Statusklassning inom MSFD i Östersjön [Elektronisk resurs] – kustfiskexemplet

• Införandet av EU’s Havsmiljödirektiv (MSFD) har lett till ett ökat fokus på en ekosystembaserad förvaltning, utförandet av tillståndsbedömningar och tydliga krav på uppföljning av åtgärder. Målet med direktivet är att uppnå god miljöstatus i alla Europas marina vatten senast år 2020. Tillvägagångssättet med vilket tillståndet i miljön utvärderas är att följa upp och utvärdera ett antal indikatorer som karaktäriserar de marina ekosystemen. Det finns ett flertal utmaningar med Havsmiljödirektivet. Två av dessa utmaningar är kunskap om drivkrafter bakom varför tillståndet i miljön förändras, och hur man ska övervaka detta på ett kostnadseffektivt sätt. En annan är hur man ska göra heltäckande tillståndsbedömningar när övervakning i vissa områden saknas, och en tredje är hur man ska skala upp bedömningar från ekosystemets delkomponenter till hela miljön. Fisk i kustområdet utgör en viktig del för bedömning av miljöstatus enligt Havsmiljödirektivet, och detta forskningsprojekt använder kustfisken i Östersjön som modell för att besvara frågeställningar kopplade till några av utmaningarna som direktivet medför. Projektets specifika frågeställningar var: 1) hur kopplingen mellan två föreslagna ( abundans av abborre och abundans av karpfisk ) indikatorer för kustfisk och miljövariabler ser ut, 2) om man kan använda data från det småskaliga yrkesfisket för att bedöma kustfiskens tillstånd, 3) om man med hjälp av resultaten från frågeställning 1 och 2 kan bedöma tillståndet för fisken på kusten även i områden som idag saknar fiskerioberoende övervakning, och slutligen 4) hur man på bästa sätt kan skala upp statusbedömningar från lokal till regional skala för olika indikatorer för kustfisk. För att besvara den första frågeställningen använde vi oss av Bayesianska nätverk, en modelleringsmetod som oss veterligen är tidigare obeprövad i detta sammanhang. Valet av denna metod tillät oss att studera möjliga interaktioner mellan ett stort urval av miljövariabler och även mellan dessa miljövariabler och en utvald indikator. Resultaten från projektet visar att båda de indikatorer som vi studerade ( abundans av abborre och abundans av karpfisk ) påverkades av naturlig variation i miljövariabler, men även av mänsklig påverkan . Indikatorn abundans av karpfisk hade en tydligare och starkare koppling till omgivande miljövariation än indikatorn abundans av abborre . I en annan del av projektet utvärderade vi hur data från det småskaliga kustnära svenska yrkesfisket skulle kunna användas som ett komplement och stöd för att bedöma miljöstatus hos kustfisk. Resultaten visade att för indikatorn stor abborre finns möjligheter att nyttja data från yrkesfisket . Annars är denna datakälla begränsad till ett fåtal arter med ekonomiskt värde, och ingen information finns att tillgå om storleken på den fångade fisken, eller förekomsten av viktiga funktionella grupper i fisksamhället såsom karpfisk. Vi utvärderade även om de Bayesianska modellerna kan användas för att prediktera tillståndet för fisken på kusten i områden som saknar fiskerioberoende övervakning. Modellerna saknade dock tillräcklig robusthet för att användas till detta , sannolikt på grund av att underlaget för att utveckla dem var för litet, så att modellerna blev starkt begränsade till den variation i miljödata för vilka de utvecklats. För att studera möjligheten att väga samman information från flera indikatorer och områden till en samlad bedömning av kustfiskens tillstånd använde vi all befintlig data från den svenska ostkusten. Analysen visade att säkerheten i bedömningen enligt de kriterier som utvärderades var något starkare när bedömningen gjorde per havsbassäng än per kustvattentyp . I den här studien gav denna skala (havsbassäng) för bedömning även upphov till en större andel bedömningsenheter med god status än bedömning på lägre geografisk skala (kustvattentyp). Aggregering genom medelvärdesbildning visade sig ha högst relevans , jämfört med One-Out-All-Outprincipen och majoritetsprincipen. Oavsett skala för bedömning så var säkerheten i bedömningen dock bristande när det gäller aspekter av rumslig täckning. Sammanfattningsvis så visar resultaten att många miljövariabler är potentiellt viktiga för att påverka tillståndet för fisken på kusten, och att man måste ta hänsyn till naturlig miljövariation när man bedömer tillståndet för fisken på kusten och behov av åtgärder. En annan slutsats är att den rumsliga täckningen av dagens kustfiskövervakning behöver ökas för att täcka kraven som ställs inom  Havsmiljödirektivet . De Bayesianska nätverksmodellerna visade sig vara ett kraftfullt verktyg för att studera ekologiska system med en stor mångfald av möjliga interagerande variabler. För att kunna använda informationen från det småskaliga kustnära yrkesfisket på ett tillförlitligt sätt måste det ske en djupare utvärdering av datakvalitet och möjliga felkällor. En väg framåt kunde vara att i pilotstudier kontraktera yrkesfiskare för fördjupad och mer detaljerad journalföring av deras fångster. Slutligen, för att på ett tillförlitligt sätt kunna skatta tillståndet för fisken på kusten genom prediktiva modeller utifrån den omgivande miljövariationen krävs en ytterligare utveckling av modellerna och deras dataunderlag. 
• The implementation of the EU Marine Strategy Framework directive (MSFD) has become a strong driver for the development of indicator-based status assessments in Europe, including an explicit link to the development of measures and supporting the ecosystem approach to marine management. The objective of the MSFD is to reach good environmental status by the year 2020, which is described using commonly agreed descriptors and criteria for good environmental status and evaluation using indicators. Several challenges are, however, associated with this development. Two key issues for operationalizing the indicator-based assessment system are to understand the drivers behind changes in the ecosystem components, and to develop cost-efficient monitoring programs. Further, there is a need to understand how different information sources can potentially be used for this purpose, the applicability of the obtained assessment results at different spatial scales, as well as implications of merging assessment results for several indicators into an integrated assessment for the ecosystem component as a whole. Coastal fish are one of the key ecosystem components in assessing biodiversity status in the MSFD. In the following project, we used the example of coastal fish indicators in the Baltic Sea to address the above-mentioned challenges. More specifically, we evaluated; 1) what is the relationship between the coastal fish indicators and different environmental drivers, 2) can data from the small-scale coastal commercial fisheries be used as an additional information source in coastal fish status assessment, 3) can the findings of questions one and two be used to support the status assessment of coastal fish in areas lacking monitoring, and finally, 4) what are the preferred approaches for integrating indicator-based assessment results to higher hierarchical levels and what is the preferred spatial scale. The first question was addressed using Bayesian networks. This modelling approach has, to our knowledge, not been tested previously for studying pressure-response relationships in indicators in this context. The approach made it possible to include a large selection of potential drivers and their interactions in a common analysis for each indicator. The results show that both studied indicators (the abundance of perch and the abundance of Cyprinids) were influenced by variability in natural environmental factors and by humaninduced pressures. The indicator abundance of Cyprinids showed a stronger response to environmental variability than abundance of perch. For the second question, we evaluated if data from the small-scale coastal commercial fisheries can be used as complement to environmental monitoring of coastal fish for the purposes of status assessment. The results showed that data to support the indicator abundance of perch can potentially be obtained from this source. However, the overall scope for using Swedish commercial fisheries data in status assessment was limited, since catch data did not include information on fish size, and since the commercialfisheries is focused on a small selection of species. Hence, for example assessing the abundance of Cyprinids was not possible. Third, we evaluated if the Bayesian models of part one of the project can be used for predicting the status of coastal fish in areas that lack monitoring, based on knowledge on the key environmental variables. The models were, however, not robust enough to support this, most likely because the data set on which they were developed was too limited. Fourth, different approaches for integrating indicator-based assessment results were evaluated, addressing how the currently available monitoring program supports a status assessment of coastal fish at different spatial scales. The results showed that an assessment at the level of sub-basins may provide relatively higher certainty than an assessment at the level of coastal water types. In the current example, the assessment at sub-basin level gave a higher overall status level. Aggregation by averaging was considered most suitable for the purpose, as compared to the one-out-all-out principle and majority rule. Regardless of assessment scale there was an insufficient overall spatial coverage. To conclude, the results show that several environmental variables contribute to the variability in the coastal fish indicators, and that natural factor need to be accounted for when addressing the responses of the indicators to human induced pressures. Further, the spatial coverage of the monitoring needs to be improved. The Bayesian network models proved highly useful for studying ecological interactions of relevance for coastal fish, enabling the inclusion of many variables in the same model. Data from the small-scale commercial fisheries in Sweden were seen to not currently have sufficient quality for use in an indicator-based status assessment. If this is to be achieved, more in depth analyses are needed and the data collection needs to be developed further. One way could potentially be to contract selected fishermen to keep more detailed journals of their catches. Finally, for applying predictive models in status assessment, additional model development is required as well as improved coverage of the input data. 

Ämnesord

Natural Sciences  (hsv)

Earth and Related Environmental Sciences  (hsv)

Environmental Sciences  (hsv)

Naturvetenskap  (hsv)

Geovetenskap och miljövetenskap  (hsv)

Miljövetenskap  (hsv)

Genre

government publication  (marcgt)

Indexterm och SAB-rubrik

miljöstatus

ekosystem

kustfisk