ANALISI DI SERIE TEMPORALI DI SBARCATO COMMERCIALE

Biol. Mar. Mediterr. (2008), 15 (1): 334-335
A. Ligas, P. Belcari, D. Bertolini, D. Micheli, B. Reale*, P. Sartor*
Dipartimento di Scienze dell’Uomo e dell’Ambiente, Università di Pisa, Via A. Volta, 6 - 56126 Pisa, Italia.
[email protected]
*Centro Interuniversitario di Biologia Marina ed Ecologia Applicata, Viale N. Sauro, 4 - 57128 Livorno, Italia.
ANALISI DI SERIE TEMPORALI DI SBARCATO COMMERCIALE
NEL MAR TIRRENO SETTENTRIONALE
ANALYSIS OF TIME SERIES OF COMMERCIAL LANDINGS
IN THE NORTHERN TYRRHENIAN SEA
Abstract – Time series of landings per unit effort of five demersal species (Merluccius merluccius,
Mullus barbatus, Eledone cirrhosa, Nephrops norvegicus, Parapenaeus longirostris) were analysed using
Min/Max Autocorrelation Factor Analysis (MAFA). The data come from the monitoring activity carried
out at the auction of Porto Santo Stefano (GR), from 1991 to 2006. The effects of some environmental
variables and fishing effort indices on the trends shown by the species were evaluated.
Key-words: time series, landing statistics, autocorrelation, Tyrrhenian Sea.
Introduzione - L’analisi dei dati di sbarcato commerciale fornisce stime di abbondanza relativa, di struttura demografica, di reclutamento delle risorse sfruttate dalla
pesca, sebbene tali stime siano influenzate dalla distribuzione spaziale dello sforzo di
pesca, dalla selettività degli attrezzi e dalle pratiche di scarto (Sartor et al., 2006).
Disporre di serie storiche di dati di sbarcato consente di analizzare la dinamica delle
popolazioni sfruttate (Zuur e Pierce, 2004) e di produrre previsioni sulla futura evoluzione degli stock (Abella et al., 2006). Nel presente lavoro è stata analizzata la serie
storica dei dati di sbarcato di Porto Santo Stefano (GR), il principale porto peschereccio nel Mar Tirreno Settentrionale; le dinamiche osservate sono state messe in relazione con parametri abiotici e con indici di attività e di capacità di pesca.
Materiali e metodi - Serie storiche di dati di sbarcato (kg/giorno/barca) sono state
ottenute attraverso il monitoraggio (3 osservazioni al mese) svolto presso il mercato
ittico di Porto Santo Stefano dal 1991 al 2006. Sono stati utilizzati i dati di cinque
specie demersali: Merluccius merluccius, Mullus barbatus, Eledone cirrhosa, Nephrops
norvegicus e Parapenaeus longirostris. Come indice di attività di pesca è stato scelto il
numero di giornate mensili effettuate dalla flottiglia a strascico, come indice di capacità la stazza lorda media per barca e per mese. Le serie storiche di valori medi mensili di temperatura superficiale del Mar Tirreno Settentrionale (°C) e di velocità del
vento (m s-1) sono state acquisite dagli archivi NASA e NOAA (http://podaac.jpl.nasa.
gov/index.html e http://www.pfeg.noaa.gov/). Le serie temporali sono state analizzate
attraverso la funzione di autocorrelazione per valutare la presenza di componenti stagionali. Tali componenti sono state, quindi, rimosse attraverso la funzione di decomposizione stagionale di Loess. Le serie temporali sono state quindi analizzate usando
la Min/Max Autocorrelation Factor Analysis (MAFA) (Solow, 1994) effettuata dal
programma Brodgar 2.5.1. Questa tecnica ha permesso di evidenziare la presenza di
tendenze comuni all’interno del set multiplo di dati costituito dalle serie temporali
delle cinque specie. Le cross-correlazioni tra le serie temporali, comprese quelle delle
variabili abiotiche e degli indici di sforzo di pesca, e le tendenze generali stimate con
MAFA sono state calcolate ed utilizzate per misurare la significatività delle relazioni
(Erzini et al., 2005).
Risultati e conclusioni - In Fig. 1 sono mostrati i due Assi principali di tendenza
estrapolati dal set di serie temporali. Al primo Asse, con evidente tendenza all’au-
Analisi di serie temporali di sbarcato commerciale nel Mar Tirreno settentrionale
335
mento, si correlano significativamente le serie temporali di triglia di fango, moscardino
e gambero rosa. Le serie di nasello e scampo si correlano al secondo Asse, caratterizzato da due ampie fluttuazioni. Il primo Asse è correlato negativamente con il numero
di giornate di pesca mensili e con il vento. Quindi, una riduzione di questi parametri
determina un aumento delle catture per unità di sforzo. La serie temporale relativa
alla stazza lorda si correla al secondo Asse. La temperatura superficiale non mostra
correlazioni significative. Dai risultati ottenuti si ricava che la riduzione dell’attività di
pesca, dovuta al consistente assottigliamento della flottiglia a strascico di Porto Santo
Stefano, ha determinato una ripresa delle catture di tre delle cinque specie considerate.
La riduzione dei fenomeni eolici registrata nel Mar Tirreno Settentrionale potrebbe
aver determinato una riduzione del movimento delle masse di acqua: la conseguente
persistenza dei nutrienti potrebbe aver favorito il reclutamento di alcune specie demersali (Bartolino et al., 2008).
Fig. 1 - Assi stimati attraverso MAFA.
MAFA axes.
Bibliografia
ABELLA A., RIA M., RUSTIGHI C., CECCHI E., SERENA F. (2006) – Time series analysis of
commercial landings of five species in the port of Viareggio. Biol. Mar. Mediterr., 13 (1): 19-29.
BARTOLINO V., COLLOCA F., SARTOR P., ARDIZZONE G.D. (2008) – Modelling recruitment
dynamics of hake, Merluccius merluccius, in the central Mediterranean in relation to key environmental variables. Fish. Res., (in stampa).
ERZINI K., INEJIH C.A.O., STOBBERUP K.A. (2005) – An application of two techniques for the
analysis of short, multivariate non-stationary time-series of Mauritanian trawl survey data. ICES
J. Mar. Sci., 62 (3): 353-359.
SARTOR P., ABELLA A., DE RANIERI S., LIGAS A., MANCUSI C., REALE B., RIA M. (2006) –
Comparison of time series of landings per unit effort regarding commercial species exploited by
two trawling fleets in Tuscany. Biol. Mar. Mediterr., 13 (1): 167-177.
SOLOW A.R. (1994) – Detecting changes in the composition of a multispecies community. Biometrics, 50: 556-565.
ZUUR A.F., PIERCE G.J. (2004) – Common trends in Northeast Atlantic squid time series. Journal
of Sea Research, 52: 57-72.