Beberapa penggunaan operasional satelit penginderaan jauh dan

GIS laut untuk perikanan tangkap dan budidaya yang

berkelanjutan
Sei-Ichi Saitoh 1 *, Robinson Mugo1, I Nyoman Radiarta1, Shinsuke Asaga1,
Fumihiro Takahashi 2, Toru Hirawake 1, Yoichi Ishikawa3, Toshiyuki Awaji 3,
Teiji Pada 4, dan Shigeki Shima4
Sebuah gambaran dari aplikasi operasional Satelite Remote-Sensing (SRS)
perikanan

telah

diperkenalkan,

dan

termasuk

dua

studi

kasus

yang

menggambarkan manfaat sosial dari SRS. Yang pertama menggambarkan

penggunaan sistem berbasis satelit pemantauan kapal (VMS) dan data SRS di
penangkapan tuna cakalang (Katsuwonus pelamis), termasuk algoritma sederhana
untuk menentukan kegiatan penangkapan ikan dari kecepatan kapal. Kasus kedua
penelitian menggambarkan penerapan informasi penginderaan jauh dalam
menentukan dampak perubahan iklim di situs kesesuaian untuk budidaya kerang
(Mizuhopecten yessoensis). Simulasi pemanasan global menurut Panel Antar
pemerintah tentang skenario Perubahan Iklim memiliki dampak yang signifikan
terhadap situs dengan kesesuaian terbesar bagi kerang budidaya. Beberapa
tantangan di bidang perikanan sistem informasi juga dibahas.
Kata kunci: prediksi perubahan iklim, GIS, budidaya laut, operasional oseanografi
perikanan, penginderaan jauh.
Pengantar
Produksi perikanan tangkap global relatif stabil selama satu dekade terakhir,
sedangkan produksi perikanan budidaya terus meningkat (FAO, 2009). Kedua
sektor yang sangat penting bagi pangan keamanan global, namun mereka
menghadapi berbagai tantangan yang berkembang yang mengancam dengan
keberlanjutan (FAO, 2009). Untuk perikanan tangkap, penangkapan ikan yang
berlebihan, degradasi habitat utama spesies ', tidak menentunya harga bahan bakar

global dan perubahan iklim adalah tantangan mendasar. Pada perikanana budidaya
menghadapi meningkatnya persaingan untuk ruang, pakan, dan tenaga kerja, serta
sebagai wabah penyakit dan potensi dampak perubahan iklim. Solusi untuk
beberapa masalah ini dapat melibatkan menerapkan satelit penginderaan jauh
(SRS) informasi, sehingga kami dapat memberikan gambaran singkat yang dipilih
aplikasi operasional SRS, diikuti oleh dua studi kasus, satu di perikanan tangkap
dan yang lainnya di akuakultur. Yang pertama membahas aplikasi data lingkungan
SRS dan teknologi pemantauan kapal dalam tuna cakalang (Katsuwonus pelamis)
perikanan di barat Pasifik Utara. Fokus kedua tentang dampak perubahan iklim
terhadap budidaya kerang (Mizuhopecten yessoensis) di Funka Bay, Hokkaido,
Jepang, menggunakan pencitraan SRS. Akhirnya, kami menyoroti tantangan dan
memberikan perspektif tentang masa depan sistem informasi perikanan di bidang
ini.
Gambaran

singkat

mengenai

operasional

oseanografi

perikanan

di

perikanan pelagis
Operasional Oseanografi telah didefinisikan sebagai cabang ilmu kelautan yang
secara rutin menyediakan observasional dan data model untuk aplikasi praktis
dengan kualitas tinggi (Pinardi dan Coppini, 2010). Aplikasi ini termasuk antara
lain penyediaan layanan yang meminimalkan waktu pencarian dengan
mengarahkan armada dan kapal memancing ke daerah spesies target dengan
ketersediaan, berdasarkan pada pengetahuan tentang perilaku mereka di bawah
kondisis lingkungan yang berbeda (Petit et al., 1994). Pengukuran SRS suhu
permukaan laut(SST), warna laut, tinggi permukaan air laut anomali (SSHA),
arus, dan angin yang paling penting data streams yang membentuk operasional
oseanografi. Sebelumnya dalam ulasan tentang penerapan informasi SRS di
perikanan laut disediakan oleh Simpson (1992, 1993) dan Santos (2000), dan
mereka termasuk pembahasan rinci dari jenis data, sistem operasional dan aplikasi
perikanan tangkap. Ruang lingkup di sini menghalangi detil seperti itu, tapi
banyak yang telah berubah selama dekade terakhir (Barale et al., 2010).

Dalam perikanan pelagis, dua tema menonjol dalam aplikasi operasional SRS: (i)
identifikasi zona perikanan potensial (PFZs), yang mengambil keuntungan dari
hubungan antara spesies sasaran dan faktor lingkungan, dan (ii) pengembangan
langkah-langkah manajemen , terutama meminimalkan spesies bycatch yang
terancam punah. Pemodelan habitat ikan (Valavanis et al., 2008) digunakan dalam
perikanan dan SRS satu set data lingkungan untuk menunjukkan bahwa
identifikasi fitur oseanografi seperti PFZs layak dalam cekungan laut yang
berbeda, termasuk Samudera Atlantik (Zagaglia et al, 2004), bagian barat
Samudera Pasifik (Zainuddin et al, 2008..; Mugo et al., 2010), dan Laut Arab
(Solanki et al., 2010). Integrasi dari tag elektronik dan data SRS untuk
mempelajari perilaku dan pemanfaatan habitat telah menambahkan dimensi yang
menarik untuk operasional oseanografi perikanan (Teo et al, 2007;.. Weng et al,
--------------------------------------------------------------------------------------------------2009; Dewar et al., 2010) dan telah menunjukkan kegunaan SRS dalam
pengelolaan perikanan berbasis ilmu pengetahuan (Hobday dan Hartmann, 2006;
Howell et al., 2008; Teo dan Block, 2010). Sebagai contoh, Howell et al. (2008)
menunjukkan alat (Turtles Watch) yang difasilitasi menghindari penyu tempayan
(Caretta caretta) tertangkap saat memancing untuk ikan todak (Xiphias gladius)
dan tuna (Thunnus spp.) di Pasifik Utara (lihat juga Kobayashi et al., 2011).
Hobday dan Hartmann (2006) mengembangkan alat untuk mengurangi tuna sirip
biru selatan (Thunnus maccoyii) tertangkap di bagian timur tuna dan perikanan
billfish dengan terbatas atau tidak ada sirip biru selatan kuota. Ini menunjukkan
kelayakan

merancang

mendekati

real-time

batas

pengelolaan

perikanan

menggunakan SRS SST, model data, dan memberi tanda habitat termal dari satelit
pop-up tags. Hartog et al. (2010) juga mempertimbangkan bagaimana manajemen
keputusan berdasarkan preferensi habitat SRS yang diturunkan dari selatan sirip
biru dan tuna yellowfin (Thunnus albacares) dapat dipengaruhi oleh pemanasan
laut. Contoh-contoh ini tidak lengkap, tetapi menggambarkan beberapa arah
penelitian yang operasional aplikasi informasi SRS telah mengambil di masa lalu.
Aplikasi penangkapan ikan komersial oseanografi operasional sebagian besar
bertujuan untuk meminimalkan waktu pencarian dan menghemat bahan bakar

(IOCCG, 2009). Kemajuan dalam sistem komunikasi dan pengolahan data

metodologi terus melakukan diversifikasi produk yang dikirim ke armada
penangkapan ikan secara real atau dekat dengan layanan informasi perikanan. Ini
termasuk diantaranya, yang berbasis di Miami Roffer ini Ocean Service Fishing
Peramalan, Inc (http://www.roffs.com/), menyediakan perkiraan perikanan yang
berasal dari SRS sejak 1987; itu SeaStar Komersial Fishing Layanan dijalankan
oleh GeoEye (http: // www.geoeye.com), menampilkan peta oseanografi tiga
dimensi; dan Catsat (www.catsat.com), yang menyediakan layanan serupa. Pusat
Nasional

India

untuk

Pelayanan

Informasi

Lautan

(INCOIS;

http://www.incois.gov.in) memberikan prakiraan PFZ untuk laut sekitar India.

Jepang Perikanan Layanan Informasi Pusat (JAFIC; www.jafic.co.jp) dan
Lingkungan Simulasi Laboratorium Perusahaan (www.esl.co.jp) menyebarkan
perikanan pelayanan informasi kepada nelayan Jepang. Sebuah perusahaan
swasta, SpaceFish LLP (http://spacefish.co.jp), baru-baru ini mendirikan sebuah
sistem informasi perikanan dan layanan yang dikenal sebagai "TOREDAS"
(Saitoh et al., 2009), yang menyatakan Tujuan adalah untuk (i) memfasilitasi
transfer data mendekati real-time melalui internet dan satelit koneksi selama
operasi perikanan, (ii) memprediksi PFZs berdasarkan ilmiah Temuan, dan (iii)
memberikan tinggi nilai tambah perikanan oseanografi Informasi (Kiyofuji et al.,
2007). Semua informasi Sistem yang tercantum di atas mengandalkan data SRS
untuk memberikan perkiraan berbagai jenis di berbagai belahan lautan dunia.
Bahan dan metode
Pada studi kasus ini dilakukan di Utara Barat Pacifik (18-508N 125-1608E) untuk
perikanan tuna cakalang dan di Funka Bay (selatan Hokkaido Island) untuk
budidaya kerang Jepang (Gambar 1).
Penangkapan Tuna Cakalang
Resolusi tinggi spasial (1-menit selang logging) VMS (vessel sistem
pemantauan) Data diperoleh melalui TOREDAS dari pole and line memancing
kapal untuk periode 2007-2009. Data ini terdiri dari lintang dan bujur posisi

dicatat oleh GPS kapal dan cap tanggal-waktu. Jarak berdekatan antar posisi
dihitung di ArcGIS 9.2, dengan asumsi bahwa Kapal bergerak antara setiap posisi
memasuki sepanjang garis lurus. Kecepatan kapal (knot) dihitung dengan
menggunakan jarak tempuh antara titik polling yang berdekatan dan waktu yang
dibutuhkan (biasanya 1 menit). Sebuah histogram dari perkiraan kecepatan kapal
diplot dan digunakan untuk mengkategorikan aktivitas kapal. Sebuah tapis ruang
dikecualikan semua Data VMS diterima dari jarak 10 km dari pantai Jepang, jadi
menghilangkan gerakan masuk dan keluar dari pelabuhan, yang memicu kegiatan
penangkapan ikan karena kecepatan kapal lambat.. Akhirnya, filter kecepatan
mempertahankan semua data yang terkait dengan kecepatan 0,1-3 knot, indikasi
memancing kegiatan sebagaimana disimpulkan dari kecepatan histogram VMS.
SST dan klorofil a (CHL) dari bulanan Aqua MODIS standar dipetakan gambar
(resolusi hingga 4 km), dan waktu tertunda untuk bergabung produk SSHA dari
AVISO

(http:

//www.aviso.oceanobs.com/en/data/products/sea-surface-

heightproducts/global yang / msla / index.html) yang didownload untuk periode

2007-2009 dan dipetakan dalam ArcGIS 9.2. Data yag cocok dengan grid resolusi
seragam, cocok dengan VMS yang diturunkan posisi memancing, dan sampel di
ArcGIS 9.2.
Budidaya Kerang
Budidaya kerang Jepang digunakan untuk menunjukkan penggunaan SRS dalam
mengeksplorasi potensi dampak perubahan iklim pada sumber daya perikanan
budidaya. Konstruksi model dan analisis terdiri dari dua langkah (Gambar 2).
Pertama, kesesuaian lokasi untuk budidaya

scallop ditentukan dengan

menggunakan remote terintegrasi

--------------------------------------------------------------------------------------------------Sensing (SRS) dan model didasarkan pada sistem informasi geografis (SIG).
Evaluasi multikriteria disesuaikan dengan model GIS untuk situs peringkat pada
skala 1 (paling cocok) sampai 8 (paling cocok), menurut toRadiartaet al. (2008).
Kedua, dari model sitesuitability akhir,pengaruh SST pemanasan pada Model
situs-pilihan menggunakan suhu meningkat dari 1, 2, atau 48 C, yaitu skenario

yang diberikan dalam laporan penilaian keempat dari Panel Antarpemerintah

tentang Perubahan Iklim (IPCC, 2007). Pendekatan tersebut sebagai kerangka
kerja yang valid untuk mengevaluasi dampak perubahan iklim terhadap perikanan
atau sumber daya perikanan budidaya (Brody dan Hlohowskyj, 1998;. Perryet al,
2005).
Hasil dan diskusi
VMS, SRS oseanografi, dan memancing ikan cakalang
Aplikasi SRS dan GIS dapat membantu memenuhi manajemen dan tantangan
pemanenan penting dalam hal perikanan tuna cakalang, tangkapan yang berada
pada peringkat ketiga di dunia setelah ikan teri (Engraulidae) dan Alaska pollock
(Theragra chalcogramma; Mugoet al., 2010). Pencarian untuk kediaman ikan
tuna adalah langkah yang paling memakan waktu dalam operasi penangkapan
ikan (Miyakeet al., 2004; Majkowski, 2010), secara signifikan mempengaruhi
biaya bahan bakar dan tenaga kerja.
VMS berbasis satelit pertama kali diperkenalkan untuk tujuan surveilans (FAO,
1988;. Denget al, 2005), tetapi baru-baru menjadi sumber data tambahan dalam
memancing lokasi tanah dan pendugaan sistem, seperti TOREDAS (Saitohet al.,
2009). Data VMS juga memiliki kegunaan potensial dalam ilmu pengetahuan dan
pengelolaan perikanan (Lee et al., 2010), memberikan buku catatan-independen,
resolusi tinggi informasi temporal dan spasial pada kegiatan perikanan (Witt dan
Godley, 2007). Data VMS memiliki keunggulan dibandingkan buku harian
memancing dalam arti bahwa mereka dapat diakumulasikan secara real time dekat
dan lebih
obyektif, akurat, dan lengkap (Mullowney dan Dawe, 2009).
Mereka telah digunakan untuk memperkirakan usaha penangkapan terutama
dalam trawl perikanan (Millset al, 2004;. Mullowney dan Dawe, 2009; Palmer dan
Wigley, 2009; Leeet al., 2010). Untuk perikanan pelagis, simultan analisis VMS
dan data SRS dapat digunakan untuk mempelajari perilaku kapten relatif terhadap
menargetkan spesies. Jenis informasi ini dapat

meningkatkan model dan manajemen pendugaan perikanan operasional tindakan,

misalnya dalam desain kawasan perlindungan laut yang dinamis atau tindakan
upaya pengendalian. Namun, di Utara Barat Pacific perikanan tuna, sedikit yang
telah dilakukan dengan informasi VMS.
--------------------------------------------------------------------------------------------------Lintasan kapal harian dan terkait dengan grafik kecepatan lengkap memancing
yang dilakukan selama periode 19-23 Juni 2008 diilustrasikan pada Gambar 3,
juga termasuk keberangkatan (Gambar 3a), aktivitas lepas pantai (Gambar 3b dan
c), dan jalur pulang (Gambar 3d). Selama pole dan line memancing ikan , kapal
hampir menuju stasiun kecuali untuk drift yang minimal. Aktivitas penangkapan
yang dicirikan oleh sekelompok poin yang terkait dengan kecepatan rendah, dan
yang bukan kegiatan penangkapan (yaitu mengepul) dari jalan yang lurus yang
sesuai dengan kecepatan tinggi. Histogram dari kecepatan kapan (gambar 4a)
menyatakan dengan jelas distrribusi bimodal, mewakili penangkapan(kecepatan
lambat, cara pertama) dan aktivitas yang bukan penangkapan (mengepul) pada
kecepatan yang lebih tinggi dari 4.5-20 knots. Fakta bahwa sebuah kapal
penangkap ikan berjalanan lebih lambat selama memancing, penyebaran
perlengkapan rodagigi, dan memungkinkan pengambilan data partisi sederhana
(Witt dan Godley, 2007). Namun, sebuah kapal penangkap ikan dapat
memperlambat kecepatan karena faktor selain memancing, yaitu termasuk
mendekati atau meninggalkan pelabuhan, pengaturan gear, berada di dekat kapal
lain, dan selama Cuaca yang membahayakan (Mills et al., 2007). Dalam kasus
cakalang, identifikasi yang salah pada aktivitas nelayan dapat terjadi ketika
sekumpulan tuna diidentifikasi, tapi tidak mempengaruhi umpan, yaitu kapal
dihentikan, tapi tidak memancing. Sebuah pemahaman yang baik tentang
perikanan tersebut dapat meningkatkan Data filter VMS dan karakterisasi kegiatan
penangkapan ikan.
SST, CHL, dan SSHA di lokasi pemancingan VMS yang diturunkan
(Gambar 4b-d) berkisar antara 17 sampai 298C; 0,07-0,7 mg M23, dan 230-50
cm, masing-masing pada (Gambar 4d). Ini mirip dengan rentang optimum untuk
spesies (20.4-24.48C, 0.07- 0.26 mg M23, dan 28-12 cm, masing-masing)

diperoleh pada pekerjaan sebelumnya (Mugo et al., 2010), mendukung keakuratan

VMS yang diturunkan lokasi memancing dan data lingkungan yang terkait.
SST sangat mempengaruhi distribusi cakalang tuna di Pasifik Utara barat
(Mugo et al., 2010) dan barat selatan Atlantic (de Oliveira et al., 2010), di mana
ikan ditemukan terutama di .158C (Wild dan Hampton, 1993). SRS Chl a gradien
dan SSHA yang berperan dalam mengidentifikasi fitur laut terkait dengan agregasi
spesies hijauan (Zainuddin et al., 2008).
Kemungkinan mekanisme ini mengakibatkan agregasi ini di luar cakupan
makalah ini dan telah dibahas di tempat lain (Olson, 1991;. Lehodey et al, 1998;
Bakun, 2006;. Fonteneau et al,

2009; Mugo et al., 2010). Studi kasus ini menggambarkan bagaimana,

pada tingkat operasional, informasi VMS dapat digunakan di hampir waktu yang
sebenarnya untuk meningkatkan perkiraan perikanan. Data dapat digunakan dalam
berbagai cara untuk menambah informasi biasanya tidak tersedia dalam
memancing logbook. Sebagai contoh, data VMS dapat digunakan untuk
mengidentifikasi daerah-daerah yang dilalui, tetapi tidak memancing, sesuai untuk
memungkinkan investigasi menentukan bagaimana hal ini membedakan dari
daerah penangkapan ikan yang diinginkan.
Hal.4 gambar
---------------------------------------------------------------------------------------------------

Umpan balik independen dan otomatis dari kapal penangkap ikan adalah penting
untuk memantau kegiatan penangkapan atau meningkatkan efisiensi memancing.
Kami menyimpulkan bahwa penggunaan simultan dari VMS dan SRS informasi
dapat memberikan laporan rinci tentang kegiatan dari kapal cakalang memancing
tuna. VMS juga dapat membantu dalam fine-tuning pelagis model peramalan
perikanan termasuk informasi tentang bagaimana memancing nakhoda kapal
memilih tempat memancing relatif terhadap jarak jauh data oseanografi
merasakan. Aplikasi lain yang potensial adalah sebagai alat pendidikan untuk
mentransfer keterampilan dan pengetahuan memancing dari berpengalaman untuk
kapten baru.
Perubahan Iklim dan Budidaya Kerang
Perubahan iklim dan budidaya Kerang adalah kerang laut yang paling
sukses dibudidayakan di Jepang (Bourne, 2000). Saat ini, .40% dari Produksi
kerang Jepang dari budidaya (FAO, 2007). Perubahan suhu air akan
mempengaruhi waktu dan tingkat produktivitas di sistem pesisir dan laut (Walther
et al., 2002; Beukema dan Dekker, 2005; Harley et al., 2006). Keberlanjutan dari
kerang budidaya dapat dipengaruhi oleh lingkungan perubahan yang terkait
dengan pemanasan iklim, mengancam optimal tumbuh-out suhu, dan cuaca.
Lokasi yang cocok untuk budidaya kerang banyak berubah relatif terhadap model
asli situs kesesuaian setelah aplikasi skenario IPCC (Gambar 5). Peningkatan SST
dari 18oC menghasilkan di relatif sedikit perubahan nilai kesesuaian (Tabel 1),
tetapimeningkat dari 2 dan 48oC mengurangi luas area yang paling cocok (skor 8)
sebesar 52 dan 100%, masing-masing. Ada peningkatan bersamaan dalam daerah
yang kurang cocok; misalnya, daerah mencetak 7 meningkat dari 28-35 dan 41%
dari total luas dengan 2 dan 48oC meningkat, masing-masing. Perubahan
dibagikan kurang lebih merata di atas daerah (Gambar 5). Hasil ini menunjukkan
bahwa perubahan iklim bisa mempengaruhi perkembangan budidaya kerang
melalui perubahan situs kesesuaian, sehingga harus dipertimbangkan dalam
perencanaan, misalnya, program pemuliaan kerang yang dirancang untuk
meningkatkan toleransi suhu spesies berbudaya. Handisyde et al. (2006)

menganalisis dampak perubahan iklim pada budidaya dunia dari perspektif global
dan disarankan studi kasus tertentu yang tambahan (seperti disajikan di sini) akan
berkontribusi besar terhadap pemahaman bagaimana iklim perubahan dapat
mempengaruhi sumber daya perikanan budidaya. Contoh lain diberikan oleh
Baba et al. (2009), yang menggambarkan efek variabilitas iklim, terutama
pengaruh langsung dari El Nin~o dan La Nin~a, pada kerang budidaya. Model
berbasis GIS pada Dampak perubahan iklim terhadap budidaya kerang Jepang
menunjukkan bahwa perubahan iklim mungkin memiliki berbagai dampak pada
kerang budidaya. Jelas, dampak potensial perubahan iklim terhadap kerang
budidaya perlu penyelidikan lebih lanjut untuk membantu memastikan
keberlanjutan pembangunan budidaya laut.
Tantangan baru sistem informasi perikanan dan perspektif masa depan
SRS citra untuk parameter seperti SST, CHL, dan SASHA mengungkapkan
fenomena kelautan pada skala sinoptik. Aplikasi GIS juga telah telah berperan
dalam mengintegrasikan dan menganalisis informasi SRS dalam ilmu perikanan
(Meaden, 2009). Bagaimanapun juga GIS telah
--------------------------------------------------------------------------------------------------dikembangkan untuk data terestrial representasi di mana dua dimensi memadai.
Akibatnya, mereka terbatas dalam mewakili batas-batas dinamis dan struktur tiga
dimensi dari sifat-sifat laut dan habitat laut(Carette et al., 2008).Perpaduandata
pengamatan ke dalam model sirkulasi umum laut akan bermain peran penting
dalam bergerak menuju representasi tiga dimensi (Awaji et al., 2003). Arah
penelitian masa depan kami meliputipengembangan informasi perikanan pesisir
terpadu sistem (Gambar 6), memanfaatkan berbagai oseanografi dataset dari
satelit dan pengukuran in situ. Selain itu, dimaksudkan untuk lebih empat dimensi,
variasional (4D-VAR)model data-asimilasi(Broquet et al., 2009; Ishikawa et
al.,2009)mampu menghasilkan produk terintegrasi yang dibutuhkan olehperikanan
dan akuakultur menggunakan sintesis optimal observasional data, model sirkulasi
laut, dan Nemuro ekologi Model (Kishi et al., 2007). Sistem ini juga diharapkan

untuk menyertakan peramalan dan penyebaran informasi komponen (http: //

innova01.fish.hokudai.ac.jp/marinegis/).
Penyebaran informasi kepada pengguna secara kini atau mendekati waktu
sekarangakan menjadi inovasi dalam beberapa tahun ke depan (Aguilar-Manjarrez
et al., 2010). Berlanjutnya miniaturisasi perangkat komunikasi dan rendahnya
biaya transmisi besar jumlah informasi membuatnya semakin praktis untuk
menyampaikan informasi oseanografi sebagai nilai tambah, produk buatan
costum. Platform berbasis web seperti Google Earth / Samudra bisa berperan
dalam memajukan proses ini (Carocci et al.,2009; Aguilar-Manjarrez et al.,
2010).Dalam perikanan ilmu, produk seperti update fishing ground, situs
kesesuaian untuk budidaya fasilitas, dan informasi keselamatan akan menjadi
bagian dari produk paket. Peningkatan prediksi dan validasi oseanografi
Parameter SRS (SST, klorofil) untuk aplikasi khusus akan juga membentuk daerah
penelitian kunci (Saitoh et al., 2009, 2010). jelas, Data SRS telah membuat
kontribusi penting untuk perikanan operasional oseanografi. Kekayaan informasi
yang terus menumpuk dari satelit sangat penting untuk penelitian, pemantauan,
dan pengelolaan perikanan laut, serta mendukung keberlanjutan sistem akuakultur.
---------------------------------------------------------------------------------------------------

Gambar 6. Kerangka konseptual untuk sistem informasi perikanan fi pesisir

terpadu. Komponen utama dari sistem ini adalah (i) pengamatanatau akuisisi data
(in situ dan data satelit), (ii) pemanfaatan data dalam numerik/ model spasial, dan
(iii) peramalan dan penyebaranproduk operasional responsif terhadap kebutuhan
masyarakat.
Ucapan Terima Kasih
Kami berterima kasih kepada Distribusi Active Archive Center di NASAGoddard
Space Flight Center untuk produksi dan distribusidari data SeaWiFS dan MODIS.
Karya ini didukung olehHakodate Kelautan Bio Proyek Industri-Cluster di Daerah
Program inovasi Cluster (Global Jenis) dari 2010 (sebelumnyadikenal sebagai
Program Cluster Pengetahuan pada tahun 2009) dariGrant-in-Aid untuk
Universitas

dan

Masyarakat

Kolaborasi

dariKementerian

Kebudayaan, Olahraga, Sains dan Teknologi(MEXT), Jepang

Pendidikan,