海洋渔业生态安全驱动因子分析

于 淼

辽宁师范大学地理科学学院，辽宁 大连 116029

0 引言

近年来，人类在沿海地区活动频繁，开展了航运、捕鱼、娱乐等活动，海洋经济已成为许多国家经济的重要组成部分，也是人类可持续发展的重要贡献者。尽管这些活动给人类带来了好处，但是由此产生的长期累积压力，包括噪声、过度捕捞、栖息地破坏和污染等，也以协同或对抗的方式改变了海洋生态系统［1-2］，导致生态系统基线发生变化。此外，人为压力的快速增加影响了水生物种、群落和生态系统［3］。“碳达峰”和“2030 年可持续发展议程”等全球可持续发展目标对海洋渔业产业发展提出了新的要求，加快了海洋渔业经济的转型和升级。有效利用海洋资源，在保持海洋渔业经济快速增长的同时减轻环境压力，改善海洋渔业生态安全，是海洋渔业经济发展需要解决的重要问题。因此，构建支持海洋渔业协调发展的海洋渔业生态安全评估模型，为合理有序的海洋渔业开发提供理论依据，已成为服务我国海洋生态文明建设、保障国家粮食安全、实现海洋渔业可持续发展中亟待解决的问题。鉴于此，笔者基于状态—胁迫—免疫（State-Danger-Immunity，SDI）模型构建我国海洋渔业生态安全评价指标体系，对影响我国海洋渔业生态安全水平的关键驱动因素进行识别并展开讨论。

1 研究方法与数据来源

1.1 评价指标体系构建

笔者以SDI 模型［4］为基础，构建海洋渔业生态安全评价指标体系（见表1）。SDI 模型将海洋渔业生态安全演变分解成海洋渔业生态环境状态、海洋渔业生态环境胁迫与海洋渔业生态环境免疫3 个方面。其中，生态环境状态是指生态系统当前的基本状况、初级生产力及提供服务的能力，是海洋渔业生态安全稳定的基础。该研究采用确权海域面积/地区人口数量、海洋渔业从业人员、海洋渔业经济年增加产值/海洋渔业经济年产值、海水产品产量/水产品产量、滨海湿地面积/地区人口数量对海洋渔业生态环境状态进行量化评估。生态环境胁迫是指多重自然和社会因素扰动对海洋生态环境施加的压力，反映生态环境的敏感性。该研究选取现代海洋渔业资源生态位宽度、海水污染压力指数，渔业灾害造成的经济损失，近岸海域三、四类水质海域面积/总海域面积，年度填海造地面积/海域总面积来表征海洋渔业生态环境胁迫。生态环境免疫是指人类会采取一些措施来改善海洋生态环境，增强其抵御风险的能力，并在受到扰动后恢复其生态系统原有结构和功能。采用水产技术推广机构密度、海洋渔业产业结构转换速率、海洋自然保护区面积、海滨观测台数量、海洋环境质量指数来衡量海洋渔业生态安全免疫。

表1 我国海洋渔业生态安全评价指标体系

1.2 研究方法

1.2.1 基于人工鱼群算法优化的投影寻踪综合评价模型

作为数理统计中的一种聚类分析方法，投影寻踪模型可以同时用于探索性分析和确定性分析［5］。它用于将高维数据投影到低维空间，并研究投影的特征值，以反映低维空间中的高维数据结构或特征，从而降维。海洋渔业生态安全的测度与评价很难寻求可参照最优解，或根据经验划分明确阈值，而投影寻踪模型相较于传统方法更适于自动识别多指标集成的综合评价结果。基于高维非线性系统的投影寻踪技术，存在计算复杂度高、优化精度过低及投影的最优解缺乏等问题。因此，为了实现优化效果好、结果精度高、算法收敛速度快的目标，引入人工鱼群算法求解。人工鱼群算法的灵感来源于自然界鱼群的生态学行为，即捕食、群集和跟随行为。作为一种有效的群体智能方法，人工鱼群算法被广泛应用于解决现实世界的优化问题［6］。总之，笔者采用使用基于人工鱼群算法（Artificial Fish Swarm Algorithm，AFSA）优化的投影寻踪模型测度我国海洋渔业生态安全水平。基于人工鱼群算法优化的投影寻踪综合评价模型构建过程参考文献［7］。

1.2.2 基于SHAP的可解释性随机森林模型

随机森林模型是Breiman在2001年提出的一种基于分类树的机器学习算法［8］。该算法具有优越的分类精度、高泛化性能、输出的鲁棒性、低噪声（低偏差和低变化结果）等应用优势［9］。其基本原理是通过Bootstrap 抽样技术从原始样本中提取多个子样本，并通过决策树CART（Classification and Regression Tree）算法对每个样本进行建模，然后将这些决策树组合起来生成随机森林，通过投票获得最终预测。然而，机器学习模型作为一种黑箱预测，缺乏为特定需求收集线索的可解释性。因此，笔者引入SHAP（SHapley Additive exPlanations）概念来确定哪些因素有助于海洋渔业生态安全水平的提升及这些因素的重要性。SHAP 是一种用于解释机器学习模型预测的方法。其基于博弈论中的Shapley值概念，使用合理的方式将贡献值分配给每个特征，以解释模型预测结果。基于SHAP 的可解释性随机森林模型构建过程参考文献［10-11］。

1.3 数据来源

该研究涉及的指标数据主要来源于《近岸海域环境质量公报》《中国渔业统计年鉴》《中国海洋统计年鉴》《中国海洋年鉴》《中国统计年鉴》《海域使用管理公报》《中国海洋生态环境状况公报（Autoregressive Integrated Moving Average）》及沿海各地区统计年鉴，采用线性插值法或ARIMA 预测模型来补全矫正个别缺失和错误数据。因缺少相关数据，该研究不涉及我国香港、澳门、台湾。

2 研究结果与分析

为了揭示影响海洋渔业生态安全水平的关键驱动因素，笔者引入基于SHAP的可解释性随机森林模型，对投影寻踪模型测度的影响沿海各地区海洋渔业生态安全水平的关键驱动因子进行识别。由随机森林模型推导出的SHAP值如图1 所示。图1 中每个协变量的全局重要性被视为该协变量在所有给定样本上的平均绝对值，预测值按照全局重要性的顺序从上到下列出。图1 显示，海洋渔业科技创新和技术推广能力、海洋渔业产业资源综合利用水平、海洋渔业就业活力、海洋渔业自然环境综合治理水平是影响我国海洋渔业生态安全水平的关键驱动因子。

图1 所有样本协变量的绝对平均SHAP值

3 研究结论与政策建议

3.1 研究结论

笔者基于状态—胁迫—免疫模型构建我国海洋渔业生态安全水平综合评价指标体系，考察2008—2021年我国沿海11 个省（自治区、直辖市）的海洋渔业生态安全水平，并应用基于SHAP 的可解释性随机森林模型对影响我国海洋渔业生态安全水平的关键驱动因素进行识别。结果发现，海洋渔业科技创新和技术推广能力、海洋渔业产业资源综合利用水平、海洋渔业就业活力、海洋渔业自然环境综合治理水平均对我国海洋渔业生态安全水平的提升产生显著的正向影响，是影响我国海洋渔业生态安全水平的关键驱动因子。

3.2 提升我国海洋渔业生态安全水平的建议

3.2.1 提升海洋渔业科技创新和技术推广能力

现如今，我国海洋渔业产业自主创新能力仍显薄弱，与先进国家相比尚有较大差距。对此，我国应加大对海洋渔业技术研发的资金投入力度，整合科学研究机构、高等院校和渔业龙头企业等科研资源，建立跨领域合作机制和技术研发平台，以推动新技术产生，支撑和引领现代渔业高效发展。同时，我国应强化推广机构的公益性职能，加快完善海洋渔业全链条技术服务体系，以促进技术推广应用，为现代渔业建设、渔业增效和渔民增收提供强有力的技术支撑。

3.2.2 提升海洋渔业产业资源综合利用水平

渔业资源枯竭及海洋渔业产业粗放、不平衡和不可持续发展对海洋渔业生态安全产生了负面影响。对此，我国海洋渔业部门应加快水产品加工业升级，促进产业融合发展，加强低值水产品和加工副产物的高值化开发和综合利用；发展循环经济模式，并引导加工业向生物能源开发、海洋化工、海洋生物制药、基因工程和功能食品等领域拓展，提高资源利用的综合效益。

3.2.3 提升海洋渔业就业活力

我国海洋渔业是一个庞大的行业，涉及众多的渔民群体。这些渔民从事捕捞、养殖等渔业活动，为保障我国人民的食品安全贡献了力量。然而，渔获量的季节性、商品的易腐性、市场价格波动和渔业作业的危险性等因素的综合作用使捕鱼和相关职业的收入变得不确定。我国海洋渔业部门应深入实施海洋渔民素质提升工程，加快培育懂技术、善经营、会管理的新型高素质职业海洋渔民，促进我国海洋渔民从传统型向职业型转化；出台就业指导和就业咨询等政策，为海洋渔民提供就业支持与保障，助推渔民创业就业增收。

3.2.4 提升海洋渔业自然环境综合治理水平

综合治理海洋自然环境是一个复杂且长期的过程。我国应加强海洋环境保护相关法律法规的制定和修订工作，不断推进人工鱼礁、国家级水产种质资源保护区、海洋牧场及国家级水生生物自然保护区建设；增加对海洋环境监测技术和设备的投入，提高对海洋水质、温度、盐度等关键参数的监测能力，以便及时掌握海洋环境变化，并采取相应的管理和保护措施；强化对海洋污染源的管控，推广清洁生产技术，提高污水处理和废弃物处理效率；实施海洋重要生态区域修复项目，恢复受损的海洋生态系统，促进我国海洋渔业生态安全与可持续发展。