Powered by OpenAIRE graph
Found an issue? Give us feedback
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/ Norwegian Open Resea...arrow_drop_down
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/
NINA Brage
Report . 2021
Data sources: NINA Brage
versions View all 2 versions
addClaim

Tester av drivtelling til bestandsestimering og klassifisering av laksefisk

Authors: Næsje, Tor F.; Ulvan, Eva M.; Havn, Torgeir B.; Sandlund, Odd Terje; Berg, Marius; Kanstad-Hanssen, Øyvind; Hellen, Bjart Are; +1 Authors

Tester av drivtelling til bestandsestimering og klassifisering av laksefisk

Abstract

Næsje T.F., E.M. Ulvan, O.T. Sandlund, T.B. Havn., M. Berg, Ø. Kanstad Hanssen, B. A. Hellen og H. Skoglund 2021. Test av drivtelling til bestandsestimering og klassifisering av laksefisk. NINA Rapport 2033. Norsk institutt for naturforskning. Målsettingen for undersøkelsene var å fremskaffe kunnskap for å vurdere metodiske usikkerheter, begrensninger og muligheter med sikte på forbedring av drivtelling som metode for bestandsestimering og klassifisering av laksefisk. I 2019 gjennomførte Norsk institutt for naturforskning (NINA), Norwegian Research Centre (NORCE) og Rådgivende biologer (RB) åtte drivtellinger i Eira, mens NINA i 2018 og 2019 gjennomførte sju repeterte drivtellinger i Orkla. Ved de repeterte tellingene ble alle observerte gytefisk av laks og sjøørret registrert og klassifisert. Den samme elvestrekningen ble undersøkt av likt antall drivtellere ved alle syv tellinger. I Orkla gjennomførte i tillegg NINA og Skandinavisk naturovervåking i 2018 undersøkelser for å beregne sannsynligheten for å observere laks merket med eksternt synlige radiosendere og Peterson disk-merker. Dette gjorde det mulig å sammenligne effekter på antallet registrerte laks og sjøørret av ulike variabler som sikt under vann, tidspunkt for tellingen med hensyn til antatt gytetid og ulike mesohabitat (strykpartier, kulper o.l.) i elva. Undersøkelsen sammenlignet også variasjon i arts- og størrelsesklassifisering mellom tellelagene, ved gjentatte tellinger av samme institusjon og ulik praksis mellom institusjonene med hensyn til utøvelsen av metoden. Antallet laks og sjøørret registrert i hver tellerunde i Eira varierte mellom 1265 og 1729 fisk, dvs. det laveste antallet var 27 % lavere enn det største. Laveste antall laks (644) var 32 % lavere enn det største (947). For sjøørret var laveste antall (478 fisk) 49 % lavere enn det største (941 fisk). Undersøkelsen viser at store dype kulper kan medføre variasjoner i resultatene. Det var ingen klar trend over tid i antallet observasjoner av laks, og heller ikke mellom tellingene utført i oktober og i hovedperioden for laksens gyting i november. Derimot synes antallet sjøørret å avta i november når antatt hovedperiode for sjøørretgyting er passert. Mens det var liten forskjell mellom tellelagene mht. antall registrerte laks, var det større forskjell med hensyn til sjøørret. Størrelsesklassifisering av laks (små-, mellom- og storlaks) varierte mellom de ulike tellingene. Andelen smålaks varierte fra 39 til 65 %, andelen mellomlaks fra 27 til 49 %, og andelen storlaks fra 6 til 15 %. Dette er blant annet viktige parametere for å kunne fastslå antall kg hunnfisk av laks i elva og dermed oppnåelse av gytebestandsmål. Tellingene i Orkla foregikk under dårligere sikt enn standardkravene, og i 2018 også til dels vanskelige vannføringsforhold. Undersøkelsene ble gjennomført på en mindre del av lakseførende elvestrekning, dvs. at fisk fritt kan svømme ut og inn av undersøkelsesområdet. Det var stor variasjon i telleresultatene. Antall laks varierte mellom 305 og 958 i 2018, og mellom 216 og 500 i 2019, og for sjøørret mellom 128 og 203 i 2018, og mellom 188 og 367 i 2019. Dersom tellingene under den dårligste sikten utelates, ble variasjonen mindre i antall registrerte fisk. Siktforholdene påvirker også klassifiseringen til art. Det ble registrert en høyere andel sjøørret under de dårligste siktforholdene. Også for klassifiseringen av fiskestørrelse og bestemmelse av fiskens kjønn var avviket større med dårlig sikt i vannet. Dette vil påvirke beregnet mengde hunnfisk og dermed også oppfyllelse av gytebestandsmål. Variasjonen i antall kilo hunnfisk har konsekvenser for beregninger av graden av oppnåelse av gytebestandsmål. Det er derfor viktig å oppgi mulige kilder til variasjon og antatt presisjon på data ved drivtellingene slik at det kan tas med i vurderingene av resultatene og råd til forvaltningen. Det er behov for å samordne institusjonenes praksis når det gjennomføres drivtellinger. Metoden er avhengig av enkeltpersoners subjektive vurderinger. Denne årsaken til variasjon kan reduseres med økt standardisering av rutiner og praksis.

Country
Norway
Keywords

Laks, Klassifisering, Gytefisktelling, Metodevalidering, Radiotelemetri, Sjøørret, Drivtelling, Gytebestand

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
Powered by OpenAIRE graph
Found an issue? Give us feedback
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
0
Average
Average
Average
Green