File - Compressed Id

Subscribe to DeepL Pro to translate larger documents.
Visit www.DeepL.com/pro for more information.
ARTIKEL PENELITIAN
Deteksi titik-titik habitat pelagis untuk tuna

cakalang di Teluk Bone-Laut Flores, barat
daya Segitiga Terumbu Karang, Indonesia
Mukti Zainuddin1 *, Aisjah Farhum1 , Safruddin Safruddin1 , Muhammad Banda Selamat1
, Sudirman Sudirman1 , Nurjannah Nurdin2 , Mega Syamsuddin3 , Muhammad Ridwan4 ,
Sei- Ichi Saitoh5
1 Fakultas Ilmu Kelautan dan Perikanan, Universitas Hasanuddin, Makassar, Indonesia, 2 Pusat Wilayah,
Tata Ruang dan Informasi, Universitas Hasanuddin, Makassar, Indonesia, 3 Fakultas Perikanan dan Ilmu
Kelautan, Universitas Padjadjaran, Bandung, Indonesia, 4 Jurusan Agribisnis Perikanan, Politeknik
Pertanian Negeri Pangkep, Pangkep, Indonesia, 5 Fakultas Ilmu Perikanan, Hokkaido University,
Hakodate, Jepang
* mukti_fishocean@yahoo.co.id, muktizunhas@gmail.com, muktiz@fisheries.unhas.ac.id
Abstrak
AKSES TERBUKA Dengan menggunakan penginderaan jarak jauh suhu permukaan laut (SST), anomali
Kutipan: Zainuddin M, Farhum A, Safruddin S, ketinggian permukaan laut (SSHA) dan klorofil-a (Chl-a) serta data tangkapan, kami
Selamat MB, Sudirman S, Nurdin N, dkk. (2017) menginvestigasi deteksi dan persistensi titik-titik habitat pelagis yang penting bagi
Deteksi hotspot habitat pelagis untuk cakalang di
cakalang di Teluk Bone-Laut Flores, Indonesia. Kami menganalisis data untuk periode
Teluk Bone-Laut Flores, Segitiga Terumbu Karang
bagian barat daya, Indonesia. PLoS ONE 12(10): antara musim barat laut dan tenggara 2007-2011. Indeks hotspot pelagis dibuat dari
e0185601. https://doi.org/10.1371/journal. model data oseanografi berbasis satelit multi-spektrum terkait dengan kinerja
pone.0185601 penangkapan cakalang. Hasil penelitian menunjukkan bahwa tangkapan cakalang per
Editor: Geir Ottersen, Havforskningsinstituttet, unit upaya (CPUE) meningkat secara signifikan di daerah dengan indeks hotspot pelagis
NORWEGIA tertinggi. Distribusi dan dinamika titik panas habitat
Diterima: 12 Maret 2017 terdeteksi oleh pengukuran sinoptik SST, SSH-3A dan Chl-a yang berkisar antara 29,5˚
hingga 31,5˚C, dari 2,5 hingga 12,5 cm dan dari 0,15 hingga 0,35 mg m , masing-masing.
Total area yang terkena panas
dan PTUPT 2017 No. 005/SP2H/LT/DPRM/IV/
Diterima: 15 September 2017
2017) Kementerian Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia, kepada MZ. Penyandang dana tidak memiliki
Diterbitkan: 2 Oktober 2017 peran dalam desain studi, data
Hak Cipta: © 2017 Zainuddin dkk. Ini adalah artikel

akses terbuka yang didistribusikan di bawah
ketentuan Lisensi Atribusi Creative Commons,
yang mengizinkan penggunaan, distribusi, dan
reproduksi tanpa batas dalam media apa pun,
asalkan penulis asli dan sumbernya
disebutkan.
Pernyataan Ketersediaan Data: Semua data yang

relevan ada di dalam makalah dan file informasi
pendukungnya.
Pendanaan: Penelitian ini sebagian didukung

oleh Hibah Penelitian Kompetitif Nasional (Hibah
Kompetensi 2016 No. 019/SP2H/LT/DPRM/II/2016
PLOS ONE | 1 / 29
https://doi.org/10.1371/journal.pone.0185601 2
Oktober 2017
secara konsisten mencapai
puncaknya pada bulan Mei. Validasi
CPUE cakalang yang diprediksi
oleh model kami terhadap data
yang diamati dari tahun 2012
sangat signifikan. Habitat pelagis
utama berkorelasi dengan bagian
depan Chl-a, yang mungkin terkait
dengan area dengan kelimpahan
mangsa yang relatif tinggi
(kesempatan makan yang lebih baik)
untuk cakalang. Kami menemukan
bahwa area dan lokasi titik-titik
habitat cakalang yang potensial
selama 5 tahun diidentifikasi
dengan jelas oleh
-3
0,2 mg m Chl-a isopleth,
menunjukkan bahwa bagian depan
Chl-a memberikan indikator
oseanografi utama untuk
pemahaman global mengenai titik-
titik habitat cakalang di Samudra
Pasifik tropis bagian barat, terutama
di Segitiga Terumbu Karang.
Pendahuluan
Hotspot habitat pelagis, yang
didefinisikan sebagai area dengan
aktivitas biologis tinggi di mana
terjadi hubungan antara proses fisik,
produksi primer, konsumen
sekunder, dan predator tingkat
tropis yang lebih tinggi, memainkan
peran penting dalam mengendalikan
distribusi, migrasi, dan kelimpahan
spesies pelagis komersial dan yang
menjelajah luas di berbagai samudra
[1,2,3]. The
PLOS ONE | 2 / 29
Oktober 2017
Titik-titik habitat pelagis untuk cakalang
pengumpulan dan analisis, keputusan untuk Tanda tangan oseanografi yang berbeda pada gilirannya menandakan interaksi trofik yang
menerbitkan, atau persiapan naskah. lebih baik, keuntungan fisiologis dan mencari makan, dan dengan demikian memberikan
Kepentingan yang bersaing: Para penulis telah kepentingan ekologis dan ekonomi yang tinggi. Ikan pelagis besar serta kapal penangkap ikan
menyatakan bahwa tidak ada kepentingan komersial menyadari bahwa organisme mangsa berkumpul di titik-titik panas laut, yang
yang bersaing. sebagian besar diwakili oleh front laut, pusaran air, dan zona pusaran air [2,3,4]. Front laut
merupakan tempat berkumpul yang penting bagi banyak spesies pelagis yang berharga di Laut
Baja California-Bering [5]. Di Mediterania barat, pola spasial distribusi kawanan tuna sirip
biru ditentukan oleh habitat samudra utama (yaitu front dan pusaran air) [6]. Dengan
menggunakan citra satelit multi-spektrum, titik-titik panas untuk tuna albacore di Samudra
Pasifik Utara bagian barat sesuai dengan permukaan dan pusaran air [7,8]. Habitat makanan
tuna albacore dan rute migrasi didorong oleh fitur dinamis dari hotspot pelagis yaitu a. Chl-a
front yang dikenal sebagai TZCF di Samudra Pasifik bagian timur dan tengah [9]. Temuan
terbaru menunjukkan bahwa area frontal, medan eddy, dan fitur topografi (gunung laut)
merupakan hotspot habitat yang penting bagi spesies pelagis seperti cumi-cumi terbang dan
tuna [10,11,12]. Oleh karena itu, deteksi habitat pelagis yang penting secara ekologis dan
persistensi spasialnya sangat penting untuk strategi pengelolaan laut dan mengidentifikasi
target potensial untuk konservasi.
Cakalang (Katsuwonus pelamis) adalah salah satu spesies yang paling berharga di dunia
dalam hal berat tangkapan [13]. Ikan ini merupakan target utama perikanan komersial
bernilai tinggi di wilayah tropis, menyumbang lebih dari setengah (sekitar 58%) tangkapan
tuna global [13]. Antara tahun 2005-2014, ikan ini menyumbang 47% dari total tangkapan
tuna di Indonesia [14]. Oleh karena itu, pemahaman tentang habitat optimal spesies ini
sangat penting untuk mengevaluasi strategi penangkapan ikan dan sumber daya perikanan
pelagis yang dapat dilestarikan di kawasan Segitiga Terumbu Karang.
Habitat potensial untuk spesies ini berada di lapisan permukaan yang hangat di samudra
tropis dan sub-tropis [15,16]. Beberapa studi oseanografi telah menemukan bahwa migrasi,
distribusi, dan kelimpahan cakalang terkait dengan arus dan pusaran samudra [17,18,19] dan
sangat dipengaruhi oleh suhu lingkungan dan konsentrasi oksigen terlarut [20,21]. Dalam
Samudra Pasifik Utara bagian barat, suhu permukaan laut (SST) dan Chl-a permukaan
ditemukan sebagai variabel yang lebih penting bagi cakalang [22]. SST merupakan salah satu
paramater oseanografi kunci untuk mempelajari habitat cakalang di wilayah tropis [23].
Terjadinya titik panas pelagis (salinitas depan dan zona konvergensi) yang diidentifikasi
dengan isoterm SST 29˚C memberikan proksi yang masuk akal untuk mendeteksi wilayah
dengan CPUE cakalang tertinggi di Samudra Pasifik barat [24].
Ada banyak penelitian yang menilai habitat cakalang di seluruh dunia dengan
menggunakan berbagai metode. Habitat ikan cakalang di Samudra Pasifik telah diprediksi
berdasarkan Model Dinamika Ekosistem dan Populasi Spasial [15,23,25]. Untuk
mengkarakterisasi pola spasial habitat cakalang di Pasifik Utara bagian barat, generalized
additive model (GAM) dan teknik GIS telah digabungkan [22]. Dengan menggunakan pohon
regresi, potensi dampak perubahan iklim terhadap habitat cakalang di Laut Intra Amerika
(IAS) telah dibahas [26]. Di Atlantik tengah bagian timur dan Samudra Hindia bagian barat,
habitat makan yang menguntungkan bagi cakalang telah diselidiki dengan menggunakan
model ceruk ekologi tunggal [27]. Temuan terbaru menunjukkan bahwa habitat cakalang di
berbagai peristiwa El Nino dapat diidentifikasi berdasarkan model optimum Indeks
Kesesuaian Habitat (HSI) [28]. Sebagian besar analisis sebelumnya mengenai habitat cakalang
pra-fermentasi menggunakan model statistik, ekologi, dan dinamika populasi spasial.
Persistensi spasial dari habitat ikan ini jarang disajikan. Dalam makalah ini, kami
mengembangkan sebuah model untuk mengeksplorasi tidak hanya titik-titik habitat cakalang,
tetapi juga persebarannya dengan menggunakan citra satelit multi-spektrum dan data kinerja
penangkapan ikan beresolusi tinggi. Makalah ini juga menyoroti hubungan penting antara
bagian depan klorofil dan habitat cakalang di Pasifik Khatulistiwa bagian barat (tuna Segitiga
PLOS ONE | 3 / 29
Oktober 2017
Terumbu Karang bagian barat
daya). Titik-titik habitat pelagis untuk cakalang
Segitiga Terumbu Karang, yang

terutama meliputi laut Indonesia,
Papua Nugini dan Filipina
merupakan tempat pembibitan dan
jalur migrasi tuna (cakalang, sirip
kuning, dan mata besar) yang
dikenal sebagai tempat pembibitan
dan jalur migrasi tuna, yang
menghasilkan sekitar 46% dari
seluruh tangkapan tuna di Samudra
Pasifik Barat dan Tengah [29,30].
PLOS ONE | 4 / 29
Oktober 2017
Teluk Bone-Laut Flores merupakan kawasan terumbu karang penting yang terletak di bagian
barat daya Segitiga Terumbu Karang di mana banyak perikanan tuna komersial melakukan
kegiatan penangkapan. Studi pendahuluan kami memperkirakan MSY (Maximum Sustainable
Yield) untuk daerah penelitian ini adalah 49.709 ton per tahun, yang mengindikasikan
besarnya potensi penangkapan cakalang. Data statistik (2007-2013) dari Dinas Kelautan dan
Perikanan Provinsi Sulawesi Selatan menunjukkan bahwa tren tangkapan cakalang cenderung
meningkat selama periode antara angin muson barat laut dan tenggara. Selama periode ini, suhu
permukaan berangsur-angsur menurun sementara Chl-a cenderung tinggi, sehingga
produktivitas biologisnya tinggi [31] yang pada gilirannya berkorelasi dengan hasil tangkapan
cakalang yang tinggi [32].
Beberapa investigasi telah mengkaji habitat cakalang di Samudra Pasifik tropis bagian
barat, khususnya perairan utara Papua (Indonesia) dan Papua Nugini [15,23,24]. Daerah-
daerah tersebut sebagian besar terletak di wilayah timur tuna Segitiga Terumbu Karang.
Namun, terdapat kesenjangan informasi yang sangat penting mengenai distribusi cakalang di
wilayah yang berlawanan (cakalang di sebelah barat daya Segitiga Terumbu Karang,
khususnya di Teluk Bone-Laut Flores). Daerah ini merupakan salah satu daerah penangkapan
tuna yang paling berpotensi di perairan Indonesia [31,32]. Tujuan dari makalah ini adalah
untuk mendeteksi pola spasial hotspot habitat pelagis untuk cakalang dan memetakan
persistensi mereka di barat daya Segitiga Terumbu Karang dengan menggunakan data satelit
dan data tangkapan yang diindera dari jarak jauh.
Data dan metode

Area studi
2
Tuna Segitiga Terumbu Karang, dinamakan demikian karena bentuknya yang segitiga,
memiliki hampir 5,7 km terumbu karang dan membentang di enam negara: Indonesia,
Malaysia, Papua Nugini, Filipina, Kepulauan Solomon, dan Timor Leste [29]. Wilayah yang
menjadi perhatian, Teluk Bone- Laut Flores yang terletak di sebelah barat daya Segitiga
Terumbu Karang merupakan salah satu daerah penangkapan cakalang yang paling produktif
secara biologis (Gbr. 1). Selain itu, wilayah studi juga dikenal sebagai salah satu jalur utama
arus lintas Indonesia (Indonesian throughflow/ITF) dan sangat dipengaruhi oleh tipe iklim
monsun tropis, yang dihasilkan dari sistem angin monsun Asia-Australia, yang mengubah
arah angin sesuai dengan musim, yaitu monsun tenggara dan monsun barat laut (Gambar 2).
Interaksi antara ITF dan monsun Asia mempengaruhi sistem sirkulasi arus spesifik,
transportasi massa dan panas Ekman, pencampuran pasang surut, sistem upwelling dan
downwelling yang diinduksi oleh angin, serta variabilitas lingkungan suhu permukaan laut
(SST) dan konsentrasi klorofil-a (selanjutnya disebut Chl-a) di permukaan laut [31,33,34].
Dinamika struktur oseanografi biofisik di daerah ini, menghasilkan hotspot habitat pelagis
yang sangat produktif, yang berfungsi sebagai tempat mencari makan bagi berbagai spesies
Data perikanan
pelagis yang pentingpancing
secara komersial dan ekologis, termasuk tuna [32,35].
ulur dan pancing ulur
Perikanan pancing ulur di wilayah studi, yang membentang dari 118,5˚ BT sampai 122,5˚ BT
dan 2˚ LS - 8˚ LS, menangkap cakalang sebagian besar pada saat musim angin barat laut dan
tenggara (Januari - Juni). Data hasil tangkapan perikanan dikumpulkan dari buku catatan
penangkapan ikan pancing ulur yang disediakan oleh Pangkalan Pendaratan Ikan (PPI) di
Luwu dan Sinjai, Sulawesi Selatan, dan Kabupaten Kolaka serta perusahaan milik Pemerintah
Indonesia, PT. Perikanan Samudra di Kendari, Sulawesi Tenggara pada periode antara bulan
Maret dan April 2007-2011. Data perikanan terdiri dari posisi penangkapan ikan harian yang
direferensikan secara geografis (garis lintang dan garis bujur), hasil tangkapan dalam jumlah
cakalang dan upaya (set penangkapan), yang kemudian ditentukan jumlah tangkapan per
PLOS ONE | 5 / 29
Oktober 2017
unit upaya (CPUE) dalam jumlah ikan per set penangkapan, yang kemudian dikompilasi ke
dalam set data resolusi bulanan. Untuk memvalidasi model kami, data tangkapan juga
dikumpulkan dari sebanyak 140 sampel posisi penangkapan ikan dari survei penangkapan
ikan dengan pancing ulur di wilayah studi selama periode yang sama pada tahun 2012.
PLOS ONE | 6 / 29
Oktober 2017
Gambar 1. Peta lokasi tuna Segitiga Terumbu Karang bagian barat daya yang menunjukkan fitur-
fitur oseanografi dan batimetri utama. Garis putus-putus sesuai dengan posisi spasial isobath
(pematang) 350 m.
https://doi.org/10.1371/journal.pone.0185601.g001
Data penginderaan jauh

satelit
Data lingkungan fisik dan biologis yang digunakan untuk menggambarkan kondisi
oseanografi di sekitar lokasi penangkapan ikan adalah konsentrasi Chl-a permukaan dan
suhu permukaan laut (SST). Data Terra/ MODIS (Moderate Resolution Imaging
Spectroradiometer) level 3 standard mapped images (SMI) digunakan untuk mengestimasi
konsentrasi Chl-a permukaan laut dan SST di semua lokasi penangkapan ikan dengan
pancing ulur. NASA mendistribusikan data biner level 3 dengan format HDF (Hierarchical
Data Format). Kami memperoleh data ini dari Distributed Active Archive Center (DAAC)
NASA GSFC (http://oceancolor.gsfc.nasa.gov/). Untuk penelitian ini, kami menggunakan
Global Area Coverage (GAC), citra MODIS rata-rata bulanan dengan resolusi spasial sekitar
4 x 4 km untuk periode penelitian selama 2007-2011 (Tabel 1).
Dalam penelitian ini, kami menggunakan data SSHA yang didistribusikan oleh AVISO
(Pengarsipan, Validasi, dan Interpretasi data Oseanografi Satelit). Data SSHA adalah gambar
global dengan
PLOS ONE | 7 / 29
Oktober 2017
Tabel 1. Ringkasan parameter oseanografi yang digunakan untuk mengembangkan model titik panas habitat untuk cakalang di Teluk Bone-Laut
Flores, barat daya Segitiga Terumbu Karang, Indonesia.
Variabel oseanografi Singkatan Resolusi Temporal Jejak Spasial Sumber Data
Suhu permukaan laut SST Bulanan 4 km Terra/MODIS
Klorofil-a permukaan Chl-a Bulanan 4 km Terra/MODIS
Anomali ketinggian permukaan laut SSHA Setiap hari 25 km AVISO
https://doi.org/10.1371/journal.pone.0185601.t001
Resolusi spasial 0,25˚ pada garis bujur dan garis lintang. Karena resolusi spasial dan
temporal yang berbeda dengan SST dan Chl-a, data SSHA disampling ulang ke dalam
resolusi spasial jejak spasial (4 km) dan interval sampling (bulanan), kemudian disubset ke
dalam area studi.
Nilai bulanan dari semua citra satelit (SST, Chl-a dan SSHA) diekstraksi dari setiap piksel
yang sesuai dengan lokasi kegiatan penangkapan ikan menggunakan analis spasial ArcGIS
10.3. Hasilnya adalah matriks lengkap CPUE cakalang serta variabel lingkungan. Semua citra
satelit diproses menggunakan paket perangkat lunak IDL (Interactive Data Language) dan
memiliki resolusi spasial dan temporal yang sama sebelum konstruksi model.
Pembuatan peta hotspot habitat pelagis

Untuk mendeteksi pola spasial hotspot pelagis cakalang di seluruh wilayah studi, kami
menyusun model kinerja perikanan, yang memperhitungkan CPUE (indeks kelimpahan
ikan) dan frekuensi upaya penangkapan ikan (indeks kemunculan ikan) terkait dengan tiga
variabel oseanografi. Model ini diperbaiki dan dikembangkan dari model hotspot albacore
[7] dengan menambahkan faktor pembobotan, yang memungkinkan kontribusi masing-
masing variabel pada indeks hotspot pelagis (PHI) diperhitungkan. Selain itu, kami
menambahkan variabel SSHA ke dalam model untuk membahas hubungan antara cakalang
dan variabilitas mesoscale.
Hotspot habitat ditentukan dengan menggunakan indeks probabilitas lingkungan, yang
mencerminkan area dengan probabilitas tinggi untuk menemukan cakalang. Secara khusus,
PHI dihitung berdasarkan total CPUE pada interval histogram tertentu dibagi dengan total
CPUE maksimum dari semua interval kelas ketiga variabel (SST, SSHA dan Chl-a) (Eq. 1),
dan frekuensi penangkapan ikan juga dihitung dengan metode yang sama (Eq. 2). Variabel
yang memiliki CPUE atau frekuensi penangkapan ikan tertinggi (nilai maksimum)
digunakan sebagai standar. Kemudian, kami menghitung rata-rata indeks probabilitas dari
> probabilitas tertinggidi mana indeks
rentang interval semua variabel (Persamaan 3). Nilai
probabilitas lebih dari 0,75 (PHI Kuartil3) mengindikasikan titik-titik
habitat pelagis, yang menunjukkan area dengan probabilitas terbesar untuk menemukan
ikan. Sebaliknya, probabilitas terendah menunjukkan lokasi yang paling tidak cocok untuk
mendeteksi cakalang. Terakhir, kami menggabungkan ketiga citra satelit untuk membuat
peta titik panas pelagis untuk semua rentang interval kondisi lingkungan.
Data CPUE kemudian ditumpangsusunkan pada peta dan indeks probabilitas faktor
lingkungan gabungan diekstraksi dari setiap piksel yang sesuai dengan posisi daerah
penangkapan ikan. Area probabilitas divisualisasikan dengan menggunakan paket perangkat
lunak ArcGIS 10.3 Spatial Analyst. Kemudian, berdasarkan distribusi titik data, kami
menggunakan teknik regresi piecewise untuk memeriksa hubungan antara total CPUE dan
indeks hotspot di sekitar lokasi penangkapan ikan. Untuk mengevaluasi kekuatan hubungan,
kami menggunakan koefisien korelasi (r). Di sini, upaya ini difokuskan pada analisis titik
panas pelagis pada musim-musim dengan kelimpahan cakalang tertinggi dari tahun 2007-
2011. Untuk validasi, kami menganalisis data tangkapan dan data lingkungan selama periode
yang sama pada tahun 2012 dengan menggunakan distribusi spasial data penangkapan ikan
PLOS ONE | 8 / 29
Oktober 2017
pada peta titik panas dan analisis korelasi. Semua gambar hotspot habitat dipetakan
menggunakan toolbox analis spasial dalam paket perangkat lunak ArcGIS. Model yang
digunakan untuk menghitung habitat pelagis
PLOS ONE | 9 / 29
Oktober 2017
hotspot index (PHI) sebagai

berikut: X cpueij
cpueima
PIcpue = (1)
x
n
X F ij
Fi
PIf = (2)
max
n
(PIcpue + PIf) (3)

PHI =
2
Di mana PHI adalah indeks hotspot pelagis; PIcpue adalah indeks probabilitas rata-rata
untuk cakalang
berdasarkan hubungan antara CPUE dan tiga variabel oseanografi (SST, Chl-a, SSHA) untuk
setiap grafik histogram; PIf adalah indeks probabilitas rata-rata berdasarkan hubungan
antara frekuensi penangkapan ikan dengan variabel oseanografi untuk grafik histogram;
cpueij adalah nilai CPUE terkait variabel oseanografi ke-i untuk interval kelas ke-j; cpuei max
adalah nilai maksimum CPUE di antara variabel oseanografi; Fij adalah nilai frekuensi
penangkapan ikan dalam hubungannya dengan variabel oseanografi-i untuk interval kelas-j;
F imax adalah nilai maksimum frekuensi penangkapan ikan di antara variabel oseanografi; n
adalah jumlah variabel.
Deteksi hotspot habitat pelagis yang

persisten
Peta titik panas pelagis yang persisten dibuat berdasarkan ada tidaknya indeks probabilitas
lingkungan yang kuat (probabilitas lebih dari 75%) di wilayah studi. Kami membuat peta titik
panas yang persisten dengan menghitung rata-rata bulanan citra titik panas komposit pada
musim puncak antara musim barat laut dan tenggara tahun 2007-2011. Peta tersebut dapat
dilihat di dengan nilai mulai dari nol (0) hingga lima (5). Nilai tertinggi (5) mengindikasikan
bahwa titik panas yang persisten pada lokasi spasial tertentu terjadi selama periode lima
tahun. Sementara itu, nilai terendah (0) menunjukkan bahwa tidak ada titik panas yang
persisten di suatu wilayah selama setidaknya satu tahun. Kemudian, kami
menumpangsusunkan karakteristik lingkungan yang mencolok pada peta untuk menemukan
indikator proksi yang dapat diandalkan untuk menemukan titik panas habitat cakalang yang
persisten.
Hasil
Variasi temporal data tangkapan dan variabel lingkungan
Selama periode April-Juni, CPUE cakalang cenderung tinggi dan mencapai puncaknya pada
bulan Mei (Gambar 2A). Tingkat tangkapan pada bulan ini adalah sekitar 170 ekor/set
penangkapan. CPUE tertinggi terjadi di daerah yang memiliki Chl-a yang relatif tinggi dan
SST yang lebih hangat, masing-masing berkisar antara 0,16-0,3 mg m-3 (0,22±0,068 mg m-3 )
(Gbr. 2B) dan 29,76-30,86˚C (30,31±0,55˚C) (Gbr. 2C). Pada saat yang sama, tangkapan
cakalang terbesar diperoleh di perairan yang memiliki tingkat SSHA positif dari 3,04 cm
hingga 7,96 cm (5,50 ± 2,46 cm) (Gbr 2D). Selama Januari-Maret, tingkat tangkapan (CPUE)
tampaknya lebih rendah daripada bulan-bulan berikutnya. Selama periode tersebut,
kumpulan ikan menempati lokasi-lokasi di mana suhu permukaan relatif tinggi dan Chl-a
serta SSHA berfluktuasi tinggi.
PLOS ONE | 10 / 29
Oktober 2017
Cakalang dalam kaitannya dengan variabel
lingkungan
Data oseanografi berbasis satelit terkait dengan kinerja penangkapan ikan cakalang
menunjukkan kisaran spesifik di mana ikan paling berlimpah (Gbr. 3). Total CPUE dalam
kaitannya dengan SST
PLOS ONE | 11 / 29
Oktober 2017
Gambar 2. Variabilitas temporal dari (A) CPUE perikanan cakalang, (B) SST, (C) Konsentrasi Chl-a, dan
(D) SSHA, antara musim barat laut dan tenggara (Januari-Juni) 2007-2011.
menunjukkan bahwa sebagian besar hasil tangkapan terkonsentrasi di daerah di mana SST
berkisar antara 29,75 hingga
31,25˚C menggunakan grafik histogram (Gambar 3A). Tren yang sama ditemukan dalam
hubungan antara frekuensi penangkapan ikan dan SST (Gambar 3D). Kedua histogram
menunjukkan bahwa SST yang disukai cenderung berada di tengah-tengah pada suhu 30,5˚C,
yang mencerminkan probabilitas tertinggi untuk menemukan ikan dalam hal SST. Total
CPUE cakalang dalam kaitannya dengan Chl-a menunjukkan bahwa CPUE cakalang sebagian
besar ditemukan di daerah-daerah di mana variabel lingkungan terjadi terutama dari 0,15
hingga 0,35 mg m-3 (Gbr. 3B).
Hubungan antara frekuensi penangkapan cakalang dan Chl-a permukaan juga menunjukkan
pola yang sama (Gambar 3E). Preferensi Chl-a untuk cakalang sebagian besar terkonsentrasi pada
0,2 mg m-3 . Sementara itu, tangkapan cakalang dan set alat tangkap diperoleh dalam jumlah yang
besar di perairan di mana SSHA bervariasi antara 0 hingga 12,5 cm (Gbr. 3C). Kinerja
penangkapan keduanya mencapai rata-rata sekitar 6 cm (Gambar 3C-3F).
Perlu dicatat bahwa Chl-a merupakan variabel oseanografi yang paling penting untuk
menjelaskan kinerja penangkapan ikan cakalang. Secara khusus, kami menemukan bahwa
konsentrasi klorofil sekitar
0,2 mg m-3 adalah proksi yang baik untuk menggambarkan total CPUE cakalang tertinggi
(~54%) dan frekuensi penangkapan (~60%) (Gambar 3). Sementara itu, nilai SST 30,5˚C
mampu memperlihatkan tingkat tangkapan sekitar 29% dan frekuensi penangkapan sekitar
35%. Nilai SSHA optimum yang mendekati 6 cm menghasilkan CPUE cakalang dan
frekuensi kemunculan ikan sekitar 28% dan 40%.
Hasil tangkapan tertinggi yang terkait dengan Chl-a front terbentuk setiap tahun selama
2007-2011 (Gambar 4). Bagian depan klorofil secara konsisten terjadi di lokasi tertentu di
dalam area studi. Dengan demikian, habitat potensial selalu tersedia untuk perikanan setiap
tahun (2007-2011) berdasarkan indikator lingkungan. Untuk variabel SST, dinamika dan
posisi kisaran optimum sangat bervariasi baik dalam garis bujur maupun garis lintang dan
terkadang menghilang di atas Laut Flores, misalnya pada bulan Mei 2008 (Gambar S1).
Demikian juga, dari citra SSHA, posisi spasial kisaran yang paling sesuai tersebar luas
(Gambar S2).
Peta hotspot habitat pelagis untuk cakalang
PLOS ONE | 12 / 29
Oktober 2017
Area hotspot habitat yang berpotensi cocok untuk cakalang berkembang pesat di bulan Mei
dan mencakup perairan seluas rata-rata 8971 km2 (Gbr. 5). Rata-rata PHI di seluruh
PLOS ONE | 13 / 29
Oktober 2017
Gambar 3. Total CPUE cakalang (cakalang/set penangkapan) dalam kaitannya dengan SST MODIS (A), Chl-a MODIS (B), dan SSHA
(C) dan frekuensi penangkapan ikan dalam kaitannya dengan SST (D), Chl-a (E), dan SSHA (F) selama bulan Januari-Juni 2007-2011.
wilayah studi pada musim puncak sekitar 0,60. Sebaliknya, indeks hotspot habitat pelagis
terendah terjadi pada bulan Januari dan menempati area seluas 2317 km2 dengan rata-
rata indeks hotspot sebesar 0,41.
Selama periode lima tahun, dinamika spasial dan intensitas titik panas habitat tampak
berubah secara signifikan (Gambar 6). Namun, penting untuk dicatat bahwa Chl-a sebesar 0,2
mg m-3 isopleth merupakan indikator yang baik untuk mendeteksi pola distribusi spasial
titik panas pelagis untuk semua tahun (Gambar 4 dan 6). Pada tahun 2007, habitat yang
paling cocok terbentuk dengan kuat di Teluk Bone dan berhubungan dengan distribusi
perikanan cakalang. Habitat pelagis diperkirakan berada di Teluk Bone bagian timur dan
Laut Flores bagian barat pada tahun berikutnya. Kami menemukan bahwa hasil tangkapan
cakalang terkonsentrasi di area hotspot. Pada tahun 2009, hotspot yang diprediksi sebagian
besar ditemukan di Laut Flores bagian barat, sementara cakalang tampaknya ditangkap di
daerah hotspot di Teluk Bone bagian utara. Kemudian, pada tahun berikutnya, 2010, titik-
titik hotspot habitat pelagis berkembang dengan adanya front klorofil dan berhubungan erat
dengan lokasi perikanan di Teluk Bone bagian utara. Pada tahun 2011, titik-titik habitat
kembali terbentuk dengan baik di daerah utara namun dengan pita lintang dan bujur yang
lebih sempit dan secara umum sesuai dengan data penangkapan ikan. Pada semua tahun,
tampaknya habitat potensial juga memiliki hubungan yang baik dengan formasi patahan
(shelf-break) (pada kedalaman sekitar 350 m).
Kumpulan data untuk periode musim barat laut-barat daya 2007-2011 menunjukkan bahwa
total CPUE meningkat secara signifikan dengan meningkatnya nilai probabilitas variabel
lingkungan yang bergabung (R2 = 0,67, P<0,0001) (Gambar 7). Peningkatan CPUE secara
PLOS ONE | 14 / 29
Oktober 2017
substansial
PLOS ONE | 15 / 29
Oktober 2017
Gambar 4. Posisi spasial dari bagian depan Chl-a yang diukur dengan kontur konsentrasi Chl-a 0,2 mg m-3 untuk bulan
Mei 2007-2011 yang diestimasi dari data warna laut MODIS. Garis-garis tebal sesuai dengan bagian depan Chl-a di
sepanjang daerah penelitian.
ditemukan ketika indeks titik panas pelagis lebih dari 60%. Persamaan pertama dari garis
regresi adalah Y = b +b X011 , ketika X≤1 0,6 (X = 0,6 menunjukkan titik di mana kemiringan
berubah), dan persamaan kedua adalah Y = (b0 - 60b2 )+(b +b01> )X1 ketika X1 0,6. Oleh karena
itu, kami menyarankan bahwa PHI dari variabel oseanografi gabungan memberikan proksi
yang masuk akal untuk memprediksi titik panas pelagis untuk cakalang.
Prediksi dan validasi CPUE cakalang

Untuk validasi model spasial, Gambar 8menunjukkan bahwa distribusi spasial dari data
>
penangkapan ikan selama bulan Maret-Juni 2012 sebagian besar terjadi di titik-titik habitat
yang diprediksi (PHI 75). Habitat
pentingdaerah bujur 120.5-121.5˚ BT dan lintang 3.25-4.5˚ LS. Sangat menarik untuk
melihat bahwa posisi geografis rata-rata hotspot habitat sangat konsisten dengan posisi
depan Chl-a di sepanjang area studi. Dengan menggunakan indeks hotspothabitat
pelagissebagai prediktor respon CPUE cakalang, kami menemukan bahwa < korelasi CPUE
cakalang yang diperkirakan dengan yang diamati sangat signifikan (P 0001, R2 = 0.6157)
(Gbr. 9). Hal ini menunjukkan bahwa selama periode antara musim barat laut-barat daya,
model hotspot pelagis secara signifikan memprediksi CPUE cakalang.
PLOS ONE | 16 / 29
Oktober 2017
Gambar 5. Distribusi spasial CPUE cakalang (cakalang/set alat tangkap) dari perikanan pancing ulur yang ditunjukkan sebagai
titik-titik untuk bulan Mei 2007 - 2011 yang ditumpangsusunkan pada peta hotspot pelagis yang dihasilkan dari model citra satelit
(Chl-a, SST dan SSHA) dalam kaitannya dengan kinerja penangkapan ikan.
Keberadaan titik-titik habitat untuk cakalang

Selama periode 5 tahun (Mei 2007-2011), titik-titik habitat yang persisten hanya ditemukan
pada bulan Mei dan Juni (Tabel 2). Area persisten terbesar terjadi pada bulan Mei dan
mencakup sekitar 1,21% dari sel grid di bagian barat daya Segitiga Terumbu Karang selama 5
tahun (Gambar 10 dan Tabel 2). Sel-sel ini terkonsentrasi di sepanjang area tertentu dari Laut
Flores bagian barat, mengelilingi Teluk Bone hingga Laut Flores bagian timur. Namun
demikian, analisis kami menunjukkan bahwa lebih dari 95% wilayah studi tidak memiliki titik
habitat yang persisten di seluruh wilayah studi. Namun, semua formasi hotspot habitat yang
persisten berhubungan secara konsisten dengan bagian depan Chl-a yang ditunjukkan oleh
0,2 mg m-3 . CPUE cakalang cenderung meningkat pada habitat yang paling persisten
(Gambar 10).
PLOS ONE | 17 / 29
Oktober 2017
Gambar 6. Variabilitas temporal rata-rata bulanan area hotspot pelagis (km2 ) dan indeks hotspot
pelagis antara musim barat laut dan tenggara tahun 2007-2011.
Gambar 7. Gambar 7. Hubungan antara total CPUE cakalang dan PHI di tuna Segitiga Terumbu Karang
bagian barat daya menggunakan regresi linier sepotong-sepotong.
PLOS ONE | 18 / 29
Oktober 2017
PLOS ONE | 19 / 29
Oktober 2017
Gambar 8. Distribusi spasial CPUE cakalang (cakalang/set alat tangkap) yang ditunjukkan sebagai titik-titik
dari Maret hingga Juni 2012 yang ditumpangkan di atas peta hotspot habitat pelagis dan front Chl-a.
Tidak ada data penangkapan ikan selama
Januari-Februari 2012.
Diskusi
Kami telah mengembangkan model hubungan kinerja penangkapan ikan berbasis data
lingkungan berbasis satelit untuk mengeksplorasi dan memetakan pola distribusi spasial dan
persistensi titik panas pelagis untuk cakalang. Data kinerja penangkapan ikan yang diwakili
oleh CPUE dan frekuensi penangkapan ikan merupakan kumpulan data distribusi ikan
berbiaya rendah yang umumnya tersedia bagi para ilmuwan perikanan.
Data CPUE memberikan proksi yang baik sebagai indeks kelimpahan ikan [15,36], sedangkan
data frekuensi penangkapan ikan berperan sebagai indeks keberadaan ikan atau ketersediaan
ikan [7,37]. Data penangkapan ikan menggambarkan pengetahuan berbasis pengalaman
nelayan dan memberikan data tambahan yang sangat berharga untuk prediksi habitat yang
lebih baik [38], sementara data satelit sebagian besar tersedia tanpa biaya bagi pengguna
untuk memonitor fitur oseanografi di wilayah yang luas [9,39]. Oleh karena itu, korelasi yang
kuat antara data perikanan dengan informasi oseanografi satelit menyediakan sarana penting
untuk mengidentifikasi titik-titik habitat bagi spesies pelagis.
Pada prinsipnya, model kami mengekstrak kombinasi optimal dari tiga faktor lingkungan
(SST, Chl-a, dan SSHA) dari area dengan kinerja penangkapan ikan yang tinggi untuk
menghasilkan titik-titik habitat pelagis. Beberapa penelitian mendukung bahwa kombinasi dari
faktor-faktor ini memainkan peran penting dalam menjelaskan dan mengungkap habitat tuna
pelagis [7,8,22,40]. Hasil penelitian kami menemukan bahwa Chl-a merupakan variabel
penting untuk mengidentifikasi habitat pakan tuna [9]. SST dipilih sebagai variabel penting
lainnya untuk mendeteksi hotspot habitat karena cakalang sensitif terhadap perubahan suhu
pada distribusinya [15], sementara SSHA terkait dengan perubahan kedalaman termoklin dan
variabilitas skala mesosekala [39,41]. Kami menggabungkan variabel-variabel ini untuk
meningkatkan deteksi titik panas pelagis potensial untuk cakalang.
PLOS ONE | 20 / 29
Oktober 2017
Gambar 9. Plot sebaran pengamatan bulanan yang dikumpulkan terhadap nilai prediksi CPUE
cakalang yang dihitung dari indeks titik panas pelagis (PHI) (P < 0,0001, R2 = 0,6157).
PLOS ONE | 21 / 29
Oktober 2017
Tabel 2. Persistensi lokasi titik panas habitat untuk cakalang, dalam jumlah piksel per tahun, di Teluk Bone-Laut Flores, barat daya Segitiga
Terumbu Karang, Indonesia.
Bulan \ Tahun 2007 2008 2009 2010 2011
Januari 3846 894 78 4 0
Februari 4540 966 89 5 0
Maret 3923 2614 170 7 0
April 3082 2738 910 43 2
Mei 3386 1874 1233 735 193
Juni 3166 2403 1004 387 119
https://doi.org/10.1371/journal.pone.0185601.t002
Hasil penelitian kami menunjukkan bahwa habitat cakalang berhubungan dengan area
SST yang hangat, konsentrasi Chl-a yang tinggi, dan SSHA yang positif, yang mendukung
operasi penangkapan ikan (Gambar 2 dan 3). Preferensi suhu permukaan untuk cakalang
relatif lebih hangat dibandingkan dengan yang dilaporkan dari daerah lain di seluruh dunia
[15,22,27,28,37]. Hasil tangkapan tertinggi secara konsisten terjadi pada bulan Mei ketika
SST secara bertahap menurun hingga sekitar 30,5˚C setelah mencapai puncaknya pada bulan
November-Desember dan kembali ke SST terendah pada bulan Juli dan Agustus [34]. Pada
saat yang sama, perikanan cakalang cenderung terjadi di dalam area anomali SSHA positif
yang menunjukkan bahwa makanan berkumpul terutama di permukaan ketika kedalaman
termoklin bergerak ke arah yang berlawanan dengan arah laut.
Gambar 10. Distribusi spasial titik-titik panas habitat pelagis yang persisten untuk cakalang pada musim puncak Mei
2007-2011 (frekuensi/5 tahun) di Segitiga Terumbu Karang bagian barat daya, Indonesia (kiri) dan hubungan grafis
antara CPUE rata-rata dan titik-titik panas habitat yang persisten (kanan).
PLOS ONE | 22 / 29
Oktober 2017
ketinggian permukaan [41,42]. Kami menemukan bahwa SSHA yang sebagian besar positif
berpengaruh pada CPUE cakalang dan jumlah tangkapan (Gambar 3C), yang mencerminkan
preferensi terhadap area yang terkait erat dengan lapisan campuran hangat di atas termoklin.
Nilai SSHA yang positif merupakan nilai yang sudah diperkirakan sebelumnya untuk habitat
cakalang [22,27], yang mengindikasikan adanya medan pusaran angin antisiklonik yang
penting [43,44], di mana hasil tangkapan cakalang meningkat secara signifikan [45].
Menarik untuk dicatat bahwa temuan kami menunjukkan Chl-a sebagai indikator
oseanografi utama untuk menemukan titik-titik lokasi tuna cakalang di barat daya Segitiga
Terumbu Karang. Konsentrasi Chl-a yang berasal dari satelit merupakan indeks biomassa
fitoplankton yang memberikan informasi berharga mengenai interaksi trofik, habitat
makanan, dan pergerakan dinamis spesies pelagis [9,46,47]. Cakalang memakan ikan-ikan
epipelagis kecil dan zooplankton yang semuanya memakan fitoplankton [46]. Konsentrasi
Chl-a mengontrol kelimpahan cakalang (CPUE) dalam sistem jaring-jaring makanan melalui
hubungan antara fitoplankton, zooplankton, dan ikan pelagis kecil. Oleh karena itu, cakalang
memungkinkan untuk mengambil keuntungan dari rantai makanan yang pendek, yang
mungkin efisien dari segi energi [48]. Kami menunjukkan bahwa Chl-a yang
menguntungkan untuk cakalang memiliki kisaran yang lebih spesifik daripada penelitian
sebelumnya [22] dan dengan jelas menunjukkan daerah frontal pada tingkat 0,2 mg m-3 Chl-a
isopleth (Gbr. 4). Penangkapan ikan cakalang dilakukan di perairan sepanjang Chl-a front
(Gambar 2 dan 4), menyiratkan bahwa fitur oseanografi ini berperan dalam mendeteksi
hotspot habitat cakalang di sepanjang area studi (Gambar 5 dan 8). Preferensi untuk 0,2 mg
m-3 Chl-a memiliki implikasi biofisik, fisiologis, dan trofik yang penting. Cakalang mencari
makan dan mencari makan di sepanjang zona frontal dalam suhu dan SSHA yang disukai
[18,22,49].
Dalam makalah ini, kami mengeksplorasi kinerja hotspot cakalang berdasarkan tiga poin
utama : (1) PHI yang tinggi; (2) area habitat yang berpotensi cocok dan (3) persistensi habitat
yang paling cocok. Selama periode 5 tahun, temuan kami menunjukkan bahwa area hotspot
habitat cakalang yang paling potensial secara konsisten mencapai puncaknya pada bulan Mei,
sesuai dengan PHI tertinggi (Gambar 5 dan 6). Area-area ini mungkin berhubungan erat
dengan peluang makan yang lebih baik untuk cakalang. Beberapa investigasi menemukan
bahwa distribusi dan kelimpahan tuna sangat terkait dengan ketersediaan pakan [23,50,51].
Cakalang bergerak dan mengeksploitasi organisme makanan dengan kepadatan tinggi, yang
dapat dilacak oleh PHI yang tinggi. Cakalang mencari makan pada spesies seperti ikan teri,
cephalopoda, dan krustasea [48], yang lebih banyak terdapat di area dengan indeks
probabilitas tinggi. Ikan teri (Stolephorus spp.) mewakili lebih dari 80% isi perut cakalang saat
ditangkap di tuna Segitiga Terumbu Karang bagian barat [52]. Kami mengusulkan bahwa
PHI menyediakan proksi yang masuk akal untuk mendeteksi kelimpahan makanan, dan
dengan demikian distribusi spasial dan kelimpahan cakalang. Habitat utama cakalang pada
musim puncak (Mei) mungkin memiliki hubungan yang baik dengan peningkatan
kesempatan makan bagi cakalang yang mungkin distimulasi oleh Chl-a front (Gambar 4,8
dan 10), zona upwelling (Gambar 4,8 dan 10), arus laut dan pusaran air (Gambar 4,8 dan 10),
arus laut dan pusaran air (Gambar 4,9 dan 10).
Meskipun formasi titik panas habitat bervariasi secara spasial (Gambar 5), namun, posisi
rata-rata spasial dari titik panas pelagis tidak banyak berubah (Gambar 10). Titik-titik panas
habitat di Teluk Bone seperti pada tahun 2007 terlihat lebih jelas daripada di Laut Flores yang
mencerminkan bahwa peningkatan habitat pakan yang mendukung konsentrasi tuna yang
tinggi mencakup area yang luas. Pada tahun-tahun berikutnya, habitat yang kaya secara
biologis terutama muncul di sepanjang Chl-a 0,2 mg m-3 (bagian depan Chl-a). Beberapa
penjelasan mengenai asosiasi tuna dengan front meliputi: (1) ketersediaan makanan yang
sesuai; (2) pembatasan pada kisaran suhu yang optimal secara fisiologis; (3) penggunaan
gradien frontal untuk termoregulasi; (4) keterbatasan efisiensi perburuan visual karena
PLOS ONE | 23 / 29
Oktober 2017
kejernihan air [49]; dan (5) habitat makanan dan rute migrasi [9,54]. Bagian depan Chl-a
tampaknya bertepatan dengan posisi shelfbreak (sekitar 350 m isobath) di Laut Flores dan
Teluk Bone (Gambar 1,5 dan 10). CPUE cakalang tertinggi terkonsentrasi di dekat lokasi
shelfbreak [17] pada siang hari [55]. Data penangkapan ikan empiris kami (2007-2011)
PLOS ONE | 24 / 29
Oktober 2017
mengkonfirmasi bahwa nelayan secara konsisten mengeksploitasi habitat pakan ikan pada
siang hari dan, dengan menggunakan data penangkapan ikan pada tahun 2012, kami
menunjukkan bahwa model prediksi kami telah diverifikasi secara substansial (Gambar 5, 8
dan 9). Untuk meningkatkan kinerja model, kami menyarankan agar efek upwelling dan
sistem arus ditambahkan ke dalam analisis.
Penting untuk dicatat bahwa pada musim puncak selama 5 tahun (Mei 2007-2011),
kurang dari 2% wilayah studi menunjukkan konsentrasi titik-titik habitat yang persisten
(Gbr. 10: kiri). Kami berpendapat bahwa daerah-daerah ini memainkan peran penting karena
CPUE cakalang meningkat secara signifikan dengan meningkatnya persistensi habitat (Gbr.
10: kanan) dan dengan demikian memberikan target potensial untuk konservasi laut dan
strategi pengelolaan perikanan. Sebagai hasilnya, temuan kami dapat menjadi hasil awal yang
memberikan wawasan baru dalam mendeteksi distribusi dan kelimpahan cakalang baik di
kawasan tuna Segitiga Terumbu Karang maupun di Samudra Pasifik tropis bagian barat.
Kesimpulan
Titik-titik panas habitat pelagis untuk cakalang di Segitiga Terumbu Karang bagian barat
daya dipengaruhi oleh kombinasi optimal faktor lingkungan (SST, Chl-a, dan SSHA) yang
dapat dideteksi dari citra satelit. CPUE cakalang meningkat secara signifikan di area dengan
indeks titik panas pelagis (PHI) tertinggi. Kami menemukan bahwa habitat pelagis utama
berhubungan terutama dengan bagian depan Chl-a, yang dapat mendorong peningkatan
kelimpahan makanan untuk cakalang dalam kisaran suhu optimal secara fisiologis di atas
kedalaman termoklin. Hotspot habitat dan persistensinya diidentifikasi dengan jelas oleh 0,2
mg m-3 Chl-a isopleth, yang menunjukkan bahwa Chl-a front memberikan langkah penting
dalam mendeteksi hotspot habitat, pola distribusi, dan kelimpahan cakalang di Samudra
Pasifik tropis bagian barat, terutama di dalam Segitiga Terumbu Karang.
Informasi pendukung
S1 Gambar 1. Distribusi spasial SST untuk bulan Mei 2007-2011 yang diestimasi dari data
warna laut MODIS. Garis putus-putus sesuai dengan perkiraan kisaran SST optimal.
(PDF)
Gambar S2 Distribusi spasial SSHA untuk bulan Mei 2007-2011 yang diestimasi dari
altimetri AVISO. Garis putus-putus menunjukkan perkiraan kisaran SSHA optimal.
(PDF)
Ucapan terima kasih

Kami mengucapkan terima kasih kepada Prof. Susan Williams, Dr. Joanne Wilson dan Dr.
Laurence McCook yang telah membaca dan menyempurnakan bahasa Inggris naskah ini.
Kami juga menghargai penggunaan set data TERRA-MODIS SST dan Chl-a, yang diunduh
dari portal warna laut (http:// oceancolor.gsfc.nasa.gov) dan SSHA (AVISO-altimetri).
Penelitian ini sebagian didukung oleh Hibah Kompetitif Nasional (Hibah Kompetensi 2016
dan PTUPT 2017), Kementerian Riset, Teknologi, dan Pendidikan Tinggi Republik
Indonesia.
Kontribusi Penulis
Konseptualisasi: Mukti Zainuddin, Sudirman Sudirman, Sei-Ichi Saitoh.
Kurasi data: Aisjah Farhum, Safruddin Safruddin, Muhammad Banda Selamat, Muham-
mad Ridwan.
PLOS ONE | 25 / 29
Oktober 2017
Analisis formal: Mukti Zainuddin, Sei-Ichi Saitoh.
PLOS ONE | 26 / 29
Oktober 2017
Akuisisi pendanaan: Mukti Zainuddin.

Investigasi: Mukti Zainuddin, Safruddin Safruddin, Nurjannah Nurdin.
Metodologi: Mukti Zainuddin.
Administrasi proyek: Muhammad Ridwan.
Perangkat lunak: Muhammad Banda Selamat.
Pengawasan: Mukti Zainuddin. Validasi:
Safruddin Safruddin. Visualisasi: Mega
Syamsuddin.
Penulisan - draf asli: Mukti Zainuddin.
Penulisan - tinjauan & penyuntingan: Mukti Zainuddin.
Referensi
1. Sydeman WJ, Brodeur RD, Grimes CB, Bychkov AS, McKinnell S. "Titik panas" habitat laut dan
penggunaannya oleh spesies yang bermigrasi dan pemangsa utama di Samudra Pasifik Utara:
Pendahuluan. Penelitian Laut Dalam Bagian II: Studi Topikal dalam Oseanografi. 2006; 53(3-
4):247-9.
2. Malakoff D. Alat Baru Mengungkap Harta Karun di Titik Panas Laut. Science. 2004; 304: 1104-5.
https://doi. org/10.1126/science.304.5674.1104 PMID: 15155930
3. Palacios DM, Bograd SJ, Foley DG, Schwing FB. Karakteristik oseanografi dari titik panas biologis di
Pasifik Utara: Perspektif penginderaan jauh. Penelitian Laut Dalam Bagian II: Studi Topikal dalam
Oseanografi. 2006; 53(3-4):250-69.
4. Pedraza MJ, Ochoa JAD. Ketinggian permukaan laut, suhu permukaan laut, dan hasil tangkapan
tuna di teluk Panama selama El Ni no. Kemajuan dalam Ilmu Kebumian. 2006; 6:155-9.
5. Etnoyer P, Canny D, Mate B, Morgan L. Habitat Pelagis Persisten di Ekoregion Baja California hingga
Laut Bering (B2B). Oseanografi. 2004; 17(1):90-101.
6. Royer F, Fromentin JM, Gaspar P. Hubungan antara kelompok tuna sirip biru dan fitur samudera di
Mediterania barat. Seri Kemajuan Ekologi Kelautan. 2004; 269:249-63.
7. Zainuddin M, Kiyofuji H, Saitoh K, Saitoh S-I. Menggunakan penginderaan jauh satelit multi-sensor
dan data tangkapan untuk mendeteksi titik panas lautan untuk albacore (Thunnus alalunga) di Pasifik
Utara bagian barat laut. Penelitian Laut Dalam Bagian II: Studi Topikal dalam Oseanografi. 2006;
53(3-4):419-31.
8. Zainuddin M, Saitoh K, Saitoh S-I. Daerah penangkapan ikan albacore (Thunnus alalunga) dalam
kaitannya dengan oceano- kondisi grafis di Samudra Pasifik Utara bagian barat menggunakan data
satelit penginderaan jarak jauh. Oseanografi Perikanan. 2008; 17(2):61-73.
9. Polovina JJ, Howell E, Kobayashi DR, Seki MP. Bagian depan klorofil zona transisi, fitur global
dinamis yang menentukan migrasi dan habitat pakan untuk sumber daya laut. Kemajuan dalam
Oseanografi. 2001; 49:469-83.
10. Morato T, Miller PI, Dunn DC, Nicol SJ, Bowcott J, Halpin PN. Perspektif tentang pentingnya front
laut dalam mempromosikan agregasi pengunjung ke gunung laut. Ikan dan Perikanan. 2015;
17(4):1227- 1233.
11. Alabia ID, Saitoh S-I, Mugo R, Igarashi H, Ishikawa Y, Usui N. Mengidentifikasi Titik Panas Habitat
Pelagis Cumi-cumi Terbang Neon di Perairan Beriklim Sedang di Pasifik Utara Tengah
Mengidentifikasi Titik Panas Habitat Pelagis Cumi-cumi Terbang Neon di Perairan Beriklim Sedang di
Pasifik Utara Tengah. PLOS ONE. 2015; 10 (11): e0142885.
https://doi.org/10.1371/journal.pone.0142885 PMID: 26571118
12. Syamsuddin M, Saitoh S, Hirawake T, Syamsudin F. Variasi antar-tahunan titik panas tuna mata besar
(Thunnus obesus) di Samudra Hindia bagian timur di lepas pantai Jawa. Int J Penginderaan Jauh.
2016; 37:1-14.
13. ISSF. ISSF Tuna Stock Status Update-2015 Status Perikanan Tuna Dunia Laporan Teknis ISSF
2015-03A. Yayasan Keberlanjutan Makanan Laut Internasional, Washington, DC, AS. 2015;1- 96.
14. IOTC. Komite Ilmiah Komisi Tuna Samudra Hindia, 2015. Irianto, Hari Eko Nugraha, Budi
Widodo, A Anung Satria, Fayakun Sadiyah, Lilis: Laporan Nasional Indonesia kepada Komite
Ilmiah Komisi Tuna Samudra Hindia, 2015. 2015;1-27.
PLOS ONE | 27 / 29
Oktober 2017
15. Lehodey P, Bertignac M, Stoens A, Memery L, Grima N. Memprediksi distribusi hijauan cakalang di
Pasifik khatulistiwa dengan menggunakan model bio-geokimia dinamik gabungan. Oseanografi
Perikanan. 1998; 7(3-4):317-25.
16. Arai T, Kotake A, Kayama S, Ogura M, Watanabe Y. Pergerakan dan pola riwayat hidup cakalang
Katsuwonus pelamis di Pasifik barat, seperti yang diungkap oleh otolith Sr: Rasio Ca. J Mar Biol
Assoc UK. 2005; 85:1211-6.
17. Andrade HA. Hubungan antara perikanan cakalang (Katsuwonus pelamis) dan variabilitas suhu
musiman di Atlantik barat daya. Oseanografi Perikanan. 2003; 12(1):10-8.
18. Ramos AG, Santiago J, Sangra P, Canton M. Aplikasi data suhu permukaan laut yang berasal dari
satelit pada perikanan cakalang (Katsuwonus pelamis Linnaeus, 1758) dan tuna albakor (Thunnus
alalunga Bonaterre, 1788) di Atlantik timur laut. Int J Penginderaan Jauh. 1996; 17(4):749-59.
19. Uda M. Fluktuasi pulsatif front samudra dalam hubungannya dengan daerah penangkapan ikan
tuna dan perikanan. J Fac Mar Sci Technol, Tokai Univ. 1973; 7:245-66.
20. Barkley A, Neill WH, Gooding RM. Cakalang, Katsuwonus pelamis, habitat berdasarkan kebutuhan
suhu dan oksigen. Buletin Perikanan. 1978; 76(3):653-62.
21. Brill RW. Tinjauan studi toleransi suhu dan oksigen pada tuna yang berkaitan dengan oseanografi
perikanan, model pergerakan dan penilaian stok. Oseanografi Perikanan. 1994; 3(3):204-16.
22. Mugo R, Saitoh S, Nihira A, Kuroyama T. Karakteristik habitat cakalang (Katsuwonus pelamis) di
Pasifik Utara bagian barat: perspektif penginderaan jauh. Oseanografi Perikanan. 2010; 19(5):382- 96.
23. Bertignac P, Lehodey P, Hampton J. Model simulasi dinamika populasi spasial tuna tropis
menggunakan indeks habitat berdasarkan parameter lingkungan. Oseanografi Perikanan. 1998; 7(3-
4):326- 34.
24. Lehodey P, Bertignac M, Hampton J, Lewis A, Picaut J. El Niño Southern Oscillation dan tuna di
Pasifik barat. Nature. 1997; 389:715-8.
25. Lehodey P, Senina I, Murtugudde R. Model ekosistem spasial dan dinamika populasi (SEAPO-
DYM) - Pemodelan populasi tuna dan mirip tuna. Prog Oseanogr. 2008; 78(4):304-18.
26. Muhling BA, Liu Y, Lee S, Lamkin JT, Roffer MA, Muller-Karger F, dkk. Potensi dampak perubahan
iklim di Laut Intra-Amerika: Bagian 2. Implikasi untuk tuna biru Atlantik dan tuna cakalang dewasa dan
habitat larva. J Mar Syst. 2015; 148:1-13.
27. Druon JN, Chassot E, Murua H, & Soto M. Habitat makan yang lebih disukai cakalang di Atlantik
Tengah bagian timur dan Samudra Hindia bagian barat: hubungan dengan daya dukung dan
kerentanan terhadap penangkapan pukat cincin. Prosiding IOTC. IOTC.2016;IOTC-2016-WPTT18-
31.
28. Yen KW, Wang G, Lu HJ. Mengevaluasi kesesuaian habitat dan kelimpahan relatif cakalang
(Katsuwonus
pelamis) di Pasifik Barat dan Tengah selama berbagai peristiwañ El Ni o. Pengelolaan Laut dan Pesisir.
2017; 139:153-60.
29. Bailey M, Flores J, Pokajam S, Sumaila UR. Menuju pengelolaan tuna Segitiga Terumbu
Karang yang lebih baik. Pengelolaan Laut dan Pesisir. 2012; 63:30-42.
30. ADB. Ekonomi Perikanan dan Akuakultur di Segitiga Terumbu Karang. 2014. 1-206.
31. Gordon AL. Oseanografi Laut Indonesia dan Arus Lintasnya. Oseanografi. 2005; 18 (4):14-27.
32. Hendiarti N, Suwarso, Aldrian E, Amri K, Andiastuti R, Sachoemar S, dkk. Variasi Musiman
Hasil Tangkapan Ikan Pelagis di Sekitar Pulau Jawa. Oseanografi. 2005; 18(4):112-23.
33. Qu T, Du Y, Strachan J, Meyers G, Slingo J. Suhu dan variabilitasnya di Wilayah Indonesia.
Oseanografi. 2005; 18(4):50-61.
34. Sprintall J dan Liu T. Ekman Transportasi massa dan panas di Laut Indonesia. Oseanografi. 2005;
18 (4):88-97.
35. Zainuddin M. Ikan cakalang dalam kaitannya dengan suhu permukaan laut dan konsentrasi
klorofil-a di Teluk Bone dengan menggunakan data satelit penginderaan jauh. Ilmu dan Teknologi
Kelautan Tropis. 2011; 3(1):82-90.
36. Bertrand A, Josse E, Bach P, Gros P, Dagorn L. Karakteristik hidrologi dan trofik habitat tuna:
konsekuensi terhadap distribusi tuna dan daya tangkap rawai Re´sume´. Can J Fish Aquat Sci. 2002;
59:1002-13.
37. Andrade HA, Garcia CAE. Perikanan cakalang dalam kaitannya dengan suhu permukaan laut di
lepas pantai Brasil selatan. Oseanografi Perikanan. 1999; 8(4):245-54.
38. Bergmann M, Hinz H, Blyth RE, Kaiser MJ, Rogers SI, Armstrong M. Menggunakan pengetahuan dari
nelayan dan ilmuwan perikanan untuk mengidentifikasi "Habitat Ikan Esensial" ikan darat. Penelitian
Perikanan. 2004; 66:373-9.
PLOS ONE | 28 / 29
Oktober 2017
39. Polovina JJ, Howell EA. Indikator ekosistem yang berasal dari data oseanografi yang diindera jarak
jauh satelit untuk Pasifik Utara. Jurnal Ilmu Kelautan ICES. 2005; 62:319-27.
40. Setiawati MD, Sambah AB, Miura F, Tanaka T, As-Syakur AR. Karakterisasi habitat tuna mata besar
di Perairan Selatan Jawa-Bali menggunakan data penginderaan jauh. Kemajuan dalam Penelitian
Antariksa. 2014; 55(2):732-46.
41. Rebert JP, Donguy JR, Eldin G, Wyrtki K. Hubungan antara permukaan laut, kedalaman termoklin,
kandungan panas, dan ketinggian dinamis di Samudra Pasifik tropis. Jurnal Penelitian Geofisika.
1985; 90 (C6):11719-25.
42. Kitagawa T, Kimura S, Nakata H, Yamada H. Mengapa tuna sirip biru Pasifik muda berulang kali
menyelam hingga kedalaman melewati termoklin? Ilmu Perikanan. 2007; 73:98-106.
43. Atmadipoera AS dan Widyastuti P. Studi Pemodelan Numerik Mekanisme Upwelling di Selat
Makassar Bagian Selatan. Jurnal Ilmu dan Teknologi Kelautan Tropis.2015; 6: 355-71.
44. Nuzula F, Syamsudin ML, Yuliadi LPS, Purba NP dan Martono. Variabilitas spasial pusaran arus di
Selat Makassar-Laut Flores. IOP Conf. Ser: Earth Environ. Sci. 2017; 54: 012079.
45. Harsono G, Atmadipoera AS, Syamsudin F, Manurung D dan Mulyono SB. Fitur Eddy Halmahera
yang Diamati dari Oseanografi Satelit Multisensor. Asian Journal of Scientific Research.2014; 7:
571-80.
46. Wilson C, Morales J, Nayak S, Asanuma I, Feldman GC. Radiometri warna laut dan perikanan.
Dalam: Mengapa Warna Laut? Manfaat Sosial dari Teknologi Warna Laut. Platt T., Hoepffner N.,
Stuart V. & Brown C. (eds), Laporan Kelompok Koordinasi Warna Laut Internasional, No. 7,
Dartmouth, Can- ada: IOCCG. 2008. 47-58 p.
47. Yoder JA, Doney SC, Siegel DA, Wilson C. Studi Ekosistem Laut dan Biogeokimia Sekarang dan
di Masa Depan: Contoh Kontribusi Unik dari Luar Angkasa. Oseanografi. 2010;104-17.
48. Roger C. Hubungan antara tuna sirip kuning dan cakalang, ikan mangsa dan plankton.
Oseanografi Perikanan. 1994; 3(2):133-41.
49. Kirby DS, Fiksen Y, Hart PJB. Model optimasi dinamis untuk perilaku tuna di tepi laut. Oseanografi
Perikanan. 2000; 9(4):328-42.
50. Sund PN, Balckburn M, Williams F. Tunas dan lingkungannya di samudra Pasifik: Sebuah tinjauan.
Ocea- nogr Mar Biol Ann Rev. 1981; 19:443-512.
51. Stretta M. Model peramalan untuk perikanan tuna dengan penginderaan jauh aerospasial. Int J
Penginderaan Jauh. 1991; 12(4):771-9.
52. Azwir A, Muchlisin ZA, Ramadhani I. Studi kebiasaan makan ikan cakalang (Katsuwonus pelamis) dan
tongkol (Auxis thazard) (Dalam bahasa Indonesia). Jurnal Natural. 2004; 4(2):20-3.
53. Wyrtki K. Oseanografi fisik perairan Asia Tenggara. Laporan NAGA. Vol. 2, Hasil-hasil Penyelidikan
Kelautan di Laut Cina Selatan dan Teluk Thailand. 1961. 1-195.
54. Olson BDB, Hitchcock GL, Mariano AJ, Ashjian CJ, Peng G, Nero RW, dkk. Kehidupan di tepi:
Kehidupan laut dan garis depan. Oseanografi. 1994; 7(2):52-60.
55. Matsumoto T, Satoh K, Semba Y, Toyonaga M. Perbandingan perilaku cakalang (Katsuwonus
pelamis), sirip kuning (Thunnus albacares), dan tuna mata besar (T. obesus) yang terkait dengan
rumpon terapung di Samudra Pasifik tengah khatulistiwa. Oseanografi Perikanan. 2016;
25(6):565-81.
PLOS ONE | 29 / 29
Oktober 2017

File - Compressed Id

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

File - Compressed Id

Diunggah oleh

Hak Cipta:

Format Tersedia

Subscribe to DeepL Pro to translate larger documents.

Visit www.DeepL.com/pro for more information.

Deteksi titik-titik habitat pelagis untuk tuna

* mukti_fishocean@yahoo.co.id, muktizunhas@gmail.com, muktiz@fisheries.unhas.ac.id

Hak Cipta: © 2017 Zainuddin dkk. Ini adalah artikel

Pernyataan Ketersediaan Data: Semua data yang

Pendanaan: Penelitian ini sebagian didukung

Segitiga Terumbu Karang, yang

Data dan metode

Data penginderaan jauh

Pembuatan peta hotspot habitat pelagis

hotspot index (PHI) sebagai

(PIcpue + PIf) (3)

Deteksi hotspot habitat pelagis yang

Prediksi dan validasi CPUE cakalang

Keberadaan titik-titik habitat untuk cakalang

Ucapan terima kasih

Analisis formal: Mukti Zainuddin, Sei-Ichi Saitoh.

Akuisisi pendanaan: Mukti Zainuddin.

Anda mungkin juga menyukai