التعلم الآلي لدعم مصيد التونا باستخدام الشباك في المحيط الهندي المستدام

تتضمن التحديات المتعددة التي تواجه أسطول شباك التونا الاستوائية الحاجة إلى تقليل استهلاك الوقود والبصمة الكربونية، بالإضافة إلى تقليل الكائنات المصادة غير المستهدفة. يمكن أن تساهم الأدوات المصممة للتنبؤ بأفضل مناطق صيد التونا في التكيف مع التغييرات في توزيع الأسماك بسبب تغير المناخ، من خلال تحديد مواقع مناطق الصيد المناسبة الجديدة، وبالتالي تقليل وقت البحث. بينما يمكن أن تؤدي المعلومات حول الاحتمالية العالية للعثور على الأنواع الضعيفة إلى تقليل الكائنات المصادة غير المستهدفة. تهدف هذه الدراسة إلى المساهمة في صيد أكثر استدامة ونظافة، أي اصطياد نفس كمية التونا المستهدفة باستهلاك وقود أقل وانبعاثات أقل وكائنات مصادة غير مستهدفة أقل. لتحقيق ذلك، تم نمذجة مصيد التونا الاستوائية كأنواع مستهدفة، ومصيد أسماك القرش الحريرية بشكل غير مقصود كأنواع غير مستهدفة بواسطة نماذج التعلم الآلي في المحيط الهندي باستخدام بيانات الصيد التاريخية لهذه الأساطيل وبيانات بيئية كمدخلات. تظهر النماذج الناتجة دقة قدرها 0.718 و0.728 للتونا الصغيرة والتونا الصفراء، حيث كانت حالات الغياب (TPR = 0.996 للتونا الصغيرة و0.993 للتونا الصفراء، على التوالي) أفضل توقعًا من المصيد العالي أو المنخفض. في حالة التونا الزرقاء (BET)، التي ليست النوع المستهدف الرئيسي لهذا الأسطول، كانت الدقة أقل من الأنواع السابقة. بالنسبة لأسماك القرش الحريرية، يوفر نموذج الوجود/الغياب دقة قدرها 0.842. على الرغم من أن أداء النموذج لديه مجال للتحسين، فإن هذا العمل الحالي يؤسس لعملية للتنبؤ بمناطق الصيد مع تجنب الأنواع الضعيفة، باستخدام بيانات بيئية متوقعة تقدم في الوقت الحقيقي تقريبًا بواسطة برامج رصد الأرض. في المستقبل، يمكن تحسين هذه النماذج مع توفر المزيد من بيانات المدخلات والمعرفة حول الظروف البيئية الرئيسية التي تؤثر على هذه الأنواع.