Results and discussionVMS, SRS ocea

Results and discussion
VMS, SRS oceanography, and skipjack tuna fishing
Application of SRS and GIS can help meet the management and
harvesting challenges of the important skipjack tuna fishery,
whose catches rank third in the world after anchovy
(Engraulidae) and Alaska pollock (Theragra chalcogramma;
Mugo et al., 2010). The search for tuna schools is the most timeconsuming
step in the fishing operation (Miyake et al., 2004;
Majkowski, 2010), significantly affecting fuel and labour costs.
Satellite-based VMS was first introduced for surveillance purposes
(FAO, 1988; Deng et al., 2005), but more recently became an
additional data source in fishing ground location and forecasting
systems, such as TOREDAS (Saitoh et al., 2009). VMS data also
have potential uses in fisheries science and management (Lee
et al., 2010), providing logbook-independent, high-resolution
temporal and spatial information on fishing activity (Witt and
Godley, 2007). VMS data have advantages over fishing logbooks
in that they can be accumulated in near real time and are more
objective, accurate, and complete (Mullowney and Dawe, 2009).
They have been used to estimate fishing effort mainly in trawl fisheries
(Mills et al., 2004; Mullowney and Dawe, 2009; Palmer and
Wigley, 2009; Lee et al., 2010). For pelagic fisheries, simultaneous
analyses of VMS and SRS data can be used to study skipper behaviour
relative to target species. This type of information can
improve operational fishery forecasting models and management
measures, e.g. in the design of dynamic marine protected areas
or effort-control measures. However, in the western North
Pacific tuna fishery, little has been done with VMS information.
Daily vessel trajectories and associated speed graphs for a complete
fishing trip conducted over the period 19–23 June 2008 are
clearly illustrated in Figure 3, including departure (Figure 3a), offshore
activity (Figure 3b and c), and return (Figure 3d). During
pole-and-line fishing, the vessel is almost stationary, except for
minimal current drift. Fishing activity is characterized by a
cluster of points associated with slow speed, and non-fishing
activity (i.e. steaming), by straight paths with corresponding
high speeds. The histogram of vessel speeds (Figure 4a) reveals
clearly a bimodal distribution, representing fishing (slow speed,
first mode) and non-fishing activity (steaming) at higher speeds
of 4.5–20 knots. The fact that a fishing vessel travels slower
during fishing, gear deployment, and retrieval allows simple data
partitioning (Witt and Godley, 2007). However, a fishing vessel
may slow down because of a number of factors other than
fishing, including approaching or leaving port, setting gear,
being in the proximity of other boats, and during adverse
weather (Mills et al., 2007). In the case of skipjack tuna, false
identification of fishing activity can transpire when tuna schools
are identified and chummed, but do not respond to the bait, i.e.
the vessel is stopped, but not fishing. A good understanding of
the fishery in question can improve VMS data filters and the
characterization of fishing activity.
SST, Chl a, and SSHA at VMS-derived fishing locations
(Figure 4b–d) ranged from 17 to 298C; 0.07 to 0.7 mg m23
, and
230 to 50 cm, respectively (Figure 4d). These are similar to
optimum ranges for the species (20.4–24.48C, 0.07–
0.26 mg m23
, and 28 to 12 cm, respectively) obtained in previous
work (Mugo et al., 2010), supporting the accuracy of the
VMS-derived fishing locations and associated environmental data.
SST strongly influences skipjack tuna distribution in the
western North Pacific (Mugo et al., 2010) and the Southwest
Atlantic (de Oliveira et al., 2010), where the fish are found
mainly at .158C (Wild and Hampton, 1993). SRS Chl a gradients
and SSHA are instrumental in identifying ocean features associated
with aggregations of forage species (Zainuddin et al., 2008).
The possible mechanisms resulting in these aggregations are
beyond the scope of this paper and have been discussed elsewhere
(Olson, 1991; Lehodey et al., 1998; Bakun, 2006; Fonteneau et al.,
2009; Mugo et al., 2010). This case study illustrates how, at an
operational level, VMS information can be used at near real

Results (Thai) 1:

ผลและการอภิปรายVMS, SRS สมุทรศาสตร์ และการตกปลาทูน่าของปัจจุบันใช้ SRS และ GIS สามารถช่วยตอบสนองการบริหารจัดการ และการเก็บเกี่ยวของประมงทูน่าสำคัญปัจจุบันจับอันดับสามในโลกหลังจากแอนโชวี่(Engraulidae) และพอลล็อคอลาสกา (Theragra chalcogrammaMugo et al. 2010) ค้นหาโรงเรียนทูน่าเป็น timeconsuming ส่วนใหญ่ขั้นตอนในการตกปลา (มิยะเกะและ al. 2004Majkowski, 2010), อย่างมีนัยสำคัญส่งผลกระทบต่อต้นทุนเชื้อเพลิงและแรงงานใช้ดาวเทียม VMS ถูกรู้จักเพื่อเฝ้าระวัง(FAO, 1988 เตง et al. 2005), แต่เมื่อเร็ว ๆ นี้กลายเป็นการแหล่งข้อมูลเพิ่มเติมในตำแหน่งพื้นตกปลาและการคาดการณ์ระบบ เช่น TOREDAS (Saitoh et al. 2009) ข้อมูล VMS ยังมีการใช้วิทยาศาสตร์การประมงและการจัดการ (ลีet al. 2010), ให้ความอิสระสมุดบันทึก ความละเอียดสูงข้อมูลชั่วคราว และพื้นที่กิจกรรมตกปลา (เฟิร์สวิต และเดอะก็อดลีย์ 2007) ข้อมูล VMS มีข้อได้เปรียบกว่าปลา logbooksในการที่ พวกเขาสามารถสะสมได้ในเวลาจริงใกล้ และมีเพิ่มเติมวัตถุประสงค์ ถูกต้อง และสมบูรณ์ (Mullowney และ Dawe, 2009)ใช้ในการประเมินความพยายามตกปลาส่วนใหญ่ในประมงใช้อวนลาก(โรงงานผลิตและ al. 2004 Mullowney และ Dawe, 2009 พาล์มเมอร์ และWigley, 2009 Lee et al. 2010) สำหรับประมงปล้อง พร้อมกันการวิเคราะห์ข้อมูล VMS และ SRS ใช้ศึกษาพฤติกรรมของจักรยานสัมพันธ์กับชนิดเป้าหมาย ข้อมูลชนิดนี้สามารถปรับปรุงงานประมงคาดการณ์รูปแบบและการจัดการมาตรการ เช่นในการออกแบบของพื้นที่คุ้มครองทางทะเลแบบไดนามิกหรือมาตรการการควบคุมความพยายาม อย่างไรก็ตาม ในภาคเหนือตะวันตกประมงปลาทูน่าแปซิฟิก น้อยมีการดำเนินกับข้อมูล VMSทีมเรือรายวันและกราฟความเร็วที่เกี่ยวข้องสำหรับความสมบูรณ์ดำเนินการในระยะเวลาการเดินทางตกปลามี 19-23 2551 มิถุนายนแสดงอย่างชัดเจนในรูปที่ 3 รวมทั้งการเดินทาง (รูปที่ 3a), ต่างประเทศกิจกรรม (รูปที่ 3b และ c), และกลับ (ภาพ 3d) ในระหว่างการเสา และสายตกปลา เรืออยู่นิ่งเกือบ ยกเว้นน้อยที่สุดปัจจุบันดริฟท์ กิจกรรมตกปลาเป็นลักษณะการคลัสเตอร์ของคะแนนที่สัมพันธ์กับความเร็วช้า และ -ตกกิจกรรม (เช่นนึ่ง), โดยเส้นทางตรงด้วยสอดคล้องกันความเร็วสูง เผยฮิสโตแกรมความเร็วเรือ (รูปที่ 4a)ชัดเจนแบบ bimodal กระจาย แทนประมง (เร็วช้าโหมดแรก) และกิจกรรม-ตก (นึ่ง) ที่ความเร็วสูง4.5-20 นอต ความจริงที่ว่าเรือประมงเดินทางช้าลงระหว่างตกปลา อุปกรณ์ และการปรับใช้เรียกให้ข้อมูลอย่างง่ายพาร์ (เฟิร์สวิตและเดอะก็อดลีย์ 2007) อย่างไรก็ตาม เรือตกปลาอาจช้าลงเนื่องจากปัจจัยอื่นตกปลา รวมกำลังมาถึง หรือออกจากพอร์ต การตั้งค่าเกียร์เป็นแห่งที่ ของเรืออื่น ๆ และไม่พึงประสงค์อากาศ (โรงงาน et al. 2007) ในกรณีปศุสัตว์ เท็จรหัสของกิจกรรมตกปลาสามารถเกิดขึ้นเมื่อปลาทูน่าโรงเรียนระบุ และ chummed แต่ไม่ตอบสนองเหยื่อ เช่นเรือหยุด แต่ตกปลาไม่ ความเข้าใจการทำประมงในคำถามสามารถปรับปรุงตัวกรองข้อมูล VMS และจำแนกลักษณะของกิจกรรมตกปลาSST, Chl a และ SSHA ที่สถานตกปลามา VMS(รูปที่ 4b-d) อยู่จาก 17 ถึง 298C m23 0.07-0.7 มิลลิกรัมและ230-50 ซม. ตามลำดับ (รูปที่ 4d) เหล่านี้จะคล้ายกับช่วงที่เหมาะสมสำหรับพันธุ์ (20.4-24.48 C, 0.07 –m23 0.26 มิลลิกรัมและ 28 12 ซม. ตามลำดับ) ได้ในก่อนหน้านี้ทำงาน (Mugo et al. 2010), สนับสนุนความถูกต้องของการสถานตกปลามา VMS และข้อมูลสิ่งแวดล้อมที่เกี่ยวข้องSST ขอผลกระจายทูน่าปัจจุบันในการแปซิฟิกเหนือตะวันตก (Mugo et al. 2010) และตะวันออกแอตแลนติก (de Oliveira et al. 2010), ที่มีการค้นพบปลาที่.158C (ป่าและท่อง 1993) SRS Chl ที่ไล่ระดับสีและ SSHA เป็นเครื่องมือในการระบุลักษณะของมหาสมุทรที่เกี่ยวข้องมีการรวมพันธุ์ดอกไม้ (Zainuddin et al. 2008)มีกลไกเป็นไปได้ที่ผลรวมเหล่านี้เกินขอบเขตของกระดาษ และมีการกล่าวถึงในที่อื่น(โอลสัน 1991 Lehodey et al. 1998 Bakun, 2006 Fonteneau et al.,2009 Mugo et al. 2010) กรณีศึกษานี้แสดงให้เห็นว่า ที่เป็นการดำเนินงานระดับ VMS สามารถใช้ข้อมูลที่จริงใกล้

Results (Thai) 2:

ผลการค้นหาและการอภิปราย
VMS, SRS สมุทรศาสตร์และครีบปลาทูน่าประมง
การประยุกต์ใช้ SRS และระบบสารสนเทศภูมิศาสตร์สามารถช่วยตอบสนองการจัดการและการ
เก็บเกี่ยวความท้าทายที่สำคัญประมงครีบปลาทูน่า
ซึ่งคว้าอันดับที่สามในโลกหลังจากที่แอนโชวี่
(Engraulidae) และอลาสกาพอลล็อค (Theragra chalcogramma ;
Mugo et al, 2010). ค้นหาโรงเรียนปลาทูน่าเป็น timeconsuming ที่สุด
ขั้นตอนในการดำเนินการประมง (Miyake et al, 2004;.
Majkowski 2010). อย่างมีนัยสำคัญที่มีผลต่อน้ำมันเชื้อเพลิงและค่าใช้จ่ายแรงงาน
ดาวเทียมตาม VMS เป็นครั้งแรกเพื่อวัตถุประสงค์ในการเฝ้าระวัง
(FAO, 1988; เติ้ง et al., 2005) แต่เมื่อเร็ว ๆ นี้กลายเป็น
แหล่งข้อมูลเพิ่มเติมในสถานที่และการคาดการณ์ประมงพื้น
ระบบเช่น TOREDAS (Saitoh et al., 2009) ข้อมูล VMS ยัง
มีการใช้ศักยภาพในด้านวิทยาศาสตร์การประมงและการจัดการ (Lee
et al., 2010) ให้สมุดจดรายการอิสระมีความละเอียดสูง
ข้อมูลเชิงพื้นที่และเวลากับกิจกรรมตกปลา (วิตต์และ
ก๊อด 2007) ข้อมูล VMS มีข้อได้เปรียบกว่า logbooks ประมง
ที่พวกเขาสามารถสะสมในเวลาจริงที่อยู่ใกล้และมี
วัตถุประสงค์ที่ถูกต้องและสมบูรณ์ (Mullowney และหุบเขา 2009).
พวกเขาได้ถูกนำมาใช้ในการประมาณการความพยายามประมงส่วนใหญ่ในการประมงอวนลาก
(มิลส์, et al ., 2004; Mullowney และหุบเขา 2009; พาลเมอร์และ
Wigley 2009; Lee et al, 2010). เพื่อการประมงทะเลพร้อมกัน
วิเคราะห์ VMS และ SRS ข้อมูลที่สามารถใช้ในการศึกษาพฤติกรรมกัปตัน
ญาติในการกำหนดเป้าหมายชนิด ประเภทของข้อมูลนี้สามารถ
ปรับปรุงแบบจำลองการคาดการณ์การประมงและการจัดการการดำเนินงาน
มาตรการเช่นในการออกแบบของพื้นที่คุ้มครองทางทะเลแบบไดนามิก
หรือมาตรการความพยายามควบคุม อย่างไรก็ตามในทางตะวันตกเฉียงเหนือของ
มหาสมุทรแปซิฟิกปลาทูน่าประมงเล็ก ๆ น้อย ๆ ได้รับการดำเนินการกับข้อมูล VMS.
ไบร์ทประจำวันและเกี่ยวข้องกราฟความเร็วที่สมบูรณ์
การเดินทางประมงดำเนินการในช่วงวันที่ 19-23 มิถุนายน 2008
แสดงให้เห็นอย่างชัดเจนในรูปที่ 3 รวมทั้งการเดินทาง (รูปที่ 3A) ในต่างประเทศ
กิจกรรม (รูปที่ 3b และ C) และผลตอบแทน (รูป 3D) ในระหว่างการ
ตกปลาเสาและสายเรือนิ่งเกือบยกเว้นสำหรับการ
ดริฟท์ในปัจจุบันน้อยที่สุด กิจกรรมตกปลาเป็นลักษณะ
กลุ่มของจุดที่เกี่ยวข้องกับความเร็วที่ช้าและไม่ตกปลา
กิจกรรม (เช่นนึ่ง) โดยเส้นทางตรงกับที่สอดคล้องกัน
ด้วยความเร็วสูง แสงที่ความเร็วเรือ (รูป 4A) เผยให้เห็น
อย่างชัดเจนการกระจาย bimodal เป็นตัวแทนของการประมง (ความเร็วช้า
โหมดแรก) และกิจกรรมที่ไม่ใช่การประมง (นึ่ง) ที่ความเร็วสูง
ของ 4.5-20 นอต ความจริงที่ว่าเรือประมงเดินทางช้าลง
ในช่วงการตกปลา, การใช้งานเกียร์และการดึงช่วยให้ข้อมูลง่าย
แบ่งพาร์ทิชัน (วิตต์และก๊อด 2007) แต่เรือประมง
อาจชะลอตัวลงเนื่องจากจำนวนของปัจจัยอื่น ๆ นอกเหนือจาก
การประมงรวมทั้งใกล้เข้ามาหรือออกจากพอร์ตการตั้งเกียร์
อยู่ในบริเวณใกล้เคียงของเรืออื่น ๆ และในช่วงที่ไม่พึงประสงค์
อากาศ (Mills et al., 2007) ในกรณีของปลาโอแถบที่เป็นเท็จ
บัตรประจำตัวของกิจกรรมการประมงสามารถรั่วเมื่อโรงเรียนปลาทูน่า
มีการระบุและ chummed แต่ไม่ตอบสนองต่อเหยื่อเช่น
เรือจะหยุด แต่ไม่ได้ตกปลา ความเข้าใจที่ดีของ
การประมงในคำถามที่สามารถปรับปรุง VMS ตัวกรองข้อมูลและ
ลักษณะของการประมงกิจกรรม.
SST, Chl และ SSHA ที่สถานที่ตกปลา VMS มา
(รูปที่ 4b-D) ตั้งแต่ 17 ถึง 298C; 0.07-0.7 มิลลิกรัม M23
และ
230-50 ซม. ตามลำดับ (รูป 4D) เหล่านี้มีความคล้ายคลึงกับ
ช่วงที่เหมาะสมที่สุดสำหรับสายพันธุ์ (20.4-24.48C, 0.07-
0.26 มิลลิกรัม M23
และ 28-12 ซม. ตามลำดับ) ที่ได้รับในก่อนหน้านี้
ทำงาน (Mugo et al., 2010) สนับสนุนความถูกต้องของ
VMS มา สถานที่ตกปลาและข้อมูลด้านสิ่งแวดล้อมที่เกี่ยวข้อง.
SST อย่างยิ่งที่มีอิทธิพลต่อการกระจายปลาโอแถบใน
แปซิฟิกตะวันตกเฉียงเหนือ (Mugo et al., 2010) และภาคตะวันตกเฉียงใต้
ของมหาสมุทรแอตแลนติก (de Oliveira et al., 2010) ซึ่งปลาที่พบ
ส่วนใหญ่ในเวลา .158C ( ป่าและแฮมป์ตัน, 1993) SRS Chl การไล่ระดับสี
และ SSHA เป็นเครื่องมือในการระบุคุณลักษณะของมหาสมุทรที่เกี่ยวข้อง
กับการรวมตัวของสายพันธุ์หญ้าอาหารสัตว์ (Zainuddin et al., 2008).
กลไกที่เป็นไปได้ผลในการรวมตัวเหล่านี้จะ
เกินขอบเขตของบทความนี้และได้รับการกล่าวถึงในที่อื่น ๆ
(โอลสัน 1991 ; Lehodey et al, 1998;. Bakun 2006; Fonteneau, et al.,
2009. Mugo et al, 2010) กรณีศึกษานี้แสดงให้เห็นว่าใน
ระดับปฏิบัติการข้อมูล VMS สามารถใช้งานได้จริงใกล้

Results (Thai) 3:

ผลและการอภิปรายวัด SRS สมุทรศาสตร์ และปลาทูน่า , ตกปลาการประยุกต์ใช้ระบบสารสนเทศภูมิศาสตร์สามารถช่วยตอบสนองและ SRS และการจัดการเก็บเกี่ยวความท้าทายสำคัญปลาทูน่าประมงที่คว้าอันดับสามของโลก หลังจากที่แอนโชวี่( Engraulidae ) และอลาสกาพอลล็อค ( theragra chalcogramma ;mugo et al . , 2010 ) ค้นหาโรงเรียนทูน่าเป็นส่วนใหญ่ timeconsumingขั้นตอนในการดำเนินการตกปลา ( มิยาเกะ et al . , 2004 ;majkowski 2010 ) มีผลต่อต้นทุนเชื้อเพลิงและแรงงานดาวเทียมที่ใช้วัดเป็นครั้งแรก เพื่อเฝ้าระวัง( FAO , 1988 ; เติ้ง et al . , 2005 ) , แต่เมื่อเร็วๆนี้กลายเป็นเพิ่มเติมแหล่งข้อมูลตกปลาที่ตั้งพื้นดินและการพยากรณ์ระบบ เช่น toredas ( saitoh et al . , 2009 ) วัดเครื่องมือมีศักยภาพในการใช้วิทยาศาสตร์การประมงและการจัดการ ( ลีet al . , 2010 ) , สมุดจดรายการต่างให้อิสระ และความละเอียดสูงปริมาณและการแพร่ข้อมูลเกี่ยวกับกิจกรรมตกปลา ( วิตต์ และก๊อด , 2007 ) วัดมีข้อดีกว่า logbooks ตกปลาข้อมูลที่พวกเขาสามารถสะสมในเวลาใกล้จริงและมีมากขึ้นวัตถุประสงค์ที่ถูกต้องและสมบูรณ์ ( และ mullowney Dawe , 2009 )พวกเขาได้ใช้ความพยายามในการประมงอวนลาก ประมง ส่วนใหญ่ประมาณ( โรงงาน et al . , 2004 ; และ mullowney Dawe , 2009 ; ปาล์มเมอร์และวิกลีย์ , 2009 ; ลี et al . , 2010 ) เพื่อการประมงทะเลพร้อมกัน ,การวิเคราะห์ของ VMS และข้อมูล SRS สามารถใช้เพื่อศึกษาพฤติกรรมผู้นำเทียบกับเป้าหมายชนิด ประเภทของข้อมูลนี้สามารถปรับปรุงการดำเนินงานแบบพยากรณ์และการจัดการประมงมาตรการ เช่น ในการออกแบบแบบไดนามิกทางทะเลพื้นที่คุ้มครองหรือความพยายามควบคุมมาตรการ อย่างไรก็ตาม ในทางทิศตะวันตกเฉียงเหนือแปซิฟิกประมงทูน่าน้อยได้รับการทำเสมือนจริงข้อมูลวิถีเรือทุกวัน ที่ความเร็วกราฟสมบูรณ์ตกปลา จัดในช่วง 19 23 –มิถุนายน 2551 คือชัดเจนแสดงในรูปที่ 3 รวมทั้งออก ( รูปที่ 3A ) นอกชายฝั่งกิจกรรม ( รูปที่ 3B และ C ) และกลับ ( รูปที่ 3 ) ระหว่างเสาและสายตกปลา , เรือเกือบจะหยุดนิ่ง ยกเว้นดริฟท์ปัจจุบันน้อยที่สุด กิจกรรมตกปลาเป็นลักษณะโดยกลุ่มของจุดที่เกี่ยวข้องกับความเร็ว และไม่ใช่ตกปลากิจกรรม ( เช่น ไอ ) โดยเส้นทางที่ตรงกับความเร็วสูง กราฟแสดงความถี่ของความเร็วเรือ ( รูปที่ 4 ) เปิดเผยว่าชัดเจนการกระจายไบโมดอลแทน ตกปลา ( ความเร็วช้าโหมดแรก ) และกิจกรรมตกปลาโนน ( นึ่ง ) ที่ความเร็วสูง4.5 – 20 นอต ความจริงที่ว่าเรือตกปลาเดินทางช้าลงระหว่างตกปลา อุปกรณ์การใช้งาน และการช่วยให้ข้อมูลง่าย ๆพาร์ทิชั่น ( Witt และก๊อด , 2007 ) อย่างไรก็ตาม เรือตกปลาอาจชะลอตัวลงเนื่องจากจำนวนของปัจจัยอื่น ๆ กว่าตกปลา , รวมทั้งใกล้หรือออกจากท่าเรือ ตั้งเกียร์อยู่ในความใกล้ชิดของเรืออื่น ๆ และในช่วงที่ไม่พึงประสงค์อากาศ ( โรงงาน et al . , 2007 ) ในกรณีของปลาทูน่าที่เท็จการกำหนดกิจกรรมตกปลาสามารถปรากฏเมื่อปลาโรงเรียนระบุ และ chummed แต่ไม่ตอบสนองต่อเหยื่อ เช่นเรือจะหยุด แต่ไม่ใช่ตกปลา ความเข้าใจที่ดีของประมงในคำถามที่สามารถปรับปรุงวัดและตัวกรองข้อมูลลักษณะของกิจกรรมตกปลาSST CHL , เป็น , และเข้ารหัสแบบ SSHA ที่สร้างความเสียหายได้มาสถานที่ตกปลา( รูปที่ 4B ( D ) อยู่ระหว่าง 17 298c ; 0.07 0.7 มก. M23และ230 50 เซนติเมตร ( รูป 4D ) เหล่านี้จะคล้ายกับช่วงที่เหมาะสมสำหรับชนิด 24.48c ( 20.4 ) 0.07 จำกัด0.26 mg M23และ 28 12 เซนติเมตร ) ที่ได้ในก่อนหน้านี้งาน ( mugo et al . , 2010 ) สนับสนุนความถูกต้องของสร้างความเสียหายได้มาสถานที่ตกปลาและข้อมูลด้านสิ่งแวดล้อมที่เกี่ยวข้องSST ขออิทธิพลการปลาทูน่าปลาทูน่าในภาคตะวันตกเฉียงเหนือแปซิฟิก ( mugo et al . , 2010 ) และตะวันตกเฉียงใต้มหาสมุทรแอตแลนติก ( de Oliveira et al . , 2010 ) ซึ่งปลาที่พบส่วนใหญ่ที่ 158c ( ป่าและ Hampton , 1993 ) SRS CHL มีการไล่ระดับสีเป็นเครื่องมือในการระบุและการเข้ารหัสแบบ SSHA มหาสมุทรคุณลักษณะที่เกี่ยวข้องด้วยการรวมของพืชอาหารสัตว์ ( zainuddin et al . , 2008 )กลไกที่เป็นไปได้ที่เกิดขึ้นในการรวมเหล่านี้อยู่นอกเหนือขอบเขตของบทความนี้และได้รับการกล่าวถึงในที่อื่น ๆ( โอลสัน , 1991 ; lehodey et al . , 1998 ; บาคุน , 2006 ; fonteneau et al . ,2009 ; mugo et al . , 2010 ) กรณีศึกษานี้แสดงให้เห็นถึงวิธีการที่ระดับปฏิบัติการ , VM สามารถใช้ข้อมูลที่ใกล้จริง