আধুনিক মৎস্য ব্যবস্থাপনায় জলের নিচে চিহ্নিতকরণ সরঞ্জামের ভূমিকা

ঘটনা: প্রযুক্তি-চালিত মৎস্য চর্চার দিকে পরিবর্তন

২০২০ এর আশেপাশে থেকে মৎস্য শিল্পে বেশ কিছু পরিবর্তন এসেছে। বড় বাণিজ্যিক মাছ ধরার নৌকার প্রায় দুই তৃতীয়াংশ এখন মাছ ধরা সহজতর করার জন্য এবং পরিবেশগত নিয়ম মেনে চলার জন্য জলের নিচে সেন্সর ও অন্যান্য প্রযুক্তির সরঞ্জাম ব্যবহার করছে। কেন? ভালো, ২০২৪ সালে প্রকাশিত নতুন গবেষণা অনুযায়ী, যখন মৎসজীবীরা এই প্রযুক্তি গ্রহণ করে, তখন তারা পুরানো পদ্ধতি ব্যবহারকারীদের তুলনায় ৪১ শতাংশ কম ছোট মাছ ধরে। আজকের দিনের অধিকাংশ নাবিক মাল্টি বিম সোনার সিস্টেম-এর মতো জিনিস এবং কম্পিউটার প্রোগ্রামের উপর নির্ভর করে যা বিভিন্ন মাছকে আলাদা করে চিনতে পারে। এই সরঞ্জামগুলি তাদের সব দিকে মাছের ঝাঁক কোথায় অবস্থিত তা দেখতে সাহায্য করে, যা মাছ ধরার আগে ন্যূনতম মাছের আকার সংক্রান্ত নিয়ম মেনে চলা সহজ করে তোলে।

নীতি: কীভাবে সোনার মাছের স্টক মূল্যায়নকে উন্নত করে

সর্বশেষ ইমেজিং সোনার প্রযুক্তি 1.8 মেগাহার্টজ ফ্রিকোয়েন্সির বীম ছুড়ে দিয়ে মাছের ঘন দলের ভিতরে একক মাছের আকৃতি শনাক্ত করতে পারে। ক্যালিব্রেশন পরীক্ষায় দেখা গেছে যে এটি মাছের দৈর্ঘ্য পরিমাপে খুবই নিকটবর্তী, প্রায় ±7 সেমি পর্যন্ত। এই সিস্টেমগুলিকে যা আলাদা করে তোলে তা হল এদের ডুয়াল-অক্ষীয় স্ক্যানিং ক্ষমতা। ঐতিহ্যবাহী ইকো সাউন্ডারের মতো শুধু পৃষ্ঠতল দেখার পরিবরতে, এগুলি জলস্তম্ভের মধ্যে আয়তনগত পরিমাপের ভিত্তিতে জীবভর গণনা করে। মৎসজীবী ও গবেষকরা এর সঙ্গে প্রকৃত ট্রল ধরার তুলনা করে দেখেছেন, এবং খোলা জল ও তলদেশে বাস করা মাছের উভয় জনসংখ্যার মধ্যে কী ধরনের মাছ আছে তা নির্ধারণের ক্ষেত্রে ফলাফলগুলি প্রায় 89% সময় মিলে যায়।

প্রবণতা: বাণিজ্যিক মৎস্য চাষ কার্যক্রমে রিয়েল-টাইম ডেটা একীভূতকরণ

মাছ ধরার জাহাজের ক্যাপ্টেনরা এখন জলের নিচে সোনার স্ক্যান শেষ হওয়ার মাত্র ৯০ সেকেন্ডের মধ্যে স্যাটেলাইট-সংযুক্ত ড্যাশবোর্ডে তাদের সোনার রিডিং প্রক্রিয়াজাত ও প্রদর্শিত হতে দেখতে পাচ্ছেন, যা তাদের ধরা মাছের কোটা চলমান অবস্থাতেই নিয়ন্ত্রণ করতে সাহায্য করে। নতুন এই ব্যবস্থার মাধ্যমে নৌকার ক্যাপ্টেনরা এমন এলাকাগুলির দিকে মনোনিবেশ করতে পারছেন যেখানে পরিপক্ক মাছ প্রচুর পরিমাণে আছে, আবার একইসাথে সংরক্ষিত এলাকা এবং যেসব জায়গায় মাছ খুব ছোট সেগুলি এড়িয়ে চলতে পারছেন। উত্তর আটলান্টিকের হ্যারিং মাছ ধরার ক্ষেত্রগুলি থেকে প্রাপ্ত প্রাথমিক ফলাফল অনুযায়ী একটি আকর্ষক ঘটনা লক্ষ্য করা গেছে। যখন নৌকাগুলি এই বাস্তব সময়ের সোনার মানচিত্রগুলি তাদের স্বয়ংক্রিয় মাছ ছাঁকাই সরঞ্জামের সাথে একত্রিত করে, তখন তারা সঠিক ধরনের মাছের প্রায় ২৩ শতাংশ বেশি ধরে রাখতে পারছে। এটা যুক্তিযুক্ত কারণ সমুদ্রের মাঝে ভুল মাছের পিছনে সময় নষ্ট করতে কেউ চায় না।

ইমেজিং সোনার কীভাবে মাছের দৈর্ঘ্য নির্ণয়ে সঠিক তথ্য দেয়

ইমেজিং সোনার সিস্টেমগুলি অ-আক্রমণাত্মক দৈর্ঘ্য পরিমাপের ক্ষমতা প্রদান করে মাছের জীববস্তু মূল্যায়নকে বিপ্লবিত করেছে। সিগন্যাল প্রসেসিং এবং ট্রান্সডিউসার প্রযুক্তিতে সাম্প্রতিক অগ্রগতি এই সিস্টেমগুলিকে চ্যালেঞ্জিং আন্ডারওয়াটার অবস্থাতেও মিলিমিটার-স্তরের নির্ভুলতা অর্জনে সক্ষম করে।

ইমেজিং সোনার ব্যবহার করে মাছের দৈর্ঘ্য অনুমানে অ্যালগরিদমিক পদ্ধতি এবং ক্যালিব্রেশন

আজকের ইমেজিং সোনার সিস্টেমগুলি মেশিন লার্নিংয়ের সাথে এজ ডিটেকশন কৌশলগুলি একত্রিত করে কাজ করে, যাতে ঝামেলাপূর্ণ অ্যাকোস্টিক ছায়াগুলি পড়া যায় এবং মাছের সাঁতসে থাকা সুইম ব্লাডার শনাক্ত করা যায়। গত বছর করা কিছু পরীক্ষায় দেখা গেছে যে এই সিস্টেমগুলি প্রায় নিখুঁত পাঠ দিচ্ছে, দৈর্ঘ্য জানা আদর্শ রেফারেন্স বস্তুর সাথে সঠিকভাবে ক্যালিব্রেট করা হলে ছয়টি বাণিজ্যিকভাবে গুরুত্বপূর্ণ মাছের ধরনের জন্য প্রায় 97% নির্ভুলতা অর্জন করা যায়। বেশিরভাগ বিশেষজ্ঞ প্রতিদিন ক্যালিব্রেশন করার পরামর্শ দেন, যাতে স্থির ধাতব রড এবং আটকে রাখা প্রকৃত জীবন্ত মাছ উভয়কেই অন্তর্ভুক্ত করা হয়। এটি তাপমাত্রার পরিবর্তনের কারণে সময়ের সাথে সোনার সরঞ্জামের ওপর প্রভাব কমপেনসেট করতে সাহায্য করে। এই ক্যালিব্রেশনগুলি সঠিকভাবে করা নির্ভরযোগ্য ডেটা সংগ্রহের জন্য জলের নিচে সবচেয়ে বড় পার্থক্য তৈরি করে।

উচ্চ-রেজোলিউশন সোনার আকারের অনুমানের ক্ষেত্র যাচাই

বেরিং সাগরে পরীক্ষামূলক অপারেশনে দেখা গেছে যে (2022 সালে NOAA কর্তৃক প্রতিবেদিত) মাছের দৈর্ঘ্য সন্ধানে সোনার দ্বারা প্রাপ্ত মাপ এবং জাল থেকে নেওয়া আসল মাপের মধ্যে প্রায় 92 শতাংশ মিল ছিল, যা প্রায় 15 হাজার একক মাছের নমুনা পর্যবেক্ষণ করে দেখা হয়েছিল। অন্য 8 শতাংশ পার্থক্যটি মূলত দ্রুতগামী খোলা মহাসাগরীয় মাছের প্রজাতির কারণে হয়েছিল, কারণ সোনার প্রতি সেকেন্ডে মাত্র 30 ফ্রেম ছবি ধরতে পারে এবং এই প্রাণীগুলি চলার সময় সম্পূর্ণভাবে প্রসারিত হয়ে গেলে তা কখনও কখনও ধরতে পারে না। আধুনিক সরঞ্জামগুলি এই সমস্যা সমাধানের চেষ্টা করে বিশেষ কম্পিউটার প্রোগ্রাম চালিয়ে, যা মাছের দলের উপরে ও জলের নীচে উভয় দিক থেকে বিভিন্ন কোণ থেকে তথ্য বিশ্লেষণ করে আরও ভালো অনুমান পাওয়ার চেষ্টা করে।

বিতর্ক বিশ্লেষণ: দৃশ্যমান চিহ্নিতকরণ এবং সোনার-নির্ভর পরিমাপের মধ্যে অসঙ্গতি

ইমেজিং সোনার নিশ্চিতভাবে সেই বিরক্তিকর পরিমাপের পক্ষপাতকে দূর করে যা ডুবুরিরা প্রবর্তন করতে পারে, কিন্তু ফ্লান্ডারের মতো চ্যাপ্টা মাছগুলির জন্য এটি কতটা ভালো কাজ করে তা নিয়ে এখনও কিছুটা মতভেদ আছে। গত বছরের একটি গবেষণায় একটি আকর্ষক তথ্য উঠে এসেছে—চ্যাপ্টা মাছগুলির পরিমাপকৃত আকারে প্রায় 22% বেশি পার্থক্য দেখা গেছে গোলাকার মাছের তুলনায়। সমস্যা হল যে সোনার সরঞ্জামগুলি এই চ্যাপ্টা প্রাণীগুলি যেভাবে সমুদ্রের তলদেশে শুয়ে থাকে তার কারণে বিভ্রান্ত হয়ে যায়, এবং তাদের কোণকে আসল দৈর্ঘ্যের পরিবর্তন হিসাবে ভুল করে। কিন্তু ভালো খবর হল: যখন মানুষজন অনুভূমিক এবং উল্লম্ব উভয় স্ক্যানে পরিমাপ পরীক্ষা করার জন্য সেই উন্নত ডুয়াল বীম সিস্টেমগুলি ব্যবহার শুরু করেছে, তখন ত্রুটির হার 5% এর নিচে নেমে এসেছে। এমনকি মাঝে মধ্যে সমস্যা থাকা সত্ত্বেও এই প্রযুক্তির দিকে আরও গবেষকদের ঝুঁকে পড়া তাই যুক্তিযুক্ত।

জটিল পরিবেশে ARIS সোনার: সূক্ষ্ম মাছ সনাক্তকরণ ও আকার নির্ধারণ

ঘোলাটে জলে মাছ সনাক্তকরণ ও আকার নির্ধারণের জন্য ARIS সোনারের পরিচালনামূলক সুবিধা

অ্যাডাপটিভ রেজোলিউশন ইমেজিং সোনার সিস্টেম, যা ARIS নামে পরিচিত, খুব ভালোভাবে কাজ করে যখন দৃশ্যমানতা খারাপ হয় এবং সাধারণ অপটিক্যাল পদ্ধতি আর কাজে আসে না। এই সোনার 1.8 মেগাহার্টজের চারপাশে উচ্চ-ফ্রিকোয়েন্সি সংকেত ছাড়ে যা জলের মধ্যে থাকা কাদা ও পলি ভেদ করে দেখতে পারে। এটি এতটাই বিস্তারিত ছবি তৈরি করে যে মাছের আকৃতি পর্যন্ত আলাদা করে চিহ্নিত করা যায়, যেখানে বিম প্রস্থের নির্ভুলতা প্রায় 0.3 ডিগ্রি। এটি বিশেষভাবে গুরুত্বপূর্ণ যখন ধোঁয়াশাচ্ছন্ন নদীতে কাতলা ও কার্পের মতো তলদেশে বাস করা মাছের আকার নির্ধারণ করা হয়, যেখানে সবকিছু একই রকম দেখায়। 2021 সালে Fisheries Research-এ প্রকাশিত একটি গবেষণায় আরও কিছু আকর্ষণীয় তথ্য পাওয়া গেছে। তারা ARIS পদ্ধতি মেঘলা অ্যাকোয়ারিয়ামের অবস্থায় পরীক্ষা করে দেখেছে যে বিভিন্ন মাছের প্রজাতির 82 শতাংশ সঠিক চিহ্নিতকরণ সম্ভব হয়েছে। নোংরা জলে রঙ অস্পষ্ট হয়ে যাওয়ার কারণে রঙের উপর নির্ভর না করে, এই সিস্টেম মাছের চলাচল এবং দেহের আকৃতি বিশ্লেষণ করে। যারা ক্ষেত্রে এই প্রযুক্তি ব্যবহার করেছেন তাদের মতে, একই জলাশয়ে জাল টেনে মাছ ধরার তুলনায় মূল্যায়নের সময় প্রায় 40 শতাংশ কম লাগে, বিশেষ করে সেইসব জটিল ক্ষেত্র পর্যবেক্ষণের সময় যখন প্রতিটি মিনিট গুরুত্বপূর্ণ।

কেস স্টাডি: মিসিসিপি নদীর মাছ জরিপে ARIS-এর ব্যবহার

2022 সালে, বিজ্ঞানীরা মিসিসিপি নদীতে প্রবেশ করা ঘোলাটে জলপথের প্রায় 15 মাইল বরাবর ARIS 3000 সিস্টেমগুলি স্থাপন করেছিলেন। তাদের যা খুঁজে পাওয়া গিয়েছিল তা আসলে বেশ অবাক করা ছিল। তাদের সোনার সরঞ্জামগুলি এমনকি যখন পুরো ঝাঁক কাঁটামাছ কুচকুচ করে জমা হয়ে থাকে, তখনও প্রায় 2 সেন্টিমিটার পর্যন্ত আকারের আলাদা আলাদা কাঁটামাছগুলির মধ্যে পার্থক্য চিহ্নিত করতে পারে। ফলাফলে ধরা পড়ে যে সেখানে প্রায় 18,700টি প্রাপ্তবয়স্ক মাছ ডিম পাড়ছিল, যা আগে কেউ অনুমান করতে পারেনি। পরবর্তীতে তারা কয়েকটি নির্বাচিত জাল মাছ ধরার কাজের মাধ্যমে এই সংখ্যাগুলি যাচাই করেছিলেন। সবচেয়ে ভালো অংশটি হল? এই পদ্ধতিটি ডিম পাড়ার এলাকাগুলিতে কোনও ব্যাঘাত ঘটায়নি, যা সংরক্ষণ প্রচেষ্টার জন্য খুবই গুরুত্বপূর্ণ। এছাড়াও এটি মৎস্য বিভাগের কর্মীদের ঐতিহ্যবাহী জরিপের জন্য সপ্তাহের পর সপ্তাহ অপেক্ষা না করেই উপস্থিত মাছের সংখ্যা সম্পর্কে তাৎক্ষণিক তথ্য দিয়েছিল।

কৌশল: ঝাঁক আলাদাকরণের জন্য ট্রান্সডিউসার স্থাপন এবং ফ্রেম রেট অপটিমাইজ করা

সর্বোত্তম ফলাফলের জন্য, ARIS ট্রান্সডিউসারগুলি জলের পৃষ্ঠের প্রায় 1.2 থেকে 1.5 মিটার নিচে স্থাপন করুন। এই গভীরতা সিস্টেমের বস্তু শনাক্তকরণের পরিসর (প্রায় 40 মিটার সর্বোচ্চ) এবং প্রায় 2 মিমি প্রতি পিক্সেল রেজোলিউশন পর্যন্ত বিস্তারিত ছবি পাওয়ার মধ্যে ভালো ভারসাম্য রক্ষা করতে সাহায্য করে। শক্তিশালী জলপ্রবাহের মুখোমুখি হলে, প্রতি সেকেন্ডে 15 ফ্রেমে ফ্রেম রেট বাড়িয়ে তোলা খুব বড় পার্থক্য তৈরি করে। আমরা লক্ষ্য করেছি যে অন্যথায় পরিষ্কার রিডিংগুলি দ্রুত চলমান জলে মাছের দৈর্ঘ্য গণনা করার সময় মোশন ব্লারের কারণে নষ্ট হয়ে যায়। আমাদের ক্ষেত্র অভিজ্ঞতা আরও একটি আকর্ষক তথ্য উন্মোচন করেছে। সোনার ইউনিটটিকে প্রায় 30 ডিগ্রি প্রবাহের অভিমুখে কোণায়িত করলে ঝাঁকের মধ্যে আলাদা আলাদা মাছকে আলাদা করার আমাদের ক্ষমতা উল্লেখযোগ্যভাবে বৃদ্ধি পায়। যখন পঙ্কিল জলে কণা উপাদানের মাত্রা বেশি থাকে তখন এটি বিশেষভাবে ভালো কাজ করে, আমাদের পরীক্ষার ফলাফল অনুযায়ী এটি আমাদের বিভেদন ক্ষমতা প্রায় এক-তৃতীয়াংশ বৃদ্ধি করে।

উচ্চ-ফ্রিকোয়েন্সি সোনার নির্ভুলতার ক্ষেত্রে প্রযুক্তিগত সীমাবদ্ধতা এবং অগ্রগতি

উচ্চ-ফ্রিকোয়েন্সি সোনার পরিমাপে তরঙ্গদৈর্ঘ্য বনাম লক্ষ্য রেজোলিউশনের আপস-ভাবনা

1 মেগাহার্টজের উপরে কাজ করা জলের নিচের শনাক্তকরণ সরঞ্জামগুলি মিলিমিটার স্কেলের রেজোলিউশন অর্জন করে কিন্তু ফ্রিকোয়েন্সি এবং কার্যকর পরিসরের মধ্যে বিপরীত সম্পর্কের মুখোমুখি হয়। ছোট তরঙ্গদৈর্ঘ্য (1.6 মেগাহার্টজে 2.3 মিমি) মাছের কাঁটার সঠিক পরিমাপ সম্ভব করে তোলে, যেখানে উপ-500 কিলোহার্টজ সিস্টেমগুলি 30% বেশি গভীরতা প্রবেশাধিকারের জন্য বিস্তারিত তথ্য বলি দেয়। মৎস্য খামারগুলি এখন 1.2–2 মেগাহার্টজ সিস্টেম ব্যবহার করে যেখানে <25 মিটার গভীরতায় 0.5 সেমি লক্ষ্য রেজোলিউশন এবং 85% সংকেত ধরে রাখার মধ্যে ভারসাম্য সম্ভব হয়। সদ্য অ্যালগরিদমের উন্নতি ফেজ-ডিফারেন্স সিকোয়েন্স বিশ্লেষণের মাধ্যমে ঝোলামাটির ব্যাঘাত কাটিয়ে ওঠে।

ডেটা পয়েন্ট: নেট নমুনা এবং 1.6 মেগাহার্টজ সোনার রিডিংয়ের মধ্যে 92% সম্পর্ক (NOAA, 2022)

চেসাপিক উপসাগরের বিস্তীর্ণ জলাভূমির একটি তুলনামূলক অধ্যয়নে NOAA ট্রল ধরা মাছের সঙ্গে 12টি প্রজাতির সোনার দ্বারা নির্ণীত মাছের দৈর্ঘ্যের তুলনা করেছে। 1.6 মেগাহার্টজ সিস্টেমগুলি নিম্নলিখিত ফলাফল দিয়েছে: - স্ট্রাইপড বাস (35–80 সেমি পরিসর) এর জন্য 2.8% গড় পরম ত্রুটি - আকার-বন্টন হিস্টোগ্রামে 91.7% ওভারল্যাপ। 18 মিটারের বেশি গভীর জলে প্রধানত অসামঞ্জস্য দেখা গেছে, যেখানে শব্দীয় ছায়া পরিমাপের সামঞ্জস্যতা 14% হ্রাস করেছে।

শিল্পের বৈপরীত্য: উচ্চ ফ্রিকোয়েন্সি – সবসময় ভালো – গভীর জলে সংকেতের হ্রাস

2.4 মেগাহার্টজ সিস্টেম 0.3 সেমি বৈশিষ্ট্য নির্ণয় করতে পারলেও, গোলাকার ছড়ানোর ক্ষতির কারণে প্রতি 10 মিটার গভীরতা বৃদ্ধির সাথে এর কার্যকর পরিসর 48% হ্রাস পায়। 40 মিটার গভীরতায়, 400–700 কিলোহার্টজ বিকল্পগুলি 29% উচ্চ-ফ্রিকোয়েন্সি ইউনিটের তুলনায় 72% লক্ষ্য চিহ্ন স্বীকৃতি নির্ভুলতা বজায় রাখে। ঠাণ্ডা জলের তাপমাত্রার স্তর উচ্চ-ফ্রিকোয়েন্সি সংকেতকে আরও খারাপ করে তোলে—2023 এর ক্ষেত্র পরীক্ষায় দেখা গেছে 10°C স্তরের নিচে 1.8 মেগাহার্টজ বীমের ক্ষয়ের হার তিনগুণ বৃদ্ধি পায়।

ক্ষেত্রভিত্তিক বনাম ঐতিহ্যগত মাছের আকার পরিমাপ: একটি ব্যবহারিক তুলনা

ক্ষেত্রভিত্তিক মাছের আকার পরিমাপের পদ্ধতির বাহনযোগ্যতা এবং গতির সুবিধা

গবেষকদের কাছে এখন কিছু অত্যন্ত চমৎকার জলের নিচের সরঞ্জাম রয়েছে যা তাদের 4 কেজির কম ওজনের এই ছোট হাতে ধরা যায় এমন সোনার ডিভাইসগুলি ব্যবহার করে মাছ গণনা করতে সাহায্য করে। এই যন্ত্রগুলি ছোট নৌকা থেকে অথবা স্থল থেকেও ছুড়ে ফেলা যেতে পারে, যা পুরনো পদ্ধতির তুলনায় একটি বড় উন্নতি যেখানে বড় দলগুলি জাল টেনে জলের মধ্যে দিনভর মাছ ধরত এবং তারপর ধরা মাছ আলাদা করতে ঘণ্টার পর ঘণ্টা সময় নষ্ট করত। নতুন ক্ষেত্র ভিত্তিক সিস্টেমগুলি পুরো ঝাঁকের আকার সম্পর্কে তাৎক্ষণিক পাঠ দেয়, প্রায়শই মাত্র 10 মিনিটের মধ্যে। পরীক্ষায় দেখা গেছে যে দৃশ্যমানতা খুব খারাপ থাকলেও এই বাহনযোগ্য ইমেজিং সোনারগুলি 89% নির্ভুলতা অর্জন করে, যা তাদের দামি ল্যাব যন্ত্রগুলির সমতুল্য, কিন্তু নমুনা ল্যাবে পাঠানোর পর দিনের পর দিন ফলাফলের জন্য অপেক্ষা করার প্রয়োজন হয় না।

সোনার এবং ঐতিহ্যবাহী মাছ পরিমাপের পদ্ধতির তুলনা: ধরা ভিত্তিক নমুনা সংগ্রহ বনাম অ-আক্রমণাত্মক ইমেজিং

যখন বিজ্ঞানীরা মাছ নিয়ে গবেষণা করতে তাদের ধরেন, তখন আসলে তারা বাস্তুতন্ত্রের অস্তিত্বে হস্তক্ষেপ করেন এবং আকার সম্পর্কে কিছু গুরুত্বপূর্ণ তথ্য মিস করেন। প্রাণী সংখ্যা পরিমাপ করার সময় ডাইভারদের বড় মাছগুলি মিস করার প্রবণতা থাকে, স্টেরিও-সোনার প্রযুক্তি ব্যবহার করে করা গবেষণায় দেখা গেছে যে তারা দৈর্ঘ্য প্রায় 12% কম অনুমান করে। সমুদ্রের জীবনকে হত্যা বা ক্ষতি না করেই অ-আক্রমণাত্মক ইমেজিং পদ্ধতি আরও ভালো ফলাফল দেয়। ফিশারিজ রিসার্চ-এ প্রকাশিত একটি কাজকে উদাহরণ হিসাবে নেওয়া যাক, যেখানে দেখা গেছে যে সোনার পাঠ স্ন্যাপার প্রজাতির ক্ষেত্রে ডাইভারদের দ্বারা দৃশ্যমানভাবে গণনার চেয়ে প্রায় 5% বেশি নির্ভুল ছিল। তবুও, পুরনো পদ্ধতিগুলি এখনও ব্যবহৃত হয় কারণ কিছু জৈবিক তথ্য পাওয়ার জন্য এগুলি প্রয়োজন, যা সোনার এখনও ধরতে পারে না, যেমন মাছের হাড়ের ভিতরের সেই মূল্যবান বয়সের বলয় যা আমাদের তাদের ইতিহাস এবং বৃদ্ধির ধরন সম্পর্কে অনেক কিছু জানায়।

কৌশল: সোনার এবং শারীরিক ট্রল উভয়কে একত্রিত করে হাইব্রিড মনিটরিং প্রোগ্রাম

মৎস্য চাষ ব্যবস্থাপনা গোষ্ঠীগুলি ক্রমাগতভাবে নিয়মিত সোনার স্ক্যান এবং নির্বাচিত ট্রলিং-এর সমন্বয় করছে, যেখানে প্রতিদিন প্রায় 2 থেকে 5 বর্গ কিলোমিটার এলাকা কভার করা হয় এবং সাধারণ মাত্রার প্রায় 10% ঘনত্বে ট্রলিং করা হয়। এই সমন্বয়টি সাগরের আবাসস্থলের ক্ষতি প্রায় 40 থেকে 60 শতাংশ কমিয়ে দেয়, এবং এটি গবেষকদের সোনার স্ক্রিনে যা দেখা যায় তা জালে ধরা আসল মাছের সাথে তুলনা করার সুযোগ দেয়। গত বছর NOAA-এর পরীক্ষামূলক ফলাফল অনুযায়ী, শুধুমাত্র ঐতিহ্যবাহী ট্রলিং জরিপের তুলনায় এই মিশ্র পদ্ধতিতে সমুদ্রে ফেরত দেওয়া মৃত মাছের পরিমাণ প্রায় 18% কম হয়েছে। তাই মূলত, বাস্তুতন্ত্র রক্ষা এবং মাছের জনসংখ্যা সম্পর্কে সঠিক তথ্য পাওয়া—উভয় ক্ষেত্রেই বিভিন্ন কৌশল মিশ্রিত করা আরও ভালো ফল দেয়।