall – fångas vanligtvis inte, vilket gör det svårt att etablera modeller som inkluderar antalet nollfångster för varje art. "Tills nu, det har inte funnits någon generell statistisk metod som kombinerar en kapslad datastruktur med en stor mängd nollor i observationerna", förklarar Eva Cantoni, professor vid Research Centre for Statistics vid UNIGE:s Geneva School of Economics and Management (GSEM). "Så denna lucka behövde fyllas, vilket vi gjorde genom att skapa en mycket allmän och flexibel modell, kallad Random-Effects Hinder Model."
Allmänhetens komplexitet
Statistikerna utvecklade en ny metod med det yttersta målet att införa skött fiske och minska bifångsten. "Vi var tvungna att ta hänsyn till en rad dynamik, " fortsätter Cantoni. "Syftet var inte bara att analysera förändringarna i antalet fångster över tiden utan också att studera de olika årstiderna och vädret, samtidigt som man tar hänsyn till de tekniska förhållandena:nätens djup, årstiderna (som jag redan har nämnt), vilken typ av krokar som används, om lätta pinnar användes eller inte, och typen av fartyg." Baserat på dessa uppgifter, forskarna identifierade de lättpåverkade förhållandena (som krokarnas djup) som skulle minska volymen av icke säljbara arter som fångas.
Statistikerna skapade sedan en ny metodik som kombinerade äldre modeller som specialiserade sig på antingen kapslade strukturer eller nollhantering. "Svårigheten låg i att föra samman dessa två aspekter samtidigt som man säkerställde att modellen var så generell som möjligt så att den kunde anpassa sig till många situationer, " säger Joanna Mills Flemming, från Institutionen för matematik och statistik vid Dalhousie University. Ju mer generell en modell är, desto mer komplext är det att bearbeta. Moderna simuleringstekniker användes för att uppskatta modellens parametrar (relaterade, till exempel, till krokarnas djup) och deras variation. Författarna visade teorem som bestämmer och kvantifierar felmarginalerna för modellen och dess förutsägelser. Förebygga oavsiktliga fångster och stödja miljöpolitiken. Denna modellering innebär att det nu är möjligt att uppskatta potentiella bifångster för en fiskeexpedition. "När fiskare ger oss sina färddata, vi kan förutsäga oavsiktlig fångst för hammarhajar, till exempel, med mer precision, ", konstaterar Cantoni. "Metoden kan användas för att backa upp miljöpolitiken genom att förbjuda fiske på ett visst djup vid en viss tid på året eftersom det skulle innebära för mycket bifångst, ", tillägger Alan Welsh från Australian National University.
Modellen fyller en statistisk lucka:tidigare, det fanns ingen generell modell som samtidigt kunde inkludera komplexa och kapslade datastrukturer och ett stort antal observationer lika med noll. I dag, den nya modellen tjänar inte bara kommersiellt fiske:den kan också användas i andra områden med komplex datastruktur, inklusive hälsoekonomi, medicin och utbildningsvetenskap.
