美国西海岸底层鱼类渔业的职业识别与分类
《Fisheries Research》:Identifying and classifying métiers for the US West Coast groundfish fishery
【字体:
大
中
小
】
时间:2026年07月02日
来源:Fisheries Research 2.6
编辑推荐:
威尔·帕特罗内 | 安德烈·E·庞特
华盛顿大学水生与渔业科学学院,美国华盛顿州西雅图市,邮编98185-5020
摘要
在美国西部海岸由联邦政府管理的底层鱼类渔业中,共有100多种鱼类。基于最大可持续产量对应的生物量指标来设定单一物种的管理目标,可能无法全面反映这
威尔·帕特罗内 | 安德烈·E·庞特
华盛顿大学水生与渔业科学学院,美国华盛顿州西雅图市,邮编98185-5020
摘要
在美国西部海岸由联邦政府管理的底层鱼类渔业中,共有100多种鱼类。基于最大可持续产量对应的生物量指标来设定单一物种的管理目标,可能无法全面反映这一本质上属于多物种的渔业状况。我们采用聚类大型应用算法(CLARA)对捕捞记录进行了行业分析,并将这些集群进一步细化为不同的渔业类型。研究选取了2011年至2023年的捕捞数据,以分析自2011年实施个体捕鱼配额制度以来的渔业发展趋势。通过筛选不同渔具和物种,最终确定了31种鱼类和12种渔具类型,这些鱼类和渔具共同占据了总船上收入的99%。此外,还将渔具、捕捞月份和港口等因素组合,形成了17个独特的集群,进而归纳为4种渔业类型。这四种渔业类型分别对应太平洋鳕鱼中层拖网渔业、黑线鳕笼捕渔业、延绳钓及定置钓渔业、底层鱼类拖网渔业以及比目鱼拖网渔业。这一分析结果使我们能够从多物种的角度审视美国西部海岸底层鱼类渔业的捕捞情况,也为未来多物种管理提供了基础。
引言
在为渔业选择管理措施时,准确掌握船队特征以及主要目标物种之间的相互作用至关重要。其中一项重要工作就是识别“渔业类型”,所谓渔业类型指的是“在一年中的特定时段和/或特定区域内,使用特定渔具针对特定物种群进行捕捞的一系列作业活动”(Deporte等人,2012)。自2010年代初以来,利用渔业类型对捕捞活动进行分类已逐渐成为常规做法(例如González-álvarez等人,2016;Briton,20191;Pascoe等人,2022)。渔业类型有助于将通常极为复杂且维度较高的渔业数据简化为便于分析的集群(O’Farrell等人,2019)。不过,单个船只、渔具和物种并不一定只属于某一种渔业类型。例如,González-álvarez等人(2016)发现,在西班牙西北部的传统渔业中,每艘船每年通常会参与1至6种不同的渔业类型;而在Pascoe等人(2022)对澳大利亚SESSF渔业的研究中,每种渔具类型和目标物种以及其他作为副渔获的物种都出现在多种渔业类型中。
某一渔业内的捕捞行为受多种因素影响,包括渔民的个人目标和价值观、目标物种的市场价格,以及各种生态、社会和经济变量(Boonstra和Hentati-Sundberg,2016)。渔业管理的一个重要方面是社会因素——渔民依靠捕鱼养活自己和家人,因此了解管理措施如何影响他们的捕捞决策是渔业管理中必须考虑的问题(Branch等人,2006;Hilborn,2007)。因此,有效的渔业管理需要了解人类行为(Hilborn,2007),而渔业类型分析试图直接或间接地捕捉这种行为(例如Pascoe等人,2022;本研究)。在渔业管理中纳入社会文化变量正日益受到重视(Abernethy等人,2007;Boonstra和Hentati-Sundberg,2016;Nielsen和Christensen,2006;Schadeberg等人,2021)。渔业类型分析不仅关注个别鱼类种群,还将渔民的行为视为管理者需要考虑的另一个维度,所有渔业数据都受到这种选择压力的间接影响——渔民会选择最符合其社会、环境和经济目标的物种进行捕捞。渔业类型分析认识到,渔业的影响并不仅限于目标物种,因为还涉及到人类的活动,即渔民的选择压力(Tserpes等人,2006)。Schadeberg等人(2021)指出,目标物种的选择并非仅仅出于利润动机,社会因素也会对选择偏好产生重要影响。Lahellec等人(2025)进一步证实,渔民日常及多年来的决策受个人偏好和社会变量共同驱动。随着社会层面的变化,捕捞策略也可能随之改变,这就需要重新调整渔业类型。这些变化会影响渔业的捕捞物种数量和渔具构成,而这些正是构成渔业类型的基础。
决定渔业类型的因素并非只有社会因素,生态因素也会改变捕捞物种的构成。海洋生态系统是动态变化的(Fogarty等人,2016),这可能导致基准条件发生变化(Thrush和Dayton,2002),进而影响具有商业价值的物种的种群规模。关键物种的种群结构变化可能会对其他物种产生连锁反应,甚至导致它们改变栖息地(例如幼鱼的栖息地变化——Love等人,2024)。例如,在过去50年里,东北太平洋地区就发生了多次生态格局转变(Beaugrand等人,2015),这些变化极大地改变了生态系统的结构,也可能促使管理措施进行调整(Demirel等人,2023)。
目前,已有许多渔业通过各种聚类算法被划分出不同的渔业类型。例如,Russo等人(2016)使用无监督机器学习算法——自组织映射,从未标记的数据中识别出渔业类型。层次聚类分析及其变体也常被用于对渔业类型进行分类。Lee等人(2021)利用层次聚类分析了台湾混合拖网渔业的捕捞活动,Lewy和Vinther(1994)则用相同方法分析了丹麦北海的拖网渔业,而Ruiz等人(2021)则借助层次聚类分析了西班牙比斯开湾的围网渔船队。另一种聚类算法是围绕中心点的分区聚类,它是k均值聚类的变体。Parsa等人(2020)使用该算法对澳大利亚东部金枪鱼和长尾鱼渔业进行了分类,Duarte等人(2009)则用它对葡萄牙的198种具有商业价值的物种进行了分类。渔业类型分析通常应用于混合渔具的渔业,但也有一些案例是针对单一渔具的渔业。例如,澳大利亚的东部金枪鱼和长尾鱼渔业虽然只使用一种渔具——远洋延绳钓,但其捕捞方式仍存在差异(Campbell等人,2017;Parsa等人,2020)。这些差异体现在捕捞深度、每条钓线上的钩子数量、捕捞地点、船队的移动性以及目标物种等方面(Campbell等人,2017)。因此,渔业类型分析可用于为渔业的特定领域乃至整个渔业提供有针对性的管理建议。
在渔业类型分析中,最常用的聚类算法是聚类大型应用算法(CLARA),它是分区聚类的一个变体。Pascoe等人(2022)使用CLARA对澳大利亚的南部和东部鳞鱼及鲨鱼渔业进行了分类,Szymkowiak等人(2024)则采用类似方法分析了阿拉斯加144种新兴渔业的渔业类型。Szynaka等人(2021)结合多元回归树与CLARA,对葡萄牙南部的混合渔具章鱼渔业进行了分类,而Castro等人(2010)、Castro等人(2011)则用CLARA分析了西班牙水域外的底栖水獭拖网渔船队和定置延绳钓渔船队的渔业类型,Abad等人(2011)则将CLARA应用于西班牙沿海的渔船队。主成分分析通常与聚类分析结合使用,以降低数据的维度。例如,Lahellec等人(2025)将主成分分析与层次聚类结合,用于分析比斯开湾的渔业类型,Deporte等人(2012)则将主成分分析与CLARA结合,用于分析北海的渔业类型。用于生成渔业类型的聚类方法有多种形式,所选择的聚类算法会显著影响最终集群的数量、规模和构成。
没有任何一种渔业物种是孤立存在的,捕捞一种物种可能会由于营养级相互作用而在整个生态系统中引发连锁反应(Libralato等人,2014;Tolimieri等人,2013;Zhou和Smith,2017)。尽管如此,全球大多数渔业管理仍是在单一物种层面进行的(Skern-Mauritzen等人,2016)。将多物种因素纳入渔业管理是基于生态系统的渔业管理的重要组成部分。基于生态系统的渔业管理的目标是将环境变量、副渔获和技术相互作用以及营养级相互作用纳入鱼类种群的管理过程中(Hornborg等人,2019)。基于生态系统的渔业管理策略多种多样,从将气候和生态系统数据纳入模型,到为管理策略提供定性和定量建议(Levin等人,2009)。
多物种管理受到技术相互作用和生物相互作用的影响。技术相互作用是指在相同的捕捞努力下捕获多种物种的情况,典型的例子就是作为副渔获捕获的非目标物种(Sun等人,2023)。技术相互作用不同于生物相互作用,后者包括捕食与被捕食关系、竞争和共生关系(Ono等人,2018a)。多目标渔业可能是因为具有经济价值的物种能够共存而形成的,而捕捞策略则可能根据总允许捕捞量等因素发生变化。例如,如果某种物种的捕捞量接近其总允许捕捞量,渔民可能会改变捕捞地点,以便捕获更多另一种物种(参见Hutton等人,2022)。
基于单一物种因素制定管理策略可能会导致非目标物种的副渔获增加(Tolotti等人,2023),或者在禁止丢弃渔获的情况下导致捕捞限额得不到充分利用。显然,混合渔业的特点是单一物种管理目标存在诸多局限。具体而言,不同物种和渔具之间的技术相互作用,以及物种在空间和时间上的分布差异、经济价值差异和数量差异,都会加剧这些挑战(Ulrich等人,2012)。因此,一些研究尝试建立能够同时考虑技术相互作用的潜在管理目标模型(例如Pascoe等人,2022;Zamborain-Mason等人,2023;Del Santo O’Neill等人,2024)。Ono等人(2018b)发现,在多物种管理策略评估中忽略技术相互作用,会导致损失产量高于考虑技术相互作用时的情况。Sampson(1992)认为,在生物经济渔业模型中对船队特征进行描述,有助于更准确地反映长期捕捞决策,从而提高管理措施在制定多年后依然适用的可能性。McCluskey和Lewison(2008)也支持这一观点,他们认为船队特征的描述有助于管理者更准确地量化捕捞努力,而这对于确定管理目标至关重要。
目前,已有针对澳大利亚等地区底层鱼类的包含技术相互作用的模型被开发出来(例如Pascoe等人,2022),但美国西部海岸的底层鱼类尚未有此类模型。美国西部海岸的底层鱼类渔业涉及多种目标物种和数十种副产品物种,其种群状况是根据相对于最大可持续产量生物量的替代指标来确定的。
因此,本研究的目的是构建一个框架,利用聚类分析在复杂的多物种渔业中识别渔业类型,并以此框架为依据,为美国西部海岸底层鱼类渔业的多物种管理确定可能的架构,明确哪些物种和渔具可以一起进行管理,以及在确定多物种管理架构时需要考虑的季节性和空间性因素。此外,本研究还介绍了评估所识别的集群和选定的渔业类型是否具备抗聚类假设能力的方法,并提出了未来渔业类型分析中用于检测这些敏感性的实用方法。尽管该渔业中的一些小型物种已经通过多物种管理方法进行管理,但目前还没有针对整个渔业的综合管理策略来设定管理标准。本研究的结果为美国西部海岸整个底层鱼类渔业的多物种管理框架提供了参考。
研究要点
研究系统:美国西部海岸底层鱼类渔业
美国西部海岸由联邦政府管理的底层鱼类物种的渔业管理计划涵盖了加利福尼亚州、俄勒冈州和华盛顿州的沿海水域,该计划明确了98种独特的物种,同时还为石首鱼科、魟鱼科和长尾鳕科中未被PFMC(2024)明确列出的物种设置了“其他”类别。
商业底层鱼类拖网渔业分为两个部分:基于岸边的个体捕鱼配额制度。
集群总结:初步分析
共识别出17个集群,其轮廓分析结果见图S.1。附录S.A详细介绍了每个集群的特征。图1显示了各集群中不同物种在船上收入中所占的比例,图S.2显示了某种物种在某个集群中的相对收入比例,图S.3显示了某种物种在某个集群中的收入占比,图S.4则显示了某个集群中不同渔具类型的收入占比。我们的分析表明,美国西海岸的许多底层鱼类物种并非集中在同一个群组中,而且这些群组本身也并非由单一物种构成(见图S.2和S.3)。每种鱼类都分布在多个群组中,其中大眼鳕的分布范围最小(在基础分析的17个群组中仅出现在7个群组中)。在这项分析中,只有两种鱼类——太平洋鳕和大眼鳕——有超过5%的总离船收入集中在同一个群组中,即17C群组。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号