CC BY
48
2011
Известия ТИНРО
Том 166
УДК 597-154.3:597.553.2
A.B. Бугаев, О.Б. Тепнин*
Камчатский научно-исследовательский институт рыбного хозяйства и океанографии, 683000, г. Петропавловск-Камчатский, ул. Набережная, 18
ОЦЕНКА ВЛИЯНИЯ НЕКОТОРЫХ КЛИМАТИЧЕСКИХ ФАКТОРОВ НА ЧИСЛЕННОСТЬ АЗИАТСКИХ СТАД ГОРБУШИ И КЕТЫ
В тестовом режиме оценена возможность влияния некоторых климатических факторов на численность азиатской горбуши и кеты. Материалом послужили численные оценки вылова тихоокеанских лососей, полученные в рамках статистического мониторинга NPAFC по данным 1925-2010 гг. В качестве климатических предикторов взяты стандартные индексы (AFI, ALPI, NP, PCI, GLB.Ts + dSST, N.HEMI, PDO, LOD, Sun Spot), которые описывают или могут опосредованно влиять на метеорологическую и гидрологическую обстановку в Северной Пацифи-ке. Анализ временных рядов показал, что для получения наиболее адекватных результатов правомочно использование численных трендов по 2-точечному скользящему среднему. Аналогичный подход был применен и для рядов климатических индексов. Наиболее высокая корреляционная связь между уловами азиатских лососей (горбуша + кета) и климатическими факторами была отмечена с индексами глобальных температурных аномалий воздуха и поверхности воды (GLB.Ts + dSST и N.HEMI). Зависимость имела стабильный характер как для горбуши, так и для кеты. При этом уровень коэффициентов корреляции по данным предикторам у кеты заметно выше, чем у горбуши, и составлял соответственно R = 0,82-0,89 и R = 0,54-0,64. Суммарные показатели по двум видам также были весьма высоки — R = 0,74-0,78. В остальных случаях наиболее значимые коэффициенты корреляции составляли около R = ±0,3. По-сути, в большинстве случаев прямой взаимосвязи между динамикой уловов азиатской горбуши и кеты и климатическими индексами не наблюдалось. С учетом продолжительности используемых временных рядов (более 80 лет) все полученные оценки являются статистически достоверными. Дополнительно проведен анализ множественной регрессии, который показал комплексный характер опосредованного воздействия нескольких климатических факторов (AFI, ALPI, GLB.Ts + dSST, N.HEMI, PDO) на динамику уловов азиатской горбуши и кеты. Как и в предыдущих случаях, наиболее высокая корреляция отмечена у кеты — R = 0,88, у горбуши — R = 0,61. Для обоих видов коэффициент множественной корреляции соответствовал R = 0,77. Полученные данные могут быть использованы для уточнения и развития дальнейших исследований по воздействию климатических факторов на численность массовых видов тихоокеанских лососей. По нашему мнению, реальный прогресс в этом вопросе возможен при проведении более глубокого анализа взаимодействия климата и гидробионтов на уровне многофакторных условий экосистем Берингова моря и северной части Тихого океана.
* Бугаев Александр Викторович, кандидат биологических наук, заведующий-лабораторией, e-mail: [email protected]; Тепнин Олег Борисович, заведующий лабораторией, e-mail: [email protected].
Ключевые слова: горбуша, кета, тренды уловов, климатические индексы, временные ряды.
Bugaev A.V., Tepnin O.B. Estimation of some climatic factors influence on abundance of Asian pink and chum salmons // Izv. TINRO. — 2011. — Vol. 166. — P. 67-87.
Climatic factors influence on abundance of Asian pink and chum salmons is tested on the data about their catches from NPAFC statistics for 1925-2010. The atmospheric and oceanographic conditions are evaluated by standard indices AFI, ALPI, NP, PCI, GLB.Ts + dSST, N.HEMI, PDO, LOD, the number of Sun spots is also considered. The best links are found for the time series smoothed by 2-points moving average, both for catches and climatic indices. The salmon catches have the maximal correlation with the monthly indices of air temperature and SST averaged for the whole globe and Northern Hemisphere (GLB.Ts + dSST and N.HEMI); the correlation coefficients are 0.82-0.89 for chum salmon, 0.54-0.64 for pink salmon, and 0.74-0.78 for their summary catch. Other indices have lower relationship with the salmon catches; the correlation coefficients don't exceed ±0.3. So, there are no significant correlations between the pink and chum salmon catch dynamics and those climate indices. The multiple regression shows an indirect effects of the set of climatic variables (AFI, ALPI, GLB.Ts + dSST, N.HEMI, PDO) with the maximal correlation coefficients 0.88 for chum salmon, 0.61 for pink salmon, and 0.77 for their summary catch. These preliminary data could be used for further investigations of climate change influence on abundance of pacific salmon mass species with more detailed consideration of its effects on the ecosystems of the Bering Sea and North Pacific.
Key words: pink salmon, chum salmon, catch, climatic index, time series.
Введение
На рубеже XX и XXI веков наблюдается заметное увеличение численности тихоокеанских лососей в Азии и Северной Америке. Данная тенденция отмечена специалистами всех стран северотихоокеанского региона, где воспроизводятся запасы лососей (Irvine et al., 2009). В последние 10 лет большое распространение получили исследования, которые описывают влияние климата на численность гидробионтов. Значительная часть подобных работ направлена на изучение тихоокеанских лососей (Klyashtorin, 2001; Горяинов, Шаталина, 2003; Кляш-торин, Любушин, 2005; Горяинов и др., 2007; Beamish, 2008; Ishida et al., 2009; Kaeriyama et al., 2009; Ruggerone et al., 2009; Котенев и др., 2010; Кровнин и др., 2010; и др.).
Известно, что процесс роста численности лососей происходит на фоне изменяющихся условий климата как в планетарном масштабе, так и, в частности, в Северной Пацифике. Насколько эти явления взаимосвязаны, остается под вопросом. По мнению одних специалистов, рыбопродуктивность в значительной степени зависит от климато-океанологических изменений (Кляшторин, Любушин, 2005; Beamish, 2008; Kaeriyama et al., 2009; Котенев и др., 2010; Кровнин и др., 2010). Другие считают, что все вполне укладывается в известные параметры естественной динамики многолетних процессов биоты на экосистемном уровне (Шунтов, Свиридов, 2005; Шунтов, Темных, 2008а, б; Shuntov, Temnykh, 2009). В любом случае в этом вопросе все специалисты осознают сложность и опосредованность комплексного воздействия абиотических и биотических факторов на отдельные виды и экосистемы в целом. Поэтому данное направление исследований еще долгие годы будет оставаться одним из перспективных.
Как правило, изучение влияние климата на рыбопродуктивность базируется на использовании стандартных климатических индексов, которые характеризуют динамику атмосферных и гидрологических процессов, происходящих на нашей планете. Нередко подключаются дополнительные факторы, которые могут иметь опосредованное воздействие на атмосферу и гидросферу Земли, например, такие как солнечная активность, скорость вращения планеты и др. Насколько
это обосновано, судить пока трудно, особенно учитывая неясность механизмов воздействия климатических факторов на многокомпонентном экосистемном уровне.
В связи с этим существует достаточно жесткая критика специалистами ТИНРО-центра (г. Владивосток) применения подобных подходов для оценок связей типа "климат—гидробионты" (Шунтов, Темных, 2008а, б, 2010; Шунтов, 2010). Основанием для нее послужили результаты экосистемных исследований в дальневосточных морях и прилегающих тихоокеанских водах. По нашему мнению, значительная часть критических замечаний по этому поводу вполне справедлива. Мы осознаем, что исследователи повсеместно имеют дело с "черными ящиками", в которых неясны причинно-следственные связи многофакторных экологических событий. Действительно, результаты подобных работ имеют случайный, а не системный характер. Тем не менее без попыток их проведения не было бы и поля для критического анализа, который, как известно, является основой научной мысли. Понятно, что любая система состоит из отдельных более простых элементов, поэтому важно оценивать проблему на всех уровнях, доступных изучению. Любой результат, пусть даже неудачный, позволит поставить определенную веху на данном этапе исследований.
Самой большой трудностью для проведения работ по выяснению влияния климатических факторов на биопродуктивность является недостаточная продолжительность рядов наблюдений. В большей степени это относится к биологическим предикторам. Для построения достаточно адекватных выводов о влиянии или невлиянии на биопродуктивность того или иного климатического фактора недостаточно 20-30 лет наблюдений. Как минимум, ряды должны быть около 100 лет. Но и в этом случае будет велика вероятность совпадения на каком-то временном отрезке, поскольку глобальная климатическая периодичность может прослеживаться на уровне столетий, тысячелетий и т.д. Применительно к ситуации с тихоокеанскими лососями в настоящее время из существующих биологических предикторов удовлетворяют требованиям репрезентативности только ряды многолетних уловов в Азии и Северной Америке.
В нашем случае объектами изучения являются два вида тихоокеанских лососей — горбуша и кета, самые массовые среди лососей в Азии. Практически 100 % добычи горбуши и кеты в азиатском регионе приходится на Россию и Японию. Их суммарный вылов в течение последних 100 лет в среднем колебался от 50 до 400 млн экз. (Уловы тихоокеанских лососей ..., 1989; Irvine et al., 2009), поэтому рассматриваемая промысловая статистика, на наш взгляд, вполне может служить адекватным индикатором изменчивости их численности на уровне многолетних трендов. При этом столь высокие колебания уловов не могут быть объяснены только антропогенным воздействием, поскольку промысел горбуши и кеты имеет важнейшее экономическое значение для азиатского региона и стабильно ведется как в России, так и в Японии. Существующие сбои промысла (перелов или недолов), как правило, носят локальный характер и не могут существенно влиять на практически 100-летнюю картину динамики их запасов.
Можно критически относиться к тому факту, что в качестве показателя численности использован только уровень уловов, а не оценки численности зрелой части стад горбуши и кеты или их подходов к побережью. Каждая из двух последних оценок включает две составляющие — промысел и заполнение нерестилищ. Но в современной промысловой статистике в большинстве случаев отсутствует информация о заполнении нерестилищ лососей в Азии. При этом на Дальнем Востоке России данные о заполнении нерестилищ остаются фрагментарными и в настоящее время. Наиболее системные наблюдения о количестве отнерестившихся лососей ведутся только по Камчатке, но и эти оценки приводятся с середины 1950-х гг. Поэтому, говоря об уловах, мы условно отождествляем их с оценками численности. Учитывая тот факт, что на долю промысла в среднем приходится около 70 % численности нерестовых подходов тихоокеанских лосо-
сей к побережью, это вполне аргументированно. Подобная практика пропуска на нерестилища около 30 % производителей достаточно распространена в мировой практике. Данный уровень нерестового фонда позволяет сохранять запасы тихоокеанских лососей в стабильном для полноценного воспроизводства состоянии. Как правило, в региональном масштабе у массовых видов (горбуша, кета и нерка) отклонения от уровня воспроизводства не превышают 10 %. Следовательно, колебания их тотальных уловов будут вполне адекватным показателем изменчивости численности азиатской горбуши и кеты при анализе многолетних трендов.
Предлагаемая работа относится к разряду тестовых. Подчеркнем, что подобные исследования во многих случаях носят предварительный характер. Зачастую специалисты разных стран используют один-два климатических индекса, которые показали какую-либо взаимосвязь с рыбопродуктивностью отдельных видов в конкретном географическом регионе. При этом либо другие критерии игнорируются (если связь не выявлена), либо взаимосвязь оценивают на уровне отдельных временных интервалов (в тех случаях, где она имеется). Мы, без претензий на объяснение природы связей и независимо от полученных положительных или отрицательных результатов, предлагаем протестировать девять основных климатических индексов (AFI, ALPI, NP, PCI, GLB.Ts + dSST, N.HEMI, PDO, LOD, Sun Spot), которые влияют на метеорологическую и океанологическую обстановку в Северной Пацифике. Ниже дана их характеристика. В большинстве случаев именно эти индексы служат инструментом для выявления зависимости изменчивости климата и продуктивности тихоокеанских лососей в Азии и Северной Америке. Данное тестирование проведено на максимально возможных (в настоящее время) по продолжительности наблюдений рыбопродуктивных рядах.
Мы понимаем, что существует ограниченность возможностей использования подобных исследовательских подходов, поскольку взаимосвязь рыбопродуктивности и климатических факторов может быть косвенной и прослеживаться только на уровне многолетних трендов. В реальной ситуации полученные оценки, даже с высоким уровнем достоверности, не могут служить достаточно точным индикатором в прогностическом моделировании численности тихоокеанских лососей. Основной причиной этого является многофакторность воздействия среды на всех этапах их жизненного цикла. В данной ситуации общим принципом взаимодействия можно считать лишь опосредованное воздействие всех климатических факторов на гидрологическую обстановку, т.е. среду непосредственного обитания рыб и их кормовых объектов. Тем не менее мы не отрицаем, что попытки прогнозирования на уровне влияния климатических факторов на рыбопродуктивность необходимо выполнять, по крайней мере, в альтернативном порядке. В основном подобные работы нужны для пошагового понимания и дальнейшего определения перспективных направлений исследований в проблеме влияния климата на конкретные виды или экосистемы.
Целью данной работы является тестирование потенциальной зависимости между изменчивостью основных климатических индексов и динамикой численности азиатской горбуши и кеты на уровне многолетних трендов.
Материалы и методы
В качестве базового материала в работе использованы численные оценки вылова азиатской горбуши и кеты, полученные в рамках статистического мониторинга NPAFC по данным 1925-2010 гг. (Irvine et al., 2009). На сегодняшний день это общепринятые и наиболее корректные оценки промыслового изъятия тихоокеанских лососей в основных странах их воспроизводства (Россия, США, Япония, Канада, Южная Корея). За 2009 г. также представлены официальные, но еще неопубликованные данные. Оценка вылова в 2010 г. пока предварительная, но будущее уточнение не сможет заметно повлиять на характер динамики 86-летних трендов.
Из методических аспектов следует отметить, что в работе используются данные по уловам горбуши и кеты в целом по всему азиатскому региону. Мы не делали попытки дифференцированного подхода к оценке влияния климатических факторов конкретно на российские и японские запасы этих видов. Основной причиной обобщающего подхода является невозможность достоверного выделения российских и японских стад. Особенно это касается периода с 1920-х по 1980-е гг., когда японцы активно ловили лососей в прибрежной зоне СССР, а также масштабного дрифтерного промысла в западных и центральных районах Берингова моря и северной части Тихого океана. В это время значительная часть японских уловов была представлена дальневосточной горбушей и кетой, но в официальной промысловой статистике России это не фиксировалось. Поэтому, на наш взгляд, более адекватно использовать именно общие азиатские уловы.
Разумеется, статистика вылова азиатской кеты и горбуши японским дрифтер-ным промыслом в 1950-1980-е гг. может включать в себя и часть североамериканских стад. Но необходимо учитывать, что из-за географического положения Японии основной лов дрифтерами велся в западной части Северной Пацифики. Поэтому прилов североамериканских стад кеты и горбуши не мог существенно влиять на общую динамику азиатской статистики добычи этих видов. Особенно это касается горбуши, которая имеет относительно небольшой период (1 год) океанического нагула.
Дополнительно отметим, что в работе приводятся именно оценки численности (экз.), а не биомассы (т). Это важный нюанс, поскольку продукционные показатели по массе в значительной степени зависят от размерно-весовых характеристик рыб. В свою очередь последние изменяются в зависимости от целого комплекса факторов среды. В результате при относительно невысокой численности может быть завышенная биомасса и соответственно наоборот.
Из климатических предикторов в работе использованы следующие индексы: AFI, ALPI, NP, PCI, GLB.Ts + dSST, N.HEMI, PDO, LOD, Sun Spot. Их краткая характеристика и источники данных представлены в табл. 1.
Таблица 1
Состав и характеристика использованных в работе климатических индексов
Table 1
List and description of climatic indices Индекс Описание Источник данных
AFI Индекс атмосферного давления. Рассчиты- (McFarlane et al., 2000)
вается как первая компонента при прове- (доступно на www.pac. дении анализа главных компонент по двум dfo-mpo.gc.ca) индексам Алеутской депрессии (АД), тихоокеанской осцилляции и аномалии северозападной атмосферной циркуляции над северной частью Тихого океана (декабрь-март). Положительные значения свидетельствуют об интенсификации АД, усилении западных и юго-западных ветров в восточной части Берингова моря и северо-восточной части Тихого океана с похолоданием поверхностных вод у п-ова Камчатка (за счет повышения частоты затоков арктических воздушных масс)
ALPI Индекс измерения относительной интенсив-
ности АД в системе Северной Пацифики (декабрь-март). Рассчитывается как средняя площадь (км2) области с приземным давлением ниже или равной 100,5 ^a, с вычислением отклонения от среднего за период 1950-1997 гг. Положительное значение индекса свидетельствует об усилении АД
(Beamish et al., 1997) (доступно на www.pac. dfo-mpo.gc.ca)
Окончание табл. 1 Table 1 finished
Индекс_Описание_Источник данных
NP Месячный северотихоокеанский индекс. (Trenberth, Hurrel, 1994) Рассчитывается как средневзвешенное по (доступно на www.cgd. площади приземное атмосферное давление ucar.edu) _в пределах 30-65° N, 160о E — 140о W
PCI Индекс тихоокеанской циркуляции (зимний).
Рассчитывается по характеристикам атмосферной циркуляции над северной частью Тихого океана для периода с декабря по март как сумма отрицательных аномалий северозападного переноса. Чем выше индекс, тем сильнее юго-западный приток к побережью Канады (увеличение притока тепла) GLB.Ts + dSST Глобальная температурная аномалия. Рассчитывается по данным всех метеорологических станций Земли как отклонение от среднего за период с 1951 по 1980 г. плюс данные по температуре поверхности Мирового океана, рассчитанные Рейнольдсом (оптимальная интерполяция в узлы регулярной сетки)
N.HEMI Данные по среднемесячной аномалии приземной температуры ("С) в Северном полушарии Земли. Период для расчета среднего показателя индекса — 1901-2000 гг.
PDO Индекс декадного колебания аномалий тем- (Mantua et al., 1997;
пературы поверхности воды в северной Zhang et al., 1997) части Тихого океана (до 20" с.ш.) (доступно на www.
atmos.washington.edu)
LOD Индекс продолжительности дня. Характери- (Beamish et al., 1999)
зует изменение скорости вращения Земли. (доступно на www.pac. Рассчитывается как разница между астро- dfo-mpo.gc.ca) номической продолжительностью суток и показаниями атомных часов (в миллисекундах)
Sun Spot Характеризуют солнечную активность, ин- (доступно на www.sidc. тенсивность электромагнитного излучения oma.be) и «солнечного ветра». Оценивают визуальным определением количества пятен (зон _высокой температуры) на Солнце_
Статистическую обработку (анализ временных рядов, корреляционный и регрессионный анализы) производили с помощью программы Statistica 6 (Боровиков, 2001; Халафян, 2008). Мы специально использовали только данные фактических уловов без логарифмирования, выделения аномальности и значительного осреднения. Последнее было выполнено на щадящем уровне 2-точечного скользящего среднего, что позволило полностью сохранить общую динамику рядов.
Результаты и их обсуждение
Непосредственно перед проведением анализа временных рядов, которые были использованы в работе, необходимо сравнить динамику российских (советских) и японских уловов горбуши и кеты в 1925-2010 гг. (рис. 1). На графиках показаны данные промыслового изъятия обоих видов всеми типами коммерческого лова. Как известно, всего существует три базовых способа добычи тихоокеанс-
(King et al., 1998) (доступно на www.npafc. org)
(Peterson, Vose, 1997; Quayle et al., 1999; Smith, Reynolds, 2004, 2005; Smith et al., 2008) (доступно на www.ncdc. noaa.gov)
ких лососей: 1) речной; 2) прибрежный; 3) дрифтерный. Во всех случаях, как правило, используются разные орудия лова. При этом в разные исторические периоды доминировал тот или иной тип промысла.
Рис. 1. Динамика речных, прибрежных и дрифтерных уловов горбуши и кеты России и Японии по данным 1925-2010 гг.
Fig. 1. Dynamics of the pink and chum salmons catches in the rivers, near shore and by drift-nets obtained by Russian and Japanese fishermen in 1925-2010
Применительно к нашей ситуации следует отметить, что в России (СССР) традиционно лососей в основном ловили на речных (ставные жаберные сети) и прибрежных (ставные невода) рыбалках. В Японии, кроме этих видов лова, значительное распространение получил дрифтерный промысел, в котором также использовали жаберные сети, но многокилометровой длины, что позволяло значительно расширить площадь облавливаемой акватории.
На рис. 1 видно, что динамику промысла условно можно разделить на три этапа: 1-й — 1920-1940-е гг. (подъем численности); 2-й этап — 1950-1980-е гг. (спад численности); 3-й этап — 1990-2000-е гг. (подъем численности). На первом этапе добыча горбуши и кеты японцами была значительно выше, чем в СССР. В это время основной промысел Японии был сосредоточен в прибрежных
районах Курильских островов, Сахалина и Камчатки. Мы здесь не акцентируем внимание на активизации советского промысла в период Второй мировой войны и послевоенные годы, поскольку промысловая деятельность японских рыбаков в этот период была затруднена политической обстановкой в этом регионе. На втором этапе по мере развития широкомасштабного японского дрифтерного промысла судами-матками в открытых водах Берингова моря и северной части Тихого океана заметно увеличение уровня добычи горбуши и кеты Японией. На третьем этапе, после введения в 1977 г. закона об 200-мильных экономических зонах, японский дрифтерный промысел пошел на спад.
Именно в этот период начали заметно возрастать уловы горбуши и кеты СССР при ведении прибрежного и речного промысла. Безусловно, значительную роль в этом сыграло ограничение дрифтерного лова Японии в приалеутском районе Северной Пацифики. Приблизительно в одно время с введением санкций по дрифтерному промыслу японские специалисты начали масштабные работы по созданию заводов для искусственного разведения и выпуска молоди тихоокеанских лососей на Хоккайдо и Хонсю. Основным объектом рыбоводства стала кета. На рис. 1 четко виден резкий рост японских уловов кеты с конца 1980-х и до начала 2000-х гг. Но реально нельзя подобное увеличение численности японской кеты объяснить только эффективностью рыбоводных заводов. В период 19812008 гг. японские специалисты ежегодно стабильно выпускали практически одинаковое количество молоди кеты, которое соответствовало приблизительно 2 млрд экз. (Irvine et al., 2009). При этом продуктивность заводской кеты в 19902000-е гг. возросла более чем в 2 раза по сравнению с 1980-ми гг. В эти же периоды аналогичный уровень роста уловов заметен и у нативных стад горбуши и кеты в России. Дополнительно отметим, что увеличение российских уловов в 1990-2000-е гг. происходило на фоне масштабного неучтенного браконьерского промысла (Запорожец и др., 2008). Таким образом, реальный уровень численности дальневосточных лососей в этот период был еще выше, чем официальный.
По нашему мнению, нельзя однозначно трактовать тенденции последних десятилетий сокращением дрифтерного промысла, усилением коммерческого интереса рыбодобывающих компаний к тихоокеанским лососям или возрастающим влиянием их искусственного производства. Понятно, что в данной ситуации решающую роль могли сыграть только улучшения условий океанического нагула и соответственно повышение уровня выживаемости лососей в морской период жизни. Чем это вызвано, в настоящее время объяснить достаточно затруднительно. Понятно, что разгадка может базироваться только на экосистемном уровне взаимоотношения гидробионтов и внешней среды (Шунтов, 2010). Но на настоящем этапе исследований пока однозначного ответа на этот вопрос нет.
На рис. 2 показана динамика общих азиатских уловов горбуши и кеты в 1925-2010 гг.: тренды распределения уловов обоих видов достаточно близки друг другу, но у горбуши колебания численности в начале и конце ряда наблюдений выражены более заметно. Подчеркнем, что этот вид практически на 100 % представлен только стадами Дальнего Востока России, поскольку уровень запасов японской горбуши, как нативных стад, так и заводских, незначителен. В случае с кетой картина несколько иная. Наиболее значимый подъем ее численности в 19902000-х гг. приблизительно на 70 % обеспечен японскими заводскими стадами.
Анализируя временные ряды уловов, мы можем отметить характерную пилообразную кривую у горбуши, которая вызвана двухгодичной периодикой ее жизненного цикла по линии четных и нечетных лет. У кеты, разумеется, подобной цикличности не наблюдается. Нам необходимо определить однородность и устойчивость используемых временных рядов. Первое предполагает отсутствие сильных изломов тенденций, а второе — преобладание закономерности над случайностью в изменении уровней рядов. Для нахождения подобного рода перио-дичностей мы использовали спектральный анализ Фурье (рис. 3).
Рис. 2. Динамика речных, прибрежных и дрифтерных уловов азиатских стад горбуши и кеты по данным 1925-2010 гг.
Fig. 2. Dynamics of the pink and chum salmons catches in the rivers, near shore and by drift-nets in 1925-2010
На рис. 3 показаны периодограммы временных рядов с циклическими компонентами, разложенными на несколько синусоидальных функций с определенной длиной волн. В результате мы наблюдаем несколько повторяющихся циклов во временных сериях горбуши и кеты. Узкие высокие пики на графиках свидетельствуют о наличии регулярных циклов, а низкие и более широкие пики указывают на менее устойчивые циклы. Но в целом графики служат математическим подтверждением присутствия в рядах трендов с переменными периодами, что дает возможность использования данных временных рядов с целью анализа их динамики. При этом, как и ожидалось, у горбуши цикличность на всех уровнях более выражена, чем у кеты. У последней ряд имеет более монотонный и стабильный характер.
Наличие хорошо выделяемых трендов свидетельствует о нестационарности анализируемых рядов. Данный показатель очень важен, поскольку нам необходимо оценить зависимости циклических колебаний рядов численности и климатических индексов. В нашем случае нестационарность заложена природой анализируемых тенденций. Но насколько четко выражена эта закономерность, можно проследить с помощью выборочной автокорреляционной функции (рис. 4).
На рис. 4 видно, что в обоих случаях автокорреляции имеют свои характерные черты. У горбуши наблюдаются два достаточно стабильных разнонаправленных ряда с немонотонными тенденциями затухания и возрастания. Понятно, что это обусловлено динамикой численности этого вида по линии четных и нечетных лет. В последнем случае влияние на общий тренд более заметно, так как в нечетные годы флюктуации уловов более высоки. Отдельные незначительные выбросы лагов (1, 3, 28, 30) в ту или иную сторону не имеют большого значения, поскольку связаны с нарушением хода четных и нечетных линий в отдельные годы. У кеты наблюдается совершенно четкая тенденция практически монотонного затухания с 1 по 25-й лаг. Отрицательная направленность функции на 26-й лаге свидетельствует об изменении уровня численности после заметного пика. Подобная смена знака называется осцилляцией автокорреляционной функции.
Таким образом, можно констатировать нестационарность обоих рядов. Но в случае с горбушей двойственная динамика автокорреляционной функции может значительно снизить уровень точности корреляционных оценок при сопоставле-
Горбуша
N = 86
Частота
Кета
N = 86
Частота
Рис. 3. Периодограмма одномерного спектрального анализа Фурье по данным временной серии уловов горбуши и кеты (1925-2010 гг.)
Fig. 3. Periodogram of one-dimensional spectral Fourier analysis of the time series for pink and chum salmons catches in 1925-2010
нии ее уловов с климатическими индексами. Акцентируем внимание на том факте, что двухлетний жизненный цикл горбуши никак не может вписываться в динамику изменчивости климатических факторов, из-за чего исследуемые показатели будут несопоставимы. Понятно, что на уровне многолетних тенденций речь о каких-либо зависимостях может идти только по функционально осреднен-ным показателям. Для этого мы провели анализ автокорреляций наших временных рядов с применением 2-точечного скользящего среднего (рис. 5 и 6).
Горбуша
Lag Corr. S.E.
1 + , 119 ,1060
2 + , 595 ,1054
3 + , 033 ,1047
4 + , 467 ,1041
5 - , 063 ,1035
6 + , 288 ,1028
7 - , 063 ,1022
8 + ,251 ,1015
9 -,022 ,1009
10 + ,162 ,1002
11 -,055 , 0995
12 + ,150 , 0989
13 -,102 , 0982
14 + ,158 , 0975
15 -,043 , 0969
16 + ,169 , 0962
17 -,099 , 0955
18 + ,192 , 0948
19 -,130 , 0941
20 + ,092 , 0934
21 -,144 , 0927
22 + ,037 , 0920
23 -,158 ,0912
24 + ,005 , 0905
25 -,176 , 0898
26 + ,001 , 0890
27 -,220 , 0883
28 -,039 , 0875
29 -,222 , 0868
30 -,028 , 0860
0
Lag Corr. S.E.
1 + ,876 ,1060
2 + ,786 ,1054
3 + ,715 ,1047
4 + ,670 ,1041
5 + ,636 ,1035
6 + ,602 ,1028
7 + ,555 ,1022
8 + ,516 ,1015
9 + ,467 ,1009
10 + ,435 ,1002
11 + ,408 , 0995
12 + ,392 , 0989
13 + ,373 , 0982
14 + ,348 , 0975
15 + ,315 , 0969
16 + ,283 , 0962
17 + ,249 , 0955
18 + ,226 , 0948
19 + ,237 , 0941
20 + ,205 , 0934
21 + ,136 , 0927
22 + ,086 , 0920
23 + ,047 ,0912
24 + ,032 , 0905
25 + ,002 , 0898
26 -,052 , 0890
27 -,075 , 0883
28 -,104 , 0875
29 -,119 , 0868
30 -,130 , 0860
0
Кета
1, 26 , 2608
33, 20 , 0000
33, 30 , 0000
53, 42 , 0000
53, 79 , 0000
61, 66 , 0000
62, 04 , 0000
68, 18 , 0000
68, 22 , 0000
70, 83 , 0000
71, 13 , 0000
73, 42 , 0000
74, 51 , 0000
77, 14 , 0000
77, 34 , 0000
80, 43 , 0000
81, 49 , 0000
85, 58 , 0000
87, 49 , 0000
88, 45 , 0000
90, 86 , 0000
91, 02 , 0000
94, 04 , 0000
94, 04 , 0000
97, 90 , 0000
97, 90 , 0000
104 ,1 , 0000
104 ,3 , 0000
110 ,9 , 0000
111 ,0 , 0000
-1,0
Q p
68, 25 , 0000
124 ,0 0 000
170 ,5 0 000
212 ,0 0 000
249 ,8 0 000
284 ,0 0 000
313 ,6 0 000
339 ,4 0 000
360 ,8 0 000
379 ,7 0 000
396 ,4 0 000
412 ,2 0 000
426 ,6 0 000
439 ,3 0 000
449 ,9 0 000
458 ,5 0 000
465 ,3 0 000
471 ,0 0 000
477 ,4 0 000
482 ,2 0 000
484 ,4 0 000
485 ,3 0 000
485 ,5 0 000
485 ,6 0 000
485 ,6 0 000
486 ,0 0 000
486 ,7 0 000
488 ,1 0 000
490 ,0 0 000
492 ,3 0 000
0
Conf. Limit
---Conf. Limit
Рис. 4. Автокорреляционная функция временных рядов уловов азиатских стад горбуши и кеты по данным 1925-2010 гг. Здесь и далее: Lag — лаг; Corr. — корреляция; S.E. — стандартная ошибка; Q — белый шум; p — доверительная вероятность
Fig. 4. Autocorrelation function of the time series for pink and chum salmons catches in 1925-2010 (Lag — lag; Corr. — correlation; S.E. — standard error; Q — white-noise estimates; p — confidence probability)
Данный подход позволил отфильтровать низко- и высокочастотные составляющие рассматриваемых временных рядов, что привело к их сглаживанию без потери общей динамики хода. На рис. 5 и 6 видно, что автокорреляционная функция у горбуши приобрела форму синусоидальной волны. Затухающий ряд
=
s
si о ч 3 а
250
200
150
100
50
250
200
150
100
50
0
-5 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90
Число наблюдений
Lag Corr. S.E.
1 + 843 , 1072
2 + 659 , 1065
3 + 529 , 1059
4 + 406 , 1052
5 + 299 , 1046
6 + 233 , 1039
7 + 208 , 1032
8 + 199 , 1026
9 + 171 , 1019
10 + 119 , 1012
11 + 066 , 1005
12 + 030 , 0998
13 + 042 , 0991
14 + 089 , 0984
15 + 110 , 0977
16 + 100 , 0970
17 + 098 , 0963
18 + 073 , 0956
19 + 005 , 0949
20 - 056 , 0941
21 - 092 , 0934
22 - 113 , 0926
23 - 129 ,0919
24 - 150 ,0911
25 - 172 , 0904
26 - 202 , 0896
27 - 234 , 0888
28 - 250 , 0880
29 - 253 , 0873
30 - 247 , 0865
--------- ________ 1» |f 1» , 1 ■ ! I ■ I 1 ■
L Г
С Г Я '
L п
!
с 1 i
i 1
1 ! ■
с 1
и с 1 " ...1.........Л................
L П 1 -
¡С 1 "1...... "
1......... 1 . 1 1 -
• I 1 "l '
—
Q p
61, i 9 , 0000
100 1 0 000
125 1 0 000
140 0 0 000
148 2 0 000
153 2 0 000
157 3 0 000
161 0 0 000
163 8 0 000
165 2 0 000
165 6 0 000
165 7 0 000
165 9 0 000
166 7 0 000
168 0 0 000
169 1 0 000
170 1 0 000
170 7 0 000
170 7 0 000
171 0 0 000
172 0 0 000
173 5 0 000
175 5 0 000
178 2 0 000
181 8 0 000
186 9 0 000
193 9 0 000
201 9 0 000
210 3 0 000
218 5 0 000
Conf. Limit
-1,0
-0,5
0,0
0,5
1,0
Рис. 5. График 2-точечного скользящего среднего (А) и осредненная автокорреляционная функция (Б) временного ряда уловов горбуши по данным 1925-2010 гг.
Fig. 5. Pink salmon catch changes in 1925-2010 smoothed by 2-points moving average (А) and averaged autocorrelation function (Б) (Lag — lag; Corr. — correlation; S.E. — standard error; Q — white-noise estimates; p — confidence probability)
меняет знак на 20-й лаге. Подобный нестационарный ряд вполне подходит для дальнейшего анализа, поскольку исключается биологическая периодичность колебаний численности горбуши в четные и нечетные годы. У кеты ситуация в обоих случаях остается стабильной, что также благоприятно для дальнейшего корреляционного анализа.
А
Число наблюдений
б
Lag Corr
1 + , 936
2 + , 852
3 + , 776
4 + , 721
5 + , 678
6 + , 632
7 + , 584
8 + , 541
9 + , 504
10 + , 477
11 + , 454
12 + , 422
13 + , 380
14 + , 336
15 + , 301
16 + , 272
17 + , 249
18 + , 235
19 + , 209
20 + , 164
21 + , 114
22 + , 067
23 + , 029
24 - , 005
25 - , 043
26 - , 079
27 - , 111
28 - , 135
29 - , 144
30 - , 148
Р
, 0000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
0 000
Conf. Limit
S.E.
1072 1065 1059 1052 1046 1039 1032 1026 1019 1012 1005 0998 0991 0984 0977 0970 0963 0956 0949 0941 0934 0926 0919 0911 0904 0896 0888 0880 0873 0865 0
Q
76 29
140 2
194 0
240 9
282 9
319 9
352 0
379 8
404 3
426 5
446 9
464 7
479 4
491 1
500 5
508 4
515 1
521 1
526 0
529 0
530 5
531 0
531 1
531 1
531 4
532 1
533 7
536 1
538 8
541 7
Рис. 6. График 2-точечного скользящего среднего (А) и осредненная автокорреляционная функция (Б) временного ряда уловов кеты по данным 1925-2010 гг.
Fig. 6. Chum salmon catch changes in 1925-2010 smoothed by 2-points moving average (А) and averaged autocorrelation function (Б) (Lag — lag; Corr. — correlation; S.E. — standard error; Q — white-noise estimates; p — confidence probability)
На рис. 7 показана многолетняя динамика изменчивости использованных в работе климатических индексов. В задачи настоящей работы не входит описание данных факторов, поскольку этим вопросам посвящено достаточно большое количество серьезных специализированных исследований. Отметим лишь, что многолетняя динамика климатических индексов во многих случаях имеет весьма
1925 1935 1945 1955 1965 1975 1985 1995 2005 Год
Рис. 7. Многолетняя динамика изменчивости некоторых климатических индексов по данным 1925-2010 гг.
Fig. 7. Long-term dynamics of certain climatic indices in 1925-2010
характерные черты на уровне трендов и цикличности. Насколько согласуются друг с другом их динамические ряды, мы оценили с помощью корреляционного анализа (табл. 2).
Из представленной корреляционной матрицы видно, что часть климатических индексов имеет достаточно высокий уровень взаимосвязи, как положительной, так и отрицательной. Наиболее значимы коэффициенты корреляции между парами AFI—ALPI (К = 0,89), AFI—PDO (К = 0,84), ALPI—PDO (К = 0,68) и GLB.Ts + dSST—^НЕМ1 (К = 0,91). В принципе, это в достаточной степени закономерно, учитывая, насколько могут быть зависимы такие климатообразую-
Таблица 2
Корреляционная матрица взаимосвязи климатических индексов (по 2-точечному скользящему среднему, N1 = 84, p < 0,001)
Table 2
Correlation matrix of climatic indices smoothed by 2-points moving average
(N = 84, p < 0.001)
№ Индекс 1 2 3 4 5 6 7 8 9
1 AFI 1,00
2 ALPI 0,89 1,00
3 NP -0,62 -0,66 1,00
4 PCI -0,03 -0,08 -0,11 1,00
5 GLB.Ts + dSST 0,31 0,34 -0,12 -0,35 1,00
6 N.HEMI 0,45 0,40 -0,14 -0,15 0,91 1,00
7 PDO 0,84 0,68 -0,58 -0,12 0,23 0,21 1,00
8 LOD -0,30 -0,14 0,13 -0,61 -0,02 -0,24 -0,18 1,00
9 Sun Spot -0,12 -0,11 0,14 -0,03 -0,04 -0,11 -0,05 0,12 1,00
щие факторы, как атмосферное давление, температуры воздуха и воды, особенно на уровне многолетних аномальных явлений. Дополнительно отметим, что из общего корреляционного ряда наиболее сильно выпадают следующие индексы: Sun Spot, LOD, PCI. Вероятно, их роль в формировании общего климатического фона более опосредованна.
Дальнейший корреляционный анализ проводили уже непосредственно сопоставлением временных рядов уловов азиатской горбуши и кеты с представленными климатическими индексами (табл. 3). Достаточно значимую прямую зависимость дали только два фактора — GLB.Ts + dSST и N.HEMI. При этом уровень коэффициентов корреляции по данным предикторам у кеты заметно выше, чем у горбуши, и составлял соответственно R = 0,82-0,89 и R = 0,54-0,64. Суммарные показатели по двум видам также были весьма высоки — R = 0,740,78. В остальных случаях наиболее значимые коэффициенты корреляции составляли около R = ±0,3. Подчеркнем, что, учитывая продолжительность используемых временных рядов с 1925 по 2010 г., все полученные оценки являются достоверными.
Таблица 3
Значения коэффициентов корреляции Пирсона, полученные при сопоставлении рядов уловов массовых видов азиатских лососей с некоторыми климатическими индексами (по 2-точечному скользящему среднему, Nt яа = 84, p < 0,001)
Table 3
Pirson correlation coefficients between the catches of pink and chum salmons and certain climatic indices (all time series are smoothed by 2-points moving average, _N = 84, p < 0.001)_
Индекс Горбуша Кета Горбуша + кета
AFI 0,30 0,28 0,33
ALPI 0,18 0,25 0,23
NP -0,18 0,03 -0,12
PCI 0,17 -0,38 -0,03
GLB.Ts + dSST 0,54 0,89 0,74
N.HEMI 0,64 0,82 0,78
PDO 0,21 0,30 0,27
LOD -0,41 -0,06 -0,32
Sun Spot -0,19 -0,13 -0,19
На рис. 8 и 9 показано двухмерное графическое изображение выявленных наиболее значимых зависимостей между суммарными уловами горбуши и кеты с глобальными температурными аномалиями воздуха и воды (GLB.Ts + dSST и ^НЕМ1). На полиномиальных трендах и графиках рассеяния совершенно четко прослеживается сходная динамика изменчивости уловов и данных индексов.
Рис. 8. Двухмерные графики (2-точечное скользящее среднее) зависимости изменчивости уловов массовых видов азиатских лососей (горбуша + кета) под воздействием глобальной температурной аномалии воздуха и воды (GLB.Ts + dSST) по данным 19252010 гг.
Fig. 8. Relationship between summary catch of pink and chum salmons and the indices of global air temperature and SST (GLB.Ts + dSST) for 1925-2010. Both time series are smoothed by 2-points moving average
Разумеется, подобное сходство обоих вариантов в первую очередь обусловлено родственной природой этих климатических критериев. Как указывалось выше, коэффициент корреляции (R) этой пары индексов составил 0,91. Поэтому в аналитическом аспекте использование GLB.Ts + dSST или N.HEMI может быть ограничено одним из них. Тем не менее мы рассмотрели и вариант двухфактор-ной зависимости численности горбуши и кеты от комплексного воздействия обоих этих индексов (рис. 10). В данном случае множественный коэффициент корреляции составил R = 0,78. Можно резюмировать, что динамика численности азиатской горбуши и кеты имеет взаимосвязь с аномальными процессами, происходящими с температурой воздуха и воды в Северном полушарии Земли на уровне многолетних трендов.
Тем не менее нам хотелось бы оценить возможность опосредованного воздействия более широкого комплекса климатических факторов. Из данных табл. 2 видно, что индексы AFI, ALPI и PDO коррелируют друг с другом на достаточно высоком уровне. При этом прямая связь между парами AFI—ALPI и GLB.Ts+dSST— N.HEMI также имеется на относительно слабом уровне, R = 0,31-0,45. Прямая корреляция между суммарными уловами (горбуша + кета) и тремя индексами
Рис. 9. Двухмерные графики (2-точечное скользящее среднее) зависимости изменчивости уловов массовых видов азиатских лососей (горбуша + кета) под воздействием среднемесячной аномалии приземной температуры в Северном полушарии Земли (N.HEMI) по данным 1925-2010 гг.
Fig. 9. Relationship between summary catch of pink and chum salmons and the indices of air temperature over the Northern Hemisphere (N.HEMI) for 1925-2010. Both time series are smoothed by 2-points moving average
(AFI, ALPI и PDO) варьирует в пределах R = 0,23-0,33. Понятно, что говорить тут о каких-либо зависимостях можно только с большой натяжкой.
Однако в литературе имеются данные о высокой взаимосвязи (R2 = 0,868) численности трех массовых видов лососей (горбуша + кета + нерка) в Северной Пацифи-ке с индексом относительной интенсивности Алеутской депрессии (ALPI) (Kaeriyama et al., 2009). Мы не получили столь заметной зависимости в нашем случае. Вероятно, это произошло из-за ограничения наших численных трендов как в видовом плане, так и в региональном. Кроме того, по индексу тихоокеанской декадной осцилляции (PDO) на определенных временных этапах специалистами ВНИРО (г. Москва) были получены связи на уровне аномалий российских прибрежных и речных уловов тихоокеанских лососей (R = 0,42-0,97) (Кровнин и др., 2010). Различные варианты влияния температуры поверхности океана (SST) на уровень уловов дальневосточных лососей также отражены в работах ряда московских специалистов (Котенев и др., 2010; Кровнин и др., 2010). Исходя их данных предпосылок, а также учитывая, что воздействие среды может быть комплексным, мы решили провести анализ множественной регрессии. В качестве предикторов были использованы пять климатических индексов: AFI, ALPI, GLB.Ts + dSST, N.HEMI, PDO (табл. 4).
Диаграмма рассеяния
R(z/xy) - 0,78, p < 0,001 (N - 84)
Диаграмма поверхности
Z = 127,7609+93,7581*x+0,3422*y
I I 140
I I 100
Рис. 10. Трехмерные диаграммы (2-точечное скользящее среднее) зависимости изменчивости уловов массовых видов азиатских лососей (горбуша + кета) под воздействием температурных аномалий воздуха и воды (GLB.Ts + dSST, N.HEMI) по данным 1925-2010 гг.
Fig. 10. Three-dimensional relationship between summary catch of pink and chum salmons and the indices of air temperature and SST for the whole globe (GLB.Ts + dSST) and Northern Hemisphere (N.HEMI) for 1925-2010. All time series are smoothed by 2-points moving average
Полученные результаты показали, что во всех трех вариантах была отмечена взаимосвязь динамики численности азиатской горбуши и кеты с данным комплексом климатических факторов. Как и в предыдущих случаях, наиболее высокая корреляция отмечена у кеты — R = 0,88. У горбуши этот показатель составлял R = 0,61. В принципе, с математической точки зрения основными элементами, задающими вектор нагрузки в данных регрессионных моделях, были именно два индекса (GLB.Ts + dSST и N.HEMI). Но, учитывая относительно высокий уровень полученных множественных коэффициентов корреляций, можно предположить, что индексы AFI, ALPI и PDO, по крайней мере, не выпадали из модели.
Таблица 4
Множественная регрессия зависимости уловов горбуши и кеты с выборочными климатическими индексами (по 2-точечному скользящему среднему,
N. = 84, df = 5,72, р < 0,001)
1 ряда ' ' ' г '
Multiple correlation between the catches of pink and chum salmons and sets of climatic indices (all time series are smoothed by 2-points moving average, _N = 84, df = 5.72, p < 0.001)_
Зависимая переменная (величина уловов) Предиктор R b0 Beta S.E. F
Горбуша AFI ALPI GLB.Ts + dSST N.HEMI PDO 0,61 96,66 -0,30 -0,19 -0,46 0,92 0,58 24,63 8,40
Кета AFI ALPI GLB.Ts + dSST N.HEMI PDO 0,88 34,45 -0,24 -0,17 0,59 0,30 0,42 8,35 51,23
Горбуша + кета AFI ALPI GLB.Ts + dSST N.HEMI PDO 0,77 131,11 -0,32 -0,21 -0,09 0,80 0,61 26,96 20,85
Примечание. R — коэффициент множественной корреляции; b0 — оценка свободного члена регрессии; Beta — стандартизированные регрессионные коэффициенты; S.E. — стандартная ошибка оценки; F — значения F-критерия; df — число степеней свободы; p — уровень значимости.
Попытки объяснения механизмов влияния климатических факторов на численность азиатской горбуши и кеты в рамках настоящей работы не предусмотрены. По большому счету это пока сделать не удастся. Но мы хотели привести некоторые соображения, которые напрашиваются при анализе влияния абиотических факторов на биотические. Понятно, что воздействие первых на вторые возможно только в процессе формирования продукционных показателей последних. В данном случае наблюдается опосредованное воздействие климата на условия нагула тихоокеанских лососей в морской период жизни. Учитывая разницу в продолжительности нагульных миграций отдельных видов лососей, можно предположить, что и влияние климатических факторов на этом этапе их жизненного цикла будет различаться при формировании разных поколений производителей. Поэтому воздействие факторов среды лучше оценивать непосредственно на уровне поколений.
Мы полностью разделяем данную позицию. Но тут все зависит от задач подобного моделирования. Если это связано с практическим прогнозированием численности лососей, то это условие необходимо выполнять. Соответственно если целью исследований является общий анализ климатических и продукционных трендов на многолетнем уровне, то и подход может отличаться. В обоих случаях следует учесть тот факт, что любые климатические изменения никогда не происходят быстро, тем более во временных рамках жизненного цикла одного поколения лососей. Поэтому, когда речь идет о многолетних трендах, грань между продукционными показателями конкретных поколений и общей динамикой численности вида нивелируется. Это в значительной степени снижает возможность использования глобальных климатических факторов как предикторов при создании прикладных прогностических моделей в рыбохозяйственных целях. По сути, полезная информация при проведении подобных работ может отражаться
только в долгосрочных ориентировочных прогнозах на уровне тенденций с забла-говременностью в несколько десятилетий.
Заключение
В результате проведенной работы в тестовом режиме оценена возможность влияния некоторых климатических факторов на численность азиатских стад горбуши и кеты. Наиболее высокая корреляционная связь между уловами азиатских лососей (горбуша + кета) и климатическими факторами была отмечена с индексами глобальных температурных аномалий воздуха и поверхности воды (GLB.Ts + dSST и N.HEMI). Зависимость имела стабильный характер как для горбуши, так и для кеты. При этом уровень коэффициентов корреляции по данным предикторам у кеты заметно выше, чем у горбуши, и составлял соответственно R = 0,82-0,89 и R = 0,54-0,64. Суммарные показатели по двум видам также были весьма высоки — R = 0,74-0,78. В остальных случаях наиболее значимые коэффициенты корреляции составляли около R = ±0,3. По сути, в большинстве случаев прямой взаимосвязи между динамикой уловов азиатских стад горбуши и кеты и климатическими индексами не наблюдалось.
Анализ множественной регрессии показал комплексный характер опосредованного воздействия нескольких климатических факторов (AFI, ALPI, GLB.Ts + dSST, N.HEMI, PDO) на динамику уловов горбуши и кеты. Как и в предыдущих случаях, наиболее высокая корреляция отмечена у кеты — R = 0,88. У горбуши этот показатель составлял 0,61. Для обоих видов коэффициент множественной корреляции соответствовал 0,77.
Полученные данные могут быть использованы для уточнения и развития дальнейших исследований по воздействию климатических факторов на численность массовых видов тихоокеанских лососей. По нашему мнению, реальный прогресс в этом вопросе возможен при проведении более глубокого анализа взаимодействия климата и гидробионтов на уровне многофакторных условий экосистем Берингова моря и северной части Тихого океана.
Список литературы
Боровиков В. STATISTICA: искусство анализа данных на компьютере. Для профессионалов : монография. — СПб. : Питер, 2001. — 656 с.
Горяинов A.A., Шатилина Т.А. Динамика уловов азиатской горбуши и макро-синоптические процессы над Северным полушарием в 20-м столетии // Вестн. ДВО РАН. — 2003. — № 1. — С. 20-31.
Горяинов A.A., Шатилина Т.А., Цициашвили Г.Ш. и др. Климатические причины снижения запасов амурских лососей в 20-м столетии // Дальневост. регион, рыб. хоз-во. — 2007. — № 1, 2. — С. 94-113.
Запорожец О.М., Шевляков Е.А., Запорожец Г.В. Динамика численности камчатских лососей с учетом их легального и нелегального изъятия // Изв. ТИНРО. — 2008. — Т. 153. — С. 109-133.
Кляшторин Л.Б., Любушин A.A. Циклические изменения климата и рыбопродуктивности : монография. — М. : ВНИРО, 2005. — 235 с.
Котенев Б.Н., Богданов M.A., Кровнин A.C., Мурый Г.П. Изменения климата и динамика вылова дальневосточных лососей // Вопр. промысл. океанол. — М. : ВНИРО, 2010. — Вып. 7, № 1. — С. 60-92.
Кровнин A.C., Кловач Н.В., Котенев Б.Н., Мурый Г.П. Связь уловов западно-камчатской горбуши и нерки с температурой поверхности океана в Северном полушарии и прогноз их вылова на 2010 г. // Рыб. хоз-во. — 2010. — № 3. — С. 43-46.
Уловы тихоокеанских лососей за 1900-1986 гг. — М. : ВНИРО, 1989. — 213 с.
Халафян A.A. STATISTICA 6. Статистический анализ данных : монография. 3-е изд. — М. : ООО "Бином-Пресс", 2008. — 512 с.
Шунтов В.П. Некоторые результаты экосистемного изучения биологических ресурсов дальневосточных морей в связи с задачами дальнейших исследований // Бюл. № 5 реализации "Концепции дальневосточной бассейновой программы изучения тихоокеанских лососей". — Владивосток : ТИНРО-центр, 2010. — С. 186-195.
Шунтов В.П., Свиридов В.В. Экосистемы Берингова моря на рубеже 20 и 21-го веков // Изв. ТИНРО. — 2005. — Т. 142. — С. 3-29.
Шунтов В.П., Темных О.С. Изученность экологии горбуши на разных этапах жизненного цикла в связи с прогнозированием уловов и управлением ее ресурсами и промыслом // Бюл. № 5 реализации "Концепции дальневосточной бассейновой программы изучения тихоокеанских лососей". — Владивосток : ТИНРО-центр, 2010. — С. 226-242.
Шунтов В.П., Темных О.С. Многолетняя динамика биоты макроэкосистем Берингова моря и факторы, ее обусловливающие. Сообщение 1. Ретроспективный анализ и обзор представлений о закономерностях в динамике популяций и сообществ Берингова моря // Изв. ТИНРО. — 2008а. — Т. 155. — С. 3-32.
Шунтов В.П., Темных О.С. Многолетняя динамика биоты макроэкосистем Берингова моря и факторы, ее обусловливающие. Сообщение 2. Современный статус пелагических и донных сообществ Берингова моря // Изв. ТИНРО. — 2008б. — Т. 155. — С. 33-65.
Beamish R.J. Impacts of climate and climate change on the key species in the fisheries in the North Pacific : PICES Sci. Rep. — 2008. — Vol. 35. — 218 p.
Beamish R.J., Neville C.E., Cass A.J. Production of Fraser River sockeye salmon (Oncorhynchus nerka) in relation to decadal-scale changes in the climate and the ocean // Can. J. Fish. Aquat. Sci. — 1997. — Vol. 54. — P. 543-554.
Beamish R.J., Noakes D., McFarlane G.A. et al. The regime concept and natural trends in the production of Pacific salmon // Can. J. Fish. Aquat. Sci. — 1999. — Vol. 56. — P. 516-526.
Irvine J.R., Fukuwaka M., Kaga T. et al. Pacific salmon status and abundance trends : NPAFC Doc. — 2009. — № 1199. — 153 p. (Available at www.npafc.org)
Ishida Y., Yamada A., Adachi H. et al. Salmon distribution in northern Japan during the Jomon Period, 2,000-8,000 years ago, and its implications for future global warming // NPAFC Bull. — 2009. — № 5. — P. 287-292.
Kaeriyama M., Seo H., and Kudo H. Trends in run size and carrying capacity of Pacific salmon in the North Pacific Ocean // NPAFC Bull. — 2009. — № 5. — P. 293-302.
King J.R., Ivanov V.V., Kurashov V. et al. General circulation of the atmosphere over the North Pacific and its relationship to the Aleutian Low : NPAFC Doc. — 1998. — № 318. — 18 p. (Available at www.npafc.org)
Klyashtorin L.B. Climate change and long-term fluctuations of commercial catches: the possibility of forecasting : FAO Fish. Tech. Paper. — 2001. — № 410. — 86 p.
Mantua N.J., Hare S.R., Zhang Y. et al. A Pacific interdecadal climate oscillation with impacts on salmon production // Bull. Am. Meteorol. Soc. — 1997. — Vol. 78. — P. 1069-1079.
McFarlane G.A., King J.R., Beamish R.J. Have there been recent changes in climate? // Prog. Oceangr. — 2000. — Vol. 47. — P. 147-169.
Peterson T.C., Vose R.S. An Overview of the Global Historical Climatology Network Temperature Database // Bull. Am. Meteorol. Soc. — 1997. — Vol. 78. — P. 2837-2849.
Quayle R.G., Peterson T.S., Basist A.N., Godfrey C.S. An operational near-real-time global temperature index. Geophys // Res. Lett. — 1999. — Vol. 26, № 3. — P. 333-335.
Ruggerone G.T., Nielsen J.L., Agler B.A. Climate, growth and population dynamics of Yukon River Chinook salmon // NPAFC Bull. — 2009. — № 5. — P. 279-285.
Shuntov V.P., Temnykh O.S. Current status and tendencies in the dynamics of biota of the Bering Sea macroecosystem // NPAFC Bull. — 2009. — № 5. — P. 321-331.
Smith T.M., Reynolds R.W. A global merged land air and sea surface temperature reconstruction based on historical observations (1880-1997) // J. Climate. — 2005. — № 18. — P. 2021-2036.
Smith T.M., Reynolds R.W. Improved extended reconstruction of SST (18541997) // J. Climate. — 2004. — № 17. — P. 2466-2477.
Smith T.M., Reynolds R.W., Peterson T.C., Lawrimore J. Improvements to NOAA's Historical Merged Land-Ocean Surface Temperature Analysis (1880-2006) // J. Climate. — 2008. — № 21. — P. 2283-2293.
Trenberth K.E., Hurrel J.W. Decadal atmosphere-ocean variations in the Pacific // Climate Dynamics. — 1994. — № 9. — P. 303-319.
Zhang Y., Wallace J.M., Battisti D.S. ENSO-like interdecadal variability: 190093 // J. Climate. — 1997. — № 10. — P. 1004-1020.
Поступила в редакцию 25.03.11 г.
