2021, Vol. 51
总可捕量(Total allowable catch, TAC)制度是当前国际渔业资源管理的重要方法。《中华人民共和国渔业法》也已明确提出了实施限额捕捞制度的要求，而科学计算总可捕量是实行捕捞限额制度的必要条件[1-4]。由于数据有限，中国渔业的最大可持续产量(Maximum sustainable yield, MSY)和TAC通常较难获得，再加上执行和管理难以落实到位等社会因素的制约，TAC制度在中国实施困难较大[2]。因此，寻找合适的方法来估算中国渔业的MSY和TAC具有重要意义。世界上超过90%的鱼类种群是数据有限(Data-limited)的，缺乏足够的数据来实施传统的渔业资源评估[5-6]。近年来，关于数据有限评估方法(Data-limited methods)的研究越来越多[7-9]。目前国际上使用较多的数据有限评估方法主要分为基于产量的模型和基于体长数据的模型[9]。
由于缺乏渔业种群的年龄、体长结构等生物学资料，本文采用剩余产量模型和基于产量的数据有限方法的贝叶斯Schaefer剩余产量模型(BSM)和蒙特卡洛MSY估算模型(CMSY)对中国近海三种产量较高的重要渔业，即黄渤海鳀鱼(Engraulis japonicus)、东海带鱼(Trichiurus lepturus)和南海金线鱼(Nemipterus virgatus)，进行了渔业资源评估，来估算这三种渔业的生物学参考点和管理学参考指标。剩余产量模型所需要的数据仅仅是呈时间序列的产量和捕捞努力量或单位捕捞努力量产量(Catch per unit effort，CPUE)数据。因其形式较简单、所需数据较少且结果较易理解，是目前最简单和应用最广泛的传统渔业资源评估模型之一[10-11]。Froese等[12]基于产量数据、种群恢复力信息以及起始和最终的相对生物量的假设，开发了CMSY方法。CMSY在短期内估计状态方面表现较好，在数据时间序列通常较短的发展中国家尤为有用[13]。在CMSY模型的基础上，为了便于与其他具备捕捞努力量数据的渔业评估结果相互比较，又延伸出了需要捕捞努力量数据进行计算的贝叶斯Schaefer模型(Baye-sian state-space implementation of the Schaefer production model, BSM)[12]。以上模型理论上均可用于估算《中国渔业统计年鉴》中记录的数据有限渔业的MSY。
目前国内渔业资源使用BSM和CMSY方法进行评估的文献较少。Ji等[13]利用CMSY模型对黄渤海带鱼渔业的生物学参考点做出估算，结果表明黄渤海带鱼渔业目前处于过度捕捞状态需要对资源进行科学保护。Liang和Pauly[14]使用BSM和CMSY对中日韩海域的15种已开发鱼类种群进行评估，研究结果显示渤海区渔获物和资源群体均出现了平均营养层级下降的现象，表明渤海生态系统的基层结构发生了明显变化。本文主要使用CMSY和BSM模型对中国近海三种重要渔业资源的生物学参考点进行估计，同时使用经典剩余产量模型进行了评估。将几种模型的评估结果做出比较，以期从几种模型中筛选出合适的模型。
1 材料与方法 1.1 数据来源本研究主要依赖于《中国渔业统计年鉴》[15]中的产量和捕捞努力量数据，各海域的数据来自于海域周边的省份产量和捕捞努力量数据的累加，即黄渤海海域数据来源于天津、河北、辽宁、山东和江苏，东海海域数据来源于浙江、福建和上海，南海海域来源于广东、广西和海南。本研究从《中国渔业统计年鉴》中整理了黄渤海鳀鱼(Anchovy_YBS, 1989—2019年)、东海带鱼(Hairtail_ECS, 1979—2019年)和南海金线鱼(Nemipte-rus_SCS, 1979—2019年)的产量数据。由于中国近海捕捞渔业多为混合渔业，研究中采用的捕捞努力量数据为各个海域的总捕捞努力量数据。单位捕捞努力量产量(CPUE)根据产量和努力量数据计算得出。三种渔业每年的产量(t)和CPUE(t/kW)如图 1所示。
|
图 1 黄渤海鳀鱼(a)、东海带鱼(b)和南海金线鱼(c)的年产量和CPUE Fig. 1 Statistics of catch and CPUE for the Anchovy_YBS(a), Hairtail_ECS(b) and Nemipterus_SCS(c) |
本研究使用的经典剩余产量模型有两种：Schaefer剩余产量模型和Fox剩余产量模型。
Schaefer模型是[16]在Logistic生长模型的基础上建立的，其表达式为：
| $ \frac{\mathrm{d} B_{t}}{\mathrm{~d} t}=r B_{t}\left(1-\frac{B_{t}}{k}\right)-C_{t}。$ | (1) |
Fox模型[17]是在Gompertz生长模型的基础上建立的，其表达式为：
| $ \frac{\mathrm{d} B_{t}}{\mathrm{~d} t}=r B_{t} \ln \left(\frac{k}{B_{t}}\right)-C_{t}。$ | (2) |
式中：dBt/dt为种群增长率；Bt为渔业群体在t年的生物量；t为时间；r为种群内禀增长率；k为环境容纳量；Ct为t年的产量。经典剩余产量模型仅需要产量和捕捞努力量数据就可以估算出种群参数(r，k)和生物学参考点(MSY)的估计值。
1.2.2 CMSY和BSM模型根据产量数据、鱼类的恢复力以及时间序列开始和结束时的种群状态，CMSY是一种用于估算渔业参考点MSY的蒙特卡罗方法[12, 18]。CMSY需要内禀增长率r和环境容纳量k的先验信息。在评估中，模型会从r和k的先验分布中随机选取r-k组合，并从初始年的资源量的先验分布中选取初始资源量进行分析。利用重要性重抽样程序可以获得r和k的后验分布并确定合适的r-k组合。除了可以估算评估群体的MSY，CMSY还可以对MSY对应的生物量BMSY、MSY对应的捕捞死亡系数FMSY、种群大小(B/BMSY)和开发率(F/FMSY)做出预测。
在本研究中，参数r的先验范围来自于Froese等[19]的用户指南中的恢复力分类(见表 1)。鱼类种群的恢复力分类可以从FishBase网站中查询[20]，其中黄渤海鳀鱼的恢复力等级为高等，东海带鱼和南海金线鱼为中等。
|
表 1 基于恢复力分类的参数r值的先验范围[19] Table 1 Prior ranges for parameter r, based on classification of resilience[19] |
k先验范围的计算与时间序列中的最大产量和r的先验范围的上下边界相关。根据评估对象最终相对生物量的高低选用不同的k上下边界计算规则，在最终相对生物量较低的时候采用公式(3)计算k先验范围的上下边界，而对于高生物量的种群来说则选用公式(4)进行计算[12]。
| $ \begin{aligned} &k_{\text {low }}=\frac{\max (C)}{r_{\text {high }}}, \quad k_{\text {high }}=\frac{4 \max (C)}{r_{\text {low }}} 。\end{aligned} $ | (3) |
| $ \begin{aligned} &k_{\text {low }}=\frac{2 \max (C)}{r_{\text {high }}}, k_{\text {high }}=\frac{12 \max (C)}{r_{\text {low }}}。\end{aligned} $ | (4) |
式中：klow和khigh分别为k先验范围的上下限；max(C)为时间序列中最大产量；rlow和rhigh分别为r先验范围的上下限。
根据目标种群资源状态的不同，CMSY推荐了相对生物量(B/k)的先验值参考范围(见表 2)[19]。本研究中，初始相对生物量和最终相对生物量根据对种群状况的假设来判断，中间相对生物量的取值采用默认值。
|
|
表 2 相对生物量B/k值的先验范围 Table 2 Prior relative biomass(B/k)ranges |
在验证CMSY模型对实际渔业的评估效果时，有时需要与来自于全面评估种群的相关参数进行比较，这些种群通常具备CPUE等丰度数据。为了便于比较，在CMSY的基础上发展出了贝叶斯Schaefer模型(BSM)。BSM需要r、k和可捕系数q的先验信息。r和k先验范围的确定方法与CMSY中相同。q先验范围的上下限与r先验范围的几何平均数、最后5~10 a的CPUE平均值和产量平均值有关[12]。k和q的计算过程均可以由Froese等的R代码[19]实现。CMSY和BSM的参数估计方法仍是基于Schaefer剩余产量模型，即MSY=rk/4，FMSY=0.5r，BMSY=0.5k[12]。
由于CMSY和BSM的模型假设和不确定性水平类似，两个模型评估结果具有较强可比性[12]。CMSY和BSM的参数估计值在大多数时候不呈现显著性差别，且在进行模型测试时BSM的表现更靠近“真实值”，因此在对实际渔业进行评估时，在真实值未知时有时会将BSM的参数估计值作为CMSY评估的基准(Benchmarks)[12]。
1.3 数据分析两种经典剩余产量模型(Schaefer和Fox)都是通过计算机软件CEDA(Catch-effort data analysis；3.0版本)[21]和ASPIC(A surplus-production model incorporating covariates；5.0版本)来执行的。CEDA(3.0版本)[22]中包含了三种非平衡剩余产量模型(Schaefer模型, Fox模型和Pella-Tomlinson模型)和三种误差假设(正态误差分布Normal distribution，对数正态误差分布Lognormal distribution和伽马误差分布Gamma distribution)。通过CEDA可以计算种群参数和生物学参考点，如r，k，q，MSY，替换产量Ryield等。ASPIC(5.0版本)是另一个常用的估算非平衡剩余产量模型的参数值的软件，主要包含了两种剩余产量模型，Fox模型和Logistic模型(即Schaefer模型)。通过ASPIC可以估算出种群的MSY，q，k，BMSY，FMSY和提供MSY的捕捞努力量fMSY。两种软件均可以通过靴攀法Bootstrap过程来估算出参数的置信区间。ASPIC和CEDA一样都需要设定B1/k的初始值。B1/k值是数据集开始时种群状态的先验信息，取值范围为0~1，当B1/k值为0时表示数据来源于一个开发利用严重的种群，而当B1/k为1时表示数据来源于未开发的渔业。
在对B1/k值进行敏感性分析时，经常出现模型拟合失败或者模型拟合的相关系数R2出现负数的情况，表明模型对此组数据的拟合效果较差。在所有能够成功拟合的分析中，以相关系数R2最高的一组分析作为参考，此时的”B1/k“值如表 3中所示。CEDA中的Schaefer和Fox模型均采用对数正态误差分布进行分析。CEDA中没有提供最大可持续产量对应的捕捞死亡系数(FMSY)和生物量(BMSY)的参数估计值，可以根据r和k值进行估算，公式如下：FMSY=0.5r，Schaefer模型BMSY=0.5k，Fox模型BMSY=ke-1；ASPIC中没有提供r的估计值，可根据r=2FMSY估算[16-17]。CMSY和BSM由Froese等[19]的R代码(CMSY_O_9f.R)来执行。代码可从http://oceanrep.geomar.de/33076/下载。两种模型的参数输入值如表 3中所示。CMSY和BSM参数设置的更多细节可参考Martell和Froese[18]以及Froese等[12]。
|
|
表 3 模型参数输入值 Table 3 Input values of models |
6种模型对中国近海渔业的种群参数、生物学参考点和管理参数的估计值如表 4所示。在对CEDA和ASPIC的初始相对量进行敏感性分析时，出现了拟合失败或相关系数R2为负值或极小的情况，说明模型对数据的拟合效果较差。导致这些现象出现的原因尚未知，对两个软件评估结果需要进一步的研究，因此在本研究中主要选取CMSY和BSM的评估结果作为参考。
|
|
表 4 三种渔业种群参数、生物学参考点和管理参数的估计值(括号内为95%的置信区间) Table 4 Estimates of population parameters, biological reference points and management parameters of three fisheries (the 95% confidence intervals are in brackets) |
CMSY和BSM的相对生物量设置应该充分考虑资源所处的状态，尽可能包括所有的情况。虽然CEDA和ASPIC的评估效果不理想，但其评估结果也反映了一定的资源状况，因此CMSY和BSM的初始相对生物量的先验范围包含了CEDA和ASPIC中设置的初始相对生物量，如表 4中所示。CMSY和BSM在模型运算过程中可以自动纠正对初始相对生物量设置的误差，设置较广的范围可以提高可行r-k组合的数量，而较窄的初始生物量设置可能会漏掉关键信息。
CMSY和BSM模型评估中可行的r-k组合如图 2所示。在黄渤海鳀鱼的评估中，CMSY和BSM的最佳可行的r-k组合的重合度较好，而在对东海带鱼和南海金线鱼的评估中，最佳可行r-k组合的差异较大，表明两种模型评估出的结果有一定的误差。
|
(满足CMSY的为灰色区域，可能性最高的r-k组合及其95%的置信区间用蓝色十字标出。满足BSM的为黑色区域，可能性最高的r-k组合及其95%的置信区间用红色十字标出。The viable r-k pairs that fulfilled the CMSY conditions are shown in grey. The most probable r-k pair is marked by the blue cross, with indication of approximate 95% confidence limits. The black dots show the estimates of the BSM method, indication of a red cross for best estimate with 95% confidence limits. ) 图 2 黄渤海鳀鱼(a)、东海带鱼(b)和南海金线鱼(c)中可行的r-k组合 Fig. 2 Viable r-k pairs for Anchovy_YBS(a), Hairtail_ECS(b) and Nemipterus_SCS(c) |
6种模型估算出了黄渤海鳀鱼(E. japonicus)的种群参数(r和k)和生物学参考点(MSY)(见表 4)。以CMSY和BSM模型评估出的结果作为参考，研究认为MSY估计值在80×104~83×104 t左右。由于中国近海渔业资源的资源状况和管理均与捕捞努力量息息相关，因此本研究选择应用CPUE数据进行分析的BSM模型估算出的生物学参考点作为管理学参考信息。F/FMSY估计值低于1.0而B/BMSY估计值小于1.0，表明这种渔业捕捞强度适中但资源尚未得到完全恢复。
图 3表示的是根据BSM模型参数估计值为黄渤海鳀鱼的管理提供的参考信息。从图 3中可以看出，从1989年开始黄渤海鳀鱼的开发率逐渐降低，资源群体的相对生物量逐渐升高，产量逐渐增加。在1996—2005年间产量已经高于MSY(见图 3(a))，但当时的生物量高于MSY对应的水平(见图 3(b))而捕捞压力低于MSY对应水平(见图 3(c))，资源的整体状况较好。2000年以后对黄渤海鳀鱼资源的捕捞强度相对稳定甚至有所降低，此时产量的变化主要与相对生物量的波动有关。在种群生物量得到充分恢复并维持在较高水平之后可以适当的增加产量到MSY置信区间的下限，已达到对资源的最佳利用率。
|
((a)为产量，虚线为MSY估计值，灰色为95%置信区间；(b)为BSM预测的相对总生物量(B/BMSY)，灰色95%置信区间；(c)为开发率(F/FMSY)，FMSY针对低于0.5BMSY的补充进行了校正；(d)为种群大小(B/BMSY)和开发率(F/FMSY)之间的关系，阴影为50%、80%和95%置信区间。(a) is catches and the estimate of MSY(the 95% confidence intervals are in grey).(b) is the relative total biomass(B/BMSY) and the uncertainty is in grey.(c) is the exploitation(F/FMSY) and FMSY are corrected for the recruitment below 0.5BMSY.(d) is the relationship between stock size(B/BMSY) and exploitation(F/FMSY), and the shaded areas show the 50%、80% and 95% confidence intervals(C.I.). ) 图 3 黄渤海鳀鱼的BSM管理学信息图形输出结果 Fig. 3 Information for management for Anchovy_YBS from BSM |
图 3(d)可以表示种群状态，当F/FMSY大于1时种群正在过度捕捞(Overfishing)，而当B/BMSY小于1时种群已经过度捕捞(Overfished)。根据种群大小B/BMSY和开发率F/FMSY与1的关系，每个图分为4个象限。橙色区域表示的是健康的种群生物量但将因过度捕捞而开始损耗。红色区域表示种群生物量水平过低无法产生最大可持续产量，种群已处于过度捕捞状态且持续过度捕捞。黄色区域表示种群捕捞压力降低且种群正在从过低的生物量中恢复。绿色区域是管理的目标区域，表明可持续的捕捞压力和健康的能够产生接近MSY的高生物量。方形、圆形和三角形分别表示初始、中间和最终相对生物量对应的年份。图中信息表明黄渤海鳀鱼的开发过程经过了过度捕捞-资源恢复-稳定波动的过程。2019年黄渤海鳀鱼渔业有44.8%概率处于绿色区域、53.8%的概率处于黄色区域和1.4%的概率处于红色区域，即2019年黄渤海鳀鱼渔业有44.8%的概率处于可持续发展的健康状态、53.8%的概率处于资源衰退的恢复期和1.4%的概率处于过度捕捞的资源衰退状态。
2.2 东海带鱼虽然所有方法估计出的东海带鱼(T. lepturus)的MSY值相似(见表 4)，但经典剩余产量模型计算出了更小的种群增长率(0.11~0.21)和更高的环境容纳量(1 642×104~1 785×104 t)，与CMSY和BSM的估算结果差异较大，造成这一差异的原因尚待研究。仍然选择CMSY和BSM模型的评估结果作为参考，即MSY估计值在58×104~64×104 t左右。F/FMSY估计值大于1.0而B/BMSY估计值小于1.0，表明这种渔业存在过度捕捞且资源已经衰退。根据参数估计值，BSM为东海带鱼的管理提供了信息(见图 4)。从图中可以看出，从1980年开始东海带鱼的开发率持续增加，虽然产量在增加但是资源群体的相对生物量一直在减少。在1986年之后，BSM估算出的东海带鱼的生物量一直介于0.5BMSY和BMSY之间，1992年以后捕捞死亡系数大于FMSY，资源持续处于过度捕捞状态且损耗严重。从图 4(d)中的种群状态图中可以看出，东海带鱼资源经历了从低开发率高生物量的状态到目前的高开发率低生物量的状态。2019年东海带鱼渔业有0.3%的概率处于可持续发展的健康状态、5.4%的概率处于资源衰退的恢复期、0.1%的概率处于捕捞强度过大引发的资源量由盛转衰状态和94.3%的概率处于过度捕捞的资源衰退状态。
|
( (a)为产量，虚线为MSY估计值，灰色为95%置信区间；(b)为BSM预测的相对总生物量(B/BMSY)，灰色95%置信区间；(c)为开发率(F/FMSY)，FMSY针对低于0.5BMSY的补充进行了校正；(d)为种群大小(B/BMSY)和开发率(F/FMSY)之间的关系，阴影为50%、80%和95%置信区间。(a) is catches and the estimate of MSY(the 95% confidence intervals are in grey).(b) is the relative total biomass(B/BMSY) and the uncertainty is in grey.(c) is the exploitation(F/FMSY) and FMSY are corrected for the recruitment below 0.5BMSY.(d) is the relationship between stock size(B/BMSY) and exploitation(F/FMSY), and the shaded areas show the 50%、80% and 95% confidence intervals(C.I.). ) 图 4 东海带鱼的BSM管理学信息图形输出结果 Fig. 4 Information for management for Hairtail_ECS from BSM |
6种模型估算出了南海金线鱼(N. virgatus)的种群参数(r和k)和生物学参考点(MSY)(见表 4)。以CMSY和BSM模型评估出的结果作为参考，研究认为MSY估计值在30×104~32×104 t左右。F/FMSY估计值大于1.0且B/BMSY估计值小于1.0，表明这种渔业存在过度捕捞且资源已经衰退，所以应进一步降低捕捞强度和控制产量使资源得到充分的恢复。
根据参数估计值，BSM为南海金线鱼的管理提供了信息(见图 5)。从图 5中可以看出，南海金线鱼渔业的产量一直在增加，近些年已经高于MSY的估计值，但资源的相对生物量B/BMSY始终小于1, 资源状态较差。在1994年以后开发率F/FMSY开始大于1，资源处于过度捕捞状态。从图 4(d)和图 5(d)中的种群状态图中可以看出，南海金线鱼资源一直在较低的相对生物量基础上加大开发力度，资源始终未能恢复到健康的生物量水平。2019年南海金线鱼渔业有1.2%的概率处于可持续发展的健康状态、0.3%的概率处于资源衰退的恢复期、6.2%的概率处于捕捞强度多大引发的资源量由盛转衰状态和92.2%的概率处于过度捕捞的资源衰退状态。
|
((a)为产量，虚线为MSY估计值，灰色为95%置信区间；(b)为BSM预测的相对总生物量(B/BMSY)，灰色95%置信区间；(c)为开发率(F/FMSY)，FMSY针对低于0.5BMSY的补充进行了校正；(d)为种群大小(B/BMSY)和开发率(F/FMSY)之间的关系，阴影为50%、80%和95%置信区间。(a) is catches and the estimate of MSY(the 95% confidence intervals are in grey).(b) is the relative total biomass(B/BMSY) and the uncertainty is in grey.(c) is the exploitation(F/FMSY) and FMSY are corrected for the recruitment below 0.5BMSY.(d) is the relationship between stock size(B/BMSY) and exploitation(F/FMSY), and the shaded areas show the 50%、80% and 95% confidence intervals(C.I.). ) 图 5 南海金线鱼BSM管理学信息图形输出结果 Fig. 5 Information for management for Nemipterus_SCS from BSM |
剩余产量模型是经典的鱼类种群评估模型之一，只需要成时间序列的产量和捕捞努力量数据就可以对渔业资源的种群参数和生物学参考点做出估计。该方法所需数据较少、结果简单且较易理解，在对缺乏年龄结构等统计资料和环境数据的渔业进行评估时可以起到较好的参考作用[23]。目前快速发展的数学和计算机科学也使得剩余产量模型得到了进一步的发展，例如CMSY模型和BSM模型。经典剩余产量模型给出的结果是各参数的具体数值和置信区间，而CMSY和BSM方法在此基础上还给出了渔业的后验状态和处于各种状态的概率[12]。
BSM方法需要渔业的成时间序列的产量和CPUE数据、参数r、q和k的先验信息，而CMSY方法只需要渔业的产量数据、参数r和q的先验信息。CMSY和BSM方法不太适用于轻度开发或种群恢复力极低的渔业种群[24]，而这三种渔业均不属于这两种情况[25-27]，因此可以得到较好的评估结果。在经典剩余产量模型得不到有效的评估结果时，BSM和CMSY可以作为良好的替代方法来对年鉴中统计的鱼类资源进行评估。
几种方法的研究结果表明，经典剩余产量模型(CEDA和ASPIC)的r估计值低于预期。时间序列内的产量可能通过生产率低的大种群或具有高生产力的小种群来产生，因此即使估计的MSY值合理，也应谨慎考虑鱼类种群参数r和k的估计。CMSY/BSM和经典剩余产量模型(CEDA和ASPIC)在参数估计方面的机制和算法是不同的，但应该给出等效或类似的答案，除非在某些特殊情况下r和k不能完全估计[28]。
几种方法对三种渔业的评估结果各有差异，从中分析出的资源目前的状态也不尽相同，因此在使用《中国渔业统计年鉴》中的数据进行分析时，建议使用尽可能多的方法来分析，以减少结果的不确定性。单一评估模型的结果可能会产生较大误差，以此来判断渔业的状态是有风险性的。
3.2 三种渔业资源现状鳀鱼的产量主要来自于我国渤海、黄海和东海海域[15]。鳀鱼资源是在1989年以后随着主要传统经济鱼类资源的衰退才开始得到大规模开发利用的，从兼捕对象变为主要捕捞对象[29-31]。在此之后的《中国渔业统计年鉴》中才出现鯷鱼渔业的统计数据。本文估算出的黄渤海鳀鱼渔业的MSY估计值在80×104~83×104 t的范围内，F/FMSY估计值小于1.0且B/BMSY估计值小于1.0，表明这种渔业捕捞强度适中但资源尚未得到完全恢复。有研究发现鳀鱼种群为适应较大的捕捞和环境压力已经出现了趋小型化、繁殖力增加等反应[25, 29]。所以，虽然2019年的产量低于MSY的估计值，仍然应该谨慎管理渔业，待资源得到充分的恢复之后再对其充分开发利用。
带鱼是中国最重要的经济鱼种之一，广泛分布于中国近海的各个海域。带鱼是东海最具价值的捕捞对象之一，捕捞历史较长且产量一直较高，但是在20世纪80年代就进入了过度捕捞状态[28, 32-33]。本研究估算出的东海带鱼渔业的MSY估计值在50×104~64×104 t的范围内，F/FMSY估计值大于1.0且B/BMSY估计值小于1.0，表明这种渔业捕捞强度较大且资源存在衰退情况，所以应进一步降低捕捞强度和控制产量，使资源保持可持续发展。目前已有较多关于东海带鱼MSY评估的研究[28, 34]，张魁[28]的贝叶斯状态空间模型估算出的东海带鱼的MSY为75×104 t，而Wang和Liu[34]利用CEDA和ASPIC评估出的结果为71×104 t，两者使用的均为1990—2003年东海带鱼动态监测数据。本研究采用的方法估算出的MSY值比其他研究的估计值要小，其主要原因在于模型结构和数据的不同。
金线鱼是主要分布在中国南海海域，是南海区域重要的捕捞对象。本研究估算出的南海金线鱼渔业的MSY估计值在30×104~32×104 t的范围内。与张魁[3]简易产量模型评估出的南海区金线鱼类的MSY估计值(33.9×104 t)较为接近，F/FMSY估计值大于1.0且B/BMSY估计值小于1.0，表明这种渔业捕捞存在过度捕捞且资源已经衰退，所以应进一步降低捕捞强度和控制产量，使资源得到充分的恢复。有研究表明金线鱼资源出现衰退趋势，而为适应过度开发状态，近年来金线鱼种群个体出现了趋小型化、性成熟体长和年龄降低等适应性特征[35-36]。
3.3 研究的局限性和存在问题本研究主要依赖于《中国渔业统计年鉴》中的产量和捕捞努力量数据，各海域的数据来自于海域周边的省份产量和捕捞努力量数据的累加。然而各海域的实际渔业活动并不是严格按照省份划分的，部分省份在中国近海各个海域均有渔业捕捞活动，所以各海域的产量和捕捞努力量数据是有误差存在的。南海区域的渔业活动相对独立一些，数据的误差最小，而东海的数据相对误差要大一些。研究通过将黄海和渤海的数据合并分析来尽可能降低黄渤海海域数据的误差。
另外，由于《中国渔业统计年鉴》中的渔业产量多按照类群来统计，并未严格按照种来划分，因此本研究的评估对象并非单鱼种。比如南海区，捕捞到的金线鱼种类有金线鱼(N. virgatus)、日本金线鱼(N. japonicus)和深水金线鱼(N. bathybius)等[3]。CMSY和BSM需要设置种群参数的先验范围，不同种的参数范围是存在差异的，因此，在使用年鉴中的数据进行评估分析时结果存在一定的不确定性。
使用CEDA和ASPIC对三种渔业评估的结果是确立在极特殊的初始生物量设定上的，且评估出的结果与CMSY和BSM的估算结果差异较大。两种软件对Fox模型和Schaefer的评估结果差异也较大。导致这些异常情况出现的原因尚不明确，需要进一步的研究。CMSY对最终相对生物量设置的敏感性较强，本研究尚未对该参数设置的敏感性做出评估，评估结果存在一定的不确定性。在对东海带鱼和南海金线鱼的评估中，CMSY和BSM可行的r-k组合差异较大，评估结果具有一定的误差，在接下来的研究中应该继续探索减少误差的方法。
本研究使用了多种模型对渔业资源的生物学参考点进行估计，但在模型选择方面的研究较弱。CEDA和ASPIC中的模型选择标准主要是模型对初始值设定的敏感程度和模型拟合的相关系数R2值的高低。对CMSY和BSM的模型选择也缺少量化的选择标准。因此在后续的研究中应该引入AIC等模型选择标准，以准确判断不同模型的拟合效果。
4 结语根据《中国渔业统计年鉴》中的数据，对中国近海捕捞渔业的统计数据进行评估分析，分析结果显示中国近海渔业资源处于资源衰退状态，近海渔业需要更加保守的管理策略。本研究中估计的生物参考点可为黄渤海鳀鱼、东海带鱼和南海金线鱼渔业的管理提供科学依据。在使用年鉴数据评估资源现状时，应采用尽可能多的模型分析，以减少不确定性。软件CEDA和ASPIC执行的经典剩余产量模型对这三种渔业的评估结果可以作为CMSY和BSM模型先验信息的重要参考。CMSY和BSM不仅能对渔业的种群参数和生物参考点提供较好的拟合效果，同时可提供更详细的管理学建议，因此也可应用于许多其他渔业种类的种群评估和渔业管理，特别是中国近海数据有限的渔业种类。
| [1] |
慕永通. 渔业管理——以基于权利的管理为中心[M]. 青岛: 中国海洋大学出版社, 2006. Mu Y T. Fishery Management: Focusing on Right-based Regime[M]. Qingdao: Publishing House of Ocean University of China, 2006. (  0) |
| [2] |
王芸. 我国海洋渔业捕捞配额制度研究[D]. 青岛: 中国海洋大学, 2012. Wang Y. Study on Marine Fishing Quota System of China[D]. Qingdao: Ocean University of China, 2012. ( 0) |
| [3] |
张魁, 廖宝超, 许友伟, 等. 基于渔业统计数据的南海区渔业资源可捕量评估[J]. 海洋学报, 2017, 39(8): 25-33. Zhang K, Liao B C, Xu Y W, et al. Assessment for allowable catch of fishery resources in the South China Sea based on statistical data[J]. Haiyang Xuebao, 2017, 39(8): 25-33. DOI:10.3969/j.issn.0253-4193.2017.08.003 ( 0) |
| [4] |
刘尊雷, 袁兴伟, 杨林林, 等. 有限数据渔业种群资源评估与管理——以小黄鱼为例[J]. 中国水产科学, 2019, 26(4): 621-635. Liu Z L, Yuan X W, Yang L L, et al. Stock assessment and management strategies for small yellow croaker in the East China Sea based on data-limited assessment models[J]. Journal of Fishery Science of China, 2019, 26(4): 621-635. ( 0) |
| [5] |
Carruthers T R, Punt A P, Walters C J, et al. Evaluating methods for setting catch limits in data-limited fisheries[J]. Fisheries Research, 2014, 153(5): 48-68.
( 0) |
| [6] |
Carruthers T R, Hordyk A R, Price S, et al. The Data-Limited Methods Toolkit(DLMtool): An R package for informing management of data-limited populations[J]. Methods in Ecology and Evolution, 2018, 9(12): 2388-2395. DOI:10.1111/2041-210X.13081
( 0) |
| [7] |
耿喆, 朱江峰, 夏萌, 等. 数据缺乏条件下的渔业资源评估方法研究进展[J]. 海洋湖沼通报, 2018(5): 130-137. Geng Z, Zhu J F, Xia M, et al. Research progress in fishery stock assessment using data-poor/limited methods[J]. Transactions of Oceanology and Limnology, 2018(5): 130-137. ( 0) |
| [8] |
史登福, 张魁, 陈作志. 基于生活史特征的数据有限条件下渔业资源评估方法比较[J]. 中国水产科学, 2020, 27(1): 12-24. Shi D F, Zhang K, Chen Z Z. Comparison of assessment methods utilizing life-history characteristics in data-limited fisheries[J]. Journal of Fishery Sciences of China, 2020, 27(1): 12-24. ( 0) |
| [9] |
石永闯, 樊伟, 张衡, 等. 适用于数据缺乏渔业的资源评估方法研究进展[J]. 中国水产科学, 2021, 28(5): 673-691. Shi Y C, Fan W, Zhang H, et al. Review on stock assessment methods applicable to data-limited fisheries[J]. Journal of Fisheries Science of China, 2021, 28(5): 673-691. ( 0) |
| [10] |
詹秉义. 渔业资源评估[M]. 北京: 中国农业出版社, 1995. Zhan B Y. Fishery Stock Assessment[M]. Beijing: China Agricultural Press, 1995. ( 0) |
| [11] |
Haddon M. Modeling and Quantitative Methods in Fisheries(Second Edition)[M]. New York, London: Chapman & Hall/CRC Press, 2011: 285-333.
( 0) |
| [12] |
Froese R, Demirel N, Coro G, et al. Estimating fisheries reference points from catch and resilience[J]. Fish and Fisheries, 2017, 18(3): 506-526. DOI:10.1111/faf.12190
( 0) |
| [13] |
Ji Y, Liu Q, Liao B, et al. Estimating biological reference points for Largehead hairtail(Trichiurus lepturus) fishery in the Yellow Sea and Bohai Sea[J]. Acta Oceanologica Sinica, 2019, 38(10): 20-26. DOI:10.1007/s13131-019-1343-4
( 0) |
| [14] |
Liang C, Xian W, Pauly D. Assessments of 15 exploited fish stocks in Chinese, South Korean and Japanese waters using the CMSY and BSM methods[J]. Frontiers in Marine Science, 2020, 7.
( 0) |
| [15] |
农业部渔业渔政管理局. 中国渔业统计年鉴[M]. 北京: 中国农业出版社, 1979. Bureau of Fisheries of the Ministry of Agriculture of the People's Republic of China. China Fishery Statistical Yearbook[M]. Beijing: China Agriculture Press, 1979. ( 0) |
| [16] |
Schaefer M B. Some aspects of the dynamics of populations important to the management of the commercial marine fisheries[J]. Inter-American Tropical Tuna Commission, 1954, 1(2): 23-56.
( 0) |
| [17] |
Fox W W. An exponential surplus-yield model for optimizing exploited fish populations[J]. Transactions of the American Fisheries Society, 1970, 99(1): 80-88. DOI:10.1577/1548-8659(1970)99<80:AESMFO>2.0.CO;2
( 0) |
| [18] |
Martell S, Froese R. A simple method for estimating MSY from catch and resilience[J]. Fish and Fisheries, 2013, 14(4): 504-514. DOI:10.1111/j.1467-2979.2012.00485.x
( 0) |
| [19] |
Froese R, Demirel N, Coro G, et al. A Simple User Guide for CMSY+ and BSM(CMSY_2019_9f. R)[EB/OL]. (2019-12)[2020-10]. http://oceanrep.geomar.de/33076/
( 0) |
| [20] |
Froese R, Pauly D. FishBase: World Wide Web electronic publication[DB/OL]. (2021-06)[2020-10]. http://www.fishbase.org.
( 0) |
| [21] |
Hoggarth D D, Abeyasekera S, Arthur R I, et al. Stock Assessment for Fishery Management(FAO Fisheries Technical Paper No. 487)[M]. Rome, Italy: Food and Agriculture Organization of the United Nations, 2006: 261.
( 0) |
| [22] |
Prager M H. A suite of extensions to a non-equilibrium surplus-production model[J]. Fishery Bulletin, 1994, 92: 374-389.
( 0) |
| [23] |
官文江, 田思泉, 朱江峰, 等. 渔业资源评估模型的研究现状与展望[J]. 中国水产科学, 2013, 20(5): 1112-1120. Guan W J, Tian S Q, Zhu J F, et al. A review of fisheries stock assessment models[J]. Journal of Fisheries Science of China, 2013, 20(5): 1112-1120. ( 0) |
| [24] |
ICES. Report of the fifth workshop on the development of quantitative assessment methodologies based on life-history traits. In: Exploitation Characteristics and Other Relevant Parameters for Data-limited Stocks(WKLIFE V)[R]. Lisbon, Portugal: ICES CM 2015/ACOM, 2015.
( 0) |
| [25] |
耿平. 北部湾典型鱼类种群生长、死亡及开发状态的年际变化研究[D]. 上海: 上海海洋大学, 2019. Geng P. A Study of Inter-Annual Changes in Growth, Mortality and Exploitation Rate of Representative Fish Stocks in Beibu Gulf[D]. Shanghai: Shanghai Ocean University, 2019. ( 0) |
| [26] |
曾玲, 李显森, 赵宪勇, 等. 黄海中南部鳀鱼的生殖力及其变化[J]. 中国水产科学, 2005, 12(5): 569-574. Zeng L, Li X S, Zhao X Y, et al. Fecundity and its variations of anchovy Engraulis japonicus in the central and southern Yellow Sea[J]. Journal of Fishery Science of China, 2005, 12(5): 569-574. DOI:10.3321/j.issn:1005-8737.2005.05.007 ( 0) |
| [27] |
Zhang K, Zhang J, Xu Y, et al. Application of a catch-based method for stock assessment of three important fisheries in the East China Sea[J]. Acta Oceanologica Sinica, 2018, 37(2): 102-109. DOI:10.1007/s13131-018-1173-9
( 0) |
| [28] |
张魁, 陈作志. 应用贝叶斯状态空间建模对东海带鱼的资源评估[J]. 中国水产科学, 2015, 22(5): 1015-1026. Zhang K, Chen Z Z. Using Bayesian state-space modelling to assess Trichiurus japonicus stock in the East China Sea[J]. Journal of Fishery Science of China, 2015, 22(5): 1015-1026. ( 0) |
| [29] |
邹琰, 刘童, 王英俊, 等. 山东省近海主要海洋捕捞经济鱼类资源变动分析[J]. 广西科学院学报, 2019, 35(4): 301-307. Zou Y, Liu T, Wang Y J, et al. Analysis on the changes of major marine fishing economic fish resources offshore in Shandong Province[J]. Journal of Guangxi Academy of Sciences, 2019, 35(4): 301-307. ( 0) |
| [30] |
唐明芝, 连大军, 卢岩, 等. 东黄海区鯷鱼资源变动及渔业管理[J]. 水产科学, 2002, 21(2): 44-45. Tang M Z, Lian D J, Lu Y, et al. Fisheries Administration and Changes of Anchovy Resources in the East and Yellow Sea[J]. Fisheries Science, 2002, 21(2): 44-45. DOI:10.3969/j.issn.1003-1111.2002.02.015 ( 0) |
| [31] |
郑元甲, 李建生, 张其永, 等. 中国重要海洋中上层经济鱼类生物学研究进展[J]. 水产学报, 2014, 38(1): 149-160. Zheng Y J, Li J S, Zhang Q Y, et al. Research progresses of resource biology of important marine pelagic food fishes in China[J]. Fisheries Science, 2014, 38(1): 149-160. ( 0) |
| [32] |
凌建忠, 李圣法, 严利平, 等. 基于Beverton-Holt模型的东海带鱼资源利用与管理[J]. 应用生态学报, 2008, 19(1): 178-182. Ling J Z, Li S F, Yan L P, et al. Utilization and management of Trichiurus japonicus resources in East China Sea based on Beverton-Holt model[J]. Chinese Journal of Applied Ecology, 2008, 19(1): 178-182. ( 0) |
| [33] |
王垚, 徐汉祥. 伏季休渔制度下东海区带鱼资源动态分析[J]. 浙江海洋学院学报(自然科学版), 2009, 28(4): 384-388. Wang Y, Xu H X. Dynamic analysis on Trichiurus japonicus resources in summer closed fishing system in East China Sea[J]. Journal of Zhejiang Ocean University(Natural Science), 2009, 28(4): 384-388. DOI:10.3969/j.issn.1008-830X.2009.04.002 ( 0) |
| [34] |
Wang Y, Liu Q. Application of CEDA and ASPIC computer packages to the hairtail(Trichiurus japonicus) fishery in the East China Sea[J]. Chinese Journal of Oceanology and Limnology, 2013, 31(1): 92-96. DOI:10.1007/s00343-013-2073-7
( 0) |
| [35] |
王雪辉, 邱永松, 杜飞雁. 南海北部金线鱼生长、死亡和最适开捕体长研究[J]. 中国海洋大学学报(自然科学版), 2004(2): 224-230. Wang X H, Qiu Y S, Du F Y. Study on the growth, mortality and optimum catchable size of Nemipterus virgatus in the northern South China Sea[J]. Periodical of Ocean University of China, 2004(2): 224-230. ( 0) |
| [36] |
陈作志, 孔啸兰, 徐姗楠, 等. 北部湾深水金线鱼种群参数的动态变化[J]. 水产学报, 2012, 36(4): 584-591. Chen Z Z, Kong X L, Xu S N, et al. Dynamic changes of population parameters of Nemipterus bathybius in the Beibu Gulf[J]. Journal of Fisheries of China, 2012, 36(4): 584-591. ( 0) |