2019 Fiscal Year Research-status Report
Elucidation of the Actual Condition of Balanced Harvesting Performed by Small-scale Fisheries in Japan and its Application to Sustainable Fisheries
| Project/Area Number |
19K15894
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
杉野 弘明 東京大学, 大学院農学生命科学研究科(農学部), 助教 (30751440)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 小規模漁業 / バランスト・ハーベスト / 持続可能性 / 暗黙知 |
|---|
| Outline of Annual Research Achievements |
漁業者が歴史的に有してきた暗黙知と、近年発展が著しい海の情報に対するセンシング技術を組み合わせることで、小規模漁業の持続的発展に寄与する知見をまとめることが本研究の狙いであった。平成31年度は主に、漁業者が有する海象に対する認知に関連する専攻研究や理論を概観し、概念や用語を整理するとともに、研究対象地の漁業者の方々が習得している漁業・養殖業における潜在的な知(勘や経験)を集約し、それらを海象の変化と共に捉えられるような「インデックス」を抽出するこを目的として、インタビュー・ヒアリング調査を実施した。具体的にはContextual Inquiryを援用し、風・波・流れをどのように判断しているか、また有効な指標はあるかを実際の漁労活動中に実施することで、漁労活動中の選択と実感した気象海象状況についての関連性を質的に明らかにした。結果として、漁業者の方々は気温や漁業情報が掲載されているウェブサイトからの情報以上に、空や風の“感じ”を海辺に出る前に解釈し、海辺に到着した際の“感じ”を差異として認知し、それらを対象点として諸処の判断の基準にしていることが明らかとなった。また波や流れを気にする時期は対象として魚種と漁具によって違っており、多様な情報の提供の必要性が示唆された。また同時に次年度行う予定となっている多魚種の漁獲データにおける潜在的パターンを認識するための手法論の開発を並行で進めた。時系列データに対する時系列クラスタリングの手法とインパルス応答関数を利用した各変数の影響度の数量化を行うことが可能であり、その空間的データへの応用の実行可能性も示唆された。今後はこれらの得られた質的情報を基盤として、該当海域の局所モニタリングデータとの関係性の記述を試みる方向で課題整理を行っていく。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
目標としたバランスト・ハーベストを実現する漁業者が持つ暗黙知の顕在化について、個々の調査協力者へのヒアリングおよびインタビューによって、漁業者が着目する海象とその項目、特に前年度との比較に加え、短期間における変化にも着目していることが分かった上で、それらをインデックス化できた事は、平成31年度の成果としてはおおむね目的達成できたと言える。また、先行研究における漁業者が有する暗黙知についての知見や周辺概念についても整理の端緒に着いており、この点でも初年度の目標には達していると判断した。また、2年度目に実施する予定の機械学習を利用した多魚種漁獲データにおける潜在的パターンの抽出についても、研究対象地の近隣のもので利用可能なデータを用いて手法論の確立とその実現可能性を議論することができた。ただし、ヒアリング・インタビュー調査を行うに際して、当初予定していた以上に時間を要したことから、研究対象地全体の知見としてまとめるに至っていない点が「十分」とは評価できない点である。以上の状況から、「おおむね順調に進展している」という区分とした。
|
| Strategy for Future Research Activity |
令和2年度は、主に研究対象地における多魚種漁獲データから機械学習の技術を利用することで潜在的な漁獲パターンを抽出し、海象データとの関連性を検討し、人間の活動と海象の動きの関数としての漁労活動をモデル化する。具体的には、下記を行っていく。
[1]研究対象地において漁獲される魚を、現地における漁業の歴史を含めて整理し、基礎的な漁獲アーカイブを作成する。[2]次に、取得した現地にて行われている多魚種の漁獲データを基に、魚種毎の分析を行うのではなく、日、週および月単位における漁獲データ全体から抽出可能な潜在的なパターンを抽出する。一日の漁獲における魚種のバラつきや偏在性を基に潜在的なパターンを抽出することができれば、一見乱雑に見える多魚種の漁獲データに対して、人間側で認知可能なパターンを見出すことが可能となり、漁業者が有する暗黙知や局所モニタリングから得られるデータとの照合を通し、各変数とパターンとの関係性を明らかにすることができると考える。
|
