Spatiotemporal variability in squid catch rates and their environmental associations in coastal waters of Langkawi and Kedah, Malaysia

De oceaan is geen statisch decor; het is een levend, ademend systeem waar de overvloed aan marien leven verschuift met de getijden, de seizoenen en de onzichtbare chemie van het water. Voor visserijbeheerders is het begrijpen van deze verschuivingen een kwestie van voedselzekerheid en economische stabiliteit, maar het voorspellen waar vis of inktvis te vinden zal zijn, blijft een van de meest uitdagende taken in de mariene wetenschap. Een belangrijke metriek die hiervoor wordt gebruikt, is de vangst per eenheid inspanning, een eenvoudige ratio die meet hoeveel visproduct er wordt gevangen voor elke minuut dat een boot vist. Hoewel dit getal vaak dient als een proxy voor de hoeveelheid dieren in het water, is het zelden een directe telling. In plaats daarvan is het een complex signaal dat wordt beïnvloed door het gedrag van de dieren, de vaardigheid van de vissers, het type gebruikte materiaal en de veranderende omgeving. Wanneer onderzoekers proberen vangstcijfers te koppelen aan omgevingsfactoren zoals watertemperatuur of nutriëntenniveaus, moeten ze deze draden zorgvuldig ontwarren, omdat een patroon dat sterk lijkt wanneer men naar alle gegevens tegelijk kijkt, simpelweg een illusie kan zijn die wordt gecreëerd door de timing van de surveys.

In de kustwateren voor de kust van Langkawi en Kedah in noordwestelijk Maleisië, trok een team van onderzoekers uit om deze patronen te ontcijferen voor inktvis, een kortlevend en snelgroeiend wezen dat essentieel is voor de lokale visserij. Gedurende een jaar, van november 2024 tot november 2025, voerden zij 65 vistochten uit met een kleine, lokale boot die is uitgerust met lichten om de inktvis 's nachts aan te trekken. Het team registreerde exact hoeveel inktvis er werd gevangen en hoe lang het vissen duurde, waarbij ze deze ruwe getallen omzetten in een gestandaardiseerde vangst per uur. Tegelijkertijd maten zij de omstandigheden van het water op elk punt, waarbij ze diepte, temperatuur, zoutgehalte, zuurgraad en de concentratie chlorofyl-a noteerden, een pigment dat de aanwezigheid van microscopisch klein plantleven aan de basis van de voedselketen aangeeft. Met deze gegevens in handen gebruikten de wetenschappers geavanceerde statistische instrumenten om te zien of ze een consistente regel konden vinden die verklaarde waarom inktvis op sommige plaatsen en tijden overvloedig aanwezig was, maar op andere momenten schaars.

De resultaten onthulden een verhaal van opvallende variabiliteit. De hoeveelheid inktvis gevangen per uur fluctueerde enorm, variërend van een bescheiden 0,15 kilogram tot een massieve 8 kilogram in een enkel uur, met een gemiddelde van ongeveer 1,5 kilogram. Deze grote schommeling suggereerde dat de inktvis niet gelijkmatig verdeeld waren, maar in plaats daarvan geclusterd waren in specifieke gebieden op specifieke momenten. Wanneer de onderzoekers zochten naar één omgevingsfactor die deze schommelingen kon verklaren, viel er één op: chlorofyl-a. In een brede blik op alle gecombineerde gegevens waren hogere niveaus van dit groene pigment sterk gekoppeld aan hogere inktvisvangsten. Het leek logisch aan te nemen dat meer plantaardig leven meer voedsel betekende voor de inktvis, wat op zijn beurt weer meer inktvis betekende voor de vissers. Echter, het verhaal werd genuanceerder toen de onderzoekers de gegevens nauwkeuriger onderzochten door de observaties te scheiden op basis van de specifieke datum waarop ze werden verzameld.

Zodra het team rekening hield met de verschillen tussen de monstername-data, verzwakte de sterke link tussen chlorofyl-a en de inktvisvangst aanzienlijk. Deze bevinding suggereerde dat de aanvankelijke sterke connectie grotendeels werd gedreven door het feit dat zowel de inktvisvangsten als de chlorofylniveaus gedurende het jaar samen veranderden, in plaats van dat de inktvis reageerden op de lokale voedselvoorraad bij elk afzonderlijk punt. Met andere woorden, de inktvis waren meer abundant tijdens bepaalde maanden wanneer het water ook rijker was aan nutriënten, maar binnen een enkele nacht voorspelde de hoeveelheid voedsel in het onmiddellijke water niet betrouwbaar waar de inktvis zich zou bevinden. De onderzoekers kwamen tot de conclusie dat de timing van de survey even belangrijk was als de watercondities zelf.

Om deze complexe interacties te begrijpen, bouwde het team een geavanceerd computermodel dat niet-lineaire relaties kon verwerken, wat betekent dat het patronen kon detecteren die geen eenvoudige rechte lijnen waren. Dit model, dat de omgevingsgegevens combineerde met de locatie en het jaargetijde, was in staat om bijna 70 procent van de variatie in de vangstcijfers te verklaren. Het toonde aan dat de aanwezigheid van de inktvis het resultaat was van een mix van factoren: het jaargetijde, de specifieke locatie en de omgevingscondities, die allemaal samenwerkten. Het model bleef stabiel, zelfs toen de hoogste enkele vangst uit de gegevens werd verwijderd, wat bevestigde dat het patroon echt was en niet slechts een artefact van één ongewoon goede nacht. In contrast hiermee faalde een ander type voorspellend instrument, een machine learning-algoritme bekend als Random Forest, erin de vangsten accuraat te voorspellen wanneer het werd getest op nieuwe gegevens. Dit falen benadrukte dat hoewel complexe patronen bestaan, ze moeilijk te voorspellen zijn zonder een diep begrip van de onderliggende temporele structuur.

De studie bestudeerde ook de kaart van de visgronden om te zien of er permanente "hotspots" waren waar inktvis zich altijd verzamelde. Hoewel één gebied in het zuid-centrale deel van het onderzoeksgebied een zeer hoge vangstgraad vertoonde, en een paar andere plekken matige successen boekten, waren de onderzoekers voorzichtig om deze niet als vaste, permanente zones te bestempelen. Omdat de monstername-locaties van dag tot dag veranderden, en omdat de vangstcijfers in de loop van de tijd zo sterk varieerden, garandeerde een hoge vangst op de ene nacht niet hetzelfde resultaat op de volgende. De afwezigheid van een consistent ruimtelijk patroon in de resterende gegevens suggereerde dat de inktvis door het gebied trokken in plaats van op één vaste plek te blijven.

Uiteindelijk schetst het onderzoek een beeld van een visserij die zeer dynamisch en reactief is op de ritmes van de oceaan. De inktvis in deze wateren wachten niet simpelweg op een vaste plek tot de vissers hen vinden; hun beschikbaarheid is een verschuivend doelwit dat wordt beïnvloed door het seizoen, de locatie en de bredere staat van het mariene milieu. Hoewel chlorofyl-a naar voren kwam als het sterkste omgevingssignaal, is de invloed ervan diep verweven met het verstrijken van de tijd, waardoor het een zwakke zelfstandige voorspeller is voor waar men op een gegeven nacht moet vissen. De bevindingen suggereren dat het beheer van deze visserij een flexibele aanpak vereist die deze snelle veranderingen erkent. In plaats van te vertrouwen op één enkele omgevingsregel of een statische kaart van productieve wateren, zal effectief beheer continu deze patronen moeten monitoren, waarbij wordt geadapteerd aan de seizoensgebonden en ruimtelijke verschuivingen die het leven van deze kortlevende wezens definiëren. De studie biedt een solide fundament voor toekomstige monitoring, waarbij wordt benadrukt dat men om de inktvis te begrijpen, het hele plaatje van tijd, plaats en omgeving moet bekijken, in plaats van te zoeken naar één enkele oorzaak.