AZOV SEA FISHES STOCK ASSESSMENT BY SWEPT AREA METHOD THROUGH BOOTSTRAP

Recently driven changes in habitat conditions in the Azov Sea make classic applications of swept area method inconsistent. Swept area stock assessment method modification for stock estimation of aquatic biological resources through nonparametric bootstrap is presented. New approach is tested against classic calculated results of swept area method for next fish species: Azov anchovy, tulka, turbot and Black-Azov sea shad according to data collected during 2022. Results comparison of classic and modified through bootstrap stock assessment methods leads no significant deviations in mean value estimation. Maximum difference between mean estimates of stock size was 3,75%. Confidential intervals width difference between reviewed methods, in general, was not significant. Most valuable difference in confidential intervals was detected in BCa approach against classic method with quantile approach (due to methodological features of BCa in bias correction procedure). The new stock assessment approach for swept area method though bootstrap permit to calculate statistically valid estimates, their confidential intervals and perform input data validation. The absence of significant differences in the results by the classical and proposed methods indicates the further applicable possibility of classic method even in normality violation in source samples. The normality requirements in methodology of classic approach, probably, is redundant.

1. Аксютина З.М. Элементы математической оценки результатов наблюдений в биологических и рыбохозяйственных исследованиях. Изд.: Пищевая промышленность, 1968. 288 с.

2. Александрова У.Н., Игнатенко А.С., Перевалов О.А. и др. Состояние сырьевой базы в Азово-Черноморском рыбохозяйственном бассейне в 2013 г. и её использование промыслом // Тр. ВНИРО. 2016. Т. 160. С. 12–25.

3. Бабаян В.К., Бобырев А.Е., Булгакова Т.И. и др. Методические рекомендации по оценке запасов приоритетных видов водных биологических ресурсов. Изд.: ВНИРО, 2018. 312 с.

4. Белоусов В.Н., Брагина Т.М., Бугаёв Л.А., Реков Ю.И. Рыбохозяйственные исследования России в Азово-Черноморском бассейне (к 90-летию ФГБНу «АзНИИРХ») // Водные биоресурсы и среда обитания. Т. 1. № 1. С. 11–31.

5. Богданов Р.А. Центральная предельная теорема и её положения // Сборник статей международного научно-исследовательского конкурса «Stars of science and education». 2023. С. 7–10.

6. Бойко Е.Г. Оценка запасов кубанского судака // Работы Доно-Кубанской науч. рыбохозяйственной ст. Ростов-на-Дону: Аз.-Черномор. кр. кн. изд-во. 1934. Вып. 1. 41 с.

7. Воловик С.П., Корпакова И.Г., Войнова Н.В. Методы рыбохозяйственных и природоохранных исследований в Азово-Черноморском бассейне // Краснодар. Изд-во: ФГуП «АзНИИРХ», 2005. 352 с.

8. Засосов А.В. Теоретические основы рыболовства. М.: Изд-во: Пищевая промышленность, 1970. 291 с.

9. Майский В.Н. Распределение молоди рыб в Азовском море и его значение для регулирования рыболовства, учёта урожая молоди и прогноза рыбной продукции // Тр. АзЧерНИРО. 1938. Вып. 11. С. 183–209.

10. Майский В.Н. Об оценках запасов азовской тюльки // Тр. ВНИРО. 1967. Вып. 5. С. 190–196.

11. Никольский Г.В. Теория динамики стада рыб как биологическая основа рациональной эксплуатации и воспроизводства рыбных ресурсов. М.: Изд-во: Наука, 1965. 383 с.

12. Никольский Г.В. Теория динамики стада рыб. М.: Изд-во: Пищ. промышленность, 1974. 447 с.

13. Поляков А.В. Программа для ЭВМ «MapDesigner». ВНИРО, 1995.

14. Поляков А.В. Программа для ЭВМ «Построение и анализ карт распределения запаса – КартМастер». ВНИРО, 2003–2008.

15. Стафикопуло А.М., Втюрина Н.В., Горбатюк Я.И. Показатели промысла судами различных типов в Азово-Черноморском бассейне в период 2017–2021 гг. // Водные биоресурсы и среда обитания. Т. 5. № 4. С. 105–119.

16. Столяренко Д.А., Иванов Б.Г. Метод сплайнаппроксимации плотности для оценки запасов по результатам траловых съёмок на примере креветки Pandalus borealis у Шпицбергена // Морские промысловые беспозвоночные. 1988. С. 45–70.

17. Суханов В.В. Расчёт промыслового запаса // Воп. ихтиологии. 2009. Т. 49. №. 6. С. 786–799.

18. Шитиков В.К., Розенберг Г.С. Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R. Тольяти, 2013. 313 с.

19. Шляхов В.А. Итоги многолетних рыбохозяйственных исследований ЮгНИРО по оценке запасов и параметров популяции рыб придонного комплекса в Чёрном и Азовском морях // Тр. ЮгНИРО. 1997. Т. 43. С. 48–59.

20. Шляхов В.А., Шляхова О.В., Пятинский М.М. и др. Методы оценки запасов водных биоресурсов, используемые в Азово-Черноморском рыбохозяйственном бассейне в 2019 г., и краткие результаты их применения // Вестник КГМТу. 2019. №. 4. С. 43–76.

21. Davison A.C., Hinkley D.V. Bootstrap Methods and Their Application. Cambridge University Press, 1997. 582 p.

22. DiCiccio T.J., Efron B. Bootstrap confidence intervals // Statistical science. 1996. V. 11. Issue 3. P. 189–228.

23. DiCiccio T.J., Romano J.P. A review of bootstrap confidence intervals // J. Royal Statistical Society: Series B (Methodological). 1988. V. 50. Issue 3. P. 338–354.

24. Efron B. Bootstrap Methods: Another Look at the Jackknife // Annals of Statistics. 1979. V. 7. Issue 1. P. 1–26.

25. Efron B., Tibshirani R.J. An introduction to the bootstrap // CRC press. 1994. P. 325–328.

26. Hesterberg T. Bootstrap // Wiley Interdisciplinary Reviews: Computational Statistics. 2011. V. 3. Issue 6. P. 497–526.

27. Lunneborg C.E. Data analysis by resampling: Concepts and applications. Duxburry Press, 1st edition, 2000. 568 p.