Assessment of allowable catches and exploitation state of marine fishery resources in Pakistani coastal waters
-
摘要:
基于巴基斯坦1950—2015年海洋渔业统计产量数据,利用Catch-MSY模型对巴基斯坦海洋渔业总可捕量以及24个重要经济类群的最大可持续产量 (maximum sustainable yield, MSY) 和可捕量进行了评估。结果显示,内禀增长率(r)先验分布对MSY的评估结果影响不大,巴基斯坦海洋渔业MSY为40.53×104 t,总可捕量为36.47×104 t。2015年海洋渔业产量为36.10×104 t,目前未处于过度捕捞状态。24个重要经济类群的评估结果显示,有8个类群 (军曹鱼、魣类、石斑鱼类、鲳类、鲯鳅、宝刀鱼、马鲹和白带鱼) 2015年产量超过MSY,处于过度捕捞状态。当前巴基斯坦海洋渔业资源已处于充分开发状态,多数经济类群已处于过度捕捞状态或者崩溃后的恢复状态,开发潜力较小,建议开发阿拉伯海鸢乌贼(Sthenoteuthis oualaniensis)等大洋性渔业资源。
-
关键词:
- 巴基斯坦 /
- 渔业资源 /
- 可捕量 /
- Catch-MSY模型
Abstract:According to the catch statistics data during 1950−2015, we applied a Catch-MSY model to estimate the allowable catches and maximum sustainable yields (MSYs) for 24 commercial fish groups and total allowable catch (TAC) in Pakistani coastal waters. Results show that MSY and TAC in Pakistani coastal waters were 40.53×104 t and 36.47×104 t, respectively. The total catches in 2015 were less than MSY, suggesting that the fisheries are not overfished. The MSY results show that eight fish groups (cobia, Barracudas, Groupers, Butterfishes, common dolphinfish, dorab wolf-herring, crevalle jack and largehead hairtail) have been overfished at present since the catches in 2015 exceeded MSY. At present, the marine fishery resources in Pakistani coastal waters are fully exploited. Most commercial fish groups are overfished or recovering after collapse and their development potential is relatively small. It is recommended to exploit oceanic fishery resources such as Sthenoteuthis oualaniensis in Arabian Sea in future fisheries development.
-
Keywords:
- Pakistan /
- fishery resources /
- allowable catch /
- Catch-MSY model
-
鳀鱼(Engraulis japonicas)属鳀科(Engranlidae)、鳀属(Engraulis),是一种小型中上层游泳鱼类[1]。广泛分布于北起库页岛,南至台湾海峡的太平洋西北部水域。我国主要分布在渤海、黄海和东海海域[2]。作为一种小型中上层鱼类,鳀鱼的数量变动容易受到各种环境因素的影响。
亲体-补充量关系(stock and recruitment relationship,SRR)是渔业资源评估和管理的基础[3-4]之一。依据SRR模型也可以计算和确定许多重要的渔业管理目标值,如最大持续产量(maximal sustainable yield,MSY),和维持MSY所需的亲体量等。然而,由于补充量的剧烈波动、亲体量的测量误差以及时间序列的相关性和空间分布上的变动性等常常使参数的估计及模型的选择存在很大的不确定性[4]。SRR的估计是渔业资源评估中最困难的任务之一。
渔业生物的亲体数量对种群的补充量大小具有重要的影响,BEVERTON-HOLT[5]和RICKER[6]先后确立了SRR,建立了相应的鱼类繁殖模型,这些模型长期为渔业生物学家在不同类型的渔业种群中应用[7]。此文选用对环境因子响应比较显著的Ricker模型对资源数据进行拟合[8]。
在以前对黄海鳀鱼的亲体-补充量(stock and recruitment,SR)研究当中,研究者都将各种环境因素综合到一个误差项中进行研究。此文尝试将各个环境因子独立出来,再通过多元回归方法进行分析,探讨其对于SRR的影响程度。
1. 材料与方法
1.1 数据来源
1.1.1 黄海鳀鱼SR数据
以ZHAO等[8]研究中1987~2002年的渔业声学调查数据和渔获量统计数据及所估算的自然死亡系数和成时间序列的SR数据作为此文的数据来源(图 1)。选取1990~2001年间的12组SR数据作为观测数据。
以1龄鱼的个体数量作为补充量的量度指标。用前一年度冬季鳀鱼声学调查测得的越冬群体生物量与前一年度鳀鱼1/2的年渔获量之差作为亲体量的度量指标。其中前一年度1月份鳀鱼越冬群体的生物量则是在相应生物学评估结果基础上,经过以VPA返算的补充量对其1龄鳀鱼的生物量进行调整而得[8]。假设雌雄个体比例为1 : 1,每个成熟个体的生殖力与体重呈简单的正比函数关系。
1.1.2 水温、营养盐数据
黄海水文状况以国家海洋局黄海千里岩海洋环境监测站的观测数据为指标。采用1990~2001年间黄海千里岩海区的表层水温(sea surface temperature,SST)(图 2)和磷酸盐浓度(phosphate concentration,PC)数据(图 3)作为此研究的原始数据。
1.2 方法
1.2.1 SRR模型
选用通常使用的研究亲体数量(spawning stock biomass,SSB)和补充量(recruitment,R)之间关系的Ricker模型[8],并使用多元回归的分析方法筛选了黄海千里岩海域逐月的SST、年平均SST、年平均PC等环境数据。
Ricker的SRR模型表达式为:R=αSe-βS
其中α、β是模型中的待定参数。
用环境条件指数$\alpha_i=\alpha_0+\sum\limits_{i=1}^n \alpha_i X_i$取代模型中的参数α,Ricker模型的表达形式变为:
$$ R=\left(\alpha_0+\sum\limits_{i=1}^n \alpha_i X_i\right) S_t \exp \left(-\beta S_t\right) $$ α0,α1,……,αi为环境条件指数回归方程中的参数,X1,……,Xi的含义如表 1。
表 1 黄海千里岩水域环境因子与黄海鳀鱼补充量数据的相关系数Table 1. The correlation of environmental factors and recruitment data observed at the Qianliyan Marine Environment Monitoring Station in the Yellow Sea环境因子
environmental factorsXi 相关系数
correlation coefficient年平均磷酸盐浓度
mean phosphates concentrationX1 0.4091 平均表层水温
average sea surface temperature1月 X2 0.2656 2月 X3 0.3707 3月 X4 -0.0761 4月 X5 -0.6213 5月 X6 -0.6614 6月 X7 -0.4987 7月 X8 -0.5290 8月 X9 -0.0451 9月 X10 -0.4223 10月 X11 -0.3174 11月 X12 -0.1593 12月 X13 -0.1838 全年 X14 -0.4679 4~7月 X15 -0.8096 1.2.2 AIC(akaike information criterion)与BIC(bayesian information criterion)
AIC与BIC在统计学上,作为模型选择的标准已经被广泛应用到很多领域[9]。此文采用AIC和BIC标准对SRR模型进行比较。
AIC=-2ln (L)+2m
BIC=-2ln(L)+mln(n)
其中m是模型中参数的个数,n是观测数据的个数,L表示最大似然值。取得最小AIC或BIC的模型被选为最适模型。
2. 结果
根据图 1所示的1990~2001年黄海鳀鱼亲体数量(×106 t)与补充量(×1011尾)资料,用Ricker模型进行拟合,求得各项参数值为α=1.5931,β=0.3058。AIC与BIC值分别为37.2062,38.176。
表 1显示了黄海鳀鱼补充量与黄海千里岩水域逐月平均、全年平均、4~7月平均SST及PC数据的相关系数。
这里,设$\alpha_t=\frac{R_t}{S_t} \exp \left(\beta S_t\right)$是一个对黄海鳀鱼补充量有重要综合影响的可变环境因子[10-11],其与补充量的关系如图 4所示。为了对各项环境数据进行统计计算,设定Xi代表各项环境因子,其对应关系如表 1所示。
有$\alpha_i=\alpha_0+\sum\limits_{i=1}^n \alpha_i X_i$[10-11],根据表 1中显示的相关系数,采用多元线性回归方法拟合对αt有重要影响的环境因子,年平均PC、9月平均和4~7月平均SST,即有αt=α0+α1X1+α10X10+α15X15。求得各项参数值α0=7.974;α1=-0.0144;α10=0.216;α15=-0.713。
Rt=(7.974-0.0144Xt+0.216X10-0.713X15)Stexp (-0.3058St),AIC与BIC的值分别为9.3159和11.7404。将由此求得的Rt的计算值与补充量R的观测值进行作图对比(图 5),较之单纯使用Ricker模型,加入环境指数的模型拟合的效果更好。
3. 讨论
3.1 环境因子与补充量的相关性
逐月分析黄海千里岩海域平均月SST与补充量的关系,可以看出,4~7月份的SST对黄海鳀鱼的补充量有着显著的影响,因为黄海鳀鱼性腺发育、生殖和仔稚鱼育肥的主要时期是每年的4~10月份[8],由表 1也可以看出4~7月的SST与黄海鳀鱼补充量的相关系数最大。
3.2 环境条件指数
从图 4中可以看到,1996年(包括1996年)之前的环境条件指数与补充量的变化趋势以及波动程度都极其相似,1996年之后的环境因子与补充量的变化趋势虽然比较相似,但是变化程度有了明显的不同。由ZHAO等[8]研究的年捕捞量数据可知,1997~2000年间的黄海鳀鱼产量逐年明显高于其它年,捕捞力量的加剧可能导致了这一现象的出现。
黄海鳀鱼SRR的主要影响因素在1997年之后发生了变化,1990~1997年间,黄海鳀鱼补充量在波动中保持相对的稳定,1999年之后黄海鳀鱼资源大幅衰退,补充量随之显著降低。由此可见,只有在亲体量变化水平相当的情况下,环境因子的影响才相对显著。
3.3 模型结果比较分析
表 2是黄海鳀鱼SRR模型参数的估计值,以及AIC、BIC的计算值。从中可以看出,加入环境条件因子的Ricker模型对补充量的估计效果更好。其AIC与BIC的值都远远小于单纯用Ricker模型进行拟合的结果。说明环境条件对黄海鳀鱼SRR的影响是比较明显的,对环境条件因子的研究还是有一定意义的。
表 2 黄海鳀鱼SRR模型参数的估计值,AIC、BIC计算值Table 2. Estimated parameters and AIC, BIC in stock recruitment models (SRR)模型
model参数 estimated parameters AIC BIC α β α0 α1 α10 α15 Ricker模型
Ricker model1.5931 0.3058 - - - - 37.2062 38.176 加入αt的Ricker模型
Ricker model with αt- 0.3058 7.974 -0.0144 0.216 -0.713 9.3159 11.7404 鳀鱼资源的衰退,将对鳀鱼渔业产生巨大的负面影响。从图 1可以看出,黄海鳀鱼种群正在迅速向原点位置衰退,为了保证黄海鳀鱼渔业的可持续发展和利用,预防性管理措施的实施是极为必要的。
-
图 2 内禀增长率参数先验分布为 [0.6, 1.5] 情况下巴基斯坦海洋渔业资源最大可持续产量评估结果
a. 1950—2015年统计产量与MSY评估结果(实线为几何平均数,虚线为正负2倍标准差,下同;b. 参数r–k的先验均匀分布,黑色点为后验组合;c. 为ln(r) 和 ln(k)的线性关系以及MSY的几何平均数 (实线);d~f. 为参数r、k以及MSY的后验概率密度
Figure 2. Model outputs for fisheries in Pakistani waters with r of [0.6, 1.5]
a. catch history from 1950 to 2015 with MSY estimation (solid line) ± 2SD (dash line); b. prior uniform distribution of r–k, and the black dots are posterior combinations; c. the relationship between ln(r) and ln(k) with geometric mean MSY (solid line) ± 2SD (dash line); d~f. posterior densities of r, k and MSY
表 1 评估对象产量数据序列及参数先验分布设置
Table 1 Catch data series and prior distribution for fish groups in stock assessment
类群
fish group数据序列
data series先验分布 prior distribution 内禀增长率
r起始年份资源量水平
first year B1/k最终年份资源量水平
final year Bn/k鳀类 Anchovies 1988—2015 [0.6, 1.5] [0.5, 0.9] [0.01, 0.4] 魣类 Barracudas 1978—2015 [0.05, 0.5] [0.5, 0.9] [0.3, 0.7] 乌鲳 Formio niger 1962—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 鲳类 Butterfishes 1985—2015 [0.2, 1] [0.5, 0.9] [0.3, 0.7] 鲹类 Carangids 1962—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 军曹鱼 Rachycentron canadum 1962—2015 [0.05, 0.5] [0.5, 0.9] [0.3, 0.7] 鲯鳅 Coryphaena hippurus 1983—2015 [0.6, 1.5] [0.5, 0.9] [0.3, 0.7] 石首鱼类 Croakers 1954—2015 [0.2, 1] [0.5, 0.9] [0.3, 0.7] 宝刀鱼 Chirocentrus dorab 1971—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 石斑鱼类 Groupers 1962—2015 [0.05, 0.5] [0.5, 0.9] [0.3, 0.7] 石鲈类 Grunts 1962—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 长头小沙丁鱼 Sardinella longiceps 1950—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 马鲹 Caranx hippos 1981—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 白带鱼 Trichiurus lepturus 1980—2015 [0.05, 0.5] [0.5, 0.9] [0.01, 0.4] 银纹笛鲷 Lutjanus argentimaculatus 1962—2015 [0.05, 0.5] [0.5, 0.9] [0.01, 0.4] 鲻类 Mullets 1970—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 康氏马鲛 Scomberomorus commerson 1950—2015 [0.2, 1] [0.5, 0.9] [0.3, 0.7] 海鳗 Muraenesox cinereus 1978—2015 [0.05, 0.5] [0.5, 0.9] [0.01, 0.4] 鲷类 Porgies 1970—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 鳐类 Rays 1962—2015 [0.05, 0.5] [0.5, 0.9] [0.01, 0.4] 海鲇 Arius thalassinus 1950—2015 [0.05, 0.5] [0.5, 0.9] [0.01, 0.4] 金线鱼类 Threadfin breams 1985—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 舌鳎类 Tonguefishes 1950—2015 [0.2, 1] [0.5, 0.9] [0.01, 0.4] 大甲鲹 Megalaspis cordyla 1987—2015 [0.2, 1] [0.5, 0.9] [0.3, 0.7] 注:[ ]. 均匀分布区间 Note: Square brackets represent uniform distributions. 表 2 4种不同内禀增长率先验分布评估的巴基斯坦海洋渔业最大可持续产量和可捕量评估结果
Table 2 Estimated MSY and allowable catch under four prior levels of intrinsic rate of increase for marine fisheries in Pakistani waters
内禀增长率先验分布
prior of intrinsic rate of increase评估结果 assessment result 内禀增长率
r最大可持续产量/104 t
MSY可捕量/104 t
allowable catch[0.6, 1.5] 0.976 (CV=0.31) 40.88 (CV=0.023) 36.79 [0.4, 1.5] 0.637 (CV=0.37) 40.30 (CV=0.027) 36.27 [0.4, 1.7] 0.654 (CV=0.39) 40.13 (CV=0.026) 36.11 [0.6, 1.7] 0.905 (CV=0.28) 40.80 (CV=0.022) 36.72 注:CV. 变异系数 Note: CV. coefficient of variation 表 3 巴基斯坦24个重要经济类群评估结果
Table 3 Assessment results of 24 important commercial fish groups in Pakistani waters
类群
fish group内禀增长率
r最大可持续产量/104 t
MSY可捕量/104t
allowable catch2015年产量/104t
catch in 2015鳀类 Anchovies 0.73 14.37 (0.09) 12.93 6.45 魣类 Barracudas 0.26 4.46 (0.12) 4.01 6.69 乌鲳 Formio niger 0.26 2.91 (0.13) 2.62 2.29 鲳类 Butterfishes 0.54 4.37 (0.08) 3.93 4.93 鲹类 Carangids 0.28 10.09 (0.06) 9.08 2.61 军曹鱼 Rachycentron canadum 0.22 2.31 (0.03) 2.08 3.89 鲯鳅 Coryphaena hippurus 0.85 3.58 (0.07) 3.22 4.61 石首鱼类 Croakers 0.41 18.77 (0.11) 16.89 16.16 宝刀鱼 Chirocentrus dorab 0.26 2.68 (0.13) 2.41 2.78 石斑鱼类 Groupers 0.20 11.46 (0.17) 10.31 15.98 石鲈类 Grunts 0.30 4.84 (0.09) 4.36 4.01 长头小沙丁鱼 Sardinella longiceps 0.38 35.98 (0.13) 32.38 27.78 马鲹 Caranx hippos 0.32 6.70 (0.05) 6.03 7.32 白带鱼 Trichiurus lepturus 0.26 12.46 (0.06) 11.21 12.66 银纹笛鲷 Lutjanus argentimaculatus 0.13 1.56 (0.03) 1.40 1.26 鲻类 Mullets 0.29 9.82 (0.09) 8.84 9.53 康氏马鲛 Scomberomorus commerson 0.52 9.89 (0.18) 8.90 9.79 海鳗 Muraenesox cinereus 0.14 3.16 (0.21) 2.84 2.76 鲷类 Porgies 0.29 2.90 (0.14) 2.61 1.96 鳐类 Rays 0.11 13.92 (0.03) 12.53 4.72 海鲇 Arius thalassinus 0.33 21.57 (0.22) 19.41 19.29 金线鱼类 Threadfin breams 0.35 5.06 (0.08) 4.55 2.89 舌鳎类 Tonguefishes 0.30 1.42 (0.09) 1.28 1.12 大甲鲹 Megalaspis cordyla 0.47 3.75 (0.10) 3.38 3.63 注:括号内为变异系数CV值 Note: Value in brackets are coefficient of variations. -
[1] KALHORO M A, LIU Q, VALINASSAB T, et al. Population dynamics of greater lizardfish, Saurida tumbil from Pakistani waters[J]. Pak J Zool, 2015, 47(4): 921-931.
[2] FAO. Fishery and Aquaculture Country Profiles. Pakistan (2009). Country Profile Fact Sheets.[EB/OL]. (2017-12-01).http://www.fao.org/fishery/facp/PAK/en.
[3] PSOMADAKIS P N, OSMANY H B, MOAZZAM M. Field identification guide to the living marine resources of Pakistan[R]. Rome: FAO, 2015.
[4] FANNING L P, KHAN M W, KIDWAI S, et al. Surveys of the offshore fisheries resources of Pakistan-2010[R]. Rome: FAO Fisheries and Aquaculture Circular, 2011: 1065.
[5] 陈峰, 蒋日进, 朱文斌, 等. 巴基斯坦海洋渔业现状与合作开发对策分析[J]. 海洋开发与管理, 2016, 33(12): 13-18. doi: 10.3969/j.issn.1005-9857.2016.12.003 [6] KALHORO M A. Population dynamics of nemipteridae and synodontidae fish families from Pakistani waters[D]. 青岛: 中国海洋大学, 2014: 17-43. [7] KALHORO M A, LIU Q, WARYANI B, et al. Growth and mortality of brushtooth lizardfish, Saurida undosquamis, from Pakistani waters[J]. Pak J Zool, 2014, 46(1): 139-151.
[8] MEMON K H, LIU Q, KALHORO M A, et al. Maximum sustainable yield estimates of barramundi Lates calcarifer fishery from Pakistani waters[J]. Indian J Geo-Mar Sci, 2015, 44(6): 825-832.
[9] KALHORO M A, LIU Q, MEMON K H, et al. Maximum sustainable yield of greater lizardfish Saurida tumbil fishery in Pakistan using the CEDA and ASPIC packages[J]. Acta Oceanol Sin, 2015, 34(2): 68-73. doi: 10.1007/s13131-014-0463-0
[10] PANHWAR S K, LIU Q, AMIR S A, et al. Performance comparison between logistic and generalized surplus-production models applied to the Sillago sihama fishery in Pakistan[J]. J Ocean U China, 2012, 11(3): 401-407. doi: 10.1007/s11802-012-1930-x
[11] 张魁, 刘群, 廖宝超, 等. 渔业数据失真对两种非平衡剩余产量模型评估结果的影响比较[J]. 水产学报, 2018, 42(9): 1378-1389. [12] MACCALL A D. Depletion-corrected average catch: a simple formula for estimating sustainable yields in data-poor situations[J]. ICES J Mar Sci, 2009, 66(9): 2267-2271.
[13] DICK E J, MACCALL A D. Depletion-based stock reduction analysis: a catch-based method for determining sustainable yields for data-poor fish stocks[J]. Fish Res, 2011, 110(2): 331-341. doi: 10.1016/j.fishres.2011.05.007
[14] 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. doi: 10.3969/j.issn.0253-4193.2017.08.003 [15] MARTELL S, FROESE R. A simple method for estimating msy from catch and resilience[J]. Fish Fish, 2013, 14(4): 504-514. doi: 10.1111/j.1467-2979.2012.00485.x
[16] HADDON M. Modelling and quantitative methods in fisheries (Second Edition) [M]. London: Chapman and Hall , 2001: 76-98.
[17] FROESE R, PAULY D. Estimation of life history key facts. In: FishBase 2000: concepts, design and data sources. (eds Froese R and Pauly D) [R]. Philippines: ICLARM, 2000.
[18] 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: 1-25. [19] 易传剑, 周梅芳, 俞存根. 政府规制理论在我国近海渔业管理中应用的探讨[J]. 水产学报, 2012, 36(5): 787-793. [20] 郭文路, 黄硕琳. 总可捕量制度不同实施方式的比较分析[J]. 海洋湖沼通报, 2001(4): 61-69. doi: 10.3969/j.issn.1003-6482.2001.04.012 [21] RICARD D, MINTO C, JENSEN O P, et al. Examining the knowledge base and status of commercially exploited marine species with the RAM Legacy Stock Assessment Database[J]. Fish Fish, 2012, 13(4): 380-398. doi: 10.1111/faf.2012.13.issue-4
[22] CARRUTHERS T R, PUNT A E, WALTERS C J, et al. Evaluating methods for setting catch limits in data-limited fisheries[J]. Fish Res, 2014, 153(5): 48-68.
[23] BERKSON J, THORSON J T. The determination of data-poor catch limits in the United States: is there a better way?[J]. ICES J Mar Sci, 2015, 72(1): 237-242. doi: 10.1093/icesjms/fsu085
[24] 詹秉义. 渔业资源评估[M]. 北京: 中国农业出版社, 1995: 25-31. [25] ALLISON G. The influence of species diversity and stress intensity on community resistance and resilience[J]. Ecol Monogr, 2004, 74(1): 117-134. doi: 10.1890/02-0681
[26] 韩保平. 巴基斯坦海洋渔业概况[J]. 海洋渔业, 1999(2): 90-91. [27] 李善勋. 巴基斯坦的海洋渔业[J]. 中国水产, 1983(9): 28-29. [28] 陈新军, 钱卫国, 田思泉. 阿拉伯海北部公海海域鸢乌贼资源密度及其分布[J]. 海洋科学进展, 2006, 24(3): 360-364. doi: 10.3969/j.issn.1671-6647.2006.03.014 [29] 张鹏, 张俊, 李渊, 等. 秋季南海中南部海域的一次灯光罩网探捕调查[J]. 南方水产科学, 2016, 12(2): 67-74. doi: 10.3969/j.issn.2095-0780.2016.02.010 -
期刊类型引用(2)
1. 鲁泉,李楠,方舟,张忠. 基于优势分析法的西印度洋捕捞国和地区渔获量差异初步分析. 上海海洋大学学报. 2022(03): 821-830 . 百度学术
2. 史登福,许友伟,孙铭帅,黄梓荣,陈作志,张魁. 广东海洋渔业资源可捕量评估. 海洋渔业. 2021(05): 521-531 . 百度学术
其他类型引用(3)