《ICES Journal of Marine Science》:A new Bayesian catch curve stock assessment model for the analysis of length data from multi-gear fisheries
编辑推荐:
本文推荐一种新的贝叶斯长度捕捞曲线模型(fishblicc),该模型通过整合多渔具的长度组成数据,解决了数据有限渔业中死亡率随长度变化的估计难题。研究利用印度洋黄鳍金枪鱼渔业数据验证表明,该方法能准确估算产卵潜力比(SPR)和单位补充量渔获量(YPR),为多渔具选择性模式分析提供了灵活框架,对制定基于选择性调控的管理措施具有重要意义。
在全球渔业资源管理中,数据有限的渔业长期面临评估难题。长度频率数据因其采集成本低、易获取而成为重要信息来源,但传统方法如LB-SPR(长度产卵潜力比法)和LBB(长度生物量分析法)多假设单一渔具且选择性模式固定,难以应对多渔具渔业中复杂的选择性差异。例如,流刺网等渔具常呈现穹顶型选择性,而拖网则多表现为逻辑斯蒂型,这种差异导致现有模型在整合多源数据时需剔除部分信息,降低评估精度。更关键的是,渔业管理不仅需判断资源状态,还需通过技术措施(如网目尺寸调整)优化选择性,但缺乏能同时估计多渔具选择性与资源状态的实用工具。
为此,Paul A.H. Medley开发了一种贝叶斯长度捕捞曲线资源评估模型(fishblicc),通过将长度数据按渔具分类,直接估计长度特异性死亡率,并计算产卵潜力比(SPR)和单位补充量渔获量(YPR)等管理指标。该模型假设种群处于稳态,个体生长符合von Bertalanffy模型且渐近体长(L∞)服从伽马分布,死亡率在长度区间内恒定。其创新性在于支持逻辑斯蒂、正态和双峰正态等多种选择性函数及其混合形式,可灵活描述复杂渔具的选择性模式。研究通过模拟分析和印度洋黄鳍金枪鱼实际数据验证表明,模型在多渔具场景下较传统方法更具鲁棒性,尤其能为选择性调控措施提供量化依据。
关键技术方法
研究采用个体基础模型(IBM)模拟三种生活史类型(短、中、长寿命)鱼类的种群动态,通过“virtualPop”函数生成稳态下的长度频率样本。模型核心基于长度区间捕捞曲线理论,利用高斯-拉盖尔数值积分计算个体存活概率,并通过负二项似然函数拟合观测数据。选择性函数参数(如位置参数Sm和陡度参数Ss)通过马尔可夫链蒙特卡洛(MCMC)估计,同时引入过度离散参数(φ)处理观测误差。印度洋黄鳍金枪鱼的案例分析整合了7种渔具(如围网、延绳钓)2014-2018年的长度组成与捕捞量数据,优先通过试错法确定各渔具的选择性混合模型。
模型理论基础与假设
模型基于稳态假设,将von Bertalanffy生长函数与伽马分布的渐近体长变异结合,推导出个体在长度区间的存活概率公式。关键方程通过积分计算从初始体长L0到目标体长Ln的累积存活率,其中死亡率Zi为自然死亡率Mi与捕捞死亡率Fi之和。捕捞死亡率通过可分离模型计算,即各渔具的选择性函数与其顶端捕捞死亡率Fj的乘积。该框架允许不同渔具的选择性函数以混合形式叠加,从而更灵活地捕捉实际渔业中多峰长度频率的成因。
模拟验证与性能比较
通过500次模拟实验,将fishblicc与LB-SPR在单一渔具(逻辑斯蒂选择性)场景下对比,两者对SPR的估计偏差相近(MRE为4.39%-11.30%),但fishblicc在误设选择性模型时误差显著增大。例如,当真实选择性为穹顶型而误用逻辑斯蒂函数时,SPR估计偏差高达95.28%,凸显了正确设定选择性模型的重要性。
在多渔具情景中,若渔具选择性互补(如逻辑斯蒂与正态型组合),SPR估计误差(MRE≤1.1%)显著低于误设模型(如双正态组合误差达40.1%),表明多源数据可通过互补性提升评估稳定性。
印度洋黄鳍金枪鱼案例应用
利用2014-2018年7种渔具的长度频率与捕捞量数据,模型成功拟合了各渔具的选择性曲线和SPR后验分布。
结果显示,延绳钓(LL)和手钓(HD)的选择性高度重叠,而饵钓(BB)与集鱼装置围网(PS-LS)共享双组分选择性函数,可能源于其共同捕捞与鲣鱼混群的幼鱼。
通过移除单一渔具的模拟分析,量化了渔具间相互作用:例如关闭饵钓可使其他渔具YPR提升1.42-3.97克,同时SPR增加1.41%,为管理措施提供 trade-off 依据。
SPR后验分布表明资源状态可能低于目标水平(80%可信区间16%-34%),与完整评估结果(24%-38%)接近,但敏感性分析强调先验参数(如L
∞和M/K)对结果影响显著。
结论与展望
该研究提出的贝叶斯长度捕捞曲线模型突破了传统方法在复杂选择性建模中的局限,通过整合多渔具数据与灵活的选择性函数,为数据有限渔业提供了可靠的SPR/YPR估计工具。案例分析表明,模型能识别渔具间生态交互作用,支持基于选择性调控的管理决策。然而,稳态假设与先验参数敏感性仍是主要不确定性来源,未来需结合时间序列数据进一步验证模型在非稳态场景下的适用性。模型的R包(fishblicc)开源发布,将促进该方法在区域性渔业管理中的推广应用。