数据缺乏资源评估方法在渔业资源养护中的应用研究进展

王 扬，耿 喆，朱江峰，戴小杰

（1.上海海洋大学海洋科学学院，上海 201306）（2.农业农村部大洋渔业开发重点实验室，上海 201306）

准确的资源评估是渔业科学养护和可持续发展的基础，也是制定养护管理措施和设定捕捞配额的主要依据［1］。据联合国粮食及农业组织（Food and Agriculture Organization of the United Nations，FAO）统计［2］，虽然全球渔业中可统计的渔获物种类已从1996年的1 035个物种增加到2018年的2 221个物种，但是大量捕捞数据仍未细分到物种层面，导致能够进行完整资源评估的种群数量仅占5%［3］，这在很大程度上制约了养护措施的有效制订和实施。

美国59%的渔业种群资源评估面临数据缺乏问题［4］；欧洲统计在册的262个种群中有165个种群存在不同程度的数据缺乏问题［5］，导致渔业管理的不确定性增加。美国2006年通过立法，要求联邦政府管辖范围内的所有渔业种群都要进行资源评估或至少设定相应的捕捞限额［4］；智利要求为各个渔业捕捞设定总可捕量（total allowed catch，TAC）［6］。这些都需要研究者去寻找简单、通用、低成本的解决方案来评估资源状况，并依据评估结果提出养护措施。因此，数据缺乏条件下的资源评估方法在近20年迅速发展，部分经过论证的方法也已广泛应用于全球多种渔业。从国内看，我国近海渔获物基本是按产品大类进行统计（如鲨鱼类、鱿鱼类和杂鱼类），很多渔获物缺乏细分到鱼种的捕捞数据［7］，因而难以采用常规的单鱼种资源评估方法进行评估；同时，渔获数据的统计通常基于估算或抽样调查，存在一定的统计偏差［8］。因此，探究适合渔业数据特点的资源评估方法，并以此为基础提出科学有效的养护措施，更有利于渔业资源的可持续利用。

目前国内对于数据缺乏方法的理论研究尚少，耿喆等［9］、王雪辉等［10］、LIANG等［11］应用数据缺乏方法对部分渔业进行了资源评估；耿喆等［12］、石永闯等［13］对常用的数据缺乏方法进行了总结，介绍了各类方法的主要原理及优缺点，但未进一步分析如何利用此类方法的评估结果制定养护措施，也没有为管理者制订管理策略提供直接依据。本文在耿喆等［12］、石永闯等［13］的研究基础上，依据模型的数据需求，将数据缺乏方法分为“基于渔获量的数据缺乏分析法”、“基于体长频率的数据缺乏分析法”和“多鱼种的数据缺乏分析法”3类，并对模型的输入、输出及其优缺点进行了总结。重点探讨如何依据这些方法提出具体的资源养护措施，以及在实践中应注意的问题，以期为渔业资源养护研究提供参考。

1 基于渔获量的数据缺乏分析法

渔获量统计数据是最常见的渔业数据［14］。目前FAO全球渔业统计中，渔获量数据也是最基本的统计资料［15］。因此，针对基于渔获量的数据缺乏评估方法的应用和研究也最广泛。比如，在美国有52%的渔业种群养护依据此类方法设立法定捕捞限额［16］。基于渔获量的数据缺乏分析法主要有CMSY（an extension of catch-MSY）模型［17-18］、COM-SIR（catch only model-sampling importance resampling model）模 型［19］、SSCOM（state-space catch only model）模 型［20］、DCAC（depletion-corrected average catch）模型［21］、DBSRA（depletion-based stock reduction analysis）模型［22］和SSS（simple stock synthesis）模型［23］等。在实践中，也有直接将一定时期（如过去10年）的历史平均渔获量设为管理目标，但这类方法具有较大的主观性，依赖于专家和相关从业者的经验，本文不作介绍。

1.1 方法特点

渔获量是运用这类方法的主要数据资料。CMSY模型需提供一定时间序列的渔获量数据以及种群恢复力信息，可估算出最大可持续产量（maximum sustainable yield，MSY）、MSY状态下的现存生物量（BMSY）以及MSY状态下的捕捞死亡率FMSY等生物学参考点。COM-SIR模型、SSCOM模型通过结合生物量动态模型和贝叶斯时空分布模型，加强了对种群状态的预测能力，可输出与CMSY模型相同的生物学参考点，但这两种方法运算时间较长、计算过程较复杂。

DCAC模型和DB-SRA模型均考虑了自然死亡、生长、补充等生物过程，结果具有更完备的生物学解释［24］，但这类方法比较适用于寿命较长的种群。模型运用需完整时间序列的渔获量数据、详细的生活史信息，以及种群资源丰度信息［25］。DCAC可估算出由作者定义的种群可持续渔获量（yield could have been sustained，Ysust），其估算结果相对于MSY更为保守。DB-SRA模型与DCAC类似，但比DCAC输出更多的生物学参考点，包括MSY、FMSY／M（M为自然死亡率）、BMSY／B0（B0为初始生物量或环境容纳量）及目前种群损耗水平（depletion level）［12］。SSS模型是在DB-SRA模型的理论基础上结合了简化的年龄结构模型。通过种群的生物学信息构建年龄结构数据，可估算更具有生物学意义的MSY。

1.2 资源养护措施

上述基于渔获量的数据缺乏分析法得到的主要结果是MSY和与MSY相关的生物学参考点，因此，这类方法适合在产出管理体系（outputcontrolmanagement）中应用，即设定捕捞限额。与MSY相关的生物学参考点可考虑作为管理参考点，主要有：过度捕捞限额（overfishing limit，OFL）、生物学可捕量（acceptable biological catch，ABC）、年捕捞限额（annual catch limit，ACL）和年目标捕捞量（annual catch target，ACT）。OFL是长期以MSY水平进行捕捞（捕捞死亡率F＝FMSY）的年产量预计值，当产量超过OFL时，认为会发生过度捕捞（overfishing）；ABC的上限为OFL，与OFL相比，其增加了对科学不确定性的评估（科学不确定性来源有：评估模型的结果误差、评估更新时间滞后以及潜在环境影响等），ABC的值通常低于OFL；ACL概念与总可捕量（TAC）一致，ACL的设定旨在确保渔业资源不发生过度捕捞，因此ACL的值一般等于或小于ABC；ACT作为ACL的缓冲量，增加了对于管理不确定性的估算（管理不确定性的来源有：渔获量数据迟报、误报、少报等），一般认为是最安全的管理目标。

处于MSY状态下的种群虽可获得最大可持续产量，但建议将种群大小控制在BMSY之上作为管理目标，既可以提高经济效益，也能提供缓冲空间。因此，通常使用MSY的值设定OFL，在OFL确定之后，管理者需考虑渔业管理中的不确定因素（例如种群繁殖能力变化造成的过程误差、数据有误、数据与模型结构不相符等问题［26-27］），取一定比例的OFL作为管理指标。例如，美国北太平洋渔业管理中心（North Pacific Fishery Management Council，NPFMC）取0.75OFL作为ABC［4］，且经过研究表明，在OFL和ABC之间使用25%的缓冲区可使过度捕捞的概率大幅降低，且产量仅小幅下降［28］。除考虑科学方面的不确定因素之外，还应考虑社会、经济以及在政策实施过程中的不确定性因素［29］，设定等于或低于ABC的管理指标作为ACL。在一些实践中，捕捞量一旦超过ACL就会采取措施，例如强制减产或关闭渔场［30］。因此，对于处在正常监测状态下的渔业资源，以ACL值作为捕捞限额来管理渔业较为安全。ACL的设定可以有效的防止过度捕捞，有助于资源重建［4，31］。由于数据可靠性较低，建议对数据缺乏种群的管理目标设定较大的缓冲空间。

2 基于体长频率的数据缺乏分析法

体长数据的测量和收集具有操作简单、直接、成本低等优势，可快速从港口采样、渔业观察员观测数据中获得［32］。因此基于体长的数据缺乏方法在近些年发展迅速，很多情形下与渔获量模型的评估能力相当［33］。

2.1 方法特点

LBSPR（length-based spawning potential ratio）模型［34］是目前较为常用的方法。该方法假设种群状况为平衡状态，通过比较基于体长数据获得的产卵潜力与初始种群的产卵潜力来判断种群状况。LBSPR需要的数据除体长及体长频率数据（length frequency data）外，还需要M／k（M为自然死亡率；k为Von Bertalanffy方程的生长系数）、L∞（极限体长）、极限体长变异系数（CVL∞，通常设置为10%）、L50和L95（50%和95%的种群个体达到性成熟的体长）。LIME（length-based integrated mixed effects）［35］不再要求假设种群处于平衡状态，增加了对补充量、捕捞死亡率和其他生物过程随机变化的考量，数据需求和主要结果与LBSPR模型类似。

LBRA（length-based risk analysis）模型［36-37］增加了风险评估，依据捕捞死亡率和种群亲体量的概率分布，评估发生过度捕捞的风险。根据模型评估结果，可为种群构建基于捕捞死亡率和亲体量的可持续性参考点（FREF、BREF）。LBB（length-based Bayesian approach）模型［38］可估算当前种群生物量与未发生捕捞时的生物量比值B／B0（或B／BMSY），从而判定种群状况。LBB模型需要能够代表开发阶段的种群体长数据，并且要求种群补充量或死亡率没有出现突然增长或减少的异常值，否则模型可能表现不佳。

2.2 资源养护措施

运用基于体长频率的数据缺乏分析法时，一般将产卵潜力（spawning potential ratio，SPR）作为提出决策建议的基础［39］。SPR定义为在一定捕捞压力下（F＞0），当前种群的繁殖潜力（potential fecundity，P）与未发生捕捞种群（F＝0）繁殖潜力的比值（SPR＝Pfished／Punfished）。其中，繁殖潜力指在不考虑密度制约的情况下，补充量群体的潜在产卵量。在实践中，通常将SPR的值为30%时设为限制性参考点，种群状态若低于该参考点，说明渔业资源处于高度开发状态；SPR为40%时通常设为目标参考点，认为等同于MSY状态，可获得最大可持续捕捞量［40］；SPR高于40%说明种群状况良好［41-42］。运用LBSPR、LIME和LBRA均可得到相应的SPR管理参考点。另外有研究表明，养护措施中设置最小可捕体长（minimum size limit，MSL）为120%L50，可使SPR提升20%，且能使种群保持可持续状态［43］。在管理密西西比河的斑点叉尾鮰（Ictalurus punctatus）时，曾采用SPR进行渔业状态判定，通过种群中最低SPR值判定资源状况，并决策捕捞行为是否需要关闭［44］。

运用LBB模型可通过体长数据及标准渔业方程获得B／B0，来判定种群动态。通常将B／B0等于0.2作为限制性参考点，B／B0等于0.4作为目标参考点［38］。除种群状态判定，LBB模型还可以得到生物学参考点Lc（50%个体可被渔具捕获的体长值）、Lopt（可获得最大可持续产量的体长值）以及Lc_opt（可保持种群处于健康状态且捕捞量接近最佳的体长值）。该方法已应用于中国黄海、渤海的一些沿海水域鱼类种群及无脊椎动物种群的资源评估中［11，45］。

另外，Pmat（性成熟个体所占比例）、Popt（最佳体长捕获个体所占百分比）及Pmega（体长大于1.1Lopt百分比）等也可以作为参考点来监测种群开发程度［46］。管理者依据模型给出的参考点，可采取输入控制管理方法（input-controlmanagement），即控制捕捞努力量。可采用限制网目大小、限制渔具类型、减少渔船数量以及产卵季节禁止捕捞等措施调整种群的渔获体长组成［47］。

3 多鱼种的数据缺乏分析法

多鱼种渔业为一种渔业可同时捕获多个鱼种，可获得的渔业数据（如渔获量）为多个鱼种的总和，未细分到单一物种，上述应用于单鱼种的方法无法直接应用到多鱼种渔业资源评估和管理中［48］。

3.1 方法特点

主要分为两大类分析方法：

第一种方法为在某一特定区域内对集合鱼群进行评估。SHERTZER和WILLIAMS［49］提出了集合鱼群（fish assemblages）和指示鱼种（indicator species）的概念，可通过聚类分析（cluster analysis）划分集合鱼群，选择一种或多种数据相对丰富且能反映集合鱼群资源量整体趋势的指示鱼种作为代表，通过判定指示鱼种的种群状态来推断集合鱼群的种群状态。该方法可对整个研究区域是否出现过度捕捞进行定性分析，但无法给出量化的管理参考点。HALLS等［50］提出了基于渔获量和捕捞努力量关系（catch-effort relationship）的方法。在现行的养护措施中，通过限制捕捞强度降低死亡率仍是常见的管理策略，支持此类决策需了解努力量的变化对渔获量的潜在影响，制定合适的捕捞强度使可捕渔获量能够保持在MSY范围内。HALLS方法仅需收集整个区域内所有物种的总渔获量和总努力量，使用每单位区域渔获量（catch per unit area，CPUA）作为资源丰度指数，通过剩余产量模型估算CPUA与渔船密度之间的关系，从而得出该区域内能维持最大可持续产量的渔船密度。但由于HALLS方法无法考虑种间关系对种群的影响，在给定的捕捞水平下，某些物种可能会受到较严重的影响，并且渔获量和种群的物种组成也会发生变化。

另一种为基于生态系统的多鱼种评估模型，考虑了物种间捕食者和被捕食者的相互关系（predator-prey interactions），主要的代表模型为MSVPA（multispecies virtual population analysis）模型［51］。MSVPA结合了多鱼种种间食物利用率和单鱼种VPA（virtual population analysis）评估方法，可定量地分析种间捕食关系，估算鱼种的资源量、捕食死亡率、食物利用率等。MSVPA结合多鱼种预报模型MSFOR（multi-species forward）还可进行中长期的资源预测。MSCAA模型（multi-species statistical catch at age model）［52］在MSVPA的基础上增加了气候变化对种群关系影响的定量分析，可构建基于多物种的生物学参考点（multi-species biological reference point，MBRP）。

IAM模型（impact assessmentmodel）［53］与经济动态相结合，可结合种群生物学、渔获产量、渔船总数、从业人数和船员薪水等多方面信息，考虑到了多种渔业以及多个鱼种的影响，但仅估算其中具有经济价值的主要鱼种的MSY和最大经济产量（maximum economic yield，MEY），将其他兼捕类鱼种的信息设为常数，且需要依赖群落中各鱼种的生物学信息。PSA（productivity and susceptibility analyses）［54］是一种半定量的快速风险评估工具，通过评分机制计算种群生产力（productivity）和对相关渔业敏感性（susceptibility）的属性值得分，将得到的结果以图形的方式显示在散点图上。生产力得分低且敏感性得分高的种群被认为处于资源衰竭的高风险中，而生产力得分高且敏感性得分低的种群面临资源衰退的风险较低。该方法可用于筛选亟需资源评估的鱼种，或者判定各鱼种进行资源养护的优先级［54-55］。为了测试PSA方法的有效性，美国科学家评估了6种美国境内渔业，其中包含162个种群，这些种群具有不同程度的生产力和敏感性。测试结果认为PSA可有效的帮助决策者制定养护措施（尤其在数据缺乏的情况下），并且有助于确定种群所需保护及预防措施的必要性［56］。

3.2 资源养护措施

在实际渔业中，很难有足够的资源和资金来单独监测、评估和管理每一种鱼类，因此指示鱼种的概念为数据有限的群落养护提供了一条可行的捷径［49］。管理者可通过种群特征（如生活史、营养级或栖息地范围）的相似性划分管理单元，在理想情况下，每个管理单元中应至少包含一种数据较为丰富、可以进行资源评估并能代表整个单元状态的指示鱼种。管理者可依据指示鱼种的种群状态对整个管理单元采取养护措施。然而，由于部分区域的物种种间结构松散，不能轻易划分出集合鱼群［57］；且一些指示鱼种在管理单元内与其他物种存在共生关系，各个物种在应对竞争、捕食和环境等变化时的模型响应也存在差异，仅凭指示鱼种的资源趋势很难推断出集合鱼群中其他物种的种群动态趋势［58］。因此，在使用此方法时仍需管理者谨慎定夺，可作为预防性措施进行管理。同时，减少兼捕、控制跨物种捕捞可对集合鱼群管理产生积极影响。澳大利亚使用指示鱼种方法管理西部渔业（尤其是深海底栖鱼群）已超过20年，该方法的使用便于渔业利益相关者理解和接受，得到了广泛应用［59］。巴伦支海是大西洋鳕（Gadus morhua）、大西洋鲱（Clupea harengus）、黑 线 鳕（Melanogrammus aeglefinus）等鱼种的主要产卵场和摄食场，其渔业资源养护也采用了集合鱼群和指示鱼种方法。主要使用聚类分析法将海域内鱼群分为4个群落：北部群落、南部群落、深海群落及中部群落，为降低研究成本，通过监测主要商业鱼种的资源状况，对整个群落进行资源养护［60］。

运用基于生态系统的MSVPA类方法，需掌握群落内各种群的营养关系，确定捕食者与被捕食者之间的相互关系，除此之外还需各种群的资源丰度数据、自然死亡率、生长曲线等较多信息，因此该方法通常适用于有长期调查数据的多鱼种状况。如需获得更精准的管理信息，应加强生物学数据的采集及研究，渔业数据统计尽可能具体到比较多的物种，为多鱼种渔业养护提供数据基础。

4 展望与建议

本文综述的3类方法分析过程中的多个环节仍有众多不确定性来源，需要尽可能多地采集生物学、渔业相关数据，降低决策风险。

除了通过加强相关数据的收集，研究方法上的改进也能在一定程度上促进上述方法在渔业管理应用中的效果。有两种常见方案可以考虑，一是采用分级贝叶斯框架（hierarchical Bayesian framework），将收集到的可用信息整合到信息先验中。经过同行评审的出版物和公开数据库（例如Fishbase）是常见的信息收集来源。先验信息在模型分析中的应用可以提高评估结果的准确性，但同时也要注意信息可靠性，否则会增加运算量并降低后验信息的更新，难以对结果有实质性改进。二是采用管理策略评价（management strategy evaluation，MSE）方法，MSE是测试潜在管理策略的模拟方法，可以测试管理策略在各种不确定性条件下的执行能力，找出较为安全稳定的管理策略。建议将采用MSE作为运用数据缺乏方法进行管理决策的必要过程，并结合捕捞控制规则（harvest control rules，HCRs）的合理设计和渔业从业人员的参与，提高资源养护措施的可控性和透明度，降低渔业管理的风险，提高数据缺乏情形下渔业种群的管理效果。