Η ΧΡΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΓΕΝΙΚΕΥΜΕΝΩΝ ΑΘΡΟΙΣΤΙΚΩΝ ΜΟΝΤΕΛΩΝ ΣΤΗΝ ΠΡΟΒΛΕΨΗ ΠΙΘΑΝΩΝ ΠΕΔΙΩΝ ΩΟΤΟΚΙΑΣ ΤΟΥ ΓΑΥΡΟΥ

Η ΧΡΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΓΕΝΙΚΕΥΜΕΝΩΝ ΑΘΡΟΙΣΤΙΚΩΝ ΜΟΝΤΕΛΩΝ ΣΤΗΝ ΠΡΟΒΛΕΨΗ ΠΙΘΑΝΩΝ ΠΕΔΙΩΝ ΩΟΤΟΚΙΑΣ ΤΟΥ ΓΑΥΡΟΥ Μάινα Ι 1., Σιαπάτης Α 2., Καββαδάς Σ 2., Κυριακίδης Φ 1., Γεωργακαράκος Σ 3., Σωμαράκης Σ 2. 1 Πανεπιστήμιο Αιγαίου, Τμήμα Γεωγραφίας, geom.09013@geo.aegean.gr 2 Ινστ. Θαλάσσιων Βιολογικών Πόρων, Ελληνικό Κέντρο Θαλάσσιων Ερευνών 3 Πανεπιστήμιο Αιγαίου, Τμήμα Επιστημών της Θάλασσας Περίληψη Στην παρούσα εργασία έγινε προσπάθεια εντοπισμού των πιθανών πεδίων ωοτοκίας του γαύρου στις ελληνικές θάλασσες, τη Μεσόγειο και τη Μαύρη θάλασσα με τη βοήθεια GAM και GIS. Για τη μοντελοποίηση χρησιμοποιήθηκαν δεδομένα παρουσίας-απουσίας των αυγών του γαύρου στην περιοχή του Β. Αιγαίου τα οποία συλλέχτηκαν στις αρχές του καλοκαιριού για τα έτη 2004-2006 και 2008, καθώς και περιβαλλοντικά και ωκεανογραφικά δεδομένα αυτών των περιόδων. Από την προσαρμογή του GAM προκύπτει ότι το βάθος και η χλωροφύλλη ερμηνεύουν το μεγαλύτερο μέρος του ποσοστού απόκλισης στο μοντέλο. Δημιουργήθηκαν χάρτες πιθανών πεδίων ωοτοκίας του γαύρου για τον Ιούνιο 2008 με τα σημαντικότερα πεδία να εμφανίζονται στην περιοχή του Β. Αιγαίου, στη παράκτια ζώνη της Μαύρης θάλασσας, στις ακτές της Αιγύπτου και της Τυνησίας, στο δυτικό τμήμα της Αδριατικής θάλασσας, στις Καταλανικές ακτές, στο κόλπο της Λυών και στη θάλασσα του Αλμποράν. Οι περιοχές αυτές, συμπίπτουν γεωγραφικά με τα αντίστοιχα αναπαραγωγικά πεδία του είδους όπως αναφέρονται στη βιβλιογραφία. Λέξεις κλειδιά: GAM, GIS, Engraulis encrasicholus, δορυφορικά δεδομένα, Μεσόγειος. GEOGRAPHIC INFORMATION SYSTEMS AND GENERALIZED ADDITIVE MODELS FOR PREDICTING POTENTIAL SPAWNING HABITATS OF ANCHOVY Maina I 1., Siapatis A 2., Kavadas S 2., Kyriakidis P 1., Georgakarakos S 3., Somarakis S 2. 1 University of the Aegean,Department of Geography, geom.09013@geo.aegean.gr 2 Inst. Marine Biological Resources, Hellenic Centre for Marine Research 3 University of the Aegean,Department of Marine Sciences Abstract The objective of this paper is to use GAM and GIS to construct predictive models of potential spawning habitats of anchovy in Greek Seas, Mediterranean and Black Sea. Models were constructed, based on presence/absence egg data collected from surveys conducted in the North Aegean Sea during early summer of the years 2004 to 2006 and 2008. Auxiliary environmental and oceanographic data were incorporated in the models. Depth and chlorophyll explained most of the deviance in the GAM. Prediction maps for June 2008 identified some important potential anchovy s spawning areas. Those areas were found in N. Aegean, Egyptian and Tunisian coasts, Western Adriatic Sea, Catalan coasts, Gulf of Lion, Alboran Sea and in the coastal zone of Black Sea. The above areas were in agreement with bibliographic references concerns the geographical distribution and extent of spawning grounds of anchovy. Keywords: GAM, GIS, Engraulis encrasicholus, Satellite data, Mediterranean. 1. Εισαγωγή Τα τελευταία χρόνια στατιστικές μέθοδοι μοντελοποίησης, όπως τα Γενικευμένα Αθροιστικά Mοντέλα (Generalized Additive Models, GAM) και τα Συστήματα Γεωγραφικών Πληροφοριών (Geographic Information Systems, GIS) μπορούν να διαδραματίσουν σημαντικό ρόλο στις ιχθυοπλαγκτονικές έρευνες (Schismenou et al., 2008, Μάινα, 2011). Από τον προσδιορισμό της χωρικής κατανομής του ιχθυοπλαγκτού και τη συσχέτιση του με διάφορες βιοτικές και αβιοτικές παραμέτρους εξάγονται σημαντικές πληροφορίες για την βιολογία και την οικολογία των πρώτων σταδίων ζωής των ιχθύων. Περιβαλλοντικά δεδομένα, όπως η θερμοκρασία, η αλατότητα και η

χλωροφύλλη καθώς και ωκεανογραφικά δεδομένα, όπως η βαθυμετρία και η απόσταση από την ακτή επιδρούν στην παρουσία, τη κατανομή και την αφθονία των αυγών και των ιχθυονυμφών. Στην παρούσα εργασία έγινε ανάλυση των στοιχείων αυτών με σκοπό τη δημιουργία μοντέλων πρόβλεψης πιθανών πεδίων ωοτοκίας του γαύρου (Engraulis encrasicholus) στις Ελληνικές θάλασσες, τη Μεσόγειο και τη Μαύρη θάλασσα. Ο γαύρος είναι ένα μικρό πελαγικό είδος με μικρή διάρκεια ζωής (περίπου τρία χρόνια) το οποίο αποτελεί μαζί με τη σαρδέλα ένα από τα σημαντικότερα αλιευτικά αποθέματα σε αρκετές περιοχές της Μεσογείου και της Μαύρης Θάλασσας (Stergiou, 1990, Regner, 1996). Η περίοδος της αναπαραγωγής του ξεκινά από την άνοιξη και διαρκεί μέχρι τα μέσα Φθινοπώρου. Η έναρξη της αναπαραγωγικής περιόδου επηρεάζεται από την επιφανειακή θερμοκρασία θάλασσας (Garcia & Palomera, 1996, Motos et al, 1996, Regner, 1996). Επίσης η επιλογή των πεδίων ωοτοκίας του σχετίζεται με τις καλές συνθήκες τροφής για τα ενήλικα άτομα, ενώ η έκταση των αναπαραγωγικών του πεδίων συνδέεται με το μέγεθος της υφαλοκρηπίδας και τις υδρογραφικές διαδικασίες που προκαλούν αύξηση της παραγωγικότητας (αναβλύσεις, μέτωπα αλατότητας). Αποτέλεσμα είναι η εμφάνιση των αυγών του γαύρου εντός των ορίων της ηπειρωτικής υφαλοκρηπίδας, σε περιοχές με υψηλή πρωτογενή και δευτερογενή παραγωγικότητα (Garcia & Palomera, 1996). 2. Υλικά και Μέθοδοι 2.1 ΔΕΔΟΜΕΝΑ ΑΠΟ ΔΕΙΓΜΑΤΟΛΗΨΙΕΣ Τα δεδομένα παρουσίας-απουσίας των αυγών του γαύρου προέρχονται από δείγματα ιχθυοπλαγκτού τα οποία συλλέχθηκαν από το ΕΛΚΕΘΕ στα πλαίσια του Εθνικού προγράμματος συλλογής αλιευτικών δεδομένων κατά τους πρώτους καλοκαιρινούς μήνες για τα έτη 2004 έως 2006 και 2008. Εικ. 1: Αφθονία των αυγών του γαύρου στην περιοχή μελέτης,δειγματοληψία 2008.

Οι δειγματοληψίες πραγματοποιήθηκαν με το Ε/Σ ΦΙΛΙΑ στην περιοχή του Β. Αιγαίου και στους κόλπους Ευβοϊκό και Παγασητικό. Η δειγματοληψία ιχθυοπλαγκτού κάλυψε ένα δίκτυο 212 σταθμών πάνω σε ένα πλέγμα παράλληλων διατομών (transects) με απόσταση 10 ναυτικών μιλίων μεταξύ τους, όπου στην κάθε διατομή οι σταθμοί απέχουν μεταξύ τους 5 ναυτικά μίλια (Εικόνα 1). Ο δειγματολήπτης ιχθυοπλαγκτού που χρησιμοποιήθηκε ήταν ένα πλαγκτονικό δίχτυ τύπου WP-2 το οποίο αποτελείται από ένα στεφάνι με διάμετρο 60 cm και είναι εφοδιασμένο με κωνικό δίχτυ με άνοιγμα ματιού 200 μm. Οι δειγματοληψίες έγιναν κατακόρυφα, από βάθος κοντά στον πυθμένα έως την επιφάνεια της θάλασσας στους σταθμούς των οποίων το βάθος δεν ξεπερνούσε τα 100 m ενώ σε μεγαλύτερα βάθη το μέγιστο βάθος της δειγματοληψίας δεν ξεπέρασε τα 100 μέτρα. Στο τέλος κάθε δειγματοληψίας τα δείγματα διατηρούνταν σε διάλυμα φορμόλης 4% μέσα σε πλαστικά δοχεία. Η αναγνώριση των αυγών και ιχθυονυμφών από τα δείγματα πραγματοποιήθηκε στη συνέχεια στα εργαστήρια του ΕΛΚΕΘΕ και έφθασε σε επίπεδο είδους. 2.2 ΠΕΡΙΒΑΛΛΟΝΤΙΚΑ ΚΑΙ ΩΚΕΑΝΟΓΡΑΦΙΚΑ ΔΕΔΟΜΕΝΑ Για τη δημιουργία των μοντέλων χρησιμοποιήθηκαν ωκεανογραφικά και περιβαλλοντικά στοιχεία μέρος των οποίων προέρχονται από δορυφορικές εικόνες. Για την προσαρμογή και τη δημιουργία του μοντέλου GAM χρησιμοποιήθηκαν εβδομαδιαίες και μηνιαίες δορυφορικές εικόνες της επιφανειακής θερμοκρασίας θάλασσας (SST), της επιφανειακής θαλάσσιας χλωροφύλλης (CHL), της μεταβολής του επιπέδου της θάλασσας (SLA) και της φωτοσυνθετικά ενεργής ακτινοβολίας (PAR). Η εικόνα της βαθυμετρίας που χρησιμοποιήθηκε στο μοντέλο για την περιοχή της Μεσογείου προέρχεται από τον οργανισμό GEBCO (General Bathymetric Charts of the Oceans). Για την περιοχή της Ελλάδας χρησιμοποιήθηκαν βαθυμετρικά στοιχεία σε μορφή καννάβου (grid), που προέρχονται από το ερευνητικό πρόγραμμα IMAS-Fish του ΕΛΚΕΘΕ (IMAS-Fish 2007). Τέλος με στόχο την καλύτερη εφαρμογή του μοντέλου δημιουργήθηκαν χάρτες κατανομής της απόστασης από την ακτή για την περιοχή της Ελλάδας, της Μεσογείου και της Μαύρης Θάλασσας σε μορφή καννάβου. Το λογισμικού ArcGIS (ESRI 2008) χρησιμοποιήθηκε για την παραγωγή των θεματικών χαρτών. 2.3 ΜΕΘΟΔΟΛΟΓΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΗ ΧΡΗΣΗ GAM Η δημιουργία του μοντέλου πρόβλεψης πιθανών πεδίων ωοτοκίας του γαύρου έγινε με τη χρήση των GAM. Τα GAM χρησιμοποιούν μη γραμμικές ή μη παραμετρικές τεχνικές για την ανάπτυξη ενός μοντέλου παλινδρόμησης, στην οποία στηρίζονται οι περισσότερες στατιστικές μέθοδοι μοντελοποίησης. Το μοντέλο παλινδρόμησης αποτελείται από την εξαρτημένη μεταβλητή και από μια ή περισσότερες ανεξάρτητες μεταβλητές. Συγκεκριμένα ο προσδιορισμός της εξαρτημένης μεταβλητής βασίζεται στα δείγματα ιχθυοπλαγκτού της περιοχής του Β. Αιγαίου από τα οποία χρησιμοποιήθηκαν ενοποιημένα τα δεδομένα παρουσίας-απουσίας των αυγών του γαύρου για το μήνα Ιούνιο των ετών 2004 έως 2006 και 2008. Επίσης, οι ανεξάρτητες μεταβλητές που χρησιμοποιήθηκαν στο μοντέλο προσδιορίστηκαν με βάση ωκεανογραφικά και περιβαλλοντικά στοιχεία τα οποία είτε προέρχονται από δορυφορικές εικόνες είτε είναι αποτέλεσμα μεθόδων χωρικής επεξεργασίας. Αρχικά, μελετήθηκαν διερευνητικά οι εμπλεκόμενες μεταβλητές με στόχο την επιλογή των καταλληλότερων μεταβλητών που θα χρησιμοποιηθούν στο μοντέλο, καθώς και την επιλογή του κατάλληλου μετασχηματισμού τους στην περίπτωση που αυτό ήταν απαραίτητο. Στη συνέχεια δημιουργήθηκαν τέσσερα διαφορετικά μοντέλα με διαφορετικές ανεξάρτητες μεταβλητές, αφού πρώτα πραγματοποιήθηκε o διαχωρισμός του συνόλου των δεδομένων σε δεδομένα ρύθμισης

(training data) και δεδομένα αξιολόγησης (validation data). Με τυχαία διαδικασία, τα 2/3 των στοιχείων κατηγοριοποιήθηκαν ως δεδομένα ρύθμισης, τα οποία χρησιμοποιήθηκαν κατά την προσαρμογή του μοντέλου, και το υπόλοιπο 1/3 ως δεδομένα αξιολόγησης. Η επιλογή του μοντέλου, με το οποίο επιτυγχάνεται η καλύτερη προσαρμογή και συνεπώς η εγκυρότερη πρόβλεψη βασίστηκε στην ελαχιστοποίηση του εκτιμητή UBRE (Unbiased Risk Estimator), καθώς και στη μεγιστοποίηση του ποσοστού απόκλισης ή εκτροπής που ερμηνεύεται από το μοντέλο (deviance explained, 0-100%) και του συντελεστή προσδιορισμού R 2 (Wood, 2006) (Πίνακας 1). Επίσης, επιλέχθηκαν ο thin plate spline εξομαλυντής (s) για την εισαγωγή των περιβαλλοντικών παραμέτρων στο μοντέλο και η διωνυμική κατανομή ως κατάλληλη για την κατανομή των διαταράξεων της παλινδρόμησης (Wood & Augustin, 2002). Για τη δημιουργία του μοντέλου χρησιμοποιήθηκε το εργαλείο Marine Geospatial Ecology Toolbox (MGET) (Roberts et al., 2010) το οποίο περιέχει τις ρουτίνες της βιβλιοθήκης mgcv της R (R Development Core team 2008). Το MGET ενσωματώθηκε στο λογισμικό ArcGIS της ESRI (ESRI, 2008). Με σκοπό την αξιολόγηση του βέλτιστου μοντέλου εκτιμήθηκε η καμπύλη ROC (Fieldings & Bell, 1997) και το κριτήριο AUC ως μέτρο της απόδοσης μοντέλου. Η εκτίμηση πραγματοποιήθηκε στα δεδομένα αξιολόγησης. Το AUC μετρά την ικανότητα του μοντέλου να διακρίνει τις περιπτώσεις παρουσίας-απουσίας του είδους (Hanley & McNeil, 1982), και αποτελεί μία ένδειξη της ικανότητας του μοντέλου να υποδεικνύει περιοχές που μπορούν να χαρακτηριστούν ως πεδία ωοτοκίας για το συγκεκριμένο είδος. Οι τιμές του AUC κυμαίνονται μεταξύ 0 και 1, όπου η τιμή 1 υποδηλώνει απόλυτη διακριτική ικανότητα, η τιμή 0.5 υποδηλώνει ότι η διακριτικότητα του μοντέλου είναι ίση με μια τυχαία εκτίμηση και οι τιμές <0,5 υποδηλώνουν διακριτικότητα κατώτερη από την τυχαία (Boyce et al., 2002). 3. Αποτελέσματα 3.1 ΑΠΟΤΕΛΕΣΜΑΤΑ ΑΠΟ ΤΗΝ ΠΡΟΣΑΡΜΟΓΗ ΤΩΝ GAM Βάσει και των τριών εκτιμητών που παρουσιάζονται στον Πίνακα 1 η συμμετοχή των τεσσάρων ανεξάρτητων μεταβλητών SST, logchl, logdepth και coast_dist δίνουν το βέλτιστο μοντέλο. Οι μεταβλητές SLA και PAR απορρίφθηκαν κατά τη διερεύνηση διότι δεν ήταν στατιστικά σημαντικές. Πίνακας 1: Τα αποτελέσματα των εκτιμητών που προέκυψαν από τη προσαρμογή του GAM για το γαύρο σε τέσσερα μοντέλα παλινδρόμησης Ανεξάρτητες Μεταβλητές Συντελεστής Απόκλιση που Εκτιμητής προσδιορισμού (R 2 ) ερμηνεύεται (%) UBRE s(logdepth) 0,232 18,8 0,15201 s(logdepth) + s(logchl) 0,367 31,2-0,0107 s(logdepth) + s(logchl)+ s(coast_dist) 0,378 32,4-0,015488 s(logdepth) + s(logchl)+ s(coast_dist) + s(sst) 0,402 35,0-0,02929 Από την προσαρμογή του βέλτιστου μοντέλου ο φυσικός λογάριθμος του βάθους και της CHL εμφανίζουν πιο ισχυρή σχέση με την παρουσία-απουσία των αυγών του γαύρου, σε επίπεδο σημαντικότητας 0,001. Συγκεκριμένα ο λογάριθμος του βάθους παρουσιάζει θετική συσχέτιση με την παρουσία των αυγών του γαύρου στις χαμηλές τιμές μέχρι την τιμή 5 (150 μέτρα), ενώ πάνω από την τιμή αυτή εμφανίζει αρνητική συσχέτιση (Εικόνα 2α). Από τις τιμές του λογαρίθμου της CHL προκύπτει ότι μέχρι την τιμή -1 (0,4 mg/m 3 ) παρουσιάζεται αρνητική συσχέτιση με την παρουσία αυγών ενώ στις μεγαλύτερες τιμές θετική συσχέτιση (Εικόνα 2β). Επίσης το SST και η απόσταση από την ακτή βρέθηκαν στατιστικά σημαντικές σε επίπεδο σημαντικότητας 0,05 και 0,1

αντίστοιχα. Η μεταβλητή SST φαίνεται να έχει θετική συσχέτιση με την παρουσία των αυγών του γαύρου ενώ η μεταβλητή της απόστασης από την ακτή παρουσιάζει θετική συσχέτιση μέχρι τα 25 χλμ. (Εικόνα 2γ, 2δ). Ακόμα βάσει του κριτηρίου AUC το βέλτιστο μοντέλο έχει μεγάλη ικανότητα πρόβλεψης με τιμή ίση με 0,7635. α β γ δ Εικ. 2: Διαγράμματα μερικών καταλοίπων ( Partial Residuals ) από την προσαρμογή του βέλτιστου μοντέλου GAM των αυγών του γαύρου για τις μεταβλητές α) φυσικός λογάριθμος του βάθους (logdepth), β) φυσικός λογάριθμος της επιφανειακής θαλάσσιας χλωροφύλλης (logchl), γ) της επιφανειακής θερμοκρασίας θάλασσας (SST) και δ) της απόστασης από την ακτή (coast_dist). 3.2 ΔΗΜΙΟΥΡΓΙΑ ΧΑΡΤΩΝ ΜΕ ΒΑΣΗ ΤΟ ΒΕΛΤΙΣΤΟ ΜΟΝΤΕΛΟ Με βάση το βέλτιστο μοντέλο δημιουργήθηκαν χάρτες στους οποίους παρουσιάζεται η πρόβλεψη πιθανών πεδίων ωοτοκίας του γαύρου για τον Ιούνιο του 2008 στις περιοχές των Ελληνικών Θαλασσών της Μεσογείου και της Μαύρης Θάλασσας. Τα σημαντικότερα πεδία ωοτοκίας του γαύρου για τις Ελληνικές Θάλασσες με υψηλά ποσοστά πιθανότητας παρουσίας αυγών είναι το Β. Αιγαίο, ο Παγασητικός κόλπος, ο Β. Ευβοϊκός κόλπος, ο Πατραϊκός κόλπος, τμήμα του Κορινθιακού κόλπου και το Ανατολικό τμήμα του Ιονίου πελάγους (Εικόνα 3). Επίσης υψηλές πιθανότητες παρουσίας αυγών γαύρου για τη Μεσόγειο και τη Μαύρη Θάλασσα παρατηρούνται κατά μήκος της παράκτιας ζώνης της Μαύρης θάλασσας, στις ακτές της Αιγύπτου και της

Τυνησίας, στο δυτικό τμήμα της Αδριατικής θάλασσας, στις Καταλανικές ακτές, στον κόλπο της Λυών και στη θάλασσα του Αλμποράν (Εικόνα 4). Εικ. 3: Πιθανά πεδία ωοτοκίας του γαύρου για το μήνα Ιούνιο του έτους 2008 για τις Ελληνικές θάλασσες όπως αυτά εκτιμήθηκαν από το μοντέλο GAM. Η ανάλυση των προβλεπόμενων πιθανοτήτων με τη χρήση GIS απεικονίζεται σε μέγεθος κελιού 1,5 χλμ. Εικ. 4: Πιθανά πεδία ωοτοκίας του γαύρου για το μήνα Ιούνιο του έτους 2008 για τη Μεσόγειο και τη Μαύρη Θάλασσα όπως αυτά εκτιμήθηκαν από το μοντέλο GAM. Η ανάλυση των προβλεπόμενων πιθανοτήτων με τη χρήση GIS απεικονίζεται σε μέγεθος κελιού 1,5 χλμ.

3.3 ΣΥΓΚΡΙΣΗ ΤΩΝ ΠΙΘΑΝΩΝ ΠΕΔΙΩΝ ΩΟΤΟΚΙΑΣ ΤΟΥ ΜΟΝΤΕΛΟΥ ΜΕ ΓΝΩΣΤΑ ΠΕΔΙΑ ΩΟΤΟΚΙΑΣ ΑΠΟ ΒΙΒΛΙΟΓΡΑΦΙΚΕΣ ΑΝΑΦΟΡΕΣ Στον Πίνακα 2 γίνεται η σύγκριση των πιθανών πεδίων ωοτοκίας που προέκυψαν από το μοντέλο με τα αντίστοιχα αναπαραγωγικά πεδία από έρευνες που έχουν πραγματοποιηθεί στο παρελθόν στις Ελληνικές θάλασσες, τη Μεσόγειο και τη Μαύρη Θάλασσα όπως αυτές δίνονται στη βιβλιογραφία. Φαίνεται ότι οι περιοχές που οριοθετήθηκαν ως πιθανά πεδία ωοτοκίας του γαύρου συμφωνούν με ένα σημαντικό αριθμό βιβλιογραφικών αναφορών, γεγονός που ενισχύει την αξιοπιστία του μοντέλου πρόβλεψης πιθανών πεδίων ωοτοκίας του γαύρου. Πίνακας 2: Σύγκριση των πιθανών πεδίων ωοτοκίας του γαύρου βάση του μοντέλου GAM με γνωστά πεδία ωοτοκίας από βιβλιογραφικές αναφορές που αφορούν εργασίες πεδίου Πιθανά πεδία ωοτοκίας του γαύρου για τις Ελληνικές Θάλασσες τη Μεσόγειο και τη Μαύρη Θάλασσα Κυριότερες βιβλιογραφικές αναφορές Σύνολο βιβλιογραφικών αναφορών Βόρειο Αιγαίο Caragitsou, 2001, ΕΛΚΕΘΕ/ΙΘΑΒΙΠ, 2003-08 4 Παγασητικός, Β. και Ν. Ευβοϊκός κόλπος Somarakis et al., 2002 3 N. Σάμος μέχρι N. Κω Παπακωνσταντίνου κ.α., 1998 1 Κορινθιακός, Πατραϊκός κόλπος, ανατολικό Ιόνιο Somarakis et al., 2002 2 Μαύρη Θάλασσα Niermann et al., 1994, Kideys et al.,1999, 4 Αίγυπτος Τownsend & Rashidi, 1991 1 Τυνησία Zarrad et al., 2006 1 Αδριατική θάλασσα Gamulin & Hure., 1983, Regner, 1985; Casavola et al., 1987, Cingolani et al., 1998 15 Δυτικά παράλια της Ιταλίας Garcia et al., 1994, Garcia & Palomera, 1996 3 Κόλπος της Λυόν, Καταλανικές ακτές, Palomera & Pertierra, 1993, Garcia et al., 1994, Θάλασσα Αλμποράν Garcia & Palomera, 1996 9 Αλγερία Rubín, 1996 2 Παράλια της Σικελίας Quintanilla & Garcia, 2002 4 4. Συζήτηση-Συμπεράσματα Από το μοντέλο πρόβλεψης πιθανών πεδίων ωοτοκίας του γαύρου, φαίνεται ότι το είδος αυτό αναπαράγεται εντός της υφαλοκρηπίδας (σε βάθη που δεν ξεπερνούν τα 200 μέτρα) και ιδιαίτερα κοντά στην ακτή. Οι περιοχές αυτές χαρακτηρίζονται από σχετικά υψηλές θερμοκρασίες και υψηλές τιμές χλωροφύλλης (πρωτογενής παραγωγή). Όλες οι μεταβλητές που χρησιμοποιήθηκαν στο μοντέλο βρέθηκαν στατιστικά σημαντικές, με τη μεταβλητή του βάθους και της CHL να είναι στατιστικά πιο σημαντικές. Από τους χάρτες των πιθανών πεδίων ωοτοκίας για το γαύρο οι σημαντικότερες περιοχές με υψηλές πιθανότητες παρουσίας αυγών (>50%) είναι η θαλάσσια περιοχή του Β. Αιγαίου, η παράκτια ζώνη της Μαύρης θάλασσας, οι ακτές της Αιγύπτου και της Τυνησίας, το δυτικό τμήμα της Αδριατικής θάλασσας, οι Καταλανικές ακτές, ο κόλπος της Λυών καθώς και η θάλασσα του Αλμποράν. Όλες οι παραπάνω περιοχές έχουν χαρακτηριστεί ως σημαντικά πεδία ωοτοκίας του γαύρου σύμφωνα με τις βιβλιογραφικές αναφορές. Γενικά ο εντοπισμός των πεδίων ωοτοκίας των ιχθύων καθώς και η διάρκεια αυτής αποτελούν χρήσιμες πληροφορίες, οι οποίες μπορούν να χρησιμοποιηθούν σε διάφορα σχέδια αλιευτικής διαχείρισης. Τα σχέδια αυτά μπορεί να περιλαμβάνουν μέτρα προστασίας (χωρικά ή χρονικά) των πεδίων ωοτοκίας του γαύρου ή άλλων ειδών, με σκοπό την ορθολογιστική διαχείριση των αναπαραγωγικών τους αποθεμάτων.

Τέλος, οι χάρτες που προκύπτουν, από την εφαρμογή των μοντέλων GAM και των συστημάτων GIS, μπορούν να συνεισφέρουν στο σχεδιασμό μελλοντικών ερευνών που αφορούν στη μελέτη του ιχθυοπλαγκτού. Οι περιοχές που προσδιορίστηκαν ως πιθανά πεδία ωοτοκίας και δεν έχουν μελετηθεί ως σήμερα μπορεί στο μέλλον να αποτελέσουν περιοχές έρευνας για την αναπαραγωγή του γαύρου. Επίσης, μέθοδοι εκτίμησης της βιομάζας των ενηλίκων πληθυσμών του γαύρου, όπως είναι η μέθοδος DEPM (Daily Eggs Production Method), μπορεί να εφαρμοστούν στοχευμένα σε περιοχές που αποτελούν πιθανά πεδία ωοτοκίας. 5. Ευχαριστίες Οι δειγματοληψίες έγιναν στα πλαίσια του Εθνικού Προγράμματος Συλλογής Αλιευτικών Δεδομένων του Υπουργείου Αγροτικής Ανάπτυξης και Τροφίμων. Ευχαριστούμε τον ερευνητή του ΕΛΚΕΘΕ Δρ. Παλιαλέξη Αντρέα για τη διάθεση των δορυφορικών εικόνων, τον καπετάνιο και το πλήρωμα του «Ε/Σ ΦΙΛΙΑ» για τη βοήθειά τους κατά τη διάρκεια των δειγματοληψιών. 6. Βιβλιογραφικές Αναφορές Boyce M.S., P.R.Vernier, S.E Nielsen, & F.K.A. Schmiegelow, 2002. Evaluating resource selection functions. Ecological Modelling 157: 281-300. Caragitsou, E., Vasilopoulou V., Siapatis A., Anastasopoulou A., Christides G., Casavola N., Hajderi E., Rizzi E. & A. Aprea., 2001. Estimation of the Mediterranean anchovy (Engraulis encrasicolus) biomass by the daily egg production method in the Thracian Sea (Greece) and South Western Adriatic Sea (Italy). Final Report Contract No 98/040, May 2001. Casavola, N., G. Marano, L. De Martino & C. Saracino, 1987. Preliminary evaluation of anchovy and sardine stocks in the lower Adriatic. FAO Fish. Rep., 394: 84-90. Cingolani, N., Arneri, E., Giannetti, G., Santojanni, A., & Belardinelli, A., 1998. Assessment of anchovy and sardine stocks in the Adriatic Sea by means of population dynamics. Biol. Mar. Medit., 5 (3): 321-330. ΕΛΚΕΘΕ/ΙΘΑΒΙΠ, 2003-08. Εθνικό Πρόγραμμα Συλλογής Αλιευτικών δεδομένων (ΕΠΣΑ1) 2002-2006. Ετήσιες Τεχνικές Εκθέσεις Μάρτιος 2004, 2005, 2006, 2007, 2009. ESRI, 2008. ArcGIS A Complete Integrated System. Environmental Systems Research Institute, Inc, Redlands, California. <http://esri.com/arcgis>. Fielding A H. & J F. Bell, 1997. A review of methods for the assessment of prediction errors in conservation presence/absence models, Environmental Conservation 24 (1): 38 49 1997 Gamulin, T. & J. Hure, 1983. The spawning and spawning areas of pelagic fishes (Sardina pilchardus, Engraulis encrasicolus, Scomber scombrus, Sardinella aurita and Sprattus sprattus sprattus) in the Adriatic Sea. Acta Adriatica, 24: 97-131. Garcia, A. & I., Palomera, 1996. Anchovy early life history and its relation to its surrounding environment in the Western Mediterranean basin, Scientia Marina, 60:155-166 Garcia, A., Palomera, I., Liorzou, B., Giovanardi, O., & Pla, C., 1994. Northwestern Mediterranean anchovy. Distribution, biology, fisheries and biomass estimation by different methods. Final Report of the EC FAR Project 1992e1993. Contract No. MA 3.730. Hanley, J. A., & B. J. McNeil, 1982. The meaning and use of the area under a Receiver Operating Characteristic (ROC) curve. Radiology 143: 29-36 IMAS-Fish, 2007. Integrated Database & GIS Fisheries Information System, Institute of Marine Biological Resources / Hellenic Centre for Marine Research World Wide Web electronic version (http://amfitrion.ncmr.gr: 7778/imasfish) Kideys, A. E., Gordina A. D., Bingel F. & U. Niermann, 1999. The effect of environmental conditions on the distribution of eggs and larvae of anchovy (Engraulis Encrasicolus L.) in the Black Sea. ICES Journal of Marine Science 56: 58 64. Μάινα, Ι, 2011, Η χρήση Συστημάτων Γεωγραφικών πληροφοριών και Γενικευμένων Αθροιστικών Μοντέλων στην πρόβλεψη πιθανών πεδίων ωοτοκίας των ειδών γαύρου και φρίσσας. Μεταπτυχιακή διατριβή, Τμήμα Γεωγραφίας, Πανεπιστήμιο Αιγαίου. Motos, L, Uriarte, A & V. Valencia, 1996. The spawning environment of the Bay of Biscay anchovy (Engraulis encrasicolus L.) Scientia Marina, 60 (2): 117-140

Niermann, U., Bingel E., Gorban A., Gordina A. D., Gucu A. C., Kideys A. E., Konsulov A., Radu G., Subbotin A. A.& V. E. Zaika, 1994. Distribution of anchovy eggs & larvae (Engraulis encrasicolus) in the Black Sea in 1991 1992. ICES Journal of Marine Science 51:395 406. Palomera, I., & Pertierra, J. P., 1993. Anchovy spawning biomass estimate by the Daily Egg Production Method in 1990 in the western Mediterranean Sea. Scientia Marina, 57: 243-251. Παπακωνσταντίνου κ.α., 1998. Ανάπτυξη της Ελληνικής Αλιείας: Εκτίμηση των Βενθοπελαγικών ιχθυαποθεμμάτων που παρουσιάζουν εμπορική σημασία στο Ν. Αιγαίο. Τελική Τεχνική Έκθεση. 30 σελ Quintanilla, L. F., & Garcia, A., 2002. The Sicilian channel anchovy daily egg production spawning biomass during July 2000. Document Presented to the GFCM e SAC Subcommittee on Stock Assessment Working Group on Small Pelagic Species, Rome, Italy, March 2002. 20 pp. R Development Core Team, 2008. R: A language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria, ISBN 3-900051-07-0. <http://www.r-project.org>. Regner, S., 1985. Ecology of planktonic stages of the anchovy, Engraulis encrasicolus (Linnaeus, 1758), in the central Adriatic. Acta Adriat., 26(1), Series Monographiae, 1: 1-113. Regner S., 1996. Effects of environmental changes on early stages and reproduction of anchovy in the Adriatic Sea. Scientia Marina, 60(2): 167-177 Roberts J. J., Best B. D., Dunn D. C., Treml E. A. & P. N. Halpin, 2010. Marine Geospatial Ecology Tools: An integrated framework for ecological geoprocessing with ArcGIS, Python, R, MATLAB and C++. Environmental Modelling & Software 25:1197-1207. Rubín, J.P., 1996. El ictioplancton estival en el Mar de Alborán: Composición cualitativa-cuantitativa y distribución espacial (Junio de 1993). Publicaciones Especiales (IEO), 23:33-54. Schismenou E., Giannoulaki M., Valavanis V.D., Somarakis S., 2008 Modeling and predicting potential spawning habitat of anchovy (Engraulis encrasicolus) and round sardinella (Sardinella aurita) based on satellite environmental information. Hydrobiologia 612:201 214 Somarakis, S., Koutsikopoulos, C., Machias, A., & Tsimenides, N., 2002. Applying the Daily Egg Production Method to small stocks in highly heterogeneous seas. Fisheries Research, 55: 193-204. Stergiou, K.I., 1990. A seasonal autoregressive model of the anchovy Engraulis encrasocholus fishery in the Eastern Mediterranean. Fishery Bulletin, 88: 411-414 Townsend, D.W. & H.H. El Rashidi., 1991. Ichthyoplankton of the southeastern Mediterranean Sea. Thalassia Jugoslavica 23: 65-73 Wood, S.N. & Augustin, N.H., 2002. GAMs with integrated model selection using penalized regression splines and applications to environmental modelling Ecological Modelling 157:157-177. Wood, S.N., 2006. Generalized Additive Models. An Introduction with R. Chapman & Hall, New York. Zarrad, R., Missaoui, H., Alemany, F., Salah, R. M., Garcia, A., Ridhah, M., Othman, J. & E. Amor, 2006. Spawning areas and larval distributions of anchovy Engraulis encrasicolus in relation to environmental conditions in the Gulf of Tunis (Central Mediterranean Sea). Scientia Marina 70: 137 146.