Anda di halaman 1dari 17

ICES Journal of Marine Science (2011), 68 (4), 687-695.

doi: 10,1093 / icesjms / fsq190


Beberapa penggunaan operasional satelit penginderaan jauh dan GIS kelautan
perikanan berkelanjutan dan budidaya
Sei-Ichi Saitoh1 *, Robinson Mugo1, I Nyoman Radiarta1, Shinsuke Asaga1, Fumihiro
Takahashi2, Toru Hirawake1, Yoichi Ishikawa3, Toshiyuki Awaji3, Teiji iN4, dan Shigeki
Shima 4
1Laboratory Kelautan Bioresource dan Lingkungan Sensing, Fakultas Ilmu Perikanan,
Hokkaido University, 3-1-1 Minato-cho Hakodate, Hokkaido 041-8611, Jepang
2SpaceFish LLP, Omachi 13-1, Hakodate, Hokkaido 040-0052, Jepang 3Laboratory
fisik Oseanografi, Graduate School of Sciences, Universitas Kyoto, Oiwake-cho,
Kitashirakawa, Sakyo-ku, Kyoto 606-8502, Jepang 4Marine Divisi Penelitian, Jepang
Marine Research Foundation, 4-24, Minato-cho , Mutsu, Aomori, 035-0064, Jepang
* Sesuai Penulis: tel: +81 138 40 8843; fax: +81 138 40 8844; e-mail:
ssaitoh@salmon.fish.hokudai.ac.jp
Saitoh, SI, Mugo, R., Radiarta, aku N., Asaga, S., Takahashi, F., Hirawake, T., Ishikawa,
Y.. , Awaji, T., Di, T., dan Shima, S. 2011. Beberapa penggunaan operasional satelit
penginderaan jauh dan kelautan GIS untuk perikanan berkelanjutan dan budidaya. ICES Jurnal Ilmu Kelautan, 68: 687-6952010;.
Diterima 28 Juni diterima 13 November 2010; memajukan akses publikasi 6 Januari
2011.
Sebuah gambaran dari satelit penginderaan jarak jauh (SRS) aplikasi operasional di
perikanan disajikan, dan termasuk dua studi kasus illustrat- ing manfaat sosial dari
SRS. Pertama menggambarkan penggunaan sistem berbasis satelit pemantauan kapal
(VMS) dan data SRS dalam tuna cakalang (Katsuwonus pelamis) perikanan, termasuk
algoritma sederhana untuk menentukan kegiatan memancing dari kecepatan kapal.
Studi kasus kedua menggambarkan penerapan informasi penginderaan jauh dalam
menentukan dampak dari perubahan iklim pada kesesuaian situs untuk kerang
(Mizuhopecten yessoensis) budidaya. Pemanasan global simulasi sesuai dengan Panel
Antarpemerintah tentang Perubahan Iklim skenario memiliki dampak yang signifikan
pada situs dengan kesesuaian terbesar bagi kerang budidaya. Beberapa tantangan di
bidang sistem informasi perikanan juga
dibahas.Kata kunci: perubahan iklim prediksi, GIS, budidaya laut, operasional
oseanografi perikanan, penginderaan jauhmeningkat.

Pendahuluan produksi penangkapan global perikanan relatif stabil selama dekade


terakhir, sedangkan produksi perikanan budidaya terus (FAO, 2009). Kedua sektor ini
sangat penting untuk keamanan pangan global, namun menghadapi array pertumbuhan
tantangan yang mengancam keberlanjutan mereka (FAO, 2009). Untuk perikanan
tangkap, penangkapan ikan berlebihan, degradasi habitat spesies kunci ', harga bahan
bakar global yang tidak menentu, dan perubahan iklim merupakan tantangan mendasar.
Budidaya menghadapi persaingan yang meningkat untuk ruang, pakan, dan tenaga
kerja, serta wabah penyakit dan potensi dampak perubahan iklim. Solusi untuk
beberapa masalah ini dapat melibatkan menerapkan satelit telah penginderaan jauh
(SRS) informasi, sehingga kami memberikan gambaran singkat dari aplikasi
operasional SRS yang dipilih, diikuti oleh dua studi kasus, satu di perikanan tangkap
dan yang lainnya di mendatang aquacul-. Pertama membahas aplikasi SRS data
lingkungan dan teknologi pemantauan kapal dalam tuna cakalang (Katsuwonus
pelamis) perikanan di Pasifik Utara barat. Kedua berfokus pada dampak perubahan
iklim terhadap kerang (Mizuhopecten yessoen- sis) akuakultur di Funka Bay, Hokkaido,
Jepang, menggunakan SRS citra. Akhirnya, kami menyoroti tantangan dan memberikan
perspektif tentang masa depan sistem informasi perikanan di bidang ini.
Ikhtisar singkat dari oseanografi perikanan operasional di perikanan pelagis oseanografi
operasional telah didefinisikan sebagai cabang ilmu kelautan yang secara rutin
memberikan berkualitas tinggi pengamatan dan data dimodelkan untuk aplikasi praktis
(Pinardi dan Coppini, 2010). Aplikasi ini termasuk antara lain penyediaan jasa-jasa yang
meminimalkan waktu pencarian dengan mengarahkan armada dan kapal nelayan ke
daerah ketersediaan optimum dari spesies target, berdasarkan pengetahuan tentang
perilaku mereka di bawah kondisi lingkungan yang berbeda (Petit et al., 1994 ). SRS
pengukuran suhu permukaan laut (SST), warna laut, laut tinggi permukaan anomali
(SSHA), arus, dan angin adalah datastreams paling penting yang membentuk
oseanografi operasional. Ulasan sebelumnya 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. Ruang
lingkup sini menghalangi rinci seperti itu, tapi banyak yang berubah selama dekade
terakhir (Barale et al, 2010).SRS:.
Dalam perikanan pelagis, dua tema menonjol dalam kation appli- operasional (I)
identifikasi zona perikanan potensial (PFZ ), yang mengambil keuntungan dari
hubungan antara spesies target dan faktor lingkungan, dan (ii) pengembangan langkahlangkah manajemen, terutama meminimalkan bycatch dari spesies yang terancam
punah. Pemodelan habitat ikan (Valavanis et al., 2008) digunakan perikanan dan SRS
dataset lingkungan untuk menunjukkan bahwa identifikasi fitur oseanografi seperti PFZ
layak di 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 tag elektronik dan data SRS untuk

mempelajari perilaku dan pemanfaatan habitat telah menambahkan dimensi yang


menarik untuk oseanografi perikanan operasional (Teo et al, 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). Misalnya, Howell et al. (2008) menunjukkan alat (Turtlewatch) yang
difasilitasi menghindari tempayan penyu (Caretta caretta) bycatch saat memancing 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) bycatch di tuna timur dan perikanan billfish
dengan terbatas atau tidak ada kuota sirip biru selatan. Ini menunjukkan kelayakan
merancang dekat-real-time batas pengelolaan perikanan menggunakan SRS SST, data
yang dimodelkan, dan tanda tangan habitat termal dari pop-up satelit tag lite. Hartog et
al. (2010) juga dianggap bagaimana keputusan manajemen berdasarkan preferensi
habitat SRS-berasal dari sirip biru selatan dan tuna yellowfin (Thunnus albacares) bisa
influ- enced oleh pemanasan laut. Contoh-contoh ini tidak berarti habisnya persediaan
tive, tetapi menggambarkan beberapa arah penelitian bahwa aplikasi operasional
informasi SRS telah di masa lalu.
Aplikasi memancing Komersial oseanografi operasional sebagian besar bertujuan
untuk meminimalkan waktu pencarian dan menghemat bahan bakar (IOCCG 2009 ).
Kemajuan dalam sistem komunikasi dan metodologi pengolahan data terus melakukan
diversifikasi produk yang dikirim ke armada penangkapan ikan secara real atau dekat
real time oleh keburukan informasi perikanan-jasa. Ini termasuk, antara lain banyak,
yang berbasis di Miami Samudera Fishing Forecasting Layanan Roffer ini, Inc.
(http://www.roffs.com/), memberikan perkiraan perikanan yang berasal dari SRS sejak
tahun 1987; yang SeaStar Commercial Fishing Service dijalankan oleh GeoEye:,
menampilkan peta oseanografi tiga dimensi; (http // www geoeye.com.) dan Catsat
(www.catsat.com), yang menyediakan layanan serupa. India National Centre for
Information Services Samudra (INCOIS; http://www.incois.gov.in) memberikan perkiraan
PFZ untuk laut sekitar India. Jepang Perikanan Information Service Centre (JAFIC;
www.jafic.co.jp) dan Perusahaan Lingkungan Simulasi Laboratorium (www.esl.co.jp)
menyebarkan layanan informasi ikan-Eries untuk nelayan Jepang. Sebuah perusahaan
swasta, SpaceFish LLP (http://spacefish.co.jp), baru-baru ini membentuk sistem
informasi perikanan dan layanan yang dikenal sebagai "TOREDAS" (Saitoh et al.,
2009), yang menyatakan tujuan adalah untuk (i) memfasilitasi dekat -Real-time transfer
data via internet dan koneksi satelit selama operasi perikanan, (ii) memprediksi PFZ
berdasarkan temuan ilmiah, dan (iii) memberikan informasi grafis nilai tambah tinggi
perikanan oceano- (Kiyofuji et al., 2007). Semua informasi
688 SI. Saitoh et al.
Gambar 1. Bidang studi selama dua studi kasus di Pasifik Utara barat, termasuk
lintasan diplot dari kapal cakalang ikan (garis putus-putus) di lepas pantai timur Jepang

pada tahun 2008, dan daerah kerang Funka Bay (inset ), selatan Hokkaido Island,
Jepang.
sistem yang tercantum di atas mengandalkan data SRS untuk memberikan perkiraan
untuk berbagai spesies di berbagai belahan lautan dunia.
Bahan dan cara Bekerja pada kedua studi kasus dilakukan di Pasifik Utara barat (18508N 125- 1608E) untuk perikanan tuna cakalang dan Funka Bay (selatan Pulau
Hokkaido) untuk budidaya Jepang kerang (Gambar 1).
Skipjack perikanan tuna-resolusi tinggi spasial (1-min logging interval) VMS (vessel
monitoring system) Data diperoleh melalui TOREDAS dari sebuah kapal nelayan pole
and line untuk periode 2007-2009. Data ini terdiri dari lintang dan bujur posisi dicatat
oleh GPS kapal dan cap tanggal-waktu. Jarak antara posisi disebelahnya dihitung di
ArcGIS 9.2, dengan asumsi bahwa kapal bergerak antara setiap posisi sepanjang garis
lurus login. Kecepatan kapal (knot) dihitung dengan menggunakan jarak yang ditempuh
antara titik polling yang berdekatan dan waktu yang dibutuhkan (biasanya 1 menit).
Sebuah histogram dari kecepatan kapal diperkirakan diplot dan digunakan untuk
mengkategorikan aktivitas kapal. Sebuah filter spasial dikecualikan semua data VMS
diterima dari jarak 10 km dari pantai Jepang, sehingga menghilangkan gerakan masuk
dan keluar dari pelabuhan, yang memicu aktivitas memancing palsu karena kecepatan
kapal lambat. Hanya data trans- mitted 6:00-18:00, ketika cakalang memancing
biasanya disebut dilakukan, tetap dipertahankan. Akhirnya, kecepatan penyaring
mempertahankan semua data yang terkait dengan kecepatan 0,1-3 knot, indikasi
kegiatan perikanan sebagaimana disimpulkan dari kecepatan VMS histogram.
SST dan klorofil a (CHL a) dari standar bulanan Aqua MODIS dipetakan gambar
(resolusi 4 km), dan tertunda waktu dan digabung produk SSHA dari AVISO (http: //
www.aviso.oceanobs.com/en/data/products/sea-surface-height- produk / global yang /
msla / index.html) yang didownload untuk periode 2007-2009 dan dipetakan dalam
ArcGIS 9.2. Data re-grid resolusi seragam, cocok dengan posisi memancing VMS yang
diturunkan, dan sampel di ArcGIS 9.2.
Scallop budidaya Kasus budidaya kerang Jepang digunakan untuk menunjukkan
penggunaan SRS dalam mengeksplorasi potensi dampak perubahan iklim terhadap
sumber budidaya. Konstruksi model dan analisis tersebut terdiri dari dua langkah
(Gambar 2). Pertama, kesesuaian situs untuk kerang budidaya ditentukan dengan
menggunakan terintegrasijauh

penginderaandan model yang didasarkan pada sistem informasi geografis (GIS).


Evaluasi multikriteria disesuaikan dengan model GIS untuk peringkat situs pada skala 1
(paling cocok) ke 8 (paling cocok), menurut Radiarta et al. (2008). Kedua, dari model
kesesuaian situs-akhir, kita dimodelkan efek SST pemanasan pada model situs-pilihan
menggunakan suhu meningkat dari 1, 2, atau 48C, yaitu skenario yang diberikan dalam
laporan penilaian keempat dari Panel Antarpemerintah tentang Perubahan Iklim ( IPCC,
2007). Pendekatan ini diakui sebagai kerangka kerja yang valid untuk mengevaluasi
dampak perubahan iklim terhadap perikanan / sumber budidaya (Brody dan
Hlohowskyj, 1998;. Perry et al, 2005).
Hasil dan diskusi VMS, SRS oseanografi, dan cakalang memancing Aplikasi SRS dan
GIS dapat membantu memenuhi manajemen dan pemanenan tantangan perikanan
tuna cakalang penting, yang menangkap peringkat ketiga di dunia setelah ikan teri
(Engraulidae) dan Alaska pollock (Theragra chalcogramma; Mugo et al, 2010.).
Pencarian untuk sekolah tuna adalah yang paling waktu-memakan langkah dalam
operasi penangkapan ikan (Miyake et al, 2004;. Majkowski, 2010), secara signifikan
mempengaruhi biaya bahan bakar dan tenaga kerja. Satelit berbasis VMS pertama kali
diperkenalkan untuk keperluan surveilans (FAO, 1988;. Deng et al, 2005), tetapi barubaru menjadi sumber data tambahan di lokasi dan peramalan sistem fishing ground,
seperti TOREDAS (. Saitoh et al, 2009) . Data VMS juga memiliki kegunaan potensial
dalam ilmu pengetahuan dan pengelolaan perikanan (Lee et al., 2010), menyediakan,
resolusi tinggi informasi temporal dan spasial logbook-independen pada aktivitas
memancing (Witt dan Godley, 2007). Data VMS memiliki keunggulan dibandingkan
logbook memancing di bahwa mereka dapat terakumulasi dalam real time dekat dan
lebih objektif, akurat, dan lengkap (Mullowney dan Dawe, 2009). Mereka telah
digunakan untuk memperkirakan usaha penangkapan terutama di Eries pukat ikan(Mills et al, 2004;. Mullowney dan Dawe, 2009; Palmer dan Wigley, 2009;. Lee et al,
2010). Untuk perikanan pelagis, analisis simultan data VMS dan SRS dapat digunakan
untuk mempelajari kapten prilaku iour relatif menargetkan spesies. Jenis informasi
dapat meningkatkan model peramalan perikanan operasional dan langkah-langkah
manajemen, misalnya dalam desain kawasan perlindungan laut yang dinamis atau
tindakan upaya pengendalian. Namun, di Pasifik Utara barat tuna perikanan, sedikit
yang telah dilakukan dengan informasi VMS.
Satelit penginderaan jauh dalam oseanografi operasional 689
Gambar 2. Model Skema perubahan iklim model prediksi untuk pengembangan kerang
budidaya Jepang di Funka Bay, barat daya Hokkaido, Jepang.
Harian lintasan kapal dan terkait grafik kecepatan untuk perjalanan plete memancing
com- dilakukan selama periode 19-23 Juni 2008 telah tergambar jelas pada Gambar 3,
termasuk keberangkatan (Gambar 3a), aktivitas pantai off (Gambar 3b dan c), dan
kembali ( Gambar 3d). Selama pole and line memancing, kapal hampir stasioner,

kecuali minimal drift saat. Kegiatan memancing ditandai dengan sekelompok poin
terkait dengan kecepatan lambat, dan aktivitas non-nelayan (yaitu mengepul), dengan
jalan lurus dengan yang sesuai kecepatan tinggi. Histogram dari kecepatan kapal
(Gambar 4a) mengungkapkan dengan jelas distribusi bimodal, yang mewakili
memancing (kecepatan lambat, modus pertama) dan aktivitas non-perikanan
(mengepul) pada kecepatan yang lebih tinggi dari 4.5-20knots. Fakta bahwa sebuah
kapal penangkap ikan perjalanan lebih lambat selama memancing, penyebaran gigi,
dan pengambilan memungkinkan data sederhana partisi (Witt dan Godley, 2007).
Namun, kapal penangkap ikan dapat memperlambat karena sejumlah faktor lain selain
memancing, termasuk mendekati atau meninggalkan pelabuhan, pengaturan gigi,
berada di dekat kapal lain, dan selama cuaca buruk (Mills et al., 2007). Dalam kasus
cakalang, identifikasi palsu dari kegiatan penangkapan ikan dapat terjadi ketika sekolah
tuna diidentifikasi dan chummed, tapi tidak merespon umpan, yaitu kapal tersebut
berhenti, tapi tidak memancing. Sebuah pemahaman yang baik tentang perikanan
tersebut dapat meningkatkan filter Data VMS dan karakterisasi memancing
aktivitas298C.;
SST, CHL, dan SSHA di lokasi pemancingan VMS yang diturunkan (Gambar 4b-d)
berkisar antara 17 sampai 0,07-0,7 mg M23, dan 230 untuk 50cm, masing-masing
(Gambar 4d). Ini mirip dengan rentang optimum untuk spesies (20.4-24.48C, 0.07- 0,26
mg M23, dan 28 sampai 12 cm, masing-masing) yang diperoleh dalam pekerjaan
sebelumnya (Mugo et al., 2010), mendukung keakuratan VMS yang diturunkan lokasi
memancing dan data lingkungan yang terkait. SST sangat mempengaruhi cakalang
distribusi tuna di Pasifik Utara barat (Mugo et al., 2010) dan Southwest Atlantic (de
Oliveira et al., 2010), di mana ikan yang ditemukan terutama di .158C (Wild dan
Hampton, 1993). SRS CHL sebuah gradien dan SSHA yang berperan dalam
mengidentifikasi fitur laut diasosiasikan dengan agregasi spesies hijauan (Zainuddin et
al., 2008). Mekanisme yang mungkin mengakibatkan agregasi ini berada 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
pada realdekat

timeuntuk meningkatkan perkiraan perikanan. Data dapat digunakan dalam berbagai


cara untuk menambah informasi biasanya tidak tersedia di logbook memancing.
Sebagai contoh, data VMS dapat digunakan untuk mengidentifikasi area
690 SI. Saitoh et al.
Gambar 3. lintasan harian (kiri) dan terkait grafik kecepatan (kanan) untuk tiang-danline perjalanan cakalang memancing lengkap selama periode 19-23 Juni 2008. Pola
spasial dan aktivitas kecepatan berguna dalam membedakan memancing (F) dari nonikan (NF) aktivitas. Panel (b) dan (c) berisi diperbesar peta inset untuk menggambarkan
kursus jelas.
Yang dilalui, tetapi tidak memancing, sesuai memungkinkan kewajiban-investigasi untuk
menentukan bagaimana ini berbeda dari lahan perikanan yang dipilih.

Independen dan otomatis umpan balik dari kapal penangkap ikan sangat penting
untuk memantau usaha penangkapan atau meningkatkan efisiensi memancing. Kami
menyimpulkan bahwa penggunaan simultan dari VMS dan SRS informasi yang dapat
memberikan laporan rinci dari kegiatan tuna kapal penangkap ikan cakalang. VMS juga
dapat membantu dalam fine-tuning model peramalan perikanan pelagis dengan
memasukkan informasi tentang cara memancing nakhoda kapal pilih tempat
memancing relatif remo- data oseanografi tely merasakan. Aplikasi lain yang potensial
adalah sebagai alat pendidikan untuk mentransfer keterampilan memancing dan
pengetahuan dari berpengalaman untuk kapten baru.
Perubahan iklim dan kerang budidaya kerang Jepang adalah yang paling sukses
kelautan usaha pertanian kerang di Jepang (Bourne, 2000). Saat ini, 0,40% dari
produksi kerang Jepang adalah dari budidaya (FAO, 2007). Perubahan suhu air akan
mempengaruhi waktu dan tingkat produktivitas di seluruh sistem pesisir dan laut
(Walther et al, 2002;. Beukema dan Dekker, 2005; Harley et al, 2006.). Kemampuan
berkelanjutan dari kerang budidaya dapat dipengaruhi oleh perubahan lingkungan yang
terkait dengan pemanasan iklim, mengancam optimal tumbuh-out suhu, dan cuaca.
Situs Cocok untuk kerang budidaya banyak berubah dibandingkan dengan model asli
kesesuaian situs setelah penerapan skenario IPCC (Gambar 5). Peningkatan SST dari
18C mengakibatkan perubahan yang relatif sedikit untuk skor kesesuaian (Tabel 1),
namun meningkat dari 2 dan 48C menurun daerah yang paling cocok (skor 8) sebesar
52 dan 100%, masing-masing. Ada peningkatan bersamaan di daerah kurang cocok;
misalnya, daerah mencetak 7 meningkat dari
penginderaan jauh satelit di oseanografi operasional 691
Gambar 4. Histogram dari (a) kecepatan kapal (b) SST, (c) CHL, dan (d) SSHA
ditentukan dari lokasi memancing VMS diturunkan. Kisaran kecepatan yang digunakan
dalam filter kecepatan untuk menentukan kegiatan perikanan diilustrasikan dalam (a).
28-35 dan 41% dari total luas dengan 2 dan 48C meningkat, masing-masing.
Perubahan dibagikan kurang lebih merata di atas wilayah (Gambar 5). Hasil ini
menunjukkan bahwa perubahan iklim dapat mempengaruhi perkembangan kerang
budidaya melalui perubahan kesesuaian situs, 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 terhadap perikanan
dunia dari perspektif global dan menyarankan bahwa studi kasus tambahan khusus
(seperti yang disajikan di sini) akan berkontribusi besar terhadap pemahaman
bagaimana perubahan iklim dapat mempengaruhi sumber daya perikanan budidaya.
Contoh lain diberikan oleh Baba et al. (2009), yang menggambarkan pengaruh
variabilitas iklim, terutama pengaruh langsung dari El Nin o dan La Nin, pada kerang
budidaya. Model berbasis GIS pada dampak perubahan iklim terhadap perikanan

budidaya kerang Jepang menunjukkan bahwa perubahan iklim mungkin memiliki


berbagai dampak pada kerang budidaya. Jelas, potensi dampak perubahan iklim
terhadap kerang budidaya perlu gation lebih investigasi untuk membantu memastikan
keberlanjutan pembangunan budidaya laut.
Tantangan baru dari sistem informasi perikanan dan perspektif masa depan SRS citra
untuk parameter seperti SST, CHL, dan SSHA mengungkapkan samudera fenomena
pada skala sinoptik. Aplikasi GIS juga telah berperan dalam mengintegrasikan dan
menganalisis informasi SRS dalam ilmu perikanan (Meaden, 2009). Namun, GIS
awalnya

dikembangkan untuk data terestrial di mana dua dimensi sultasi-wakil memadai.


Akibatnya, mereka terbatas dalam mewakili batas-batas dinamis dan struktur tiga
dimensi dari fitur laut dan habitat laut (Carette et al., 2008). Asimilasi data pengamatan
ke laut model sirkulasi umum akan memainkan peran penting dalam bergerak menuju
representasi tiga dimensi (Awaji et al., 2003). Arah penelitian masa depan kami meliputi
pengembangan perikanan pesisir sistem informasi yang terintegrasi (Gambar 6),
memanfaatkan array dataset oseanografi dari satelit dan pengukuran situ. Selain itu, hal
ini dimaksudkan untuk lebih empat dimensi, variational (4D-VAR) model data-asimilasi
(Broquet et al, 2009;. Ishikawa et al,
692 SI Saitoh et alsitus-seleksi...
Gambar 5. Secara keseluruhan peta untuk (a) model asli, dan SST meningkat dari (b)
18C, (c) 28C, dan (d) 48C. Semua peta yang bertopeng ke kedalaman, 60 m, yang
optimal untuk budidaya kerang Jepang di Funka Bay. kendala berarti pembatasan
membatasi alternatif yang dipertimbangkan, misalnya pelabuhan, kota / kawasan
industri, dan muara sungai.
Tabel 1. dimodelkan perubahan nilai kesesuaian (persentase dari total luas potensi),
yang dihasilkan dari tiga skenario SST peningkatan, untuk kerang Jepang potensi
perikanan budidaya di Funka Bay.
Model
mencetakKesesuaian
0 1 2 3 4 5 6 7 8 Asli 12.00 0.00 0.00 0.00 0.01 10.89 20.10 28.00 29.00 + 18C
12.00 0.00 0.00 0.00 0.01 11.00 20.60 30.00 26.39 + 28C 12.00 0.00 0.00 0.00 0.01
16.09 23.00 34,90 14.00 + 48C 12,00 0,00 0,00 0,00 2,40 17,90 26,69 41,00Total
potensi daerah (, 60 m dalam) adalah 1.038 km2.
2009) mampu menghasilkan produk yang terintegrasi diperlukan oleh perikanan dan
akuakultur menggunakan sintesis optimal data nasional observasi, samudra Model
sirkulasi, dan Nemuro ecologi- Model cal (Kishi et al., 2007). Sistem ini juga diharapkan
untuk menyertakan peramalan dan informasi komponen penyebaran. (Http: //
innova01.fish.hokudai.ac.jp/marinegis/)
Penyebaran informasi kepada pengguna secara real atau dekat real time akan
menjadi daerah inovasi di beberapa tahun ke depan (Aguilar-Manjarrez et al., 2010).
Miniaturisasi terus perangkat komunikasi dan biaya rendah dari transmisi informasi
dalam jumlah besar membuatnya semakin praktis untuk menyampaikan informasi
oseanografi sebagai nilai tambah, produk custom-made. Platform berbasis web seperti
Google Earth / Samudra bisa berperan dalam memajukan proses ini (Carocci et al,
2009;. Aguilar-Manjarrez et al, 2010.). Dalam ilmu perikanan, produk seperti update
fishing ground, kesesuaian situs fasilitas akuakultur, dan informasi keselamatan akan
membentuk bagian dari paket produk. Peningkatan prediksi dan validasi parameter

SRS oseanografi (SST, klorofil) untuk aplikasi khusus juga akan membentuk area
penelitian utama (Saitoh et al., 2009, 2010). Jelas, Data SRS telah membuat kontribusi
penting untuk oseanografi perikanan operasional. Kekayaan informasi yang terus
menumpuk dari satelit sangat penting untuk penelitian, pemantauan, dan pengelolaan
perikanan laut, serta mendukung kelestarian sistem budidaya.

Ucapan Terima Kasih Kami berterima kasih kepada Distribusi Active Archive Center di
Goddard Penerbangan NASA Space Pusat produksi dan distribusi data SeaWiFS dan
MODIS. Karya ini didukung oleh industri-Cluster Proyek Hakodate Kelautan Bio di
Inovasi Program Cluster Daerah (Type Global) dari 2010 (sebelumnya dikenal sebagai
Program Pengetahuan Cluster tahun 2009) dari Hibah-in-Aid untuk Universitas dan
Masyarakat Kolaborasi dari Kementerian Pendidikan, Kebudayaan, Olahraga, Sains
dan Teknologi (MEXT), Jepang.
Referensi Aguilar-Manjarrez, J., Kapetsky, JM, dan Soto, D. 2010. potensi cukup alat
perencanaan tata ruang untuk mendukung pendekatan ekosistem untuk akuakultur. Ahli
Workshop, 19-21 November 2008, Roma, Italia. FAO Perikanan dan Budidaya
Prosiding, 17. 176 pp. Awaji, T., Msuda, S., Ishikawa, Y., Sugiura, N., Toyoda, T., dan
Nakamura, T. 2003. estimasi Negara Samudera Pasifik Utara oleh data variasional
asimilasi percobaan empat dimensi. Journal of Oceanography, 59: 931-943. Baba, K.,
Sugawara, R., Nitta, H., Endou, K., dan Miyazono, A. 2009. Hubungan antara
kepadatan meludah, ketersediaan pangan, dan pertumbuhan petelur di berbudaya
yessoensis Mizuhopecten di Funka Bay: con currence dengan ENSO. Canadian
Journal Perikanan dan Ilmu Perairan, 66: 6-17. Bakun, A. 2006. Front dan pusaran
sebagai struktur kunci dalam habitat larva ikan laut: peluang, respons adaptif dan
keunggulan kompetitif. Scientia Marina, 70: 105-122. Barale, V., Gower, JFR, dan
Alberotanza, L. (eds). 2010. Oseanografi dari Angkasa Revisited. Springer, New York.
361 pp Beukema, JJ, dan Dekker, R. 2005. Penurunan keberhasilan rekrutmen di
kerang dan bivalvia lainnya di Laut Wadden:. Kemungkinan peran perubahan iklim,
predasi pada postlarvae dan perikanan.149-167terintegrasi:Marine Ecology Progress
Series,
Satelitpenginderaan jauh dalam oseanografi operasional 693
Gambar 6. Kerangka konseptual untuk perikanan pesisir sistem informasi yang
287..Komponen utama dari sistem ini adalah (i) pengamatan atau akuisisi data (in situ
dan data satelit), (ii) pemanfaatan data dalam model numerik / spasial, dan (iii)
peramalan dan penyebaran produk operasional responsif terhadap kebutuhan
masyarakat.
Bourne , NF 2000. potensi budaya-kerangmillenniumberikutnya.Budidaya Internasional, 8: 113-122. Brody, M., dan Hlohowskyj, I.
1998. Perikanan. Dalam Buku Panduan tentang Metode Penilaian Perubahan Iklim
Dampak dan Strategi Adaptasi, pp. 1-37. Ed. oleh JF Feenstra, I. Burton, JB Smith, dan
RSJ Tol. UNEP, Nairobi. 464 pp. Broquet, G., Edwards, CA, Moore, AM, Powell, BS,
Veneziani, M., dan Doyle, JD 2009. Penerapan 4D-Variasional Data asimilasi ke
California Sistem sekarang. Dinamika Atmosfer dan Kelautan, 48: 69-92. Carette, V.,
Mostafavi, MA, dan Devillers, R. 2008. Menuju sistem informasi geografis kelautan:
representasi multidimensi agregasi ikan dan evolusi spatiotemporal mereka. Oceans, 8:

1-10. Carocci, F., Bianchi, G., Eastwood, P., dan Meaden, GJ 2009. Sistem Informasi
Geografis untuk mendukung pendekatan ekosistem untuk perikanan. FAO Perikanan
dan Budidaya Teknis Kertas, 532. 120 pp. De Oliveira, FSC, Gherardi, DFM, dan Stech,
JL 2010. Hubungan antara data satelit multi-sensor dan estimasi Bayesian untuk
tangkapan cakalang di Selatan Brazil Teluk. International Journal of Remote Sensing,
31: 4049-4067. Deng, R., Dichmont, C., Milton, D., Haywood, M., Vance, D., Hall, N.,
dan Die, D. 2005. Can sistem data pemantauan kapal juga digunakan untuk
mempelajari intensitas trawl dan penipisan populasi? Contoh perikanan udang di bagian
utara Australia. Canadian Journal Perikanan dan Ilmu Perairan, 62: 611-622. Dewar, H.,
Thys, T., Teo, SLH, Farwell, C., O'Sullivan, J., Tobayama, T., Soichi, M., et al. 2010.
Satelit pelacakan terbesar di dunia jelly predator, yang sunfish laut, Mola mola, di
Pasifik barat. Journal of Experimental Marine Biology dan Ekologi, 393: 32-42. FAO.
1988. Fishing operasi: sistem pemantauan kapal. Pedoman Teknis FAO Perikanan
Bertanggung Jawab, 1 (Suppl. 1). FAO, Roma. 58 pp.

FAO.
2007.
global
budidaya
dan
perikanan
tangkap
produksi.
http://www.fao.org/fi/website/FIRetrieveAction.do?dom=topic& fid = 16140 (terakhir
diakses 12 Desember 2007). FAO. 2009. Negara Dunia Perikanan dan Budidaya, 2008.
FAO,
Roma. 196 pp. Fonteneau, A., Lucas, V., Tewkai, E., Delgado, A., dan Demarcq, H.
2009. eksploitasi Mesoscale dari konsentrasi tuna besar di Samudera Hindia. Air Living
Resources, 21: 109-121. Handisyde, NT, Ross, LG, Badjeck, MC, dan Allison, EH 2006.
dampak perubahan iklim terhadap perikanan budidaya dunia:. A perspektif global.
www.aquacultur.stir.ac.uk/GISAP/gis-group/climate.php. Harley, CDG, Hughes, AR,
Hultgren, KM, Miner, BG, Sorte, CJB, Thornber, CS, Rodriguez, LF, et al. 2006. Dampak
dari perubahan iklim di sistem kelautan pesisir. Ecology Letters, 9: 228-241. Hartog, JR,
Hobday, AJ, Matear, R., dan Feng, M. 2010. Habitat tumpang tindih antara tuna sirip
biru selatan dan tuna yellowfin di timur perikanan pantai longline - implikasi bagi
manajemen tata ruang sekarang dan masa depan. Deep Sea Penelitian II, doi:
10,1016 / j. dsr2.2010.06.005. Hobday, AJ, dan Hartmann, K. 2006. Dekat real-time
pengelolaan tata ruang berdasarkan prediksi habitat untuk spesies longline bycatch.
Manajemen Perikanan dan Ekologi, 13: 365-380. Howell, AE, Kobayashi, DR, Parker,
DM, Balazs, GH, dan Polovina, JJ 2008. Turtlewatch: alat untuk membantu dalam
pengurangan bycatch penyu tempayan Caretta caretta di perikanan pelagis longline
berbasis Hawaii. Penelitian Endangered Species, 5: 267-278. IOCCG. 2009.
Penginderaan jauh di perikanan dan akuakultur. Laporan dan Monograf SamudraWarna Koordinasi Group International, 8. Ed. oleh MH. Lupakan, V. Stuart, dan T. Platt.
IOCCG, Dartmouth, Kanada. 120 pp. IPCC. 2007. Ringkasan untuk pembuat kebijakan.
Dalam Perubahan Iklim 2007: Dasar Ilmu Fisika. Kontribusi Kelompok Kerja I Laporan
Penilaian Keempat dari Panel Antarpemerintah tentang Perubahan Iklim, pp. 1-18. Ed.
oleh S. Solomon, D. Qin, M. Manning, Z. Chen, M. Marquis, KB Averyt, M. Tignor, et al.
Cambridge University Press, Cambridge, UK. 1008 pp. Ishikawa, Y., Awaji, T., Toyoda,
T., Di, T., Nishina, K., Nakayama, T., Shima, S., et al. 2009. Resolusi tinggi pemantauan
sintetis oleh sistem data asimilasi variational 4 dimensi di utara-barat Pasifik Utara.
Jurnal Sistem Kelautan, 78: 237-248. Kishi, MJ, Kashiwai, M., Ware, DM, Megrey, BA,
Eslingerf, DL, Werner, FE, Noguchi-Aitab, M., et al. 2007. Nemuro-model tingkat trofik
yang lebih rendah untuk ekosistem laut Pasifik Utara. Pemodelan ekologi, 202: 12-25.
Kiyofuji, H., Takahashi, F., Tachikawa, D., Abe, M., Tateyama, K., Hiraki, M., dan Saitoh,
SI. 2007. Sebuah sistem informasi di mana-mana untuk kegiatan perikanan lepas
pantai di seluruh Jepang. Dalam Analisis GIS / Spasial di Perikanan dan Ilmu Perairan,
3, pp. 313-324. Ed. oleh T. Nishida, PJ Kailola, dan A. Caton. Perikanan-Aquatic GIS
Research Group, Saitama, Jepang. . 488 pp Kobayashi, DR, Cheng, IJ, Parker, DM,
Polovina, JJ, Kamezaki, N., dan Balazs, GH 2011. Loggerhead turtle (Caretta caretta)
gerakan lepas pantai Taiwan. Karakterisasi hotspot di East China Sea and investigation
of mesoscale eddies. ICES Journal of Marine Science, 68: 707718. Lee, J., South, AB,

and Jennings, S. 2010. Developing reliable, repea- table, and accessible methods to
provide high-resolution estimates of fishing-effort distributions from vessel monitoring
system (VMS) data. ICES Journal of Marine Science, 67: 12601271. Lehodey, P.,
Adre, JM, Bertignac, M., Hampton, J., Stoens, A., Menkes, C., Memery, L., et al. 1998.
Predicting skipjack tuna forage distributions in the equatorial Pacific using a coupled
dyna- mical bio-geochemical model. Fisheries Oceanography, 7: 317325.
694 SI. Saitoh et al.
Majkowski, J. 2010. Fishing techniques: tuna pole and line fishing. FAO Fisheries and
Aquaculture Department, Rome. http://www .fao.org/fishery/fishtech/30/en (updated 19
September 2003 and last accessed 15 April 2010). Meaden, G. 2009. Geographic
information systems (GIS) in fisheries management and research. In Computers in
Fisheries Research, 2nd edn, pp. 93120. Ed. by BA Megrey, and E. Moksness.
Springer, Heidelberg. 421 pp. Mills, C., Rogers, SI, Tasker, ML, Eastwood, PD, and Piet,
GJ 2004. Developing the use of satellite fishing vessel monitoring system data in spatial
management. ICES Document CM 2004/Y: 05. 13 pp. Mills, CM, Townsend, SE,
Jennings, S., Eastwood, PD, and Houghton, CA 2007. Estimating high resolution trawl
fishing effort from satellite-based vessel monitoring system data. ICES Journal of
Marine Science, 64: 248255. Miyake, MP, Miyabe, N., and Nakano, H. 2004. Historical
trends of tuna catches in the world. FAO Fisheries Technical Paper, 467. 74 pp. Mugo,
R., Saitoh, S., Nihira, A., and Kuroyama, T. 2010. Habitat characteristics of skipjack tuna
(Katsuwonus pelamis) in the western North Pacific: a remote sensing perspective.
Fisheries Oceanography, 19: 382396. Mullowney, DR, and Dawe, EG 2009.
Development of performance indices for the Newfoundland and Labrador snow crab
(Chionoecetes opilio) fishery using data from a vessel monitoring system. Fisheries
Research, 100: 248254. Olson, DB 1991. Rings in the ocean. Annual Review of Earth
and
Planetary Sciences, 19: 283311. Palmer, MC, and Wigley, SE 2009. Using positional
data from vessel monitoring systems to validate the logbook reported area fished and
the stock allocation of commercial fisheries landings. North American Journal of
Fisheries Management, 29: 928942. Perry, AL, Low, PJ, Ellis, JR, and Reynolds, JD
2005. Climate change and distribution shift in marine fishes. Science, 308: 19121915.
Petit, M., Dagorn, L., Lena, P., Slepoukha, M., Ramos, AG, and Stretta, JM 1994.
Oceanic landscape concept and operational fisheries oceanography. Me moires de
l'Institut Oce anographique, 18: 8597. Pinardi, N., and Coppini, G. 2010. Operational
oceanography in the Mediterranean Sea: the second stage of development. Ocean
Science, 6: 263267. Radiarta, IN, Saitoh, SI., and Miyazono, A. 2008. GIS-based multicriteria evaluation models for identifying suitable sites for Japanese scallop
(Mizuhopecten yessoensis) aquaculture in Funka Bay, south- western Hokkaido, Japan.
Aquaculture, 284: 127135. Saitoh, SI., Chassot, E., Dwivedi, R., Fonteneau, A.,
Kiyofuji, H., Kumari, B., Kuno, M., et al. 2009. Remote sensing applications to fish

harvesting. In Remote Sensing in Fisheries and Aquaculture, pp. 5776. Ed. by MH.
Forget, V. Stuart, and T. Platt. IOCCG Report 8. IOCCG, Dartmouth, Canada. Saitoh,
SI., Hirawake, T., Radiarta, IN, Isada, T., Mugo, R., Takahashi, F., Imai, I., et al. 2010.
New challenge of integrated coastal fisheries information system in southern Hokkaido,
Japan. In North Pacific Ecosystems Today, and Challenges in Understanding and
Forecasting Change, p. 164. North Pacific Marine Science Organization, PICES2010,
Program and Abstracts, 2231 October 2010, Portland, OR, USA. 313 pp. Santos, AMP
2000. Fisheries oceanography using satellite and airborne remote sensing methods: a
review. Fisheries Research, 49: 120. Simpson, JJ 1992. Remote sensing and
geographical information systems: their past, present and future use in global marine
fish- eries. Fisheries Oceanography, 1: 238280. Simpson, JJ 1993. A conceptual
framework for the operational fish- eries oceanography community. CalCOFI Reports,
34: 5157. Solanki, HU, Prakash, P., Dwivedi, RM, Nayak, S., Kulkarni, A., and
Somvamshi, VS 2010. Synergistic application of oceano- graphic variables from multisatellite sensors for forecasting

potential fishing zones: methodology and validation results. International Journal of


Remote Sensing, 31: 775789. Teo, SLH, and Block, BA 2010. Comparative influence
of ocean conditions on yellowfin and Atlantic bluefin tuna catch from long- lines in the
Gulf of Mexico. PLoS One, 5: e10756. doi:10.1371/ journal.pone.0010756 Teo, SLH,
Boustany, A., Dewar, H., Stokesbury, MJW, Weng, KC, Beemer, S., Seitz, AC, et al.
2007. Annual migrations, diving behavior, and thermal biology of Atlantic bluefin tuna,
Thunnus thynnus, on their Gulf of Mexico breeding grounds. Marine Biology, 151: 118.
Valavanis, DV, Pierce, GJ, Zuur, AF, Palialexis, A., Saveliev, A., Katara, I., and Wang, J.
2008. Modelling of essential fish habitat based on remote sensing, spatial analysis and
GIS. Hydrobiologia, 612: 520. Walther, GR., Post, E., Convey, P., Menzel, A.,
Parmesan, C., Beebee, TJC, Fromentin, JM., et al. 2002. Ecological responses to
recent climate change. Nature, 416: 389395. Weng, KC, Stokesbury, MJW, Boustany,
AM, Seitz, AC, Teo, SLH, Miller, SK, and Block, BA 2009. Habitat and behaviour of
yellowfin tuna Thunnus albacares in the Gulf of Mexico
Satellite remote sensing in operational oceanography 695
determined using pop-up satellite archival tags. Journal of Fish Biology, 74: 14341449.
Wild, A., and Hampton, J. 1993. A review of the biology and fisheries for skipjack tuna,
Katsuwonus pelamis, in the Pacific Ocean. In Interactions of Pacific Tuna Fisheries.
Proceedings of the first FAO Expert Consultation on Interactions of Pacific Tuna
Fisheries, Noumea, New Caledonia, pp. 151. Ed. by RS Shomura, J. Majkowski, and
S. Langi. FAO Fisheries Technical Paper, 336. Witt, JM, and Godley, BJ 2007. A step
towards seascape scale con- servation: using vessel monitoring systems (VMS) to map
fishing activity. PLoS One, 2: e1111. doi: 10.1371/journal.pone.0001111 Zagaglia, CR,
Lorenzzetti, JA, and Stech, JL 2004. Remote sensing data and longline catches of
yellowfin tuna (Thunnus albacares) in the equatorial Atlantic. Remote Sensing of
Environment, 93: 267281. Zainuddin, M., Saitoh, K., and Saitoh, SI 2008. Albacore
(Thunnus alalunga) fishing ground in relation to oceanographic conditions in the
western North Pacific Ocean using remotely sensed satellite data. Fisheries
Oceanography, 17: 6163.