北太平洋中西部劍魚(yú)(Xiphias gladius)管理策略評(píng)價(jià)

戴小杰, 柳 宇, 夏 萌

北太平洋中西部劍魚(yú)()管理策略評(píng)價(jià)

戴小杰1, 2, 3, 柳 宇1, 夏 萌1

(1.上海海洋大學(xué)海洋科學(xué)學(xué)院, 上海 201306; 2.國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心, 上海 201306; 3.農(nóng)業(yè)農(nóng)村部大洋漁業(yè)資源環(huán)境科學(xué)觀測(cè)實(shí)驗(yàn)站, 上海 201306)

劍魚(yú)()屬于大洋性中上層高度洄游性魚(yú)種, 是遠(yuǎn)洋漁業(yè)重要的目標(biāo)漁獲物和兼捕種類, 具有較高經(jīng)濟(jì)價(jià)值。本文在北太平洋金槍魚(yú)與類金槍魚(yú)國(guó)際科學(xué)委員會(huì)(ISC)對(duì)劍魚(yú)資源評(píng)估結(jié)果基礎(chǔ)上, 使用1951年到2018年漁獲量數(shù)據(jù), 通過(guò)先驗(yàn)參數(shù)設(shè)置構(gòu)造操作模型模擬北太平洋中西部劍魚(yú)的種群動(dòng)態(tài)和漁業(yè)動(dòng)態(tài), 通過(guò)不同管理策略捕撈規(guī)則計(jì)算對(duì)數(shù)據(jù)和參數(shù)要求篩選出9種備選管理策略(DD, DD4010, CC1, SBT1, GB_slope, ICI, ICI2, SPmod, MCD)并對(duì)其管理效果進(jìn)行量化分析, 并對(duì)短期和長(zhǎng)期產(chǎn)量進(jìn)行預(yù)測(cè)。通過(guò)對(duì)各先驗(yàn)參數(shù)時(shí)間序列分布及各管理策略的權(quán)衡, 使用Kobe圖表達(dá)實(shí)施管理策略前后劍魚(yú)資源狀況的變化, 最終確定使用根據(jù)時(shí)間序列平均值和標(biāo)準(zhǔn)誤差指數(shù)來(lái)調(diào)整漁獲量的管理策略(ICI)為最佳的管理策略。對(duì)9種管理策略其中4種輸出型管理策略(MCD, ICI, ICI2, SPmod)進(jìn)行總可捕量(TAC)計(jì)算, 分別擬合中國(guó)臺(tái)灣CPUE序列和日本CPUE序列, 最終得到ICI管理策略對(duì)未來(lái)50年TAC控制量在10 404.48 t, 50%置信區(qū)間在6 678.51～18 743.22 t。對(duì)最終所選擇的ICI管理策略進(jìn)行敏感性測(cè)試, 結(jié)果表明其對(duì)漁獲量和豐度指數(shù)較為敏感。

劍魚(yú); 管理策略評(píng)價(jià); 管理策略權(quán)衡; 敏感性分析

目前世界漁業(yè)資源總體呈下降趨勢(shì), 迫切需要對(duì)漁業(yè)資源進(jìn)行養(yǎng)護(hù)與管理, 對(duì)漁業(yè)資源進(jìn)行可持續(xù)發(fā)展利用, 已經(jīng)成為全世界漁業(yè)發(fā)展共同關(guān)注的問(wèn)題?，F(xiàn)代漁業(yè)所面臨的主要問(wèn)題是過(guò)度捕撈、船隊(duì)過(guò)度發(fā)展和生態(tài)環(huán)境的破壞等[1]。當(dāng)前國(guó)際漁業(yè)管理措施主要分兩類, 一種是對(duì)捕撈努力量的控制, 漁船數(shù)量的限制, 漁具的選擇等投入方面的管理, 另一種是對(duì)總可捕量(total allowable catch, TAC)等輸出量的控制[2]。制定管理措施要首先明確管理目標(biāo), 然后選擇合適的備選管理策略, 對(duì)其管理效果進(jìn)行評(píng)估, 最后根據(jù)權(quán)衡的結(jié)果選擇對(duì)管理目標(biāo)魚(yú)種適合的管理措施[3-4]。漁業(yè)是一個(gè)復(fù)雜的系統(tǒng), 其中包含自然和人文等因素, 因此在對(duì)漁業(yè)進(jìn)行管理的過(guò)程中, 不同的管理措施得到的結(jié)果也大不相同, 尤其在數(shù)據(jù)缺乏的漁業(yè)中體現(xiàn)得更加明顯[5]。數(shù)據(jù)不足是全球漁業(yè)普遍存在的問(wèn)題, 以威脅到了漁業(yè)資源的可持續(xù)開(kāi)發(fā)和管理, 數(shù)據(jù)缺乏主要因素是缺乏長(zhǎng)期的資源調(diào)查、數(shù)據(jù)不連續(xù)、統(tǒng)計(jì)數(shù)據(jù)不完整等, 對(duì)于數(shù)據(jù)缺乏的漁業(yè)是無(wú)法使用復(fù)雜的模型進(jìn)行評(píng)估與管理, 為了更好地對(duì)其進(jìn)行漁業(yè)資源養(yǎng)護(hù)與管理, 對(duì)于有限數(shù)據(jù)的評(píng)估方法越來(lái)越需求, 數(shù)據(jù)有限方逐漸成為漁業(yè)資源評(píng)估工具庫(kù)的重要組成[6]?；赗的DLMtool[7-8]軟件包在數(shù)據(jù)缺乏的漁業(yè)管理及管理策略評(píng)價(jià)中得到了很好的實(shí)踐, 軟件包中提供了超過(guò)100種管理策略可選擇, 管理策略有著很大的靈活性, 可以根據(jù)目標(biāo)魚(yú)種的種群動(dòng)態(tài)和漁業(yè)動(dòng)態(tài)進(jìn)行相應(yīng)的調(diào)整, 進(jìn)而得到更科學(xué), 更精確的評(píng)價(jià)結(jié)果, 為世界范圍內(nèi)的漁業(yè)管理提供了參考信息[9-10], 在很多漁業(yè), 如印度洋條紋四鰭旗魚(yú)()、北大西洋長(zhǎng)鰭金槍魚(yú)()和大西洋藍(lán)鰭金槍魚(yú)()等種類的管理[11]中都得到應(yīng)用。

劍魚(yú)()隸屬鱸形目, 劍魚(yú)亞目, 劍魚(yú)科, 科中只有一個(gè)劍魚(yú)屬, 屬中只有劍魚(yú)一個(gè)魚(yú)種[12]。劍魚(yú)作為大洋性中上層高度洄游性魚(yú)種, 廣泛分布于世界三大洋的熱帶到溫帶海域, 劍魚(yú)分別是金槍魚(yú)延繩釣和淺層延繩釣的主要兼捕漁獲物和目標(biāo)漁獲物[13]。隨著近些年來(lái)劍魚(yú)資源量的下降, 中西太平洋漁業(yè)委員會(huì)(Western and Central Pacific Fisheries Commission, WCPFC)和北太平洋金槍魚(yú)與類金槍魚(yú)國(guó)際科學(xué)委員會(huì)(Inter-na-tional Scientific Committee for Tuna and Tuna-like Species in the North Pacific Ocean, ISC)等區(qū)域漁業(yè)管理組織對(duì)劍魚(yú)進(jìn)行資源評(píng)估和研究并提出管理建議。參與漁業(yè)資源的養(yǎng)護(hù)和管理, 有利于維護(hù)我國(guó)在太平洋漁業(yè)的國(guó)家利益[14], 本研究在基于ISC[15-16]對(duì)北太平洋中西部劍魚(yú)資源評(píng)估結(jié)果的基礎(chǔ)上, 使用DLMtool構(gòu)造操作模型, 進(jìn)行管理策略評(píng)價(jià)模擬測(cè)試, 為北太平洋中西部劍魚(yú)資源的管理選擇適合的管理策略, 旨在為劍魚(yú)資源的可持續(xù)利用提供科學(xué)支持。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

漁獲量數(shù)據(jù)選擇由ISC提供的1951年—2018年漁獲量數(shù)據(jù)(圖1), 豐度指數(shù)數(shù)據(jù)采用中國(guó)臺(tái)灣、日本的標(biāo)準(zhǔn)化CPUE(catch per unit effort, CPUE)[15]。中國(guó)臺(tái)灣CPUE數(shù)據(jù)為2000—2016年, 日本CPUE數(shù)據(jù)為1975—2016年(圖2)。

圖1 1951—2018年間北太平洋中西部劍魚(yú)總捕獲量

1.2 操作模型

DLMtool是基于R語(yǔ)言的程序包, 主要應(yīng)用于對(duì)數(shù)據(jù)缺乏漁業(yè)提供幫助, 選擇合適的管理策略。操作模型作為管理策略評(píng)價(jià)最核心部分, 操作模型為狀態(tài)空間年齡結(jié)構(gòu)模型, 通過(guò)模擬漁業(yè)動(dòng)態(tài)和種群動(dòng)態(tài)產(chǎn)生年齡結(jié)構(gòu)漁獲量等模擬數(shù)據(jù), 以種群補(bǔ)充偏差的形式表達(dá)時(shí)間序列的選擇性及過(guò)程誤差, 是一種模擬真實(shí)種群動(dòng)態(tài)的模型[17]。

圖2 中國(guó)臺(tái)灣(2000—2015年)和日本(1976—2016年)的豐度指數(shù)數(shù)據(jù)

操作模型中選擇Beverton-Holt型種群補(bǔ)充關(guān)系與正態(tài)自然對(duì)數(shù)補(bǔ)充量偏差函數(shù)。

式中,N,i=1,x為區(qū)域在第年的補(bǔ)充量,為魚(yú)的年齡,P,x為過(guò)程誤差隨機(jī)變量,0為最初平均補(bǔ)充量,Ssb,x為在區(qū)域在第年的親體量,n為目標(biāo)魚(yú)種的最大年齡,m為齡魚(yú)的性成熟率。

構(gòu)造漁業(yè)動(dòng)態(tài)模擬首先需要對(duì)選擇性進(jìn)行定義, 通過(guò)分別構(gòu)造一個(gè)上升選擇性曲線和下降選擇性曲線進(jìn)行分段定義。選擇性的定義由最大選擇性年齡m來(lái)決定。

式中,1和2分別代表不同情況的標(biāo)準(zhǔn)差,E為捕撈努力量與正態(tài)自然對(duì)數(shù)變化量的積,為計(jì)算區(qū)域在第年的捕撈量系數(shù)。等于0時(shí), 漁業(yè)不被脆弱性資源影響, 在所有區(qū)域范圍中均勻分布。大于0時(shí), 其分布傾向具有更多脆弱性資源的區(qū)域,小于0時(shí), 漁業(yè)分布偏向于較少脆弱性資源的區(qū)域。為了減少漁業(yè)分布對(duì)種群的影響, 更精確的選擇合適的管理策略, 將設(shè)置在–0.5到1之間。

1.3 先驗(yàn)參數(shù)設(shè)置

操作模型參數(shù)設(shè)置主要分為種群動(dòng)態(tài)參數(shù)和漁船動(dòng)態(tài)參數(shù), 種群動(dòng)態(tài)參數(shù)主要包括極限年齡()、自然死亡率()、種群補(bǔ)充關(guān)系陡度()、極限體長(zhǎng)(inf)、50%性成熟體長(zhǎng)(50)、Von bertalanffy生長(zhǎng)參數(shù)()、種群衰退()等。漁船動(dòng)態(tài)參數(shù)主要包括總年限()、表現(xiàn)出完全脆弱性的最小體長(zhǎng)(L)、表現(xiàn)出5%脆弱性最小體長(zhǎng)(5)、最大個(gè)體脆弱性()、平均漁業(yè)捕撈率變化()、年平均漁業(yè)捕撈效率變化()、研究的最終年限()等[16, 18-19]。通過(guò)參考相關(guān)劍魚(yú)研究參數(shù)的值模擬最真實(shí)的種群動(dòng)態(tài), 達(dá)到模型輸出最佳效果(表1)。

表1 種群動(dòng)態(tài)和漁船動(dòng)態(tài)的參數(shù)分布

1.4 管理策略的權(quán)衡和TAC計(jì)算

本研究基于ISC對(duì)北太平洋中西部劍魚(yú)資源評(píng)估的結(jié)果, 北太平洋中西部劍魚(yú)資源現(xiàn)狀及ISC和WCPFC對(duì)劍魚(yú)的養(yǎng)護(hù)管理措施[20]。9種管理措施進(jìn)行初步測(cè)試(表2)。通過(guò)模型收斂效果檢驗(yàn)和Kobe圖判斷選擇對(duì)劍魚(yú)種群資源最適合的管理措施。

表2 管理策略模型介紹

通過(guò)對(duì)中國(guó)臺(tái)灣CPUE序列和日本CPUE序列的擬合, 根據(jù)相對(duì)應(yīng)的輸出型管理策略, 對(duì)總可捕量(TAC)進(jìn)行50 a預(yù)測(cè), 通過(guò)擬合不同CPUE序列的結(jié)果對(duì)比判斷所選管理措施對(duì)實(shí)施養(yǎng)護(hù)管理措施的效果及其影響。權(quán)衡管理策略對(duì)未來(lái)漁獲量控制能力大小, 最后結(jié)合所有的結(jié)果選擇最優(yōu)管理策略。

2 結(jié)果

2.1 漁業(yè)動(dòng)態(tài)模擬

本研究對(duì)種群動(dòng)態(tài)參數(shù)和漁船動(dòng)態(tài)參數(shù)分別進(jìn)行的三次迭代計(jì)算, 紅綠黑3種顏色分別代表著參數(shù)值高中低3種不同情況(圖3)。本研究假設(shè)所有參數(shù)分布為均勻分布, 根據(jù)ISC對(duì)北太平洋中西部劍魚(yú)資源評(píng)估結(jié)果及參數(shù)分布繪制了重要參數(shù)時(shí)間序列變化圖(圖3, 圖4)。種群動(dòng)態(tài)參數(shù)時(shí)間序列結(jié)果顯示3次迭代計(jì)算結(jié)果是不同的, 但是3種結(jié)果均表明種群符合Beverton-Holt補(bǔ)充關(guān)系型, 漁船動(dòng)態(tài)參數(shù)時(shí)間序列分布假設(shè)基于年齡和體長(zhǎng)的選擇性與預(yù)測(cè)保持一致, 均呈現(xiàn)為漸近線形, 且捕撈死亡率呈逐年上升趨勢(shì)。

圖3 北太平洋中西部劍魚(yú)種群動(dòng)態(tài)參數(shù)時(shí)間序列分布

注: 紅、綠、黑3種顏色分別表示高、中、低3次迭代計(jì)算

圖4 北太平洋中西部劍魚(yú)漁船動(dòng)態(tài)參數(shù)時(shí)間序列分布

假設(shè)脆弱性保持穩(wěn)定, 不隨時(shí)間變化而變化。通過(guò)對(duì)在種群補(bǔ)充關(guān)系中起關(guān)鍵作用的參數(shù)時(shí)間序列(等)進(jìn)行3次迭代計(jì)算, 共48次模擬, 由狀態(tài)空間年齡結(jié)構(gòu)評(píng)估模型得到產(chǎn)卵生物量, 自然種群初始補(bǔ)充量結(jié)果(圖5)。

管理策略選擇前, 對(duì)其進(jìn)行模型收斂性進(jìn)行檢測(cè), 初步設(shè)定模擬次數(shù)為48次, 參考點(diǎn)為捕撈死亡率與最大可持續(xù)產(chǎn)量捕撈死亡率之比大于1; 生物量與最大可持續(xù)產(chǎn)量生物量之比小于1(F/FMSY>1; B/BMSY<1)和生物量與最大可持續(xù)產(chǎn)量生物量之比小于0.5(B/BMSY<0.5), 所選擇的9種管理策略均在40次左右完成收斂(圖6), 只有在收斂穩(wěn)定的前提下, 獲得的結(jié)果才是穩(wěn)定有效的。因此48次模擬次數(shù)滿足該模型對(duì)管理策略選擇的需要。

圖5 操作模型中時(shí)間序列種群動(dòng)態(tài)的參數(shù)變化趨勢(shì)

圖6 不同管理策略收斂性檢測(cè)結(jié)果

2.2 管理策略模擬測(cè)試

根據(jù)DLMtool程序包通過(guò)對(duì)各先驗(yàn)參數(shù)(表1)及其漁獲量數(shù)據(jù)、豐度指數(shù)數(shù)據(jù)輸入篩選適合劍魚(yú)的管理策略, 所選擇的9種MP的捕撈控制規(guī)則計(jì)算要求(表2)符合本研究數(shù)據(jù), 在對(duì)所選9種管理策略對(duì)劍魚(yú)資源未來(lái)50年份管理策略模擬的結(jié)果表明(表3), 其中9種模型所對(duì)應(yīng)的F/FMSY結(jié)果表明ICI、MCD、SBT1和ICI2四種管理措施效果較好, 其中ICI和ICI2效果最佳, POF(過(guò)度捕撈概率)最低僅為0.3%, 模型相對(duì)應(yīng)的B/BMSY則僅有SPmod(52.2%)、DD(47.5%)、DD4010(41.4%)三種管理策略結(jié)果較差, 其3種管理策略對(duì)應(yīng)的過(guò)度捕撈概率分別為46.4%、31.3%和25.8%, 使用該管理策略有很大概率造成劍魚(yú)資源的過(guò)度捕撈。

表3 9種管理策略對(duì)種群狀況影響預(yù)測(cè)的模擬情況

注: F/FMSY, 捕撈死亡率與最大可持續(xù)產(chǎn)量捕撈死亡率之比; B/BMSY, 生物量與最大可持續(xù)產(chǎn)量生物量之比; POF, 過(guò)度捕撈概率; FMSYyield, 產(chǎn)量水平

對(duì)比管理策略實(shí)施前后劍魚(yú)資源的差異, 以科比圖的形式展現(xiàn)管理策略對(duì)種群動(dòng)態(tài)及漁業(yè)動(dòng)態(tài)的影響(圖7), 藍(lán)色圓點(diǎn)表示使用管理措施前的狀態(tài), 紅色圓點(diǎn)表示使用管理措施50年份后的資源狀態(tài)。對(duì)比發(fā)現(xiàn)管理效果最好的為MCD、ICI和ICI2三種管理策略, 最后資源狀態(tài)落在健康位置的概率為100%。

圖7 9種管理策略實(shí)施前后種群狀態(tài)變化科比圖

2.3 管理策略的權(quán)衡

通常將短期預(yù)測(cè)與長(zhǎng)期預(yù)測(cè)結(jié)果綜合考慮, 對(duì)管理效果進(jìn)行分析和權(quán)衡。因此, 本研究對(duì)所選9種管理策略進(jìn)行了120年份的長(zhǎng)期預(yù)測(cè)(圖8), 左圖橫縱坐標(biāo)分別表示為不被過(guò)度捕撈概率和預(yù)測(cè)的長(zhǎng)期漁獲量, 右圖橫縱坐標(biāo)分別表示為資源量高于0.5 BMSY的概率和年平均漁獲量變化小于15%的概率。MCD、ICI和ICI2在左圖中表現(xiàn)為未發(fā)生過(guò)度捕撈概率最大, 但長(zhǎng)期漁獲量偏低, 在右圖表現(xiàn)為年平均漁獲量變化小于15%的概率偏大, 我們對(duì)于管理策略篩選的原則定義是, 長(zhǎng)期產(chǎn)量高的同時(shí)盡可能降低發(fā)生過(guò)度捕撈概率, 漁獲量年變化小的同時(shí)保證資源量在0.5 BMSY上, 其中DD、DD4010、ICI、ICI2、MCD五種管理策略落入我們定義的范圍內(nèi)。

圖8 長(zhǎng)期預(yù)測(cè)(120年)的管理策略權(quán)衡圖

2.4 總可捕量(TAC)計(jì)算

為了量化漁業(yè)管理意見(jiàn), 提供輸出控制管理建議, 分別通過(guò)擬合中國(guó)臺(tái)灣CPUE序列和日本CPUE序列對(duì)TAC進(jìn)行計(jì)算, 得到了MCD、ICI2、SPmod、ICI四種輸出控制管理策略的TAC結(jié)果(圖9)。通過(guò)對(duì)比不同CPUE得到的TAC結(jié)果表明ICI的TAC結(jié)果最小(表4, 表5), 也就是說(shuō)這ICI管理策略對(duì)漁獲量具有更加嚴(yán)格的控制, 綜合ISC對(duì)劍魚(yú)資源現(xiàn)狀評(píng)估結(jié)果以及上述管理策略模型分析的結(jié)果, 通過(guò)調(diào)整參考點(diǎn), 使用不同的捕撈控制規(guī)格, 本研究最終認(rèn)為ICI是對(duì)北太平洋中西部劍魚(yú)資源最佳的管理策略, TAC建議為10 404.48 (6 678.51～18 743.22) t。

圖9 擬合中國(guó)臺(tái)灣CPUE序列和日本CPUE序列得到的結(jié)果

表4 使用中國(guó)臺(tái)灣CPUE序列得出的TAC(單位: t)

表5 使用日本CPUE序列得出的TAC(單位: t)

3 討論

本研究選擇了9種管理策略作為備選管理策略, 通過(guò)管理策略評(píng)價(jià)模擬測(cè)試, 對(duì)備選管理策略的管理效果進(jìn)行量化評(píng)價(jià), 結(jié)果顯示最佳的管理策略為管理策略ICI, 在實(shí)施該管理策略的情況下, 每年的生物量都高于參考值BMSY, 且平均年捕撈死亡率低于參考值FMSY, 根據(jù)ISC的統(tǒng)計(jì), 該種群1975—1999年期間平均漁獲量為12 933 t, 2000—2009年間漁獲量增加至14 343 t, 自2010年以來(lái)平均漁獲量下降至10 498 t, 按照漁具和漁船對(duì)捕撈量進(jìn)行分類, 平均年捕撈量為13 642 t, 其中日本和中國(guó)臺(tái)灣的漁獲量有所下降, 美國(guó)和其他國(guó)家的漁獲量相對(duì)增加, 目前該種群生物量相對(duì)穩(wěn)定其產(chǎn)卵生物量為29 404 t[15]。管理策略模型ICI的TAC計(jì)算均值為10 404.48 (6 678.51～18 743.22) t在平均捕撈量之下, 因此認(rèn)為ICI管理策略的模擬實(shí)施在未來(lái)劍魚(yú)資源開(kāi)發(fā)的過(guò)程中會(huì)將資源控制在健康的狀態(tài)。為防止出現(xiàn)過(guò)度捕撈對(duì)資源造成破壞, 在劍魚(yú)漁業(yè)的模擬中考慮到了很多種不確定因素, 例如自然死亡率、極限長(zhǎng)度、環(huán)境承載力等的不確定性, 這些數(shù)值來(lái)源于ISC報(bào)告, 對(duì)于不確定的參數(shù)及其置信區(qū)間的設(shè)置還需要進(jìn)一步的評(píng)價(jià)與研究。

3.1 敏感性分析

本研究對(duì)最終選擇的管理策略ICI進(jìn)行敏感性分析(圖10), 在該管理策略中使用Cat(漁獲量)和Ind(豐度指數(shù))兩個(gè)參數(shù), 敏感性分析的結(jié)果表明, 漁獲量參數(shù)的變化對(duì)產(chǎn)量結(jié)果影響較大, 隨著漁獲量的增加產(chǎn)量也隨著增加, 呈現(xiàn)正相關(guān)關(guān)系且增長(zhǎng)2～3倍。豐度指數(shù)則相對(duì)平緩, 對(duì)產(chǎn)量影響較小。敏感性分析表明ICI是對(duì)漁獲量較為敏感的管理策略, 因此在使用ICI的過(guò)程中需要注意漁獲量數(shù)據(jù)的準(zhǔn)確性。但是, 敏感性測(cè)試是單因素變化的, 然而實(shí)際中各種不確定性是交叉混雜在一起的, 因此單因子變化的敏感性測(cè)試得到的結(jié)果很可能不能反映真實(shí)的情況[21]。大部分評(píng)估模型都是基于漁獲量數(shù)據(jù)的, 漁獲量數(shù)據(jù)會(huì)定期更新, 但是在使用的時(shí)候仍會(huì)有風(fēng)險(xiǎn)[14], ISC近些年來(lái)對(duì)北太平洋中西部劍魚(yú)資源的評(píng)估均顯示資源狀況處于健康狀態(tài), ICI管理策略對(duì)于該地區(qū)的劍魚(yú)資源管理相對(duì)更為適合。

圖10 對(duì)管理策略ICI的敏感性測(cè)試結(jié)果

3.2 漁業(yè)管理中的不確定性

漁業(yè)管理中受到實(shí)際操作和生物學(xué)等方面的影響易產(chǎn)生不確定性[22-24]。本研究構(gòu)造的操作模型成功的關(guān)鍵取決于模型中不確定性因素程度大小是否能被正確地表達(dá), 管理策略評(píng)價(jià)模擬測(cè)試的運(yùn)行中會(huì)盡可能全面地考慮不確定因素, 進(jìn)而使得實(shí)施管理措施后能夠降低新得到信息的不確定性。但從實(shí)際出發(fā), 沒(méi)有任何模型能夠全面地考慮到所有關(guān)聯(lián)的不確定性因素, 因此為了提高結(jié)果的可信度和精確性, 盡可能地選出最相關(guān)最能反映假設(shè)的因素去考慮。模型不確定性是整個(gè)不確定因素中最關(guān)鍵的組成部分, 其主要包括: 親體補(bǔ)充關(guān)系服從Beverton-Holt關(guān)系還是Richer關(guān)系; 模型參數(shù)是可變值還是固定值; 選擇性曲線是漸近線型還是拱型; 在所選海域共有多少種群; 數(shù)據(jù)結(jié)構(gòu)是否正確; 環(huán)境氣候?qū)ι飳W(xué)方面的影響等不確定性因素。Kraak等[22]認(rèn)為模型中的不確定性來(lái)源是隨機(jī)的, 并且所選擇的不確定性并不一定能夠完全反映其主要來(lái)源, 降低模型的不確定方法通常是將固定的效益關(guān)系轉(zhuǎn)變?yōu)榭梢宰杂山M合的效益關(guān)系。

在考慮不確定因素的影響下, 本研究的假設(shè)和模型基本能滿足數(shù)據(jù)缺乏條件下劍魚(yú)管理策略模型的研究, 值得注意的是, 種群狀態(tài)脆弱性關(guān)系的假設(shè)是否造成了世代差異的不確定性, 對(duì)種群補(bǔ)充關(guān)系所帶來(lái)影響的環(huán)境因素, 會(huì)導(dǎo)致劍魚(yú)資源量評(píng)估的誤差, 所使用的漁獲量數(shù)據(jù)能不能全面地反映劍魚(yú)種群結(jié)構(gòu), 因此在今后的相關(guān)研究中應(yīng)充分考慮種群補(bǔ)充關(guān)系因素, 并且采用多種調(diào)查方式獲取更加全面的數(shù)據(jù)用來(lái)反映種群結(jié)構(gòu)。Kokkalis等[23]和Carruthers等[8]研究分別表明, 對(duì)有限數(shù)據(jù)的充分利用能夠大大降低種群狀態(tài)評(píng)估的不確定性和采用多種不同類型的數(shù)據(jù)結(jié)構(gòu)去實(shí)施的管理策略模型的管理效果會(huì)好于充足數(shù)據(jù)構(gòu)建的模型。

4 結(jié)論

本文研究為劍魚(yú)資源的可持續(xù)開(kāi)發(fā)利用和科學(xué)管理提供了參考建議, 使用基于R語(yǔ)言開(kāi)放的DLMtool軟件包進(jìn)行管理策略評(píng)價(jià)的模擬測(cè)試, 權(quán)衡了備選管理策略的管理效果, 預(yù)估當(dāng)前及未來(lái)劍魚(yú)資源可持續(xù)開(kāi)發(fā)需要控制的總可捕量(TAC), ICI管理策略在不影響漁業(yè)資源的情況下, 一定程度地限制了未來(lái)的總可捕量。盡管ISC評(píng)估報(bào)告表明北太平洋中西部海域劍魚(yú)資源量處于健康狀態(tài)且未被過(guò)度捕撈, 但對(duì)于捕撈劍魚(yú)的經(jīng)濟(jì)誘導(dǎo)因素等不斷增加可能導(dǎo)致劍魚(yú)種群的捕撈努力量大大增加, 進(jìn)而導(dǎo)致出現(xiàn)過(guò)度捕撈狀況以及漁業(yè)資源的不可持續(xù), 因此, 本研究在資源評(píng)估結(jié)果的基礎(chǔ)上為劍魚(yú)未來(lái)資源的可持續(xù)利用和劍魚(yú)的養(yǎng)護(hù)管理選擇了相對(duì)最優(yōu)管理策略, 即管理策略ICI。本研究建議在今后對(duì)北太平洋中西部海域劍魚(yú)的評(píng)估中應(yīng)進(jìn)一步考慮漁業(yè)獨(dú)立數(shù)據(jù)、非漁業(yè)獨(dú)立數(shù)據(jù)和環(huán)境數(shù)據(jù)等的不確定性。在未來(lái)的漁業(yè)資源管理中, 采用更加全面的管理策略評(píng)價(jià)體系, 為北太平洋中西部劍魚(yú)的資源養(yǎng)護(hù)與管理提供有價(jià)值的科學(xué)依據(jù)。

[1] 王從軍.東黃海鮐魚(yú)貝葉斯生物經(jīng)濟(jì)模型及管理策略評(píng)價(jià)[D].上海: 上海海洋大學(xué), 2014.

Wang Congjun.Bayesian Bio-economic Model and management strategy evaluation of Chub.mackerel (Scomber japonicus) in the East China Sea and Yellow Sea[D].Shanghai: Shanghai Ocean University, 2014.

[2] Zhang C I, Kim S, Gunderson D, et al.An ecosystem-based fisheries assessment approach for Korean fisheries[J].FisheriesResearch, 2009, 100(1): 26-41.

[3] Saila S B.Quantitative fisheries stock assessment: choice dynamics and uncertainty[J].BioScience, 1993, 43(1): 57-59.

[4] Punt A E.The FAO precautionary approach after almost 10 years: have we progressed towards implementing simulation‐tested feedback‐control management systems for fisheries management?[J].NaturalResourceModeling, 2006, 19(4): 441-464.

[5] 李志, 王家啟, 田思泉.印度洋黃鰭金槍魚(yú)漁業(yè)管理策略評(píng)價(jià)的初步研究[J].上海海洋大學(xué)學(xué)報(bào), 2016, 25(2): 255-262.

Li Zhi, Wang Jiaqi, Tian Siquan.Management stra-tegy evaluation for yellowfin tuna fishery.in Indian Ocean[J].Journal of Shanghai Ocean University, 2016, 25(2): 255-262.

[6] Newman D, Carruthers T, MacCall A, et al.Improving the science and management of data-limited fisheries: an evaluation of current methods and recommended approaches[R].New York: The Natural Resources Defense Council, 2014.

[7] Carruthers T R, Hordyk A R.Data‐Limited Methods Toolkit[r].MethodsinEcologyandEvolution, 2018.

[8] Carruthers T R, Hordyk A R.The Data‐Limited Methods Toolkit (DLM tool): An R package for informing management of data‐limited populations[J].MethodsinEcologyandEvolution, 2018, 9(12): 2388-2395.

[9] Smith A D M, Sainsbury K J, Stevens R A.Implementing effective fisheries-management systems– management strategy evaluation and the Australian par-tnership approach[J].ICESJournalofMarineScience, 1999, 56(6): 967-979.

[10] Punt A E, Donovan G P.Developing management procedures that are robust to uncertainty: lessons from the International Whaling Commission[J].ICESJournalofMarine Science, 2007, 64(4): 603-612.

[11] 夏萌.印度洋條紋四鰭旗魚(yú)()資源評(píng)估與管理策略評(píng)價(jià)[D].上海: 上海海洋大學(xué), 2020.

Xia Meng.Stock assessment and management strategy evaluation of Striped Marlin () in the Indian Ocean[D].Shanghai: Shanghai Ocean University, 2020.

[12] 趙榮興, 繆圣賜.世界劍魚(yú)類的基本概況[J].漁業(yè)信息與戰(zhàn)略, 2006(11): 13-16.

Zhao Rongxing, MIAO Shengci.Outline of swordfishes in the world[J].Modern Fisheries Information, 2006(11): 13-16.

[13] 戴小杰, 姜潤(rùn)林, 許柳雄, 等.熱帶中東大西洋海域劍魚(yú)種群特征初步研究[J].海洋湖沼通報(bào), 2010(3): 17-23.

Dai Xiaojie, Jiang Runlin, Xu Liuxiong, et al.Preliminary study on swordfish population charactristics in the Tropical Eastern Central Atlantic Ocean[J].Transactions of Oceanology and Limnology, 2010(3): 17-23.

[14] 李偉文.太平洋大青鯊種群結(jié)構(gòu)及其管理策略評(píng)價(jià)研究[D].上海: 上海海洋大學(xué), 2017.

Li Weiwen.Population structure and management stra-tegy evaluation of blue shark () in the Pacific Ocean[D].Shanghai: Shanghai Ocean University, 2017.

[15] ISC Billfish Working Group.Stock assessment for swordfish () in the Western and Central North Pacific Ocean through 2016[R].Yeosu, Republic of Korea, 2018.

[16] ISC Billfish Working Group.Report of the billfish working group wprkshop[R].Honolulu, Hawaii, USA, 2019.

[17] Punt A E, Campbell R A, Smith A D.Evaluating empirical indicators and reference points for fisheries management: application to the broadbill swordfish fishery off eastern Australia[J].MarineandFreshwaterResearch, 2001 52(6): 819-832.

[18] Evans K, Abascal F, Kolody D, et al.The hori-zontal and vertical dynamics of swordfish in the South Pacific Ocean[J].JournalofExperimentalMarineBio-logyandEcology, 2014, 450: 55-67.

[19] 劉尊雷, 袁興偉, 楊林林, 等.有限數(shù)據(jù)漁業(yè)種群資源評(píng)估與管理——以小黃魚(yú)為例[J].中國(guó)水產(chǎn)科學(xué), 2019, 26(4): 621-635.

Liu Zunlei, Yuan Xingwei, Yang Linlin, et al.Stock assessment and management strategies for small yellow croaker in the East China Sea based on data-limited assessment models.Journal of Fishery Sciences of China, 2019, 26(4): 621-635.

[20] WCPFC.Conservation and management measures (CMMs) and resolutions of the Western and Central Pacific Fishe-ries Commission[R].Pohnpei, Federated States of Micronesia, 2021.

[21] Porch C E, Eklund A M, Scott G P.A catch-free stock assessment model with application to goliath grouper (Epinephelus itajara) off southern Florida[J].FisheryBulletin, 2006, 104(1): 89-101.

[22] Kraak S B, Kelly C J, Codling E A, et al.On scientists’ discomfort in fisheries advisory science: the example of simulation‐based fisheries management‐ strategy evaluations[J].Fish and Fisheries, 2010, 11(2): 119-132.

[23] Kokkalis A, Thygesen U H, Nielsen A, et al.Limits to the reliability of size-based fishing status estimation for data-poor stocks[J].FisheriesResearch, 2015, 171: 4-11.

[24] Carruthers T R, Kell L T, Butterworth D D, et al.Performance review of simple management procedures[J].ICESJournalofMarineScience, 2016, 73(2): 464-482.

Management strategy evaluation of swordfish () in the Western and Central North Pacific Ocean

DAI Xiao-jie1, 2, 3, LIU Yu1, XIA Meng1

(1.College of Marine Sciences, Shanghai Ocean University, Shanghai 201306, China; 2.National Engineering Research Center for Oceanic Fisheries, Shanghai 201306, China; 3.Ministry of Education, Scientific Observing and Experimental Station of Ocean Fishery Resources, Ministry of Agriculture, Shanghai 201306, China)

swordfish; management strategy evaluation; management strategy trade-off; sensitivity analysis

As an eminently migratory fish species, swordfish () is an important division of the Western and Central North Pacific Ocean fish stock that constitutes high economic value.Based on the stock assessment result of the International Scientific Committee for Tuna and Tuna-like Species in the North Pacific Ocean (ISC) with catch data from 1952 to 2018, operating models were created in which stock dynamics of swordfish in the Western and Central North Pacific Ocean were defined by setting a prior parameter.Nine alternative management procedures, Delay – Difference Stock Assessment (DD), Delay – Difference Stock Assessment 4010(DD4010), Geromont and Butterworth Constant Catch (CC1), SBT simple MP (SBT1), Geroment and Butterworth index slope Harvest Control Rule (GB_slope), Index Confidence Interval (ICI), Index Confidence Interval 2 (ICI2), Surplus production based catch-limit modifier (SPmod), and Mean Catch Depletion (MCD) were chosen to be tested in our simulation circulation with 48 simulations of 50 years yield projection.Through the priors of the time series and trade-offs on management procedures, the impact on stock status with the implementation of management procedures was intuitively represented by generating Kobe plots, and ICI was concluded as the best management strategy.Following this, total allowable catch (TAC) calculation was carried out using two time series abundance index data from Chinese Taipei and Japan.TAC results were calculated under the implementation of 4 output-control management procedures (MCD, ICI, ICI2, and SPmod).TAC results of ICI were established as 10 404.48 (6 678.51～ 18 743.22) with a 50% confidence interval.Subsequently, sensitivity analysis on each parameter within ICI was conducted, wherein the results demonstrated that it is sensitive to both catch and abundance index data.

Apr.16, 2021

[Ministry of Agriculture and Affairs National Oceanic Fishery Observer Program, No.08-25]

S932.4

A

1000-3096(2022)03-0111-11

10.11759/hykx20210416001

2021-04-16;

2021-06-08

農(nóng)業(yè)農(nóng)村部國(guó)家遠(yuǎn)洋漁業(yè)觀察員項(xiàng)目(08-25)

戴小杰(1966—), 男, 博士, 教授, 從事漁業(yè)資源研究、漁業(yè)生態(tài)學(xué)研究, E-mail: xjdai@shou.edu.cn; 夏萌(1990—), 通信作者, 男, 博士, 從事漁業(yè)資源研究、漁業(yè)管理研究, E-mail: mengxia.ocean@ gmail.com

(本文編輯: 趙衛(wèi)紅)