fa مروری بر روش‌های ارزیابی ذخایر ماهیان در اکوسیستم‌های طبیعی شیلات Fisheries گزارش مورد case report <span style="line-height:2;"><span style="font-family:yekanYW;">اصطلاح &laquo;ذخیره&raquo; (Stock) به گروهی از افراد یک گونه که در یک مکان و یک زمان معین کنار هم هستند، اشاره دارد که دارای نرخ رشد و مرگ و میر مشابهی هستند و واکنش‌های مستقلی نسبت به برداشت (صید) نشان می‌دهند. ارزیابی ذخایر شیلاتی برای مدیریت پایدار صیادی ضروری است و با ارتقاء برنامه‌های مدیریتی می‌تواند فرآیند تصمیم‌گیری صید را بهبود بخشد. انواع روش‌های ارزیابی ذخایر عبارتند از: 1) روش‌های مبتنی بر داده‌های محدود. 2) مدل‌های دینامیک زیست‌توده (تولید مازاد) مانند مدل شفر (Schaefer). 3) مدل‌های ساختار یافته سنی مانند آنالیز جمعیت مجازی (VPA) و مدل‌های آماری صید در سن. 4) مدل‌های یکپارچه و ساختار یافته طولی. 5) روش‌های بیزین و حالت فضایی (مکانی). انتخاب مدل نیز بر اساس در دسترس بودن داده‌ها، ویژگی‌های تاریخچه حیات گونه‌ها و سؤالات مدیریتی انجام می‌شود. منابع داده برای ارزیابی ذخایر ماهیان نیز مبتنی بر دو نوع داده اصلی است: 1) داده‌های وابسته به صید مانند داده‌هایی که در مورد وزن صید و گاهی اوقات توزیع سایز ارائه می‌شوند و 2) داده‌های مستقل از صید مانند DNA محیطی (eDNA). براساس بررسی‌های صورت گرفته جهت اینکه فرآیند ارزیابی ذخایر به سمت وضعیت عملیاتی و کاربردی سوق پیدا کند، باید تغییراتی در سه جنبه از این فرآیند ایجاد شود. اول، جریان‌های داده‌های کلیدی، خود باید عملیاتی‌تر و کاربردی شوند تا داده‌های مرتبط قابل اعتماد و فوراً در دسترس باشند. دوم، مدل‌های ارزیابی ذخایر باید توانایی بیشتری برای گنجاندن داده‌های مرتبط متنوع و محاسبه جامع سطوح عدم قطعیت داشته باشند. سوم، افزایش توان عملیاتی به‌روزرسانی‌های ارزیابی ذخایر، مستلزم ساده‌سازی فرآیند بازنگری گسترده است که در حال حاضر مورد نیاز است تا نتایج ارزیابی ذخایر بتواند به عنوان مبنای علمی برای مدیریت صید استفاده شود.</span></span> <span style="line-height:2;"><span style="font-size:14px;"><span style="font-family:Times New Roman;">The term &ldquo;stock&rdquo; refers to a group of individuals of the same species that coexist in a given place and time, have similar growth and mortality rates, and show independent responses to harvest. Fishery stock assessment is essential for sustainable fisheries management and can improve the fishing decisionmaking process by improving management plans. Types of stock assessment methods include: 1) Limited data-based methods (e.g.CPUE). 2) Biomass dynamics (surplus production) models. Such as the Schaefer model. 3) Age-structured models such as virtual population analysis (VPA) and statistical catch-at-age models. 4) Integrated and structured longitudinal models. 5) Bayesian and spatial mode methods. The choice of model is also based on data availability, species life history characteristics, and management questions. Data sources for fish stock assessments are also based on two main types of data: 1) catch-dependent data, such as data on catch weight and sometimes size distribution, and 2) catchindependent data, such as environmental DNA (eDNA). Based on the reviews, changes in three aspects of the process are needed to move the stock assessment process towards an operational and useful state. First, key data streams themselves need to be made more operational and useful so that relevant data are reliable and readily available. Second, stock assessment models need to be better able to incorporate diverse relevant data and comprehensively account for levels of uncertainty. Third, increasing the throughput of stock assessment updates requires streamlining the extensive review process currently required to ensure that stock assessment results can be used as a scientific basis for fisheries management.&nbsp;</span></span></span> ارزیابی ذخایر, صید پایدار, صید مبتنی بر طول, صید مبتنی بر وزن, آنالیز جمعیت مجازی. Stock assessment, sustainable fishing, length-based fishing, weight-based fishing, virtual population analysis. 10 20 http://jmb.ahvaz.iau.ir/browse.php?a_code=A-10-753-3&slc_lang=fa&sid=1 Nasrin Moradi نسرین مرادی 10031947532846007755 10031947532846007755 No Department of Fisheries, Faculty of Natural Resources, University College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran. گروه شیلات، دانشکده منابع طبیعی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. Hamed Shabanloo حامد شعبانلو shabanloo.hamed@ut.ac.ir 10031947532846007756 10031947532846007756 Yes Department of Fisheries, Faculty of Natural Resources, University College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran. گروه شیلات، دانشکده منابع طبیعی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. Soheil Eagderi سهیل ایگدری 10031947532846007757 10031947532846007757 No Associate Professor, Department of Fisheries, Faculty of Natural Resources, University of Tehran, Karaj, Iran. دانشیار گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.