Не было, не было и раз - появилось! - релиз 11.0

simple-cmsy

Форк
0

4 года назад
4 года назад
4 года назад
4 года назад
4 года назад
5 лет назад
4 года назад
5 лет назад
4 года назад
README.md

Популяционная модель CMSY

English description available below

Модель CMSY относится к группе моделей для анализа ограниченных, неполных данных. Теоретическое описание здесь дано не будет.

1. Входные данные

В качестве входных данных необходимо использовать величины уловов за срок не менее 5 лет + кол-во лет в ретроспективной диагностике. Входные данные располагаются в файле

/input/data.csv
. Разделитель десятичной части - точка (допускается и запятая).

2. Параметризация модели

После подготовки входных данных необходимо параметризировать модель в конфигурационной секции в начале файла

run.R
:

config.population.resilience <- "Medium" # Allowed resilience level: "Very low", "Low", "Medium", "High" config.retro.years <- 5 # retrospective analysis time window config.population.name <- "Sprattus sprattus" config.population.area <- "Black sea, Russian waters" config.report.author <- "Kulba S."

Особое внимание необходимо уделить параметру популяционной гибкости:

config.population.resilience <- "Medium" # Allowed resilience level: "Very low", "Low", "Medium", "High"

Параметр данной величины необходимо определить из данных статистических исследований Musick, 1999:

ГибкостьHighMediumLowVery low
Продолжительность жизни, лет1-34-1011-30>30
Возраст полового созревания, лет<12-45-10>10
Плодовитость, рекруотов на производителя>10000100-100010-100>10
Коэф-т поп-го роста, r>0.50.16-0.50.05-0.15<0.05
Скорость лин-го роста, k (Берталанфи)>0.30.16-0.30.05-0.15<0.05

3. Установка зависимостей

Все зависимости необходимо установить выполнив скрипт

Install.R
целиком:

source("Install.R")

4. Построение модели

Для построения модели необходимо выполнить файл

Run.R
целиком:

source("Run.R")

5. Результаты

После выполнения скрипта

Run.R
все результаты будут в сгенерированном отчете
Report.html
.

6. Источники

  • Froese R, Demirel N, Coro G, Kleisner KM, Winker H (2017) Estimating fisheries reference points from catch and resilience. Fish and Fisheries 18(3): 506-526.
  • Free CM (2018) datalimited2: More stock assessment methods for data-limited fisheries. R package version 0.1.0. https://github.com/cfree14/datalimited2

7. Автор

Mikhail Piatinskii, Azov-Black sea branch of VNIRO

Email: pyatinskiy_m_m@azniirkh.ru. Telegram: @zenn1989. Twitter: @followzenn

CMSY DataLimited model

CMSY is a production datalimited model. No theoretical meaning will shown there.

1. Input data

For input data total landings should be used. 5+ year time seria required. Input data should be placed in

/input/data.csv
.

2. Parametrization

Model parametrization available in config section of

run.R
:

config.population.resilience <- "Medium" # Allowed resilience level: "Very low", "Low", "Medium", "High" config.retro.years <- 5 # retrospective analysis time window config.population.name <- "Sprattus sprattus" config.population.area <- "Black sea, Russian waters" config.report.author <- "Kulba S."

The focal configuration is population resilience:

config.population.resilience <- "Medium" # Allowed resilience level: "Very low", "Low", "Medium", "High"

reference to Musick, 1999:

ResilienceHighMediumLowVery low
Life span, years1-34-1011-30>30
Maturation age, years<12-45-10>10
Rec per spawner>10000100-100010-100>10
Population growth rate, r>0.50.16-0.50.05-0.15<0.05
Bertalanffy linear growth rate, k>0.30.16-0.30.05-0.15<0.05

3. Dependencies

All dependencies can be installed by

Install.R
:

source("Install.R")

4. Run model

Model can be performed by

Run.R
:

source("Run.R")

5. Results

After

Run.R
successful executed all results output in
Report.html
.

6. Credentials

  • Froese R, Demirel N, Coro G, Kleisner KM, Winker H (2017) Estimating fisheries reference points from catch and resilience. Fish and Fisheries 18(3): 506-526.
  • Free CM (2018) datalimited2: More stock assessment methods for data-limited fisheries. R package version 0.1.0. https://github.com/cfree14/datalimited2

7. Author

Mikhail Piatinskii, Azov-Black sea branch of VNIRO

Email: pyatinskiy_m_m@azniirkh.ru. Telegram: @zenn1989. Twitter: @followzenn

Описание

Пример реализации трендовой модели CMSY в R с доработкой прогнозных сценариев на основе ожидаемой величины годового вылова

Языки

HTML

  • R
Сообщить о нарушении

Использование cookies

Мы используем файлы cookie в соответствии с Политикой конфиденциальности и Политикой использования cookies.

Нажимая кнопку «Принимаю», Вы даете АО «СберТех» согласие на обработку Ваших персональных данных в целях совершенствования нашего веб-сайта и Сервиса GitVerse, а также повышения удобства их использования.

Запретить использование cookies Вы можете самостоятельно в настройках Вашего браузера.