[논문]Bayesian state-space 모델을 이용한 말쥐치 자원평가 및 관리효과 분석

최민제; 김도훈; 이해원; 서영일; 이성일

doi:10.4217/opr.2020.42.1.063

Bayesian state-space 모델을 이용한 말쥐치 자원평가 및 관리효과 분석
Assessing Stock Biomass and Analyzing Management Effects Regarding the Black Scraper (Thamnaconus modestus) Using Bayesian State-space Model 원문보기

Ocean and polar research, v.42 no.1, 2020년, pp.63 - 76

최민제 (국립부경대학교 수산과학대학 해양수산경영학과) , 김도훈 (국립부경대학교 수산과학대학 해양수산경영학과) , 이해원 (국립수산과학원 수산자원연구센터) , 서영일 (국립수산과학원 연근해자원과) , 이성일 (국립수산과학원 원양자원과)

Abstract ▼ AI-Helper

This study sought to assess the stock status and analyze the management effects with regard to the Black scraper, which is one of the more commercially important species in Korea. The catch amounts of Black scraper have significantly decreased since 1991. In this analysis, a Bayesian state-space model was utilized to assess the biomass of the Black scraper given the limited data. Model results showed that MSY and BMSY of Black scraper were estimated to be 26,587 tons and 365,200 tons, respectively. In addition, the current biomass level of the Black scraper was assessed to be only 2.1% (7,549 tons) of BMSY. For this reason, the effects of a moratorium policy on the Black scraper were evaluated. The results showed that if such a moratorium policy was implemented, it would take at least 18-40 years to restore the biomass level of the Black scraper to BMSY depending upon its growth rates.

주제어

표/그림 (14)

그림 Fig. 1. Changes in catch amounts of Black scraper by fishing type from 1980 to 2018
그림 Fig. 2. Changes in vessel numbers of fishing type from 1980 to 2018
그림 Fig. 3. Autocorrelation graphs of model parameters sampling every value (left) and every 50th value (right): Biomass (1980), Carrying capacity (K), Intrinsic growth rate (r), Catchability coefficient (q), Process error, and Observation error from the Bayesian state-space model
표 Table 1. Summary of prior probability functions used for inferencing the Bayesian state-space model
그림 Fig. 4. Posterior densities of model parameters: Biomass (1980), Biomass (2018), BMSY, Carrying capacity (K), Catchability coefficient (q), Intrinsic growth rate (r), Maximum sustainable yield (MSY), Process error, and Observation error
표 Table 2. Standard error and MC error of model parameters: Biomass (1980), Biomass (2018), Carrying capacity (K), Intrinsic growth rate (r), Catchability coefficient (q), and Maximum sustainable yield (MSY)
그림 Fig. 5. Standardized CPUE and the 2.5th, 50th (median), and 97.5th percentiles from the posterior distribution of CPUE by the Bayesian state-space model
그림 Fig. 6. Change of annual catch in comparison with MSY (a) and stock biomass trajectories with 95% confidence intervals (b) of Black scraper by the Bayesian state-space model from 1980 to 2018
표 Table 3. 2.5th, 50th (median), and 97.5th percentiles of model parameters from the posterior distributions:Carrying capacity (K), Intrinsic growth rate (r), Catchability coefficient (q), Biomass (1980), Biomass (2018), BMSY, Maximum sustainable yield (MSY), Process error, and Observation error
그림 Fig. 7. Forecasting changes of Black scraper stock biomass depending on different periods of moratorium plans
그림 Fig. 8. Sensitivity analyses on changes of Black scraper biomass depending on the 2.5th, 50th, and 97.5th percentile from the posterior predictive distributions by intrinsic growth rate
표 Table APPENDIX A. Annual catch amount of Black scraper by fishery from 1980 to 2018
표 Table APPENDIX B. Number of vessels by fishery from 1980 to 2018
표 Table APPENDIX C. Estimated regression coefficient from the generalized linear model for standardizing the Blackscraper fishery data

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

Bayesian state-space 모델은 자원평가 함수에서 발생하는 과정오차와 자료에서 발생하는 관측오차를 함께 고려하여 자원평가 결과를 산출할 수 있는 모델로, 남대서양 날개다랑어, 하와이 바다거북, 국내 눈볼대 자원평가 등에 적용되었다(최와 김 2019; Millar and Meyer 2000; Chaloupka and Balazs 2000). 그리고 Bayesian state-space 모델의 추정 결과를 바탕으로 말쥐치에 대한 자원관리수 단의 효과를 분석하고자 한다. 특히 자원관리수단 중 말쥐 치와 같이 어획량이 크게 감소한 북대서양 대구 자원에 대해 시행하여 최근 자원회복 효과를 보고 있는 모라토리움 정책의 효과를 분석하고자 한다(Rose and Rowe 2015).
이에 따라 본 연구에서는 비선형적 자원평가가 가능할 뿐만 아니라 평가 모델과 분석 자료에서 발생하는 불확실 성을 동시에 고려할 수 있는 Bayesian state-space 모델을 활용하여 말쥐치에 대한 자원평가를 실시하고자 한다(최와 김 2019; Meyer and Millar 1999; Millar and Meyer 2000). Bayesian state-space 모델은 자원평가 함수에서 발생하는 과정오차와 자료에서 발생하는 관측오차를 함께 고려하여 자원평가 결과를 산출할 수 있는 모델로, 남대서양 날개다랑어, 하와이 바다거북, 국내 눈볼대 자원평가 등에 적용되었다(최와 김 2019; Millar and Meyer 2000; Chaloupka and Balazs 2000).
자원관리수단에 따른 말쥐치 자원회복의 효과를 분석하기 위해 말쥐치에 대한 전면적 어업금지인 모라토리움 설정에 따른 향후 자원량 변화를 추정해 보았다. 구체적으로, 추정에 있어서는 향후 10년, 20년, 30년, 40년, 그리고 계속해서 모라토리움을 유지했을 때의 자원량 변화를 살펴보았으며, 자원회복 목표량은 B_MSY (365,200 톤)로 설정하였다.
그리고 Bayesian state-space 모델의 추정 결과를 바탕으로 말쥐치에 대한 자원관리수 단의 효과를 분석하고자 한다. 특히 자원관리수단 중 말쥐 치와 같이 어획량이 크게 감소한 북대서양 대구 자원에 대해 시행하여 최근 자원회복 효과를 보고 있는 모라토리움 정책의 효과를 분석하고자 한다(Rose and Rowe 2015).

가설 설정

(q)에는 무정보적 (noninformative) 사전분포를 가정하였다.
구체적으로, 추정에 있어서는 향후 10년, 20년, 30년, 40년, 그리고 계속해서 모라토리움을 유지했을 때의 자원량 변화를 살펴보았으며, 자원회복 목표량은 B_MSY (365,200 톤)로 설정하였다. 그리고 B_MSY수준 이후부터는 현재의 어획노력량 수준으로 다시 말쥐치 어업을 시작하는 것으로 가정하였다.
모라토리움 하에서 말쥐치 자원량 증가는 식 (5)의 쉐퍼(Schaefer) 성장량 함수식에서와 같이 자원의 본원적성장률(r)에 크게 영향을 받는다. 앞의 모라토리움 효과 분석에 있어서는 Bayesian state-space 모델에서 추정된 r 값의 중앙값을 가정한 것으로, r 값의 확률분포 범위에 따라 향후 모라토리움의 효과가 달리 평가될 수 있을 것이다. 이에 따라 모라토리움 설정 시 말쥐치 자원의 본원적성장률(r) 변화에 따른 향후 말쥐치 자원량 변화에 대한 민감도 분석을 실시하였다.

제안 방법

Bayesian state-space 모델에서 추정된 변수들을 바탕으로 말쥐치 어획 모라토리움 설정에 따른 자원회복 효과를 분석하였다. 분석 결과, 향후 33년 정도의 기간 동안 말쥐 치에 대한 모라토리움을 실시해야만 말쥐치의 자원량이 B_MSY수준까지 회복 가능할 것으로 분석되었다.
구체적으로 1993년을 기점 으로 이전을 ‘고갈 전’, 이후를 ‘고갈 후’로 더미변수로 구분하여 분석을 실시하였다.
이에 따라 모라토리움 설정 시 말쥐치 자원의 본원적성장률(r) 변화에 따른 향후 말쥐치 자원량 변화에 대한 민감도 분석을 실시하였다. 구체적으로 분석에 있어서는 r 사후분포의 2.5번째 백분위수(0.063)와 97.5번째 백분위수 (0.297)의 값을 적용하여 말쥐치 자원량 변화를 분석하였다.
자원관리수단에 따른 말쥐치 자원회복의 효과를 분석하기 위해 말쥐치에 대한 전면적 어업금지인 모라토리움 설정에 따른 향후 자원량 변화를 추정해 보았다. 구체적으로, 추정에 있어서는 향후 10년, 20년, 30년, 40년, 그리고 계속해서 모라토리움을 유지했을 때의 자원량 변화를 살펴보았으며, 자원회복 목표량은 B_MSY (365,200 톤)로 설정하였다. 그리고 B_MSY수준 이후부터는 현재의 어획노력량 수준으로 다시 말쥐치 어업을 시작하는 것으로 가정하였다.
분석에는 말쥐치의 업종별 전체 어획량 자료와 대형트롤, 대형선망, 외끌이대형저인망, 쌍끌이대형저인망, 서남해구외 끌이중형저인망, 그리고 근해안강망의 표준화된 어선 척수 자료를 사용하였다. 그리고 분석된 변수들을 바탕으로 모라토리움 설정에 따른 말쥐치의 향후 자원량 변화를 추정해 보았다.
분석에 있어서는 모델의 유의성 확보를 위해 600,000개의 표본을 추출하였으며, 이 중 사후분포에 수렴하지 못하는초기 100,000개의 표본을 번인(burn-in) 처리하였다. 그리고 추출된 표본 간의 자기상관을 제거하기 위해 매 50번째 표본을 추출하였다(Fig. 3). 그 결과, 총 10,000개의 샘플을 이용하여 사후분포를 형성하였다.
우리나라의 말쥐치 어획량은 ‘쥐치류’로 통합하여 집계되고 있으나, 현장 조사 결과 대부분 말쥐치로 확인되고 있다. 따라서 본 연구의 어획량 통계자료 인용은 쥐치류 어획량을 말쥐치 어획량으로 간주하였다.
또한 APPENDIX A에서 보는 바와 같이, 업종별 말쥐치 어획량 비중은 과거부터 크게 변화해 왔는데, 이를 구체적으로 살펴보기 위해 1980년대(1980−1989년)와 최근 10년(2009−2018년) 간 업종별 어획비중의 변화를 비교해 보았다.
말쥐치 업종별 어획노력량 또한 과거부터 크게 변화해 왔는데, 이를 구체적으로 살펴보기 위해 1980년대(1980− 1989년)와 최근 10년(2009−2018년) 간의 업종별 어선 척수의 변화를 비교해 보았다.
2003; Hinton and Maunder 2004; Shono 2008). 본 연구에서도 말쥐치를 어획하는 주요 6개 업종들의 CPUE를 GLM을 통해 표준화 하였다.
uk/)을 이용하여 도출하였다. 분석에 있어서는 모델의 유의성 확보를 위해 600,000개의 표본을 추출하였으며, 이 중 사후분포에 수렴하지 못하는초기 100,000개의 표본을 번인(burn-in) 처리하였다. 그리고 추출된 표본 간의 자기상관을 제거하기 위해 매 50번째 표본을 추출하였다(Fig.
이 외에도 Bayesian state-space 모델을 통해 추정된 연도별 CPUE와 추정에 이용된 표준화된 CPUE간 비교 결과를 통해 모델의 적합성을 추가로 검정해 보았다. Fig.
이를 구체적으로 살펴보면, 대형트롤의 경우 89척에서 52척으로 41.0%, 대형선망의 경우 324척에서 146척으로 55.0%, 쌍끌이대형저인망의 경우 378척에서 72척으로 81.1%, 외끌이대형저인망의 경우 104척에서 46척으로 왔는데, 이를 구체적으로 살펴보기 위해 1980년대(1980− 1989년)와 최근 10년(2009−2018년) 간의 업종별 어선 척수의 변화를 비교해 보았다.
앞의 모라토리움 효과 분석에 있어서는 Bayesian state-space 모델에서 추정된 r 값의 중앙값을 가정한 것으로, r 값의 확률분포 범위에 따라 향후 모라토리움의 효과가 달리 평가될 수 있을 것이다. 이에 따라 모라토리움 설정 시 말쥐치 자원의 본원적성장률(r) 변화에 따른 향후 말쥐치 자원량 변화에 대한 민감도 분석을 실시하였다. 구체적으로 분석에 있어서는 r 사후분포의 2.
어획량이 크게 감소하기 이전과 이후의 어업환경에는 큰 차이가 있을 것으로 예상된다. 이에 따라, CPUE 표준화에 있어 연도와 업종 외에 어획 능력에 영향을 미치는 요인변수로 말쥐치의 어획량 감소 여부를 추가로 고려하였다. 구체적으로 1993년을 기점 으로 이전을 ‘고갈 전’, 이후를 ‘고갈 후’로 더미변수로 구분하여 분석을 실시하였다.

대상 데이터

Bayesian state-space 모델 추정에는 1980년부터 2018년까지의 어획량 자료(APPENDIX A)와 어획노력량 자료 (APPENDIX B)를 활용하였다. 구체적으로 어획량 자료는 1980−2018년까지 말쥐치 전체 어획량의 약 67.
구체적으로 어획량 자료는 1980−2018년까지 말쥐치 전체 어획량의 약 67.4%를 차지하는 대형트롤(Large Trawl, LT), 대형선망(Large Purse Seine, LPS), 쌍끌이대형저인망(Large Pair Trawl, LPT), 외끌이대형저인망(Large Danish Seine, LDS), 서남해구외 끌이중형저인망(Southwest coast Danish Seine, SDS), 그리고 근해안강망(Stow Net, SN)의 어획량 자료를 활용하였으며, 어획노력량 자료로는 해당 업종들의 어선 척수 자료를 활용하였다.
본 연구에서는 말쥐치의 자원평가 및 관리수단의 효과 분석을 위해 Bayesian state-space 모델을 활용하였다. 분석에는 말쥐치의 업종별 전체 어획량 자료와 대형트롤, 대형선망, 외끌이대형저인망, 쌍끌이대형저인망, 서남해구외 끌이중형저인망, 그리고 근해안강망의 표준화된 어선 척수 자료를 사용하였다. 그리고 분석된 변수들을 바탕으로 모라토리움 설정에 따른 말쥐치의 향후 자원량 변화를 추정해 보았다.

데이터처리

Bayesian state-space 모델을 이용한 말쥐치 자원평가 결과는 베이지안 추론에 특화된 WinBUGS 프로그램 (http://www.mrc-bsu.cam.ac.uk/)을 이용하여 도출하였다. 분석에 있어서는 모델의 유의성 확보를 위해 600,000개의 표본을 추출하였으며, 이 중 사후분포에 수렴하지 못하는초기 100,000개의 표본을 번인(burn-in) 처리하였다.

이론/모형

말쥐치 자원평가를 위한 사전분포는 Millar and Meyer (2000)에 따라 환경수용력(K)과 본원적성장률(r)에는 정보적(informative) 사전분포를 가정하였으며, 어획능률계수(q)에는 무정보적 (noninformative) 사전분포를 가정하였다. 또한 모델 추정을 위한 초깃값은 국립수산과학원 (2018)의 말쥐치 자원 평가 결과를 참고하여 설정하였다. Bayesian state-space 모델 추정을 위한 말쥐치에 대한 변수별 사전정보는 Table 1에서 정리된 바와 같다.
본 연구에서는 말쥐치의 자원평가 및 관리수단의 효과 분석을 위해 Bayesian state-space 모델을 활용하였다. 분석에는 말쥐치의 업종별 전체 어획량 자료와 대형트롤, 대형선망, 외끌이대형저인망, 쌍끌이대형저인망, 서남해구외 끌이중형저인망, 그리고 근해안강망의 표준화된 어선 척수 자료를 사용하였다.

성능/효과

2003). Bayesian state-space 모델을 통한 말쥐치 자원평가 결과, Table 2에서 정리된 바와 같이 추정된 변수들의 MC error가 사후 표준오차의 5% 미만인 것으로 나타났다.
Bayesian state-space 모델을 통해 도출된 분석 결과를 바탕으로 말쥐치의 자원량을 추정한 결과, Fig. 6에서 보는 바와 같이, 말쥐치의 자원량은 시간이 지남에 따라 크게 감소한 것으로 평가되었다. 특히, 1991년 이후 급감하여 2018년의 자원량(7,549 톤)은 20년 전인 1998년 자원량(40,300 톤)의 약 19% 수준 그리고 자원량 추정 시작 시점인 1980년 자원량(497,500 톤)의 1.
GLM으로 도출된 CPUE 표준화 결과, APPENDIX C에서 나타난 바와 같이 1980−2018년 자료 중 1987년 및 1989−2018년까지의 결과에 대해 통계적 유의성을 확보하였다.
또한 APPENDIX A에서 보는 바와 같이, 업종별 말쥐치 어획량 비중은 과거부터 크게 변화해 왔는데, 이를 구체적으로 살펴보기 위해 1980년대(1980−1989년)와 최근 10년(2009−2018년) 간 업종별 어획비중의 변화를 비교해 보았다. 그 결과, 대형트롤의 경우 50.4%에서 14.4%, 대형선망의 경우 31.3%에서 12.1%, 근해안강망의 경우 7.5%에서 2.8%로 각각 감소한 것으로 나타났다. 반면, 쌍끌이대형저인망은 2.
GLM으로 도출된 CPUE 표준화 결과, APPENDIX C에서 나타난 바와 같이 1980−2018년 자료 중 1987년 및 1989−2018년까지의 결과에 대해 통계적 유의성을 확보하였다. 또한 근해안강망을 제외한 나머지 업종들에서 유의미한 어획강도의 차이가 나타나는 것으로 분석되었다.
말쥐치에 대한 자원평가 결과, 말쥐치의 자원량은 과거에 비해 크게 감소한 것으로 나타났다. 특히, 1991년 이후 말쥐치의 자원량이 급감하였는데 이에 따라 1980년대 (1980−1989년) 평균 908,420 톤 수준이었던 자원량이 최근 10년 기준(2009−2018년) 평균 13,841 톤으로 과거 자원량의 약 1.
본 연구에서도 모라토리움 설정에 따른 말쥐치 자원회복에는 18−40년이 넘는 장시간이 필요할 것으로 분석되었다.
분석 결과, Fig. 8에서 보는 바와 같이 2.5번째 백분위수(r = 0.063)를 적용했을 때는 말쥐치에 대해 향후 40년까지 모라토리움을 설정하더라도 B_MSY수준으로의 자원 회복이 어려운 것으로 추정되었다. 이에 반해, 97.
Bayesian state-space 모델에서 추정된 변수들을 바탕으로 말쥐치 어획 모라토리움 설정에 따른 자원회복 효과를 분석하였다. 분석 결과, 향후 33년 정도의 기간 동안 말쥐 치에 대한 모라토리움을 실시해야만 말쥐치의 자원량이 B_MSY수준까지 회복 가능할 것으로 분석되었다. 추가적으로 말쥐치의 본원적성장률(r) 값의 사후분포 95% 신뢰구간 안에서 말쥐치 자원회복에 대한 민감도 분석을 실시한 결과, 97.
우선 향후 10−30년 기간 동안의 모라토리움 설정으로는 말쥐치 자원량을 BMSY수준으로 회복시키는 것이 어려운 것으로 분석되었다.
2에서 나타난 바와 같이, 말쥐치의 어선 척수는 전반적으로 감소한 것으로 나타났다. 이를 구체적으로 살펴보면, 대형트롤의 경우 89척에서 52척으로 41.0%, 대형선망의 경우 324척에서 146척으로 55.0%, 쌍끌이대형저인망의 경우 378척에서 72척으로 81.1%, 외끌이대형저인망의 경우 104척에서 46척으로 56.0%, 서남해구외끌이중형저인망의 경우 98척에서 42척으로 56.9%, 그리고 마지막으로 근해안강망의 경우 988 척에서 217척으로 78.1% 각각 감소한 것으로 나타났다.
이상과 같이, 말쥐치의 경우 다수업종에 의해 어획되고 있으며, 과거부터 어획량 및 어획 환경의 변화가 상당히큰 것으로 나타났다. 말쥐치와 같이 다수업종에 의해 어획 되는 어종의 경우 업종별 어획 능력이 상이할 가능성이 존재한다.
이상과 같이, 어업을 전면 금지하는 모라토리움과 같은극단적인 자원회복수단을 실시해도 말쥐치의 자원회복에는 장기간의 시간이 필요한 것으로 분석되었다. 현재 말쥐 치에 대한 자원회복수단으로는 금지체장(18 cm)과 금지 기간(5월 1일부터 7월 31일까지, 정치망·연안·구획어업은 6월 1일부터 7월 31일까지)만이 설정되어 있으며, TAC (Total Allowable Catch)와 같은 어획량에 대한 직접 적인 규제는 없는 실정이다(국가정보법령센터 2019).
063)를 적용했을 때는 말쥐치에 대해 향후 40년까지 모라토리움을 설정하더라도 B_MSY수준으로의 자원 회복이 어려운 것으로 추정되었다. 이에 반해, 97.5번째 백분위수(r = 0.297)를 적용할 경우 2036년에 말쥐치의 자원량(398,193 톤)이 B_MSY수준까지 회복할 수 있을 것으로 분석되었다.
분석 결과, 향후 33년 정도의 기간 동안 말쥐 치에 대한 모라토리움을 실시해야만 말쥐치의 자원량이 B_MSY수준까지 회복 가능할 것으로 분석되었다. 추가적으로 말쥐치의 본원적성장률(r) 값의 사후분포 95% 신뢰구간 안에서 말쥐치 자원회복에 대한 민감도 분석을 실시한 결과, 97.5번째 백분위수 값으로 설정하면 2036년경에 말쥐치의 자원량이 B_MSY수준까지 회복 가능할 수 있을 것으로 추정되었다. 반면, 하위 2.

후속연구

그러나 본 연구에서 활용 가능한 자료는 연도별·업종별 어획량 자료로 제한되었다.
그러나 본 연구의 경우 그동안 자원평가 및 자원회복 효과 분석이 제한적이었던 말쥐치에 대해 자원량을 평가 하고, 모라토리움 설정에 따른 자원회복의 효과를 분석했 다는 점에서 의의를 가질 수 있을 것이다. 특히 Rose and Rowe (2015)의 연구에 따르면, 북대서양 대구에 대한 모라토리움 설정이 자원회복에 유의미한 성과를 나타내는데 20년 이상의 시간이 걸린 것으로 분석되었다.
본 연구에서도 모라토리움 설정에 따른 말쥐치 자원회복에는 18−40년이 넘는 장시간이 필요할 것으로 분석되었다. 따라서 향후 말쥐치 자원회복에 있어서는 이러한 점을 충분히 고려하여 최대한의 어획량 제한과 혼획 저감 등을 통한 집중적인 관리가 도모되어야 할 것이다.
하지만 말쥐치를 어획하는 업종이 다수일 뿐만 아니라 말쥐치를 혼획하는 업종 또한 많기 때문에 어획노력량 제한을 통한 말쥐치 자원관리는 현실적으로 어려울 것으로 예상된다. 즉, 말쥐치에 대한 TAC 설정 혹은 모라토리움 등과 같은 직접적인 어획량 규제가 보다 효과적인 자원관리수단이 될 것으로 판단된다.

참고문헌 (25)

Gwak WS, Lee SG (2009) Developmental changes in digestive organ and digestive enzyme activity of Filefish Thamnaconus modestus. Korean J Ichthy 21(3):149-157
National Law Information Center (2019) Enforcement decree of the fisheries resources management cct. http://www.law.go.kr/ Accessed 28 August 2019
NIFS (2018) Resource status of 2018 and restoration recommendation of fisheries resources in 2019. National Institute of Fisheries Science, Gijang, 167 p
Nam KM, Yoo JT, Kim JW, Park JH, Baeck GW (2018) Maturation and spawning of female black scraper, Thamnaconus modestus in the coastal waters off Middle East Sea, Korea. J Korean Soc Fish Ocean Tech 54(1):89-95

원문보기 상세보기
Baeck GW, Park JM, Jeong JM, Ye SJ, An YS (2012) Feeding habits of black scraper, Thamnaconus modestus in the coastal waters of Geomun-do, Korea. Korean J Ichthy 24(4):272-277
Lee SJ, Go YB, Lee YD, Jung JH, Han CH (2000a) Annual reproductive cycle of the file fish, Thamnaconus modestus, on the Southern Coast of Cheju Island. Korean J Ichthy 12(1):71-84
Lee SJ, Go YB, Choi YC (2000b) Egg development and morphological changes of larvae of the file fish, Thamnaconus modestus. Korean J Ichthy 12(3):208-214
Choi MJ, Kim DH (2019) Comparing surplus production models for selecting effective stock assessment model: Analyzing potential yield of East Sea, Republic of Korea. Ocean Polar Res 41(3):183-191

원문보기 상세보기
Choi JH, Kim DH, Choi MJ, Kang HJ, Seo YI, Lee JB (2019) Stock assessment and management of blackthroat seaperch Doederleinia seaperch using Bayesian statespace model. J Korean Soc Fish Ocean Tech 55(2):95-104

원문보기 상세보기
KOSIS (2019) Fishery production survey. http://kosis.kr/ Accessed 28 August 2019
Chaloupka M, Balazs G (2007) Using Bayesian state-space modelling to assess the recovery and harvest potential of the Hawaiian green sea turtle stock. Ecol Model 205(1-2):93-109

상세보기
Gavaris S (1980) Use of a multiplicative model to estimate catch rate and effort from commercial data. Can J Fish Aquat Sci 37(12):2272-2275

상세보기
Hinton MG, Maunder MN (2004) Methods for standardizing CPUE and how to select among them. Col Vol Sci Pap ICCAT 56(1):169-177
Kim AR, Bae HJ, Kim HG, Oh CW (2016) Age and growth of filefish, Thamnaconus modestus (Gunther, 1877) off the Jeju Island of Korea. Ocean Sci J 51(3):355-362

원문보기 상세보기
Le MH, Lim HK, Min BH, Kim SY, Chang YJ (2007) Milt properties and spermatozoa structure of filefish (Thamnaconus modestus). Develop Rep 11(3):227-233
Meyer R, Millar RB (1999) BUGS in Bayesian stock assessments. Can J Fish Aquat Sci 56(6):1078-1087

상세보기
Millar RB, Meyer R (2000) Non-linear state space modelling of fisheries biomass dynamics by using Metropolis-Hastings within-Gibbs sampling. J Roy Stat Soc C-App 49(3):327-342

상세보기
Nishida T, Bigelow K, Mohri M, Marsac F (2003) Comparative study on Japanese tuna longline CPUE standardization of yellowfin tuna (Thunnus albacares) in the Indian Ocean based on two methods: General linear model (GLM) and habitat-based model (HBM)/GLM combined. In: IOTC Proceedings, pp 48-69
Ntzoufras I (2011) Bayesian modeling using WinBUGS. John Wiley & Sons, New Jersey, 520 p
Polacheck T, Hilborn R, Punt AE (1993) Fitting surplus production models: Comparing methods and measuring uncertainty. Can J Fish Aquat Sci 50(12):2597-2607

상세보기
Rose G, Rowe S (2015) Northern cod comeback. Can J Fish Aquat Sci 72(12):1789-1798

상세보기
Schaefer MB (1954) Some aspects of the dynamics of populations important to the management of the commercial marine fisheries. Inter-American Trop Tuna Comm Bull 1(2):23-56
Shono H (2008) Application of the Tweedie distribution to zero-catch data in CPUE analysis. Fish Res 93(1-2):154-162

상세보기
Spiegelhalter D, Thomas A, Best N, Lunn D (2003) WinBUGS user manual. https://www.mrc-bsu.cam.ac.uk/wp-content/uploads/manual14.pdf Accessed 28 August 2019
Yamada U, Tokimura M, Horikawa H, Nakabo T (2007) Fishes and fisheries of the East China and Yellow Seas. Tokai University Press, Kanagawa, 1182 p

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증