环境因子对渔业资源评估的影响及研究进展——基于Citespace的计量分析

张 畅，鲁红月，陈新军,2,3,4

(1. 上海海洋大学 海洋科学学院，上海 201306；2. 上海海洋大学 大洋渔业资源可持续开发教育部重点实验室，上海 201306；3. 上海海洋大学 国家远洋渔业工程技术研究中心，上海 201306；4. 上海海洋大学 农业农村部大洋渔业开发重点实验室，上海 201306)

引 言

渔业资源评估为制定和实施渔业管理措施提供科学依据，是保障渔业可持续利用的重要手段。环境气候因素在鱼类个体的生长、发育、摄食、洄游乃至种群结构变动中都扮演着重要的角色，这也使得越来越多的研究学者将环境因子考虑进渔业资源的评估管理中。随着捕捞的规范化、渔业资源调查工作的不断开展和建模技术的提高，现阶段的结合环境因素的渔业资源评估工作取得了一定的成果。CiteSpace是一款通过科学计量学、数据和信息可视化手段来呈现科学知识结构、规律和分布情况的软件[1]。通过CiteSpace分析得到的可视化图形称为“科学知识图谱”，既能描述各研究之间空间上的结构关系，又能展示各研究在时间上的发展和流动[2]。随着该软件的不断更新，不仅能提供引文的可视化分析，还能对作者、机构、关键词、国家/地区的合作等其他多个方面进行共现分析，Citespace开发至今已在各个学科都有很好的应用[3]。如何科学有效地对已有成果开展阶段性的研究梳理，分析与环境因子有关的资源评估领域中的研究方向和研究热点，成为当前研究亟待解决的命题。因此，本文利用Citespace的文献计量方法对2000年以来基于环境因子的渔业资源评估为主题发表的文章进行量化分析，客观总结该领域的研究现状与趋势，从整体把握其研究现状、梳理发展规律及其存在问题，为后续的深入研究提供基础。

1 数据来源与研究方法

1.1 数据来源

本文以Web of Science Core Collection核心合集数据库为数据源进行主题检索，检索时间跨度为2000—2019年，文献类型选择ARTICLE，主题检索词为TS=(“stock assessment” AND “Environment” OR “climate”)。为确保筛选的文献紧扣主题，研究领域选择如下：Fisheries；Marine freshwater biology; Oceanography; ecology; Environment science; water resources; Biology; Environmental studies。根据以上检索规则得到261篇文献，以“download_”的TXT文本形式导入CiteSpace进行分析。

1.2 研究方法

本研究使用CiteSpace(版本5.5.R2)对检索得到的文献进行可视化分析。在导入CiteSpace前，本文对其进行除重处理，结果显示261篇文献均无重复。在选择文献关键词为分析单元时，由于对相关主题表述存在差异，因此将同义词、近义词等节点进行合并处理。其他设置针对不同研究问题，进行相应选择。

文章被共同引用的次数越多，说明各文章研究方向越相似且联系程度越高，利用CiteSpace进行文献共被引的聚类分析，能挖掘相似文献的共同主题。在共被引可视化图谱分析中，聚类标签的命名通过施引文献中提取的名词性术语确定，该标签可认为是该研究前沿[3]。在文献共被引网络中，文献节点具有连接两个及以上不同聚类的功能，且中心性和被引频率相对较高的节点称为关键节点，寻找关键节点有利于快速确定重要文献。常见的测度文献节点重要性的指标是中介中心性(Betweenness centrality)，当中介中心性≥0.1时，认为其具有较高的中心性。具有较高中心性的文献通常是连接两个不同领域的关键枢纽，在CiteSpace中也称其为转折点[2]。

关键词是对文献核心内容的高度概括和集中描述，并且通过对一组词两两统计在一组文献中出现次数用以测度亲疏关系。通过关键词共现分析来确定该领域中的研究热点，能把握该领域发展过程中所关注的焦点。本次关键词共现网络分析在CiteSpace节点类型中选择“Keyword”(对与作者相关的原始关键词提取)和“Term”(标题、摘要、关键词和索引位置提取名词性术语)，阈值设置中选择“Top 50% per slice”[1]。

2 研究结果

2.1 总体文献分析

2000—2019年共计文献261篇(图1)，具体可划分为两个阶段：2009年以前发文量较少且增长平缓，该领域的相关研究一直较少；2009年开始，文献数量明显上升且增速较快，2019年达到最高峰34篇。261篇涉及78个期刊，387个研究机构，924个作者，300个基金资助机构。

图1 2000—2019相关文献发文量Fig.1 The number of published papers in 2000-2019

在图2作者-机构的混合合作网络中可见，NOAA和University of Washington在整个合作网络中占据较大的节点，处于明显的领先地位，其发文量分别为44篇(节点中心度0.17)和32篇(节点中心度0.13)。在整个合作网络中可以看出，NOAA和University of Washington之间的合作十分密切，而且涉及多个研究机构，形成了一个庞大的合作网络。发文量最高的前两位作者Ander E Punt和James T Thorson也处于该合作网络中。国内研究机构发文量少，研究机构少，主要以上海海洋大学为中心，未形成较广泛的合作规模。

图2 作者-机构的混合合作网络图谱Fig.2 Hybrid network for author-research institution cooperation

2.2 研究前沿与知识基础

在CiteSpace节点类型中选择Cite Reference，阈值选择中设置“Top 50% per slice”。运行CiteSpace并经行聚类分析。其中294个节点，1 111条连线，网络密度为0.026，模块性指标Q=0.69(大于0.30)，平均剪影度指标0.41(大于0.40)，说明该网络图谱的聚类结构十分清晰，可信度较高。在文献共被引知识图谱中，共分为11个聚类模块，如图3所示。聚类模块#3和#7的标签名与包含文章主题不符，故不做分析讨论。

(1)#0 management strategy evaluation& #8 management strategies该聚类模块研究内容相似，故合并分析。在此聚类模块中，各研究通过探究环境因子对补充量的影响，从而研究环境在资源评估上的影响。由于基于环境的评估模型在相对误差和不确定性的方面具有更好的表现和补充量更易受环境影响的特性，考虑补充量与环境关系的评估模型得到了极多的应用[4]。还有在诸如种群综合模型(stock synthesis model)和年龄结构模型的模拟评测中，考虑了补充量受环境因素影响的评估方案均具有较好的表现[5-7]。

(2)#1 biological reference point此聚类模块聚焦于探讨环境变化下对管理决策的影响。相较于传统的渔业管理，使用基于环境因子的管理参考点和控制管理规则，有助于渔业在不断变化的生态环境中创造更大的收益[8]。生态系统评估的中度复杂度模型(Models of Intermediate Complexity for Ecosystem assessments, MICE)解决了基于生态系统制定管理决策的许多障碍，因此该类模型可用于渔业管理和养护的战略输出[9]。除了评估管理模型上的改进，合理的生态区域划分等管理手段都将有助于更好的渔业资源管理[10]。

(3)#2 understanding historical summer此聚类模块主要内容为基于传统评估模型的改进。传统模型的改进主要在两个方面：模型的改进和评估技术的提高。在模型改进方面，模型考虑了更多的层面的需求，例如Kristensen等[11]将空间模型和体长结构模型相结合，用以研究种群中各个体长组的时空分布，结果表明该方法能更好地预测小个体被兼捕的风险。在评估技术的创新方面，譬如，AD Model Builder 和Template model Builder(TMB)的数据处理程序极大的提高了模型整合和处理大量数据的能力[12-13]。Vert-pre等[14]基于大量数据的收集与处理，研究发现渔业产能(可捕生物量)的高低与种群丰度的关系存在多种可能，管理政策应根据不同的情况进行调整。此外，评估模型不断扩展以满足环境、社会、经济等多方面的需求，但其复杂性提高则会导致参数不确定性增加，需要在复杂性和效果之间寻找一个“最佳点”[15]。例如，Thorson等[16]为准确得到控制模型的最佳状态，假定一个物种间没有联系的模型，通过不断增加物种间关联，探究到模型稳定的“最佳点”。

(4)#4 emerging adaptation approaches此聚类模块聚焦于研究海洋鱼类为适应环境气候变化而在群体和个体层面做出的改变。生活海域环境的变化，比如气候变化的剧烈程度、生长季节的长短等，对鱼类迁移和丰度都有明显的影响[17-18]，从而使渔业种群结构、空间分布乃至渔业发展产生变化。以鲭鱼(Scomberscombrus)为例，Astthorsson等[19]研究认为冰岛海域鲭鱼从兼捕渔业发展到经济渔业与海水温度的变化密切相关。

(5)#9 spatial dynamics & #10 stock assessment model此模块研究内容认为环境气候变化可能引起鱼类种群的空间分布变动，从而影响评估结果的准确性。随着近些年来数据收集的健全和建模技术的进步，考虑时空变化的模型发展极为迅速。时空模型可分为两类[11]：一类是通过空间信息技术直接了解种群的移动轨迹和分布。这类模型利用地统计学中的空间结构分析以及异质性分析，将有限的点数据模拟为高精确度的面状分布函数[20]，但这一类方法更适用于数据丰富的渔业。比如，Claisse等[21]利用多种空间数据(卫星图像、海底观测等)和专家判断绘制近岸岩礁生境平面图，结合各个水层的资源调查数据(资源丰度)，计算美丽突额隆头鱼(Semicossyphuspulcher) 和副鲈(Paralabraxclathratus) 的资源量和生产潜力，研究认为美丽突额隆头鱼的资源量在36.9～53.3万t，生产潜力1.35～2.72 × 108cell; 对于副鲈的资源量在66.9～94.1万t，生产潜力4.14～6.10 × 108cell。第二类模型通过合并各类具有空间相关性的数据(如生活史、经济、环境等)综合评估资源量[22-23]，在估算模型参数[24]、理解个体行为对群体乃至管理决策的影响[25]、预测捕捞对生态环境和渔业压力的反应[26]等多个方面都有良好的表现。Hulson等[27]建立多个狭鳕(Gaduschalcogrammus)空间模型(基于年龄结构模型考虑气候变化，季节性迁移等因素)，与原模型(年龄结构模型)进行对比，结果发现空间模型能减少资源量估算的不确定性。

(6)#5 stock synthesis此聚类模块通过对大数据渔业的共同研究，探讨全球渔业面对气候变化挑战时的共性和差异性。从个体来看，全球变暖、海水氧含量下降等环境变化会使全球范围内的海洋鱼类个体的体型缩小[28]。从渔业群体的状况来看，许多研究从渔获物的平均营养级水平、全球捕捞努力量的时空格局等角度出发，探讨全球渔业崩溃的可能性[29-30]。譬如，Costello等[31]研究认为未经评估的种群资源状况远不如有评估的种群，小型和大型种群的资源量都在持续下降。

(7)#6 fishful thinking此聚类模块聚焦于研究捕捞对渔业资源的影响。捕捞活动对于世界渔业都有重大影响[32]。捕捞引起的年龄结构截断可能导致被开发种群稳定性减弱，从而降低了适应环境变化的能力[33]。控制捕捞活动是十分有必要的，在渔业管理中使用适当的管理策略和激励措施有助于渔业的恢复[34]。

在该网络聚类分析中，紫色圆环标注节点为具有主导型地位和学术影响力的关键节点(中介中心性大于0.1)，共11个。在这些节点的文章中，全球渔业的修复和重建得到了极大的关注，主要的原因可能在于全球渔业的重建将极大的提高资源丰度和产量[29]。但渔业修复仍面临较多困难，诸如单纯降低渔业产量不足以支持渔业重建[33]，环境气候因素的变动使得海洋生物多样性会受到明显影响，增加渔业重建的难度[35]。为解决这些困难，更有效促进全球的渔业重建，众多的专家学者也进行了相应的研究。例如，Worn等[33]研究认为需要结合不同的管理行动来实现渔业重建和保护鱼种，特别是一些贫困地区渔业重建更需要用全球眼光积极开展国际间合作，Ricard等[36]开发了一个新的关于商业开发的鱼类和无脊椎动物的数据库the RAM Legacy Stock Assessment Database，用于更好的掌握海洋种群动态和资源状况。

此外，环境气候变化给海洋渔业管理带来了巨大的挑战，一方面环境因素会影响补充量预测(持续性或周期性影响)，另一方面环境气候可能会引起补充量的模态变化(regime shift)，从而对评估和管理都产生影响。模拟不同补充量变动情况，探究管理策略是否足以应对这些变化，为渔业资源可持续利用提供充足的理论基础，也是研究中的重要关注点。Ianelli等[8]基于两种补充量预测方法(1.基于与海表面温度关系；2.传统的补充量预测模式)，模拟观察了多种管理策略下渔业资源的变化。Amar等[4]研究认为补充量受季节性海表面温度、降雨量等环境因素影响，并设计多个评估管理方案，探究现有管理策略的表现。但是，由于补充量受多种因子影响，影响形式多样[17]，并不能通过简单的模拟研究得出最适合管理的“完美”选项，仍需要结合具体物种实际情况经行更多的研究。

图3 文献共被引网络图谱Fig.3 The network of co-references

2.3 研究热点与发展趋势

运行CiteSpace选择“Time Zone”，得到关键词网络时区网络视图(图4)，黄块大小代表该关键词的词频高低。为了更好的分析该领域的发展趋势，将关键词分四个时间来分析2000—2004年、2005—2009年、2010—2014年和2015—2019年(表1)。

表1 2000—2019年文献关键词统计Table 1 Keywords in 2000-2019

(1)2000—2004年为初级阶段。该时期的研究主要处于探讨渔业资源与环境关系的摸索积累状态。该阶段使用方法和研究对象较为单一，主要通过环境数据与渔业数据间的数理关系来进行研究，并没有从具体的影响机制出发讨论两者的内在联系。Klaer等[37]利用多种渔获数据转化成的年丰度指数探究鱼类资源变化趋势，并与多年平均环境因素经行相关性分析。Roel等[38]通过敏感性分析认为海表面温度对补充量存在影响，并以此预测海水温度升高对未来补充的影响。Christensen等[39]建立EwE(Ecopath with Ecosim)模型用于探索捕捞和环境对渔业过去和未来影响。

(2)2005—2009年为不断发展阶段，该阶段在气候变化、捕捞与捕食关系的相互作用上进行了较多的研究。食物网是连接物种间联系的重要渠道在理解和管理生态系统中占重要地位，过度捕捞、环境气候因素通过食物网会对多物种渔业造成的影响[40]，甚至可能导致整个海洋食物网失衡[41]。Jurado-Molina等[42]将捕食关系纳入多物种年龄结构模型中，对比原模型发现，增加了捕食关系的模型能更好地分析捕捞和参数的不确性，更适用于管理决策。Perry等[43]研究认为海表面温度升高很可能通过种群分布和结构变化从而对渔业捕捞产生深远的影响。

(3)2010—2014年为不断拓展阶段。在该阶段关键词迅速增多，研究更为细化。该阶段不仅提出了更多有可能影响渔业资源的环境因子，在应对气候挑战的方法和理论方面也有了更多的研究。除了常见的海表面温度，增加了更能表征物种栖息地环境的因子，例如河口冲淡水的位置、水质透明度、海流等[44]，都被考虑到渔业资源的评估管理中。在应对气候挑战方面，一方面建立权重机制可以在考虑更多的影响要素时避免提高模型复杂性[8]。另一方面，有研究认为确认渔业产量变动是由环境而非捕捞压力导致，区分压力来源是管理策略能成功实施的必要的前提[45]。

此外，该阶段的研究不仅进一步完善了应对气候挑战的理论基础，其中包括提供应对气候变化的一系列渔业政策选择，建立风险和脆弱性的评估和管理决策框架，描述事前和事后可能的策略等[46]。而且研究还表明，经济、社会等其他方面在渔业应对气候挑战中也扮演着重要的角色，Merino等[47]模拟短期(每年)和长期环境气候影响下渔业市场可能会出现的情况，研究发现在面对气候变化时，维持小型中上层渔业资源的可持续利用，更多地取决于社会(管理策略、市场调节)如何应对气候影响，而不是取决于气候变化本身的幅度。

(4)2015—2019年为丰富和完善阶段。该阶段在研究海域、渔业和模型等方面均得到了极大的丰富。一方面，许多新的研究观点被提出，例如Szuwalski等[48]研究认为环境对补充量的影响比对亲体量更大，设定气候生态变化在内的管理目标可能会更好地定义种群的状况。Axel等[49]研究发现褐虾(Crangoncrangon)的捕食者受环境影响种群分布改变，使得原渔区内的褐虾上岸量明显增加，可能存在过度捕捞的风险需要重新进行评估管理。另一方面，渔业研究偏向于多物种、基于生态、结合时空变化的研究。此类模型得到了很大的关注，譬如年龄结构的多物种模型(Multi-species statistical catch at age models, MSCAA)可以量化气候和渔业捕捞对种群的影响，并评估管理食物网中若干种物种[50]；基于生态系统的渔业管理(Ecosystem-based fisheries management, EBFM)方法可以考虑更广泛的目标，并可在模型中包含营养级之间的相互作用和气候变化的影响，基于整个生态系统层面制定管理目标[51]；空间生态系统和种群动态模型(Spatial Ecosystem And Population Dynamics Model, SEAPODYM)也是EBFM模型中的一种主要应用于金枪鱼[52]。

3 总结及展望

本文基于文献计量学和知识图谱研究方法，采用Citespace计量软件，对基于环境因子在渔业资源评估中的研究进行了可视化分析。结果显示该研究呈现如下特点：(1)从研究的整体来看，该领域总发文量在经历多年增速缓慢的酝酿期后，自2009年起发文量明显增加，在今后一段时间内预计会持续高速增长。国际上从事该领域的相关研究机构较多，但主要集中在以华盛顿大学，NOAA为中心的核心学术群体。我国在该领域的研究与其他国家水平还存在一定差距。研究机构和发文数量较少，国际影响力与合作规模都有待提高。建议我国从事该领域方向的研究团队扩大与核心学术国家或机构的合作，提高我国在该领域方向的国际学术影响力。(2)从研究前沿与热点来看，在经过多年的数据(生物数据、渔业数据、资源调查数据)和建模技术的积累，整体的知识架构向更全面更多元化的方向发展。补充群体比亲体群体更易受环境气候影响，而且是整个资源评估中极具估算难度的部分，因此大量的研究都把关注点放在环境对补充量产生持续、周期性和模态变化的影响；环境气候的变化导致种群时空分布产生变化，从而引起了结合时空的评估模型的迅速崛起；从生态角度出发，环境气候对各物种生境产生不同影响，又由于捕食等种间关系的联系，也将对各生物资源量产生影响。全面探讨基于环境气候变化下对补充量、渔业洄游、生态、管理参考点等多方面的影响，有助于更全面的了解和管理渔业。(3)从研究视角看，该研究尺度倾向于大尺度的渔业研究，不仅是多种渔业的综合研究，而且更多的结合了大尺度的时间空间要素。整体渔业的研究探讨了渔业变化的共性，便于在面对气候变化等全球性变化时能提供更好地评估管理意见。大尺度时间空间研究能更好地种群结构动态变化，更大程度上优化评估模型结构。

图4 关键词共现网络图谱Fig.4 The keyword network

尽管集合环境因素的渔业资源评估研究已取得了较大进展，但并未广泛地被各国际渔业组织所应用。主要原因有以下几个方面：(1)许多管理决策本质上都是短期的，以历史捕捞数据(渔获量和捕捞努力量)为依据。环境气候变化本身及其产生的影响都存在不确定性，如何能作为一个有效的数据源放入管理决策中，仍值得思考[8]。(2)虽然环境因子在修正模型参数方面取得一定成果，但高质量的渔业调查数据能够更好地提供种群结构和补充量信息，比环境数据具有更大的价值[11]。(3)环境气候对渔业影响机制不明，考虑环境因素的模型可能无法实现资源的可持续利用[53]。(4)尽管忽略环境对资源评估的影响可能不利于评估管理，但是增加的环境气候因子会提高模型复杂性却不能保证模型性能更优[5,11,28]。

环境对渔业资源评估管理存在影响是毋庸置疑的，因此长远来看该领域研究仍存在很大的发展空间。基于已有研究，建议今后研究可从以下几个方面展开：(1)跨学科交流。种间关系、海洋酸化、海冰下降、全球气候变化及人类活动会通过不同形式对渔业资源产生影响，了解内在影响机制，才能更全面的掌握和管理渔业资源；(2)完善现有模型。随着跨学科研究的深入和日益丰富的观察数据，具有更多功能的模型(考虑多物种、生态、时空变化等)会有更大的发挥空间。合理量化各个环境气候因子，将各种影响转化为可放入模型的数据，在维持模型稳定性的同时加强模型性能等多个方面，都需要进一步加强；(3)建立健全资源环境监测体系。气候环境变化对全球渔业的方方面面都产生了深远的影响，建立健全资源环境监测体系有助于及时了解资源和环境的变动，及时提供应对气候变化的渔业政策选择。此外，建立健全资源环境监测体系能有效避免未评估渔业遭受过度捕捞(兼捕)的危害，为维持海洋生态平衡提供保障。(4)大数据、人工智能和区块链等新技术的应用。大数据、云计算、AI和区块链等都被认为是推动经济社会转型升级的颠覆性技术，在各个领域都得到了很大的应用。以区块链为例，区块链技术具有不可篡改性、公开透明性等特征，甚至可替代传统的数据存储技术，对于全球渔业数据的收集和管理，国际间合作交流都有极大裨益。并且随着python等大数据分析软件的应用，极大的提高了对大数据的抓取和分析效率。在渔业中引入大数据、人工智能和区块链等新技术的应用，有利于推动整体渔业的进步和发展。