Università degli Studi di Roma “Tor Vergata” Programma Nazionale Italiano per la raccolta e l’uso dei dati nel settore della pesca -­‐ annualità 2013 Regolamento CE 199/2008 Modulo V: Indicatori 5-­‐7. Valutazione degli effetti del settore della pesca sugli ecosistemi marini Responsabile Scientifico: Stefano Cataudella Collaboratori alla ricerca: Michele Scardi Tommaso Russo “Questo studio e stato condotto con il contributo del Ministero delle Politiche Agricole e Forestali,
Direzione Generale della Pesca e dell’Acquacoltura; esso non riflette necessariamente il punto di vista
dell’Amministrazione e non anticipa in alcun modo le future decisioni gestionali. Il presente volume
non e una pubblicazione e pertanto l’utilizzazione dei dati in esso contenuti e sottoposta
all’autorizzazione scritta del responsabile dell’Unita Operativa e dell’Amministrazione. La proprietà
dei risultati della ricerca e della Direzione Generale Pesca Marittima che si riserva il diritto di
utilizzare, elaborare e diffondere i dati. Qualunque diffusione dei dati non autorizzata
specificatamentesarà perseguita a termini di legge”.
Il presente documento rappresenta il report delle attività svolte dall’unità operativa Università
degli Studidi Roma “Tor Vergata” (UTV) nell’ambito del Programma Nazionale Italiano per la
raccolta e l'uso dei dati nel settore della pesca per il periodo 2010-2011 - annualità 2010, così
come previsto dal contratto ratificato tra la Associazione Temporanea di Scopo di cui l’UTV e
membro e il Ministero delle Politiche Agricole e Forestali (Mipaf).
Di seguito, e riportato l’elenco dettagliato delle persone coinvolte nell’attività svolta dall’UTV.
Modulo V: Indicatori 5-7. Valutazione degli effetti del settore della pesca sugli ecosistemi marini
Stefano Cataudella (Responsabile Scientifico) Michele Scardi (Ricercatore)
Tommaso Russo (Ricercatore)
Per una corretta citazione bibliografica:
Cataudella S., 2014. Programma Nazionale Italiano per la Raccolta di Dati alieutici 2012. Modulo V:
Indicatori 5-7. Valutazione degli effetti del settore della pesca sugli ecosistemi marini. Rapporto Finale,
Roma, Italia.
1. Sommario 1. SOMMARIO 3 2. MODULO V. INDICATORI 5-­‐7. INTRODUZIONE 4 2.1. GLI INDICATORI ECOSISTEMICI – MODULO V DEL PROGRAMMA NAZIONALE -­‐ EVALUATION OF THE EFFECTS OF THE FISHING SECTOR ON THE MARINE ECOSYSTEM 4 2.1.1. INDICATORI DI PRESSIONE (5-­‐6-­‐7) 4 2.1.2. 5.1.1 INDICATORE 5: DISTRIBUZIONE DELLE ATTIVITÀ DI PESCA 4 2.1.3. INDICATORE 6: AGGREGAZIONE DELLE ATTIVITÀ DI PESCA 5 2.1.4. INDICATORE 7: AREE NON IMPATTATE DA STRUMENTI MOBILI OPERANTI SUI FONDALI (STRASCICO ECC.) 5 2.2. INNOVAZIONI METODOLOGICHE E GESTIONALI 5 3. MATERIALI E METODI 6 3.1.1. DATI UTILIZZATI 3.2. IL PACCHETTO VMSBASE 3.3. GESTIONE DEI DATI VMS, PULIZIA E MIGLIORAMENTO: DA MATRICI GREZZE A DATABASE 3.1. GESTIONE E PULIZIA DEI DATI LOGBOOK: DA RECORDS GREZZI A DATABASE 3.2. ISPEZIONE DEI DATI VMS: I VISUALIZZATORI 3.3. IDENTIFICAZIONE E CLASSIFICAZIONE DEI MÉTIER 3.4. ACCOPPIAMENTO TRA DATI VMS E LOGBOOK ED IDENTIFICAZIONE DEI PUNTI IN PESCA 3.5. MAPPATURA DELLA PRESSIONE DA PESCA E CALCOLO DEGLI INDICATORI DI PRESSIONE 6 7 9 10 13 15 16 18 4. RISULTATI E DISCUSSIONE 19 4.1. INDICATORI 5 E 6 4.1.1. GSA9 (ALTO MAR TIRRENO) 4.1.2. GSA10 (MAR TIRRENO MERIDIONALE) 4.1.3. GSA11 (MAR DI SARDEGNA) 4.1.4. GSA16 (STRETTO DI SICILIA) 4.1.5. GSA17 (ADRIATICO SETTENTRIONALE) 4.1.6. GSA18 (ADRIATICO MERIDIONALE) 4.1.7. GSA19 (MAR IONIO) 4.1. INDICATORE 7 19 20 24 27 31 34 40 45 48 5. BIBLIOGRAFIA 49 2. Modulo V. Indicatori 5-­‐7. Introduzione 2.1.
Gli indicatori ecosistemici – Modulo V del Programma Nazionale -­‐ Evaluation of the effects of the fishing sector on the marine ecosystem Definizione di indicatori ambientali destinati a misurare l’impatto della pesca sull’ecosistema marino
Indicatore (a)
Definizione
Dati richiesti
Livello di precisione
1
Stato di conservazione delle specie itti­
che
Indicatore della biodiversità da utilizzare per
sintetizzare, valutare e comunicare le ten­
denze nella biodiversità delle specie ittiche
vulnerabili.
2
Proporzione di grandi pesci
Indicatore della proporzione di grandi pesci
(in peso) nell’insieme, che rispecchia la strut­
tura di taglia e la composizione degli stadi
vitali della comunità ittica.
La campagna di ricerca deve riguardare la mas­
sima estensione possibile della regione marittima
per il periodo di tempo più lungo disponibile.
L’indicatore deve essere specifico per la campagna
di ricerca. Le campagne devono essere realizzate
su base annuale con un attrezzo da pesca stan­
dard.
3
Lunghezza media massima dei pesci
Indicatore della composizione degli stadi vi­
tali della comunità ittica.
Specie, lunghezza e abbondanza determinate
nell’ambito di campagne di ricerca indipendenti
dal settore della pesca per la regione marittima
considerata. Ai fini della corretta comunicazione
di questo indicatore occorre che tutte le specie
da esso contemplate siano identificate in modo
coerente e affidabile. Le catture effettuate nella
campagna devono essere classificate in modo
esaustivo (non sottoposte a sottocampiona­
mento) per garantire la registrazione di tutti
gli individui di ogni specie compresa nell’indica­
tore; tuttavia il sottocampionamento è autoriz­
zato per la misura della lunghezza, in casi de­
bitamente giustificati.
4
Taglia alla maturità delle specie ittiche
sfruttate
Indicatore degli effetti genetici potenziali su
una popolazione.
Singole misurazioni dell’età, della lunghezza, del
sesso e della maturità effettuate nell’ambito di
campagne di ricerca indipendenti dal settore
della pesca per la regione marittima considerata.
Almeno 100 individui per classe di età; tuttavia
un numero maggiore di individui consentirà di
rafforzare l’efficacia dell’indicatore.
5
Distribuzione delle attività di pesca
Indicatore dell’estensione spaziale dell’attività
di pesca. Dovrà essere comunicato insieme
all’indicatore «Aggregazione delle attività di
pesca».
Dati relativi alla posizione e registrazione della
nave basati sul sistema VMS.
Di preferenza, rapporti di posizione ogni mez­
zora.
IT
Specifica del codice
L 41/70
Gli indicatori ecosistemici presenti nell’Appendice XIII della Decisione della Commissione 93/2010
sono riportati Tab 1.
Appendice XIII
Indicatore del livello di aggregazione dell’at­
tività di pesca. Dovrà essere comunicato in­
sieme all’indicatore «Distribuzione dell’atti­
vità di pesca».
7
Zone non interessate dall’uso di at­
trezzi di fondo attivi
Indicatore della superficie del fondo marino
che non è stata interessata dall’uso di attrezzi
di fondo attivi nell’ultimo anno. Rispecchia i
cambiamenti nella distribuzione dell’attività
di pesca di fondo conseguenti al controllo
delle catture e dello sforzo o all’applicazione
di misure tecniche (comprese le ZMP
nell’ambito della normativa in materia di
conservazione) e allo sviluppo di altre atti­
vità che sostituiscono l’attività di pesca (ad
esempio parchi eolici).
Tabella 1 - Indicatori eco-sistemici presenti nell’Appendice XIII della Decisione della Commissione 93/2010.
2.1.1. Indicatori di pressione (5-­‐6-­‐7) Tra i 9 indicatori ecosistemici suddetti, 3 sono stati appositamente sviluppati al fine di descrivere
l’estensione spaziale delle attività di pesca. Essi sono:
2.1.2. 5.1.1 Indicatore 5: Distribuzione delle attività di pesca Tale indicatore rappresenta una descrizione/individuazione spaziale delle zone sottoposte ad attività di
pesca. Esso deve essere riportato insieme al successivo indicatore (6), ed essere misurato come area
totale occupata dai segnali emessi da battelli operanti attività di pesca rispetto ad un riferimento
16.2.2010
Aggregazione delle attività di pesca
Gazzetta ufficiale dell’Unione europea
6
Disponibili nei due mesi successivi al ricevi­
mento dei rapporti di posizione, con tutte le
posizioni collegate al livello 6 della classifica­
zione per mestiere (cfr. appendice IV (1-5)).
Non sono comprese le navi di lunghezza infe­
riore a 15 m.
spaziale rappresentato da una griglia con celle di dimensione pari a 3×3 km. I segnali relativi alle
attività di pesca dovranno essere suddivisi rispetto alla mensilità di occorrenza ed al Mestiere effettivo
dell’attività di pesca, come dalla tabella 6 (Livelli 5/6 del Regolamento Comunitario, come riportato
nel Report of the 3rd Meeting of the Mediterranean Planning Group for Methodological Development PGMed), e per singola GSA di appartenenza. I livelli 5 e 6 corrispondono, rispettivamente, a “Target
assemblage” e “Mesh size and other selective devices”. Tali livelli sono praticamente corrispondenti
poiché, come appare dalla matrice Nell’ appendice IV della Decisione 2008/949/EC (definita a sua
volta in base al Regolamento EC N°1967/2006) per il livello 6 si fa riferimento semplicemente a
dimensioni minime delle reti e degli ami.
2.1.3. Indicatore 6: Aggregazione delle attività di pesca Tale indicatore rappresenta il livello di aggregazione delle attività di pesca. Esso dovrà essere riportato
ed analizzato insieme all’indicatore precedente, e calcolato utilizzando la medesima griglia e le
medesime suddivisioni temporali, di Mestiere e di GSA. In sostanza, esso rappresenta l’area totale
(calcolata rispetto alla suddetta griglia di riferimento) occupata dal 90% dei segnali emessi da battelli
operanti attività di pesca. L’identificazione effettiva delle celle può essere fatta ordinandole secondo
una sequenza decrescente relativa al numero di segnali assegnati a ciascuna cella e quindi escludendo
tutte le celle successive al raggiungimento di un numero totale di segnali corrispondente al 90% dei
segnali registrati.
2.1.4. Indicatore 7: Aree non impattate da strumenti mobili operanti sui fondali (strascico ecc.) Tale indicatore rappresenta le aree che non sono state sottoposte a sfruttamento mediante attrezzi
mobili operanti sul fondo (principalmente strascico). A differenza dei suddetti indicatori, esso dovrà
essere calcolato su base annuale, e non mensile. In sostanza, quindi, esso rappresenterà il complemento
dell’indicatore 5, calcolato su base annuale per singola GSA e per i soli mestieri affini allo strascico.
Esso, tuttavia, dovrà essere calcolato per le seguenti fasce batimetriche: 0-20 m, 20-50 m, 50-80 m, 80130 m, 130-200 m, >200 m.
Tabella 2- Schema dei mestieri per il Mediterraneo ed il Mar Nero - Fonte: Final Report of the 3rd Meeting of the
PGMed (https://stecf.jrc.ec.europa.eu/docs)
2.2.
Innovazioni metodologiche e gestionali Dal punto di vista delle metodologie, durante questa annualità di progetto è stata ulteriormente raffinata la piattaforma informatica integrata VMSbase, che è stata distribuita tramite un sito web dedicato (www.wmsbase.org) quale prodotto della ricerca scientifica pubblica italiana. Il sito web è stato aperto al pubblico alla fine dell’anno 2013, ed è dunque attivo da circa un anno. 3. Materiali e Metodi 3.1.1. Dati utilizzati La principale fonte di informazione è stata rappresentata dall'Archivio VMS (Vessel Monitoring
System - di seguito VMS) dei segnali trasmessi dalle BlueBox delle imbarcazioni equipaggiate con
questa attrezzatura (attualmente, tutte quelle appartenenti alla Flotta da Pesca Italiana con LOA>15 m).
Generalmente, le BlueBox trasmettono dati identificativi del battello, della sua posizione (latitudine e
longitudine), della sua velocità e della sua direzione. In aggiunta, le BlueBox trasmettono un segnale
codice contenente informazioni circa la rotta, la velocità e la posizione dei battelli. Tale segnale viene
implementato, presso la centrale operativa del Comando Generale delle Capitanerie di porto, con un
codice specificante l’attività del battello stesso. Il sistema di trasmissione delle Blue Box è agganciato
alla rete satellitare Inmarsat.
Come specificato nell’ICES WGECO REPORT 2009, i segnali VMS sono generalmente trasmessi ad
intervalli di 2 ore. Tale griglia temporale richiede l’implementazione di una serie di procedure di
interpolazione al fine di ricostruire con maggiore dettaglio l’attività dei singoli battelli ed evitare una
sottostima dell’attività di pesca. E’ stata quindi sviluppata una procedura di interpolazione finalizzata
ad ottenere segnali con frequenza pari a 20 minuti. Tale procedura, già implementata durante la prima
annualità del programma, è stata efficacemente testata su un’ampia serie di dati, e è stata presentata in
una pubblicazione scientifica dedicata (Russo et al, 2011a).
La seconda sorgente di informazione utilizzata per il calcolo degli indicatori eco sistemici è stata
rappresentata dall'archivio digitale dei Logbook (di seguito LB) compilati durante le attività di pesca
delle stesse imbarcazioni di cui al punto precedente. Nella sua formulazione di base, un logbook
contiene informazioni sull’attrezzo utilizzato da un dato vascello (Mestiere livello 4) e i dati di cattura
delle principali specie pescate durante ogni singola cala. Quest’ultimo dato è fondamentale poiché
consente l’assegnazione di una data attività di pesca, o cala, ad un Mestiere di livello 5 o 6; Per
implementare l’assegnazione di ciascuna cala ad un determinato Mestiere di livello 5/6, tuttavia, sono
stati necessari una serie di passaggi logici. Innanzitutto è stato necessario classificare le specie pesca
secondo criteri di Ecologia, Taglia e Gruppo. In tal senso, è stato seguito ed implementato il
Regolamento CE n° 1636/2001 che stabilisce una sigla univoca a ciascuna specie e le suddivide in
varie categorie (Demersali, Pelagiche, ecc).
Il Registro dei Vascelli (di seguito VR) appartenenti alla Flotta da Pesca Italiana, contenente le
informazioni relative alle licenze ed agli attrezzi posseduti dalle singole imbarcazioni, è stata un’altra
importante sorgente di informazioni, in quanto utile come riferimento per quelle tracce che non
trovavano corrispondenza nell’attività registrata nei logbook;
Infine, il censimento IREPA (di seguito Flotta IREPA) degli attrezzi posseduti dalle singole
imbarcazioni, con relativa indicazione stagionale del loro utilizzo, in ordine gerarchico, per le
imbarcazioni con più attrezzi e più licenze. A differenza del precedente database, che contiene dati
aggregati (ad esempio, i mestieri noti come Rapido e Strascico non sono distinti), il database Flotta
IREPA contiene un livello di dettaglio compatibile con quello richiesto dai recenti documenti
comunitari.
Le informazioni provenienti dai diversi database sono state inizialmente combinate mediante una
procedura del tutto omologa a quella proposta da Bastardie et al., 2010, ed illustrata dallo schema
seguente.Essa è basata esclusivamente sui dati VMS e LOGBOOKS, e stabilisce dei criteri per la loro
sovrapposizione in modo da identificare una corrispondenza biunivoca tra sottoinsieme dei due dataset.
Il suddetto metodo, tuttavia, non è utile nei casi in cui si voglia classificare l’attività di una serie di
segnali VMS ma non di disponga del dato LOGBOOK. Dato che questa eventualità è comune nei dati
della flotta italiana (solo il 40% circa dei dati VMS può essere univocamente classificato in métier
mediante il dato logbook) è stato necessario mettere a punto una procedura alternativa.
Questa procedura, sviluppata durante la seconda annualità del programma, e dettagliatamente descritta
in Russo et al., 2011b, utilizza l’approccio delle Reti Neuronali Non Supervisionate. Questo strumento
è stato sviluppato per analizzare e classificare segnali VMS organizzati in “tracce”, ovvero serie
ordinate corrispondenti a singole uscite del vascello (dall’uscita al rientro in porto), sotto l’ipotesi che
ciascuna traccia corrisponda univocamente ad un solo métier.Successivamente, il metodo è stato
utilizzato per classificare le tracce per le quali non era disponibile il dato LOGBOOK.
Per quanto riguarda il resto della procedura utilizzata per il calcolo degli indicatori eco sistemici, essa
non differisce nel razionale da quella descritta per l’annualità precedente. L’unica differenza di rilievo
va segnalata nel fatto che, invece di utilizzare algoritmi e software di terze parti (es. ARCGis), sono
state sviluppate apposite routine in ambiente R (Development Core Team, R., 2009) volte a rendere
automatica la procedura di calcolo e mappatura degli indicatori.
La novità principale per l’annualità 2012 è stata la realizzazione, come già preannunciato nei rapporti
relativi alle annualità precedenti, di una piattaforma completa per le analisi dei dati VMS ed il calcolo
degli indicatori DCF.
3.2.
Il pacchetto VMSbase Durante l’ultima annualità del Programma Nazionale, in collaborazione con il Progetto Bandiera
RITMARE, è stata completata l’integrazione del pacchetto VMSbase ed il suo rilascio come pacchetto
di R.
L'idea sottostante VMSbase si basa sui seguenti fattori (in ordine di importanza): 1) i dati sulla pesca
(come il VMS ed i Logbook) possono essere contraddistinti da differenti formati (ad esempio i paesi
ICES adottano un formato particolare) e comunicare peculiarità del relativo sistema pesca in cui sono
raccolti, al punto che quelli rilevati nel Mediterraneo possono essere discriminati da quelli provenienti
da altre aree (ad esempio il Mare del Nord) e ciò porta alla necessità di algoritmi di elaborazione
appropriati (Acon, 2011; Coll et al., 2013). VMSbase è quindi finalizzato a soddisfare il bisogno di
adeguate metodologie per analizzare lo sforzo di pesca anche nel Mar Mediterraneo, come
recentemente sostenuto da (Coll et al., 2013); 2) VMSbase implementa una serie di strumenti
desiderabili (ad esempio, il collegamento dei dati VMS ai dati ambientali chiave come la batimetria) o
necessari (ad esempio un gestore di database per utilizzare in modo efficiente tipici basi di dati
VMS/logbook ed una semplice interfaccia grafica, vedi Figura 1). Inoltre, impiega alcuni metodi
all'avanguardia come l'algoritmo di interpolazione (Russo et al., 2011a) e l'uso di Artificial Neural
Network per prevedere i métiers (categorie omogenee di attività di pesca in termini di specie o gruppi
bersaglio, zona e stagione di pesca, vedere (Russo et al., 2011b) quando non sono disponibili i dati
logbook), 3) pur mantenendo la possibilità di utilizzare l'interfaccia da riga di comando, l'interfaccia
grafica permette un facile approccio “punta e clicca” all’analisi.
Figura 1-­‐ Interfaccia principale del pacchetto VMSbase. E’ organizzata in gruppi di icone che danno accesso a diverse funzioni che operano su diversi dati di input (VMS, logbook od una combinazione dei due). Il pannello "Project Management" nella parte in basso a sinistra permette di impostare i file per la sessione di lavoro (e anche salvare e caricare l'area di lavoro). I pannelli "VMS Data Management" e “Logbook Data Management" consentono di accedere alle funzioni e routine per l'analisi di dati, rispettivamente, VMS e Logbook. Questi due flussi convergono nelle analisi previste nel pannello "VMS-­‐Logbook Analysis". Infine, i principali risultati numerici e grafici possono essere prodotti dagli strumenti nel pannello “Data Output" nella parte in basso a destra. L'interfaccia principale è progettata per mostrare tutti i moduli del pacchetto, raggruppati per
tipologia/livello di analisi o per tipo di dati (VMS/Logbook) da trattare. Un primo punto da sottolineare
è che ogni elaborazione può essere condotta in modo indipendente. In altre parole, nella stessa sessione,
l'utente può decidere di eseguire, in qualsiasi ordine, due o più diverse analisi (ad es “Assign
Bathymetry” e “LogBook-VMS Matching” su due diversi dataset), a condizione che il tipo corretto di
dati sia già caricato. Ogni oggetto gestito dalle funzioni del pacchetto ha una propria esistenza, e può
essere salvato e caricato separatamente. Tuttavia, ciò non esclude la possibilità di elaborare
progressivamente un dataset di input per produrre un determinato risultato. In questo modo, si può
inizialmente caricare un file VMS o Logbook, tramite il pannello "Project Management" sul lato
sinistro dell'interfaccia principale (Fig. 1) ed in seguito eseguire diverse analisi consecutive, ed il
pacchetto userà quel file, come predefinito, per ognuna delle analisi.
VMSbase è dotato di due interfacce user-friendly che permettono il caricamento di dati VMS e
Logbook in una vasta gamma di formati (Fig. 2). Ovviamente, i dati da caricare devono contenere
alcune colonne obbligatorie, senza però la necessità che i nomi di queste colonne siano conformi ad
uno specifico standard. Le funzioni di upload possono gestire dati con diversi separatori di campo
(virgola, punto e virgola e tabulazione) e diversi formati per i dati critici (ad es. data/ora e le coordinate
spaziali). Inoltre, la struttura grafica contiene i pulsanti per caricare direttamente i dati formattati con
gli standard EFLALO/TACSAT2, al fine di garantire la compatibilità con VMStools e la comunità
scientifica del Mare del Nord (Fig. 2b). Infine, le opzioni definite per il caricamento di uno specifico
dataset possono essere salvate ed utilizzate per simili set di dati, rendendo questo passaggio veloce e
sicuro. Se l'utente è interessato ad usare iterativamente la funzione di caricamento (ad es. quando un
gran numero di set di dati deve essere caricato), questo può essere fatto da riga di comando.
Figura 2 -­‐ interfacce VMSbase per il caricamento di dati: a) VMS e b) Logbook. In entrambi i casi è disponibile una serie di opzioni per il formato, queste interfacce permettono anche il salvataggio delle configurazioni selezionate 3.3.
Gestione dei dati VMS, Pulizia e Miglioramento: da matrici grezze a database In VMSbase, il primo passo dopo il caricamento dei dati consiste nella creazione di un database.
Questo passaggio viene eseguito secondo le procedure del pacchetto R SQLdf (Grothendieck, 2012).
Tutte le funzioni VMSbase sono progettate per gestire questo tipo di database perché aumenta
fortemente l’efficienza, sia per la velocità di caricamento, sia per la memorizzazione, in particolare
quando si utilizzano grandi quantità di dati (come avviene comunemente per analisi VMS/Logbook
effettuate su larga scala o per lunghi periodi). La conversione dai dati grezzi ai database SQL
(Structured Query Language) può essere effettuata semplicemente usando il tasto "Create DataBase"
nel pannello "VMS Data Management" dell'interfaccia principale. E’ noto che i dati VMS nativi
(ovvero memorizzati e trasmessi dagli organismi nazionali preposti) sono caratterizzati da una
percentuale variabile di record errati. I principali tipi di errore possono essere classificati come ping
appartenenti alle seguenti categorie: 1) posizione irragionevole (ad esempio a terra); 2) velocità
irragionevole (ad esempio, valori negativi o troppo alti); 3) rotta irragionevole (ossia valori al di fuori
dell’intervallo della bussola). Una distinta categoria finale comprende i record duplicati.
Intuitivamente, i ping appartenenti ad una o più di queste categorie dovrebbero essere rimossi o
segnalati. Si è constatato che la rimozione permanente dei record è raramente una buona scelta. Di
conseguenza, si è deciso di evidenziare i ping irregolari nel set di dati. Ciò è possibile cliccando sul
pulsante “Clean DB Data” del pannello "VMS Data Management" nell'interfaccia principale (Fig. 1).
Tutti i ping identificati sono contrassegnati come fonte di irregolarità; l'utente può decidere se
mantenere i ping contrassegnati o rimuoverli (in parte). I passaggi successivi riguardano la suddivisione
della serie di ping VMS appartenenti ad una stessa nave in tracce, cioè serie di ping appartenenti ad un
unico viaggio che inizia e si conclude in determinati porti. Data una mappa statica dei porti in formato
shapefile o dataframe di R, VMSbase disegna un buffer circolare attorno a ciascun porto: i ping VMS
che rientrano nel buffer sono classificati come "ping in porto” e saranno poi associati con i rispettivi
porti. Per default, il raggio del buffer è di 2 km, anche se è personalizzabile da parte dell'utente. In
genere, le tracce grezze risultano abbastanza insoddisfacenti per eseguire qualsiasi tipo di analisi, in
quanto tipicamente la frequenza dei ping è irregolare, e nella stragrande maggioranza dei casi non sono
presenti ping nei porti di partenza e di arrivo. Per questo motivo, il pacchetto consente di dedurre i porti
ed interpolare ad una frequenza temporale stabilita dall'utente. E’ possibile eseguire questi passaggi
facendo click sulle rispettive icone all’interno del pannello "VMS Data Management" nell'interfaccia
principale (Fig. 1). Poiché questi passaggi modificano progressivamente il database finale, è importante
esplorare graficamente e seguire le analisi attraverso un'interfaccia: questo è lo scopo del “VMS Data
Viewer”, che può essere attivato tramite l'icona corrispondente nel pannello "VMS Data Management"
dell’interfaccia principale (Fig. 1).
3.1.
Gestione e Pulizia dei dati Logbook: da Records Grezzi a Database In VMSbase, il primo passo dopo il caricamento dei dati consiste nella creazione di un database.
Questo passaggio viene eseguito secondo le procedure del pacchetto R SQLdf (Grothendieck, 2012).
Tutte le funzioni VMSbase sono progettate per gestire questo tipo di database perché aumenta
fortemente l’efficienza, sia per la velocità di caricamento, sia per la memorizzazione, in particolare
quando si utilizzano grandi quantità di dati (come avviene comunemente per analisi VMS/Logbook
effettuate su larga scala o per lunghi periodi). La conversione dai dati grezzi ai database SQL
(Structured Query Language) può essere effettuata semplicemente usando il tasto "Create DataBase"
nel pannello "VMS Data Management" dell'interfaccia principale. E’ noto che i dati VMS nativi
(ovvero memorizzati e trasmessi dagli organismi nazionali preposti) sono caratterizzati da una
percentuale variabile di record errati. I principali tipi di errore possono essere classificati come ping
appartenenti alle seguenti categorie: 1) posizione irragionevole (ad esempio a terra); 2) velocità
irragionevole (ad esempio, valori negativi o troppo alti); 3) rotta irragionevole (ossia valori al di fuori
dell’intervallo della bussola). Una distinta categoria finale comprende i record duplicati.
Intuitivamente, i ping appartenenti ad una o più di queste categorie dovrebbero essere rimossi o
segnalati. Si è constatato che la rimozione permanente dei record è raramente una buona scelta. Di
conseguenza, si è deciso di evidenziare i ping irregolari nel set di dati. Ciò è possibile cliccando sul
pulsante “Clean DB Data” del pannello "VMS Data Management" nell'interfaccia principale (Fig. 1).
Tutti i ping identificati sono contrassegnati come fonte di irregolarità; l'utente può decidere se
mantenere i ping contrassegnati o rimuoverli (in parte). I passaggi successivi riguardano la suddivisione
della serie di ping VMS appartenenti ad una stessa nave in tracce, cioè serie di ping appartenenti ad un
unico viaggio che inizia e si conclude in determinati porti. Data una mappa statica dei porti in formato
shapefile o dataframe di R, VMSbase disegna un buffer circolare attorno a ciascun porto: i ping VMS
che rientrano nel buffer sono classificati come "ping in porto” e saranno poi associati con i rispettivi
porti. Per default, il raggio del buffer è di 2 km, anche se è personalizzabile da parte dell'utente. In
genere, le tracce grezze risultano abbastanza insoddisfacenti per eseguire qualsiasi tipo di analisi, in
quanto tipicamente la frequenza dei ping è irregolare, e nella stragrande maggioranza dei casi non sono
presenti ping nei porti di partenza e di arrivo. Per questo motivo, il pacchetto consente di dedurre i porti
ed interpolare ad una frequenza temporale stabilita dall'utente. E’ possibile eseguire questi passaggi
facendo click sulle rispettive icone all’interno del pannello "VMS Data Management" nell'interfaccia
principale (Fig. 1). Poiché questi passaggi modificano progressivamente il database finale, è importante
esplorare graficamente e seguire le analisi attraverso un'interfaccia: questo è lo scopo del “VMS Data
Viewer”, che può essere attivato tramite l'icona corrispondente nel pannello "VMS Data Management"
dell’interfaccia principale (Fig. 1).
Figura 1 -­‐ interfaccia VMSbase per “VMS data viewer” o query ai database. La parte superiore mostra una serie di dati statistici per il database selezionato. Un sistema a semaforo indica le analisi già completate (luci verdi) e quelle che possono ancora essere eseguite (luci rosse). L'area in basso mostra l'aspetto del dataset. Diversi pannelli vengono utilizzati per i ping VMS nativi, le tracce (cioè gruppi di ping VMS), le tracce interpolate, le avvertenze, ecc. I nomi dei dataset così come i dati in figura sono solo per illustrazione. Questo strumento è stato progettato per mostrare il reale aspetto del database analizzato. Le caselle
nella parte superiore della finestra (Figura 3) visualizzano lo stato dell’analisi, attraverso una serie di
simboli a semaforo che evidenziano quali analisi sono state già effettuate, così come alcune semplici
statistiche relative a ping e tracce. Nella parte inferiore di questa finestra viene mostrata un'anteprima
del database, organizzata in diversi schede a seconda della fase dell’analisi specificata. Ad esempio, è
possibile controllare i codici di allarme che identificano le diverse condizioni di errore di cui sopra, o
distinguere i ping in porto ed in mare, o infine, tra i ping reali e quelli interpolati. Inoltre, questa
interfaccia permette di effettuare query da sottoporre al database al fine di selezionare sottoinsiemi di
dati. Ad esempio, gli utenti possono selezionare i dati per un determinato gruppo di pescherecci, o
all'interno di una specifica finestra temporale o spaziale.A riguardo degli algoritmi utilizzati per
implementare questi passaggi, va detto che l'assegnazione di ciascun ping allo stato "in-porto" richiede
informazioni geo-referenziate accessorie con le posizioni dei porti e possono essere fornite in uno
standard ESRI shapefile. Un set di dati, per i porti del Mediterraneo e del Mondo, è fornito a supporto
nelle risorse del sito VMSbase (http://www.vmsbase.org/resources). Se l'utente non specifica
diversamente, l'analisi procede escludendo ping erronei e mantenendo solo due ping “in-porto” (uno
all'inizio e uno alla fine, rispettivamente, di ogni traccia).Nella procedura di partizionamento, che
suddivide il database in tracce, il software taglia la serie se la distanza temporale tra due ping
consecutivi è maggiore di un valore soglia (personalizzabile dall’utente) in base sia ad una rilevazione
di posizioni “in-porto”, sia ad un semplice filtro di ritardo tra ping successivi.
La fase di interpolazione merita una descrizione a parte. Il termine interpolazione si riferisce
all’aumento artificiale della frequenza temporale dei ping VMS ottenuta applicando un algoritmo
matematico che stima posizione, velocità e rotta nei momenti in cui non vengono registrate. In
generale, questo passo è necessario per garantire un dettaglio temporale adeguato ai dati VMS, in
quanto la frequenza standard dei dati nativi è generalmente bassa (vale a dire circa 2 ore). VMSbase è
dotato di un algoritmo che, a nostro avviso, è quello caratterizzato dal più basso livello di errore e la
più ampia gamma di applicabilità in termini di attività di pesca (Russo et al., 2011a). Questa procedura
ha due caratteristiche che meritano attenzione: 1) la frequenza a cui deve essere eseguita
l'interpolazione può essere definita dall'utente; 2) quando applicato ad un determinato insieme di dati,
la procedura restituisce i ping/tracce allineati ad una specifica scala temporale, in modo che l'utente
possa ottenere un’"istantanea" di tutte le posizioni della nave in ogni momento. In pratica, come se tutte
le navi avessero simultaneamente inviato i segnali, il database interpolato contiene ping temporalmente
allineati rispetto alla scala temporale. Il dataset risultante può essere molto utile ad esempio nella stima
di modelli comportamentali dove è rilevante l'interazione tra le imbarcazioni. Un altro punto
importante è che il passo di interpolazione non richiede alcuna taratura arbitraria di parametri.
Il pacchetto VMSbase offre la possibilità di migliorare i dati VMS stimando la profondità del fondo del
mare per ciascun ping e calcolando la topologia del fondale marino e le isobare dell'area ispezionata.
Questo può essere fatto mediante gli algoritmi relativi ai pulsanti "Assign bathymetry" e "Get Isobaths"
del pannello "VMS Data Management" nell'interfaccia principale (Fig. 1). Lo strumento "Assign
bathymetry" visualizza l'analisi in corso in un visualizzatore dedicato (Fig. 4a) e permette
l'applicazione di uno dei due alternativi algoritmi: il primo, denominato "Slow & Light", non è molto
veloce ma può essere utilizzato da computer non molto potenti, mentre l'algoritmo "Fast & Heavy"
permette di completare questa fase dell'analisi in circa la metà del tempo, ma richiede computer con
almeno 8 GB di RAM. Inoltre, il pacchetto utilizza le funzionalità del pacchetto marmap (Pante et al.,
2013) e permette di personalizzare l'area di interesse in uso attraverso una casella visuale di selezione
(Fig. 4b).
Infine, VMSbase permette di assegnare ogni traccia ad una delle diverse aree di interesse utilizzando la
funzione standard “point-in-polygon” fornita dal pacchetto PBSmapping (Schnute et al., 2013). In
particolare, il punto centrale di ciascuna traccia viene calcolato come le coordinate medie dei ping
VMS nella traccia, e l'area di interesse è definita come quella in cui il punto focale rientra.
Figura 4 -­‐ interfacce VMSbase per lo strumento "Assign bathymetry”: a) interfaccia principale che consente di selezionare i dati e l'algoritmo; b) interfaccia per selezione dei dati con “Custom Box”. 3.2.
Ispezione dei dati VMS: i Visualizzatori Gli utenti con familiarità per l’elaborazione di dati VMS sanno che indagini e controlli visivi del flusso
di dati sono auspicabili e talvolta necessari. Il pacchetto VMSbase è dotato di quattro diversi strumenti
di visualizzazione per consentire, durante le diverse fasi dell'analisi, di valutare visivamente i dati. Il
più semplice di questi strumenti è il “Ping Viewer”, accessibile tramite il pulsante “Ping Viewer” nel
pannello “VMS Data Visualization” dell’interfaccia principale (Fig. 1). Questo visualizzatore (Fig. 5a)
è stato progettato per mostrare, anche prima della divisione in tracce, i ping VMS grezzi all'interno di
un database, e per effettuare la semplice selezione di sottoinsiemi di ping riferendosi all’identificativo
di vascello (es. Numero UE). Lo scopo di questo strumento è quello di fornire il supporto grafico per
una prima ispezione dei dati caricati. Invece, il “Track Viewer” (accessibile tramite l'icona
corrispondente dell’interfaccia principale – Fig. 1) consente di visualizzare le singole tracce
appartenenti a ciascun vascello presente nel database (Fig. 5b e 5c). Questo può essere utile per
l'ispezione dell’attività delle navi rispetto ai porti, e permette anche di osservare l'intero tragitto
percorso da una determinata imbarcazione in una determinata bordata.
Lo strumento “Interpolation Viewer” è concepito per mostrare le tracce interpolate i cui diversi colori
rappresentano i ping nativi (reali, rossi) e interpolati (neri). Ciò consente all'utente di controllare la
validità della fase di interpolazione (Fig. 5d).
Una nota particolare è necessaria per lo strumento "Google viewer". Questo permette di visualizzare i
dati VMS attraverso il pacchetto R ggmap (Kahle, 2013), in modo che l'utente possa produrre mappe di
più intuitiva interpretazione e realismo, sia dello sforzo di pesca sia del comportamento di sforzo. Un
campione rappresentativo delle mappe prodotte da questo strumento non è stato incluso nel presente
documento a causa delle restrizioni di copyright della rivista, che non permette la pubblicazione della
maggior parte delle immagini satellitari o mappe di terze parti. Tuttavia, degli esempi possono essere
trovati sul sito web VMSbase (www.vmsbase.org). Ciascuno dei visualizzatori VMSbase permette di
salvare l'immagine come file jpeg e l’esportazione dei dati come file CSV.
Figura 2 -­‐ interfacce VMSbase per: a) “Ping Viewer”, le singole posizioni VMS sono rappresentate da punti rossi; b) “Track Viewer”, in cui sono disegnate tutte le tracce di un singolo vascello; c) “Track Viewer”, in cui è disegnata una singola traccia di un singolo vascello; d) “Interpolation Viewer” in cui è visualizzata una singola traccia, con punti neri che rappresentano i ping VMS interpolati mentre i punti rossi rappresentano i ping VMS reali. Va notato che, in ogni caso, le principali isobate sono visualizzate attraverso il calcolo della funzione “Get Isobaths” nell'interfaccia principale. I nomi dei dataset così come i dati in figura sono solo a titolo illustrativo. 3.3.
Identificazione e Classificazione dei Métier Un tema importante nella gestione della pesca, nonché norma obbligatoria nell'ambito del Data Collection Framework dell'Unione europea (EC, 2008), è l'identificazione di gruppi di battute di pesca, di solito indicato come “métier” (Marchal, 2009), che sono caratterizzati da un comune modello di sfruttamento (ad esempio attrezzo impiegato, zona di pesca, specie bersaglio). Questa caratteristica è riscontrabile soprattutto in sistemi di pesca multi-­‐specie e multi-­‐flotta, come quelli nel Mediterraneo, nei quali una vasta gamma di specie è catturata da diversi attrezzi e tecniche di pesca (Russo et al., 2011b). Il DCF ha istituito un sistema gerarchico per l'identificazione dei mestieri attraverso la tipologia di attrezzo utilizzato ed il gruppo di specie bersaglio (http://datacollection.jrc.ec.europa.eu/wordef/fishing-­‐activity-­‐metier). L’utente può saltare la seguente fase dell'analisi se i dati Logbook grezzi contengono informazioni sull’attrezzo e/o sul mestiere. Altrimenti i Logbook, come semplici profili di cattura senza ulteriori informazioni dell’attrezzo impiegato, non consentono di determinare direttamente il métiers DCF di livello 5-­‐6 in cui una serie di battute di pesca ricade. Sono stati sviluppati diversi approcci per assegnare le osservazioni del Logbook, i profili di cattura, ad un “métier” di una lista di mestieri definita a priori. In una logica generale, questi approcci utilizzano una procedura di clustering che può essere sia preceduta da un'analisi multivariata finalizzata a ridurre il numero di descrittori, le specie catturate durante ogni bordata di pesca e registrati nel Logbook (Garcıa-­‐
Rodrıguez et al., 2006; Pelletier & Ferraris, 2000; Tzanatos et al., 2005), e quindi ridurre l'onere computazionale relativo alla fase di clustering, sia direttamente applicato alla totalità (non ridotta) dei dati (Castro et al., 2010). In questo contesto, la procedura “Clustering Large Applications” (CLARA) ha dimostrato di essere una solida ed utile tecnica di partizionamento specificamente progettata per la gestione di dataset di grandi dimensioni (Maechler et al., 2013). In VMSbase, la procedura CLARA implementata nel pacchetto R cluster (Maechler et al., 2013) è utilizzata per identificare i métiers in tutto il database Logbook, senza alcuna riduzione preliminare della dimensionalità dei dati (Fig. 6b). Inoltre, la funzione di CLARA nativa codificata nel linguaggio C, è stata ulteriormente arricchita dall'introduzione della distanza di Bray-­‐Curtis. Anche l’esecuzione della procedura “Clustering Large Applications” è stata resa esplorabile visivamente da parte dell’utente, in quanto riteniamo che possa essere utile in numerose analisi, anche al di fuori dello studio dei dati VMS. Il metodo, mediante l’analisi della “average silhouette width” (ASW -­‐ Rousseeuw et al., 1987), consente la valutazione del numero ottimale di gruppi (métier) nel dataset. Lo strumento “Métier discovery” di VMSbase permette di rilevare il numero e le caratteristiche, in termini di catture per il centroide di ogni métiers/cluster, dei diversi métiers presenti in un determinato database Logbook. In questa interfaccia, sono disponibili diverse opzioni per gestire i dati di input (ad esempio per rimuovere valori anomali o per la standardizzazione per la durata delle bordate) ed eseguire il clustering, inclusi i parametri per l'algoritmo CLARA (come il numero di campioni casuali e la dimensione di ciascun campione) e la misura di distanza da utilizzare (tra euclidea, Manhattan e Bray-­‐Curtis). Allo stesso tempo, l'interfaccia contiene un'area grafica in cui, durante la fase di ricerca, viene visualizzato e progressivamente aggiornato il profilo delle silhouette per i diversi partizionamenti. Al termine della fase di ricerca, viene mostrata una lista di mestieri candidati con i relativi profili di cattura e può essere salvata. L'utente deve ispezionare questa lista e riconoscere i diversi métier DCF, che saranno definitivamente associati con i profili di cattura. Ciò è possibile tramite lo strumento "Métier Editing" (Fig. 6c). E’ possibile saltare questo passaggio utilizzando i profili di riferimento distribuiti con il pacchetto VMSbase. Questi consistono in un insieme di 18 profili, corrispondenti alle principali tipologie di attività di pesca esercitate dalla flotta italiana nel Mediterraneo, e sono stati ottenuti in uno studio indipendente in preparazione. Dopo l'identificazione e l’etichettatura dei mestieri, è possibile utilizzare la classificazione ottenuta per classificare tutti i record nel database Logbook. Questo consiste essenzialmente nell'assegnazione, di ogni record nel database Logbook, ed eventualmente di nuovi record aggiunti successivamente, ad uno dei métier identificati. Questo passo è effettuato in VMSbase mediante una funzione di “fuzzy membership” (Bezdek et al., 1981; Miyamoto et al., 2008) che rappresenta una modifica dell'approccio “crisp” comune per Clara, in cui la regola consiste in una diretta assegnazione al più vicino centroide. 3.4.
Accoppiamento tra dati VMS e Logbook ed Identificazione dei Punti in Pesca Avendo trattato separatamente i dati VMS e Logbook, di norma, l'utente possiede informazioni
complete sia per la rotta di una nave in mare, cioè le informazioni relative a posizione, velocità e
direzione (da VMS), sia per gli attrezzi utilizzati e le risorse target. La fusione di queste informazioni
apre la possibilità di risolvere spazialmente e temporalmente le varie attività di pesca che caratterizzano
una determinata flotta (Piet et al., 2007). Il passo fondamentale in questo contesto è l'assegnazione di
ogni traccia VMS (cioè, ogni battuta di pesca) al corrispondente record nel database Logbook (se
presente). Questo è principalmente possibile perché i record di entrambe i database, VMS e Logbook,
contengono il numero identificativo del vascello. In secondo luogo, devono essere considerati i limiti
temporali di ogni record VMS e Logbook. VMSbase identifica le coppie di traccia VMS e record
Logbook da: 1) calcolo, per ogni record in ogni dataset, dell'intervallo temporale dell’attività di pesca
con gli estremi dei valori UTC utilizzando il formato definito nel pacchetto R intervals (Bourgon et al.,
2013); 2) l'utilizzo di questi intervalli per trovare la sovrapposizione di record tra i database VMS e
Logbook; 3) nel caso di sovrapposizioni multiple (ad esempio, più tracce VMS sovrapposte ad un unico
record Logbook) ogni traccia VMS è assegnata a tale métier; 4) nel caso di ambiguità (ad esempio una
data traccia VMS con record Logbook multipli) la traccia VMS è accoppiata con il record Logbook
caratterizzato dalla maggiore sovrapposizione. Tale procedura viene effettuata nello strumento
“LogBook-VMS Matching”. Al termine di questa, il database VMS viene aggiornato con i dati relativi
al mestiere, ed una nuova scheda è resa disponibile nel “VMS Data Viewer”. Questa scheda riporta
l'elenco delle tracce con corrispondenza.
Tuttavia, accade spesso che i record Logbook non sono disponibili o non contengono informazioni
sufficienti per dedurre il mestiere di alcune tracce VMS (Chang, 2011). In questo caso, potrebbe essere
ostacolato l'utilizzo dei dati VMS per analisi dettagliate dello sforzo di pesca. VMSbase offre uno
strumento per ovviare a questo inconveniente: l’integrazione dell'approccio Artificial Neural Network.
Questo approccio è accessibile tramite lo strumento "Predict Métier" nell'interfaccia principale (Fig. 7).
Questo strumento sfrutta, come dataset di training, un database in cui, per alcune tracce, i mestieri sono
stati valutati per mezzo di Logbook, e riconosce i métiers, per tutte le restanti tracce, con una loro
predizione a partire dai dati VMS.
Figura 3 -­‐ Interfaccia VMSbase per lo strumento “Métier Prediction”. Permette la personalizzazione dei parametri per l’addestramento della Artificial Neural Network (ANN), e mostra anche le prestazioni del ANN addestrata in termini di previsione corrette e consente il caricamento di una ANN precedentemente addestrata e la sua applicazione su un nuovo insieme di dati. In questo passaggio, è possibile distinguere tra le diverse fasi che normalmente compongono un
viaggio di pesca: la deriva, la pesca e la navigazione (Fock, 2011; Walker & Bez, 2010). Tuttavia,
questa analisi è spesso ridotta alla distinzione tra le posizioni di pesca e non, che viene generalmente
eseguita utilizzando un criterio basato sulla velocità dell'imbarcazione ed assegnando successivamente
ping VMS, interpolati o nativi, ad una di queste due classi confrontando i loro valori di velocità rispetto
ad un insieme di soglie precedentemente definito. Ciò deriva dalla considerazione che il profilo di
velocità del peschereccio è caratterizzato da una distribuzione multi-modale di valori, con tre modalità
corrispondenti alla deriva (valori di velocità intorno a zero km/h), alla pesca (velocità positive, con
valori intermedi) ed alla navigazione (valori di velocità vicino al massimo consentito dal motore e dalle
altre caratteristiche tecniche della nave). I ping VMS con valori di velocità compresi tra la soglia
minima e massima della modalità "pesca" sono quindi assunti come punti in pesca. VMSbase segue
questa logica, ma permette di utilizzare una combinazione di soglie differenti: una per la velocità, una
per la profondità ed una per la distanza dal porto (Fig. 8a). Va rilevato che la possibilità di impostare un
intervallo di profondità dipende dal fatto che VMSbase permette di assegnare la profondità del fondo
del mare in corrispondenza di ciascun ping nel database VMS. L'introduzione di questi criteri, che
rappresentano comunque un'opzione per l'utente, è giustificata dalla considerazione che i diversi tipi di
attrezzi trainati sono tipicamente utilizzati in un intervallo batimetrico relativamente ben definito, e
quindi questa opzione può portare ad una migliore stima della pressione da pesca.
Figura 4 -­‐ Interfacce VMSbase per: a) funzione “Mark fishing points”, che permette all'utente di specificare la velocità ed eventualmente l'intervallo batimetrico per le diverse attività di pesca; b) “Effort Gridding”, lo strumento progettato per associare lo sforzo di pesca con griglie o altri partizionamenti, che vengono poi disegnati ed esportati nei formati desiderati. Questo strumento restituisce un valore (sforzo di pesca in ore di attività) per ogni cella della griglia, ed il risultato può essere salvato ed esportato come ESRI shapefile o file di testo CSV; c) “DCF Indicators”, lo strumento volto a calcolare i valori per gli indicatori DCF numero 5 e 6 della pressione da pesca. 3.5.
Mappatura della Pressione da Pesca e calcolo degli Indicatori di Pressione Se tutte le analisi precedentemente descritte sono applicate ad un insieme input di dati VMS e
Logbook, è possibile ottenere un database completamente elaborato, contenente informazioni su: rotta
della nave (da ping VMS interpolati), attività (come il mestiere dai dati Logbook), settore di attività (ad
esempio, GSA), e profondità del fondale. Tutte queste informazioni sono disaggregate a livello di
traccia in modo che ogni record nel database finale è un unico viaggio di pesca. Questi dati possono
essere poi utilizzati per tracciare lo sforzo di pesca, che in genere è calcolato come la quantità di sforzo
di pesca esercitato in ogni elemento (ad esempio celle) di un dato partizionamento dello spazio (ad
esempio griglia). Per eseguire questa analisi su VMSbase, è possibile utilizzare lo strumento "Gridding
& Mapping" (Fig. 8b), che analizza un determinato database e fornisce il conteggio delle posizioni “in
pesca” per ogni elemento della ripartizione spaziale selezionata, che può essere caricata come un file in
formato ESRI (.shp). L'output di questo strumento è sia grafico, viene prodotta una mappa che
visualizza il risultato, sia numerico: seguendo le istruzioni dell'utente, lo strumento può o aggiornare lo
shapefile input con l'aggiunta di un nuovo campo con il conteggio per elemento, o salvare un vettore R
con i valori del conteggio. VMSbase permette anche di calcolare due degli indicatori DCF volti alla
valutazione del livello di pressione da pesca in una data area di interesse. Questi due indicatori,
denominati rispettivamente "Indicatore 5 - Distribuzione delle attività di pesca", e "Indicatore 6 Aggregazione delle attività di pesca" sono progettati per quantificare la pressione di pesca come la
quantità di area disturbata da una specifica attività di pesca ad una determinata scala temporale (in
genere mensile). I valori di questi indicatori sono calcolabili dallo strumento "DCF indicators” (Fig.
8c). Più in dettaglio, l'indicatore 5 viene calcolato, dopo l’associazione dei punti in pesca alla cella
(dalla funzione "Gridding & Mapping" come descritto sopra), come la superficie complessiva di celle
in cui è allocato lo sforzo di pesca, mentre l'indicatore 6 è calcolato come la superficie totale delle celle
che rappresentano il 90% dello sforzo di pesca totale osservato.
Infine, il pacchetto VMSbase fornisce uno strumento per l'analisi e la visualizzazione della “Trawled
Area”. Questo strumento è stato ideato per gestire i dati relativi alle caratteristiche degli attrezzi da
pesca per ogni nave (ad esempio dimensioni dell’apertura delle reti a strascico e altri attrezzi, oppure il
numero di attrezzi trainati, ecc). Questi dati vengono utilizzati insieme ai dati VMS e Logbook per una
valutazione dello sforzo di pesca come l’effettiva estensione della superficie strascicata, che viene
calcolata per ogni traccia VMS “in pesca” come la lunghezza della traiettoria della nave moltiplicato
per la larghezza complessiva degli attrezzi (Overall Width of the Gears - OWG). La OWG può essere
sostanzialmente calcolata come la larghezza di un singolo attrezzo (es. reti a strascico) moltiplicato per
il numero di attrezzi impiegati contemporaneamente (come nel caso di sfogliare/rapidi), l'utente può
scegliere quale funzione permette una più accurata descrizione della larghezza complessiva degli
attrezzi, per esempio una funzione che mette in relazione la OWG alla potenza del motore o alla
lunghezza fuori tutto (LOA), o che fa riferimento alla profondità del fondale a cui è condotta l'attività
di pesca. Questo strumento è implementato ma necessita di dati esterni (ad esempio il registro della
flotta o informazioni ancora più raffinate). Per questo motivo, ed anche per il fatto che non è
disponibile una relazione affidabile per calcolare OWG per la flotta italiana, questo strumento non è
stato incluso nelle analisi presentate in questo documento.
4. Risultati e Discussione 4.1.
Indicatori 5 e 6 Di seguito sono riportati gli andamenti per i due indicatori in forma accoppiata, per ognuna delle 7 GSA Italiane, per mestiere. Sono stati inclusi solo gli andamenti più interessanti. Come premessa generale, è importante rilevare l’elevato grado di corrispondenza tra li andamenti temporali riscontrati nell’annualità 2012 e quelli relativi alle annualità precedenti. Altro elemento rilevante è l’assoluta concordanza degli andamenti tra l’indicatore 5 e l’indicatore 6, come già evidenziato durante le annualità precedenti. 4.1.1. GSA9 (Alto Mar Tirreno) La pesca mediante palangaro su grandi pelagici ha mostrato un periodo di intensa attività da inizio estate ad autunno compreso, fatta eccezione per la mensilità di ottobre 2012. Il massimo assoluto è stato registrato nel mese di settembre. La pesca a strascico ha evidenziato un andamento relativamente stabile, con un crollo durante il mese
di fermo biologico.
La pesca a circuizione sui piccoli pelagici ha mostrato un periodo di attività rilevante tra aprile e
novembre, con un minimo nel mese di luglio.
La pesca con il rapido ha mostrato, invece, un andamento simile a quello descritto per lo strascico.
4.1.2. GSA10 (Mar Tirreno Meridionale) La pesca con il palangaro ha registrato in picco nei mesi di maggio-giugno per quanto riguarda la pesca
dei grandi pelagici.
La pesca a strascico mostra un andamento stabile con una flessione in corrispondenza del mese di
fermo.
La pesca a circuizione è stata caratterizzata da un progressivo aumento nei medi di aprile-maggio,
seguita da mesi di relativa stabilità prima di un nuovo massimo registrato in agosto e seguito da una
progressiva dimunizione.
La pesca col rapido ha mostrato un periodo di più intensa attività nei mesi di giugno-settembre e un
ulteriore picco nel mese di gennaio.
4.1.3. GSA11 (Mar di Sardegna) La pesca con il palangaro sui grandi pelagici ha registrato un aumento nei mesi di aprile-maggio,
seguito da fluttuazioni fino a settembre e quindi da una diminuzione drastica dell’attività.
Anche in questa GSA, la pesca a strascico ha mostrato un andamento stabile con un crollo dell’attività
nel mese di fermo biologico.
La pesca a circuizione su piccoli pelagici ha evidenziato un picco nei mesi di agosto-settembre, ed un
secondo periodo di modesta attività nei mesi di marzo-maggio.
4.1.4. GSA16 (Stretto di Sicilia) La pesca con il palangaro su grandi pelagici ha mostrato un andamento fluttuante, con un minimo in corrispondenza del mese di ottobre. Quella sui piccoli pelagici è passata da un massimo nel mese di gennaio ad una progressiva diminuzione. La pesca a strascico è stata caratterizzata, anche in questa GSA, da una sostanziale stabilità. La pesca con la volante è stata caratterizzata da un andamento dapprima decrescente (gennaio-­‐
aprile), quindi da una ripresa con un massimo in maggio e quindi un nuovo periodo di decremento. 4.1.5. GSA17 (Adriatico settentrionale) La pesca con le draghe idrauliche ha mostrato un massimo nel mese di aprile. La pesca col palangaro su piccoli pelagici è stata caratterizzata da un progressivo aumento con un massimo assoluto nel mese di agosto e quindi un rapido decremento dell’attività. La pesca a strascico, anche in questa GSA, è stata contraddistinta da una sostanziale stabilità, interrotta da un fermo evidentemente più lungo (agosto-­‐settembre). La circuizione ha sperimentato, in questa GSA, un andamento crescente nei mesi tra febbraio e luglio (con un massimo assoluto in luglio e una flessione in maggio), seguito da una diminuzione. Rapido e volante mostrano un andamento lievemente fluttuante, con una arresto totale nel mese di agosto. 4.1.6. GSA18 (Adriatico meridionale) La pesca col palangaro mostra un andamento fluttuante in questa GSA, con periodi di intensa attività seguiti da periodi di arresto totale. La pesca a strascico mostra un andamento meno stabile di quello riscontato nelle altre GSA. La pesca con le reti a circuizione mostra un periodo principale di attività in corrispondenza dei mesi di maggio e settembre. 4.1.7. GSA19 (Mar Ionio) La pesca con i palangari ha attraversato una fase di progressivo aumento nei mesi di luglio-novembre,
con un massimo assoluto in novembre per la pesca dei grandi pelagici.
La pesca a strascico ha evidenziato un andamento molto stabile, con una sensibile flessione in ottobre.
La pesca con la circuizione ha registrato un massimo in luglio.
4.1.
Indicatore 7 Le modalità di calcolo di questo indicatore, che è suddiviso per fasce batimetriche, comporta che la
stragrande maggioranza dello sforzo di pesca (mediamente oltre il 90%) sia dislocata nella fascia
batimetrica con profondità oltre i 200 metri.
5. Bibliografia •
•
•
•
•
•
•
•
•
•
•
•
•
Acom ICM (2011) ICES WKCPUEFFORT REPORT 2011 commercial CPUE and VMS data in assess-­‐ Report of the Workshop on the utility of ment (WKCPUEFFORT ): 5–7. Bezdek JC (1981) Pattern Recognition with Fuzzy Objective Function Algorithms. Boston, MA: Springer US. Available: http://www.springerlink. com/index/10.1007/978-­‐1-­‐4757-­‐
0450-­‐1. Bourgon R (2013) intervals: Tools for working with points and intervals: 1–35. Available: http://cran.r-­‐project.org/web/packages/interval/index.html. Bray JC, Curtis J. (1957) An ordination of upland forest communities of southern Wisconsin. Ecol Monogr 27: 325–349. Campbell MS, Stehfest KM, Votier SC, Hall-­‐Spencer JM (2013) Mapping fisheries for marine spatial planning: Gear-­‐specific vessel monitoring system (VMS), marine conservation and offshore renewable energy. Mar Policy: 1–8. Available: http://linkinghub.elsevier.com/retrieve/pii/S0308597X13002121. Accessed 6 December 2013. Castro J, Punzo ́n A, Pierce GJ, Mar ́ın M, Abad E (2010) Identification of me ́tiers of the Northern Spanish coastal bottom pair trawl fleet by using the partitioning Chang S-­‐K (2011) Application of a vessel monitoring system to advance sustainable fisheries management–Benefits received in Taiwan. Mar Policy 35: 116–121. Available: http://linkinghub.elsevier.com/retrieve/pii/ S0308597X10001491. Accessed 2 December 2013. Chang S-­‐K (2014) Constructing logbook-­‐like statistics for coastal fisheries using coastal surveillance radar and fish market data. Mar Policy 43: 338–346. Available: http://linkinghub.elsevier.com/retrieve/pii/S0308597X13001450. Accessed 6 December 2013. Coll M, Cury P, Azzurro E, Bariche M, Bayadas G, et al. (2013) The scientific strategy needed to promote a regional ecosystem-­‐based approach to fisheries in the Mediterranean and Black Seas. Rev Fish Biol Fish. Available: http://link. springer.com/10.1007/s11160-­‐013-­‐9305-­‐y. Accessed 15 November 2013. EC (2008) Council Regulation (EC) No. 199/2008 concerning the establishment of a Community framework for the collection, management and use of data in the fisheries sector and support for scientific advice regarding the Common Fisheries Policy. Off J Eur Union L60: 1–12. Fock HO (2011) Natura 2000 and the European Common Fisheries Policy. Mar Policy 35: 181–188. Available: http://linkinghub.elsevier.com/retrieve/pii/ S0308597X10001648. Accessed 15 August 2012. Garcıa-­‐Rodrıguez M, Ferna ́ ndez A ́ M, Esteban A (2006) Characterisation, analysis and catch rates of the small-­‐scale fisheries of the Alicante Gulf (SE Spain) over a 10 years time series. Fish Res 77: 226–238. Available: http:// linkinghub.elsevier.com/retrieve/pii/S0165783605002808. Accessed 15 No-­‐ vember 2013. Gerritsen H, Lordan C (2010) Integrating vessel monitoring systems (VMS) data with daily catch data from logbooks to explore the spatial distribution of catch and effort at high resolution. ICES J Mar Sci 68: 245–252. Available: http:// icesjms.oxfordjournals.org/cgi/doi/10.1093/icesjms/fsq137. Accessed 30 May 2013. •
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Gerritsen HD, Minto C, Lordan C (2013) How much of the seabed is impacted by mobile fishing gear? Absolute estimates from Vessel Monitoring System (VMS) point data. ICES J Mar Sci 70: 523–531. Grothendieck G (2012) Sqldf: Perform SQL Selects on R Data Frames. Available: http://cran.r-­‐project.org/web/packages/sqldf/index.html. Hintzen NT, Bastardie F, Beare D, Piet GJ, Ulrich C, et al. (2012) VMStools: Open-­‐source software for the processing, analysis and visualisation of fisheries logbook and VMS data. Fish Res 115–116: 31–43. Available: http://dx.doi.org/ 10.1016/j.fishres.2011.11.007. Ihaka R (2010) R: Lessons Learned, Directions for the Future. Available: https://www.stat.auckland.ac.nz/,ihaka/downloads/JSM-­‐2010.pdf. Kahle D, Wickham H (2013) Ggmap: A package for spatial visualization with Google Maps and OpenStreetMap. Available: http://cran.r-­‐project.org/web/ packages/ggmap/index.html. Lambert GI, Jennings S, Hiddink JG, Hintzen NT, Hinz H, et al. (2012) Implications of using alternative methods of vessel monitoring system (VMS) data analysis to describe fishing activities and impacts: 1–12. doi:10.1093/ icesjms/fss018. Legendre P, Legendre L (1998) Numerical Ecology. Second. Elsevier Science B.V TN, editor. Maechler M (2013) cluster: Cluster Analysis Extended Rousseeuw et al. Available: http://cran.r-­‐project.org/web/packages/cluster/index.html. Rousseeuw PJ (1987) Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. J Comput Appl Math 20: 53–65. Available: http:// linkinghub.elsevier.com/retrieve/pii/0377042787901257. Marchal P (2008) A comparative analysis of me ‘tiers and catch profiles for some French demersal and pelagic fleet. ICES J Mar Sci 65: 674–686. method CLARA. Fish Res 102: 184–190. Available: http://linkinghub.elsevier. com/retrieve/pii/S0165783609003130. Accessed 7 November 2013. Miyamoto S, Honda K, Ichihashi H (2008) Algorithms for Fuzzy Clustering. Methods in c-­‐
Means Clustering with Applications. Kacprzyk J, editor Berlin: Springer-­‐Verlag. Pante E, Simon-­‐Bouhet B (2013) marmap: A Package for Importing, Plotting and Analyzing Bathymetric and Topographic Data in R. PLoS One 8: e73051. Available: http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=3760912 &tool = pmcentrez&rendertype = abstract. Accessed 21 October 2013. Pelletier D, Ferraris J (2000) A multivariate approach for defining fishing tactics from commercial catch and effort data. Can J Fish Aquat Sci 57: 51–65. Available: http://www.nrcresearchpress.com/doi/abs/10.1139/f99-­‐176. Piet GJ, Quirijns FJ, Robinson L, Greenstreet SPR (2007) Potential pressure indicators for fishing, and their data requirements: 110–121. R Core Team (2013) R: A Language and Environment for Statistical Computing. Available: http://www.r-­‐project.org/. Russo T, Parisi A, Cataudella S (2011) New insights in interpolating fishing tracks from VMS data for different me ́tiers. Fish Res 108: 184–194. Available: http://linkinghub.elsevier.com/retrieve/pii/S0165783610003450. Accessed 4 September 2012. Russo T, Parisi A, Cataudella S (2013) Spatial indicators of fishing pressure: Preliminary analyses and possible developments. Ecol Indic 26: 141–153. Available: •
•
•
•
•
•
•
•
http://linkinghub.elsevier.com/retrieve/pii/S1470160X12003822. Accessed 7 November 2013. Russo T, Parisi A, Prorgi M, Boccoli F, Cignini I, et al. (2011) When behaviour reveals activity: Assigning fishing effort to me ́tiers based on VMS data using artificial neural networks. Fish Res 111: 53–64. Available: http://linkinghub. elsevier.com/retrieve/pii/S0165783611002281. Accessed 11 September 2012. Schnute JT, Boers N, Haigh R, Grandin C, Johnson A, et al. (2013) PBSmapping: Mapping Fisheries Data and Spatial Analysis Tools. Available: http://cran.r-­‐
project.org/web/packages/PBSmapping/index.html. Sharples J, Ellis JR, Nolan G, Scott BE (2013) Fishing and the oceanography of a stratified shelf sea. Prog Oceanogr 117: 130–139. Available: http://linkinghub. elsevier.com/retrieve/pii/S007966111300102X. Accessed 6 December 2013. Russo T, Parisi A, Garofalo G, Gristina M, Cataudella S, et al. (2014) SMART: A Spatially Explicit Bio-­‐
Economic Model for Assessing and Managing Demersal Fisheries, with an Application to Italian Trawlers in the Strait of Sicily. PLoS One 9: e86222. Available: http://dx.plos.org/10.1371/journal.pone.0086222. Accessed 24 January 2014. Tsontos VM, Kiefer DA (2000) Development of a Dynamic Biogeographic Information System for the Gulf of Maine. Oceanography 13: 25–30. Available: http://www.tos.org/oceanography/archive/13-­‐3_tsontos.html. Tsontos VM, Kiefer DA (2003) The Gulf of Maine biogeographical information system project: developing a spatial data management framework in support of OBIS Vers un syste`me d ’ information bioge ́ographique sur le Golfe du Maine: mise au point d ’ une architecture de gestion de donne ́. 25: 199–206. Tzanatos E, Dimitriou E, Katselis G, Georgiadis M, Koutsikopoulos C (2005) Composition, temporal dynamics and regional characteristics of small-­‐scale fisheries in Greece. Fish Res 73: 147–158. Available: http://linkinghub.elsevier. com/retrieve/pii/S0165783604003108. Accessed 15 November 2013. Walker E, Bez N (2010) A pioneer validation of a state-­‐space model of vessel trajectories (VMS) with observers’ data. Ecol Modell 221: 2008–2017. Available: http://linkinghub.elsevier.com/retrieve/pii/S0304380010002589. Accessed 14 November 2013. Witt MJ, Godley BJ (2007) A Step Towards Seascape Scale Conservation: Using Vessel Monitoring Systems (VMS ) to Map Fishing Activity. doi:10.1371/ journal.pone.0001111.
