北太平洋中西部劍魚(Xiphias gladius)管理策略評價

戴小杰, 柳 宇, 夏 萌

北太平洋中西部劍魚()管理策略評價

戴小杰1, 2, 3, 柳 宇1, 夏 萌1

(1.上海海洋大學海洋科學學院, 上海 201306; 2.國家遠洋漁業工程技術研究中心, 上海 201306; 3.農業農村部大洋漁業資源環境科學觀測實驗站, 上海 201306)

劍魚()屬于大洋性中上層高度洄游性魚種, 是遠洋漁業重要的目標漁獲物和兼捕種類, 具有較高經濟價值。本文在北太平洋金槍魚與類金槍魚國際科學委員會(ISC)對劍魚資源評估結果基礎上, 使用1951年到2018年漁獲量數據, 通過先驗參數設置構造操作模型模擬北太平洋中西部劍魚的種群動態和漁業動態, 通過不同管理策略捕撈規則計算對數據和參數要求篩選出9種備選管理策略(DD, DD4010, CC1, SBT1, GB_slope, ICI, ICI2, SPmod, MCD)并對其管理效果進行量化分析, 并對短期和長期產量進行預測。通過對各先驗參數時間序列分布及各管理策略的權衡, 使用Kobe圖表達實施管理策略前后劍魚資源狀況的變化, 最終確定使用根據時間序列平均值和標準誤差指數來調整漁獲量的管理策略(ICI)為最佳的管理策略。對9種管理策略其中4種輸出型管理策略(MCD, ICI, ICI2, SPmod)進行總可捕量(TAC)計算, 分別擬合中國臺灣CPUE序列和日本CPUE序列, 最終得到ICI管理策略對未來50年TAC控制量在10 404.48 t, 50%置信區間在6 678.51～18 743.22 t。對最終所選擇的ICI管理策略進行敏感性測試, 結果表明其對漁獲量和豐度指數較為敏感。

劍魚; 管理策略評價; 管理策略權衡; 敏感性分析

目前世界漁業資源總體呈下降趨勢, 迫切需要對漁業資源進行養護與管理, 對漁業資源進行可持續發展利用, 已經成為全世界漁業發展共同關注的問題。現代漁業所面臨的主要問題是過度捕撈、船隊過度發展和生態環境的破壞等[1]。當前國際漁業管理措施主要分兩類, 一種是對捕撈努力量的控制, 漁船數量的限制, 漁具的選擇等投入方面的管理, 另一種是對總可捕量(total allowable catch, TAC)等輸出量的控制[2]。制定管理措施要首先明確管理目標, 然后選擇合適的備選管理策略, 對其管理效果進行評估, 最后根據權衡的結果選擇對管理目標魚種適合的管理措施[3-4]。漁業是一個復雜的系統, 其中包含自然和人文等因素, 因此在對漁業進行管理的過程中, 不同的管理措施得到的結果也大不相同, 尤其在數據缺乏的漁業中體現得更加明顯[5]。數據不足是全球漁業普遍存在的問題, 以威脅到了漁業資源的可持續開發和管理, 數據缺乏主要因素是缺乏長期的資源調查、數據不連續、統計數據不完整等, 對于數據缺乏的漁業是無法使用復雜的模型進行評估與管理, 為了更好地對其進行漁業資源養護與管理, 對于有限數據的評估方法越來越需求, 數據有限方逐漸成為漁業資源評估工具庫的重要組成[6]。基于R的DLMtool[7-8]軟件包在數據缺乏的漁業管理及管理策略評價中得到了很好的實踐, 軟件包中提供了超過100種管理策略可選擇, 管理策略有著很大的靈活性, 可以根據目標魚種的種群動態和漁業動態進行相應的調整, 進而得到更科學, 更精確的評價結果, 為世界范圍內的漁業管理提供了參考信息[9-10], 在很多漁業, 如印度洋條紋四鰭旗魚()、北大西洋長鰭金槍魚()和大西洋藍鰭金槍魚()等種類的管理[11]中都得到應用。

劍魚()隸屬鱸形目, 劍魚亞目, 劍魚科, 科中只有一個劍魚屬, 屬中只有劍魚一個魚種[12]。劍魚作為大洋性中上層高度洄游性魚種, 廣泛分布于世界三大洋的熱帶到溫帶海域, 劍魚分別是金槍魚延繩釣和淺層延繩釣的主要兼捕漁獲物和目標漁獲物[13]。隨著近些年來劍魚資源量的下降, 中西太平洋漁業委員會(Western and Central Pacific Fisheries Commission, WCPFC)和北太平洋金槍魚與類金槍魚國際科學委員會(Inter-na-tional Scientific Committee for Tuna and Tuna-like Species in the North Pacific Ocean, ISC)等區域漁業管理組織對劍魚進行資源評估和研究并提出管理建議。參與漁業資源的養護和管理, 有利于維護我國在太平洋漁業的國家利益[14], 本研究在基于ISC[15-16]對北太平洋中西部劍魚資源評估結果的基礎上, 使用DLMtool構造操作模型, 進行管理策略評價模擬測試, 為北太平洋中西部劍魚資源的管理選擇適合的管理策略, 旨在為劍魚資源的可持續利用提供科學支持。

1 材料與方法

1.1 數據來源

漁獲量數據選擇由ISC提供的1951年—2018年漁獲量數據(圖1), 豐度指數數據采用中國臺灣、日本的標準化CPUE(catch per unit effort, CPUE)[15]。中國臺灣CPUE數據為2000—2016年, 日本CPUE數據為1975—2016年(圖2)。

圖1 1951—2018年間北太平洋中西部劍魚總捕獲量

1.2 操作模型

DLMtool是基于R語言的程序包, 主要應用于對數據缺乏漁業提供幫助, 選擇合適的管理策略。操作模型作為管理策略評價最核心部分, 操作模型為狀態空間年齡結構模型, 通過模擬漁業動態和種群動態產生年齡結構漁獲量等模擬數據, 以種群補充偏差的形式表達時間序列的選擇性及過程誤差, 是一種模擬真實種群動態的模型[17]。

圖2 中國臺灣(2000—2015年)和日本(1976—2016年)的豐度指數數據

操作模型中選擇Beverton-Holt型種群補充關系與正態自然對數補充量偏差函數。

式中,N,i=1,x為區域在第年的補充量,為魚的年齡,P,x為過程誤差隨機變量,0為最初平均補充量,Ssb,x為在區域在第年的親體量,n為目標魚種的最大年齡,m為齡魚的性成熟率。

構造漁業動態模擬首先需要對選擇性進行定義, 通過分別構造一個上升選擇性曲線和下降選擇性曲線進行分段定義。選擇性的定義由最大選擇性年齡m來決定。

式中,1和2分別代表不同情況的標準差,E為捕撈努力量與正態自然對數變化量的積,為計算區域在第年的捕撈量系數。等于0時, 漁業不被脆弱性資源影響, 在所有區域范圍中均勻分布。大于0時, 其分布傾向具有更多脆弱性資源的區域,小于0時, 漁業分布偏向于較少脆弱性資源的區域。為了減少漁業分布對種群的影響, 更精確的選擇合適的管理策略, 將設置在–0.5到1之間。

1.3 先驗參數設置

操作模型參數設置主要分為種群動態參數和漁船動態參數, 種群動態參數主要包括極限年齡()、自然死亡率()、種群補充關系陡度()、極限體長(inf)、50%性成熟體長(50)、Von bertalanffy生長參數()、種群衰退()等。漁船動態參數主要包括總年限()、表現出完全脆弱性的最小體長(L)、表現出5%脆弱性最小體長(5)、最大個體脆弱性()、平均漁業捕撈率變化()、年平均漁業捕撈效率變化()、研究的最終年限()等[16, 18-19]。通過參考相關劍魚研究參數的值模擬最真實的種群動態, 達到模型輸出最佳效果(表1)。

表1 種群動態和漁船動態的參數分布

1.4 管理策略的權衡和TAC計算

本研究基于ISC對北太平洋中西部劍魚資源評估的結果, 北太平洋中西部劍魚資源現狀及ISC和WCPFC對劍魚的養護管理措施[20]。9種管理措施進行初步測試(表2)。通過模型收斂效果檢驗和Kobe圖判斷選擇對劍魚種群資源最適合的管理措施。

表2 管理策略模型介紹

通過對中國臺灣CPUE序列和日本CPUE序列的擬合, 根據相對應的輸出型管理策略, 對總可捕量(TAC)進行50 a預測, 通過擬合不同CPUE序列的結果對比判斷所選管理措施對實施養護管理措施的效果及其影響。權衡管理策略對未來漁獲量控制能力大小, 最后結合所有的結果選擇最優管理策略。

2 結果

2.1 漁業動態模擬

本研究對種群動態參數和漁船動態參數分別進行的三次迭代計算, 紅綠黑3種顏色分別代表著參數值高中低3種不同情況(圖3)。本研究假設所有參數分布為均勻分布, 根據ISC對北太平洋中西部劍魚資源評估結果及參數分布繪制了重要參數時間序列變化圖(圖3, 圖4)。種群動態參數時間序列結果顯示3次迭代計算結果是不同的, 但是3種結果均表明種群符合Beverton-Holt補充關系型, 漁船動態參數時間序列分布假設基于年齡和體長的選擇性與預測保持一致, 均呈現為漸近線形, 且捕撈死亡率呈逐年上升趨勢。

圖3 北太平洋中西部劍魚種群動態參數時間序列分布

注: 紅、綠、黑3種顏色分別表示高、中、低3次迭代計算

圖4 北太平洋中西部劍魚漁船動態參數時間序列分布

假設脆弱性保持穩定, 不隨時間變化而變化。通過對在種群補充關系中起關鍵作用的參數時間序列(等)進行3次迭代計算, 共48次模擬, 由狀態空間年齡結構評估模型得到產卵生物量, 自然種群初始補充量結果(圖5)。

管理策略選擇前, 對其進行模型收斂性進行檢測, 初步設定模擬次數為48次, 參考點為捕撈死亡率與最大可持續產量捕撈死亡率之比大于1; 生物量與最大可持續產量生物量之比小于1(F/FMSY>1; B/BMSY<1)和生物量與最大可持續產量生物量之比小于0.5(B/BMSY<0.5), 所選擇的9種管理策略均在40次左右完成收斂(圖6), 只有在收斂穩定的前提下, 獲得的結果才是穩定有效的。因此48次模擬次數滿足該模型對管理策略選擇的需要。

圖5 操作模型中時間序列種群動態的參數變化趨勢

圖6 不同管理策略收斂性檢測結果

2.2 管理策略模擬測試

根據DLMtool程序包通過對各先驗參數(表1)及其漁獲量數據、豐度指數數據輸入篩選適合劍魚的管理策略, 所選擇的9種MP的捕撈控制規則計算要求(表2)符合本研究數據, 在對所選9種管理策略對劍魚資源未來50年份管理策略模擬的結果表明(表3), 其中9種模型所對應的F/FMSY結果表明ICI、MCD、SBT1和ICI2四種管理措施效果較好, 其中ICI和ICI2效果最佳, POF(過度捕撈概率)最低僅為0.3%, 模型相對應的B/BMSY則僅有SPmod(52.2%)、DD(47.5%)、DD4010(41.4%)三種管理策略結果較差, 其3種管理策略對應的過度捕撈概率分別為46.4%、31.3%和25.8%, 使用該管理策略有很大概率造成劍魚資源的過度捕撈。

表3 9種管理策略對種群狀況影響預測的模擬情況

注: F/FMSY, 捕撈死亡率與最大可持續產量捕撈死亡率之比; B/BMSY, 生物量與最大可持續產量生物量之比; POF, 過度捕撈概率; FMSYyield, 產量水平

對比管理策略實施前后劍魚資源的差異, 以科比圖的形式展現管理策略對種群動態及漁業動態的影響(圖7), 藍色圓點表示使用管理措施前的狀態, 紅色圓點表示使用管理措施50年份后的資源狀態。對比發現管理效果最好的為MCD、ICI和ICI2三種管理策略, 最后資源狀態落在健康位置的概率為100%。

圖7 9種管理策略實施前后種群狀態變化科比圖

2.3 管理策略的權衡

通常將短期預測與長期預測結果綜合考慮, 對管理效果進行分析和權衡。因此, 本研究對所選9種管理策略進行了120年份的長期預測(圖8), 左圖橫縱坐標分別表示為不被過度捕撈概率和預測的長期漁獲量, 右圖橫縱坐標分別表示為資源量高于0.5 BMSY的概率和年平均漁獲量變化小于15%的概率。MCD、ICI和ICI2在左圖中表現為未發生過度捕撈概率最大, 但長期漁獲量偏低, 在右圖表現為年平均漁獲量變化小于15%的概率偏大, 我們對于管理策略篩選的原則定義是, 長期產量高的同時盡可能降低發生過度捕撈概率, 漁獲量年變化小的同時保證資源量在0.5 BMSY上, 其中DD、DD4010、ICI、ICI2、MCD五種管理策略落入我們定義的范圍內。

圖8 長期預測(120年)的管理策略權衡圖

2.4 總可捕量(TAC)計算

為了量化漁業管理意見, 提供輸出控制管理建議, 分別通過擬合中國臺灣CPUE序列和日本CPUE序列對TAC進行計算, 得到了MCD、ICI2、SPmod、ICI四種輸出控制管理策略的TAC結果(圖9)。通過對比不同CPUE得到的TAC結果表明ICI的TAC結果最小(表4, 表5), 也就是說這ICI管理策略對漁獲量具有更加嚴格的控制, 綜合ISC對劍魚資源現狀評估結果以及上述管理策略模型分析的結果, 通過調整參考點, 使用不同的捕撈控制規格, 本研究最終認為ICI是對北太平洋中西部劍魚資源最佳的管理策略, TAC建議為10 404.48 (6 678.51～18 743.22) t。

圖9 擬合中國臺灣CPUE序列和日本CPUE序列得到的結果

表4 使用中國臺灣CPUE序列得出的TAC(單位: t)

表5 使用日本CPUE序列得出的TAC(單位: t)

3 討論

本研究選擇了9種管理策略作為備選管理策略, 通過管理策略評價模擬測試, 對備選管理策略的管理效果進行量化評價, 結果顯示最佳的管理策略為管理策略ICI, 在實施該管理策略的情況下, 每年的生物量都高于參考值BMSY, 且平均年捕撈死亡率低于參考值FMSY, 根據ISC的統計, 該種群1975—1999年期間平均漁獲量為12 933 t, 2000—2009年間漁獲量增加至14 343 t, 自2010年以來平均漁獲量下降至10 498 t, 按照漁具和漁船對捕撈量進行分類, 平均年捕撈量為13 642 t, 其中日本和中國臺灣的漁獲量有所下降, 美國和其他國家的漁獲量相對增加, 目前該種群生物量相對穩定其產卵生物量為29 404 t[15]。管理策略模型ICI的TAC計算均值為10 404.48 (6 678.51～18 743.22) t在平均捕撈量之下, 因此認為ICI管理策略的模擬實施在未來劍魚資源開發的過程中會將資源控制在健康的狀態。為防止出現過度捕撈對資源造成破壞, 在劍魚漁業的模擬中考慮到了很多種不確定因素, 例如自然死亡率、極限長度、環境承載力等的不確定性, 這些數值來源于ISC報告, 對于不確定的參數及其置信區間的設置還需要進一步的評價與研究。

3.1 敏感性分析

本研究對最終選擇的管理策略ICI進行敏感性分析(圖10), 在該管理策略中使用Cat(漁獲量)和Ind(豐度指數)兩個參數, 敏感性分析的結果表明, 漁獲量參數的變化對產量結果影響較大, 隨著漁獲量的增加產量也隨著增加, 呈現正相關關系且增長2～3倍。豐度指數則相對平緩, 對產量影響較小。敏感性分析表明ICI是對漁獲量較為敏感的管理策略, 因此在使用ICI的過程中需要注意漁獲量數據的準確性。但是, 敏感性測試是單因素變化的, 然而實際中各種不確定性是交叉混雜在一起的, 因此單因子變化的敏感性測試得到的結果很可能不能反映真實的情況[21]。大部分評估模型都是基于漁獲量數據的, 漁獲量數據會定期更新, 但是在使用的時候仍會有風險[14], ISC近些年來對北太平洋中西部劍魚資源的評估均顯示資源狀況處于健康狀態, ICI管理策略對于該地區的劍魚資源管理相對更為適合。

圖10 對管理策略ICI的敏感性測試結果

3.2 漁業管理中的不確定性

漁業管理中受到實際操作和生物學等方面的影響易產生不確定性[22-24]。本研究構造的操作模型成功的關鍵取決于模型中不確定性因素程度大小是否能被正確地表達, 管理策略評價模擬測試的運行中會盡可能全面地考慮不確定因素, 進而使得實施管理措施后能夠降低新得到信息的不確定性。但從實際出發, 沒有任何模型能夠全面地考慮到所有關聯的不確定性因素, 因此為了提高結果的可信度和精確性, 盡可能地選出最相關最能反映假設的因素去考慮。模型不確定性是整個不確定因素中最關鍵的組成部分, 其主要包括: 親體補充關系服從Beverton-Holt關系還是Richer關系; 模型參數是可變值還是固定值; 選擇性曲線是漸近線型還是拱型; 在所選海域共有多少種群; 數據結構是否正確; 環境氣候對生物學方面的影響等不確定性因素。Kraak等[22]認為模型中的不確定性來源是隨機的, 并且所選擇的不確定性并不一定能夠完全反映其主要來源, 降低模型的不確定方法通常是將固定的效益關系轉變為可以自由組合的效益關系。

在考慮不確定因素的影響下, 本研究的假設和模型基本能滿足數據缺乏條件下劍魚管理策略模型的研究, 值得注意的是, 種群狀態脆弱性關系的假設是否造成了世代差異的不確定性, 對種群補充關系所帶來影響的環境因素, 會導致劍魚資源量評估的誤差, 所使用的漁獲量數據能不能全面地反映劍魚種群結構, 因此在今后的相關研究中應充分考慮種群補充關系因素, 并且采用多種調查方式獲取更加全面的數據用來反映種群結構。Kokkalis等[23]和Carruthers等[8]研究分別表明, 對有限數據的充分利用能夠大大降低種群狀態評估的不確定性和采用多種不同類型的數據結構去實施的管理策略模型的管理效果會好于充足數據構建的模型。

4 結論

本文研究為劍魚資源的可持續開發利用和科學管理提供了參考建議, 使用基于R語言開放的DLMtool軟件包進行管理策略評價的模擬測試, 權衡了備選管理策略的管理效果, 預估當前及未來劍魚資源可持續開發需要控制的總可捕量(TAC), ICI管理策略在不影響漁業資源的情況下, 一定程度地限制了未來的總可捕量。盡管ISC評估報告表明北太平洋中西部海域劍魚資源量處于健康狀態且未被過度捕撈, 但對于捕撈劍魚的經濟誘導因素等不斷增加可能導致劍魚種群的捕撈努力量大大增加, 進而導致出現過度捕撈狀況以及漁業資源的不可持續, 因此, 本研究在資源評估結果的基礎上為劍魚未來資源的可持續利用和劍魚的養護管理選擇了相對最優管理策略, 即管理策略ICI。本研究建議在今后對北太平洋中西部海域劍魚的評估中應進一步考慮漁業獨立數據、非漁業獨立數據和環境數據等的不確定性。在未來的漁業資源管理中, 采用更加全面的管理策略評價體系, 為北太平洋中西部劍魚的資源養護與管理提供有價值的科學依據。

[1] 王從軍.東黃海鮐魚貝葉斯生物經濟模型及管理策略評價[D].上海: 上海海洋大學, 2014.

Wang Congjun.Bayesian Bio-economic Model and management strategy evaluation of Chub.mackerel (Scomber japonicus) in the East China Sea and Yellow Sea[D].Shanghai: Shanghai Ocean University, 2014.

[2] Zhang C I, Kim S, Gunderson D, et al.An ecosystem-based fisheries assessment approach for Korean fisheries[J].FisheriesResearch, 2009, 100(1): 26-41.

[3] Saila S B.Quantitative fisheries stock assessment: choice dynamics and uncertainty[J].BioScience, 1993, 43(1): 57-59.

[4] Punt A E.The FAO precautionary approach after almost 10 years: have we progressed towards implementing simulation‐tested feedback‐control management systems for fisheries management?[J].NaturalResourceModeling, 2006, 19(4): 441-464.

[5] 李志, 王家啟, 田思泉.印度洋黃鰭金槍魚漁業管理策略評價的初步研究[J].上海海洋大學學報, 2016, 25(2): 255-262.

Li Zhi, Wang Jiaqi, Tian Siquan.Management stra-tegy evaluation for yellowfin tuna fishery.in Indian Ocean[J].Journal of Shanghai Ocean University, 2016, 25(2): 255-262.

[6] Newman D, Carruthers T, MacCall A, et al.Improving the science and management of data-limited fisheries: an evaluation of current methods and recommended approaches[R].New York: The Natural Resources Defense Council, 2014.

[7] Carruthers T R, Hordyk A R.Data‐Limited Methods Toolkit[r].MethodsinEcologyandEvolution, 2018.

[8] Carruthers T R, Hordyk A R.The Data‐Limited Methods Toolkit (DLM tool): An R package for informing management of data‐limited populations[J].MethodsinEcologyandEvolution, 2018, 9(12): 2388-2395.

[9] Smith A D M, Sainsbury K J, Stevens R A.Implementing effective fisheries-management systems– management strategy evaluation and the Australian par-tnership approach[J].ICESJournalofMarineScience, 1999, 56(6): 967-979.

[10] Punt A E, Donovan G P.Developing management procedures that are robust to uncertainty: lessons from the International Whaling Commission[J].ICESJournalofMarine Science, 2007, 64(4): 603-612.

[11] 夏萌.印度洋條紋四鰭旗魚()資源評估與管理策略評價[D].上海: 上海海洋大學, 2020.

Xia Meng.Stock assessment and management strategy evaluation of Striped Marlin () in the Indian Ocean[D].Shanghai: Shanghai Ocean University, 2020.

[12] 趙榮興, 繆圣賜.世界劍魚類的基本概況[J].漁業信息與戰略, 2006(11): 13-16.

Zhao Rongxing, MIAO Shengci.Outline of swordfishes in the world[J].Modern Fisheries Information, 2006(11): 13-16.

[13] 戴小杰, 姜潤林, 許柳雄, 等.熱帶中東大西洋海域劍魚種群特征初步研究[J].海洋湖沼通報, 2010(3): 17-23.

Dai Xiaojie, Jiang Runlin, Xu Liuxiong, et al.Preliminary study on swordfish population charactristics in the Tropical Eastern Central Atlantic Ocean[J].Transactions of Oceanology and Limnology, 2010(3): 17-23.

[14] 李偉文.太平洋大青鯊種群結構及其管理策略評價研究[D].上海: 上海海洋大學, 2017.

Li Weiwen.Population structure and management stra-tegy evaluation of blue shark () in the Pacific Ocean[D].Shanghai: Shanghai Ocean University, 2017.

[15] ISC Billfish Working Group.Stock assessment for swordfish () in the Western and Central North Pacific Ocean through 2016[R].Yeosu, Republic of Korea, 2018.

[16] ISC Billfish Working Group.Report of the billfish working group wprkshop[R].Honolulu, Hawaii, USA, 2019.

[17] Punt A E, Campbell R A, Smith A D.Evaluating empirical indicators and reference points for fisheries management: application to the broadbill swordfish fishery off eastern Australia[J].MarineandFreshwaterResearch, 2001 52(6): 819-832.

[18] Evans K, Abascal F, Kolody D, et al.The hori-zontal and vertical dynamics of swordfish in the South Pacific Ocean[J].JournalofExperimentalMarineBio-logyandEcology, 2014, 450: 55-67.

[19] 劉尊雷, 袁興偉, 楊林林, 等.有限數據漁業種群資源評估與管理——以小黃魚為例[J].中國水產科學, 2019, 26(4): 621-635.

Liu Zunlei, Yuan Xingwei, Yang Linlin, et al.Stock assessment and management strategies for small yellow croaker in the East China Sea based on data-limited assessment models.Journal of Fishery Sciences of China, 2019, 26(4): 621-635.

[20] WCPFC.Conservation and management measures (CMMs) and resolutions of the Western and Central Pacific Fishe-ries Commission[R].Pohnpei, Federated States of Micronesia, 2021.

[21] Porch C E, Eklund A M, Scott G P.A catch-free stock assessment model with application to goliath grouper (Epinephelus itajara) off southern Florida[J].FisheryBulletin, 2006, 104(1): 89-101.

[22] Kraak S B, Kelly C J, Codling E A, et al.On scientists’ discomfort in fisheries advisory science: the example of simulation‐based fisheries management‐ strategy evaluations[J].Fish and Fisheries, 2010, 11(2): 119-132.

[23] Kokkalis A, Thygesen U H, Nielsen A, et al.Limits to the reliability of size-based fishing status estimation for data-poor stocks[J].FisheriesResearch, 2015, 171: 4-11.

[24] Carruthers T R, Kell L T, Butterworth D D, et al.Performance review of simple management procedures[J].ICESJournalofMarineScience, 2016, 73(2): 464-482.

Management strategy evaluation of swordfish () in the Western and Central North Pacific Ocean

DAI Xiao-jie1, 2, 3, LIU Yu1, XIA Meng1

(1.College of Marine Sciences, Shanghai Ocean University, Shanghai 201306, China; 2.National Engineering Research Center for Oceanic Fisheries, Shanghai 201306, China; 3.Ministry of Education, Scientific Observing and Experimental Station of Ocean Fishery Resources, Ministry of Agriculture, Shanghai 201306, China)

swordfish; management strategy evaluation; management strategy trade-off; sensitivity analysis

As an eminently migratory fish species, swordfish () is an important division of the Western and Central North Pacific Ocean fish stock that constitutes high economic value.Based on the stock assessment result of the International Scientific Committee for Tuna and Tuna-like Species in the North Pacific Ocean (ISC) with catch data from 1952 to 2018, operating models were created in which stock dynamics of swordfish in the Western and Central North Pacific Ocean were defined by setting a prior parameter.Nine alternative management procedures, Delay – Difference Stock Assessment (DD), Delay – Difference Stock Assessment 4010(DD4010), Geromont and Butterworth Constant Catch (CC1), SBT simple MP (SBT1), Geroment and Butterworth index slope Harvest Control Rule (GB_slope), Index Confidence Interval (ICI), Index Confidence Interval 2 (ICI2), Surplus production based catch-limit modifier (SPmod), and Mean Catch Depletion (MCD) were chosen to be tested in our simulation circulation with 48 simulations of 50 years yield projection.Through the priors of the time series and trade-offs on management procedures, the impact on stock status with the implementation of management procedures was intuitively represented by generating Kobe plots, and ICI was concluded as the best management strategy.Following this, total allowable catch (TAC) calculation was carried out using two time series abundance index data from Chinese Taipei and Japan.TAC results were calculated under the implementation of 4 output-control management procedures (MCD, ICI, ICI2, and SPmod).TAC results of ICI were established as 10 404.48 (6 678.51～ 18 743.22) with a 50% confidence interval.Subsequently, sensitivity analysis on each parameter within ICI was conducted, wherein the results demonstrated that it is sensitive to both catch and abundance index data.

Apr.16, 2021

[Ministry of Agriculture and Affairs National Oceanic Fishery Observer Program, No.08-25]

S932.4

A

1000-3096(2022)03-0111-11

10.11759/hykx20210416001

2021-04-16;

2021-06-08

農業農村部國家遠洋漁業觀察員項目(08-25)

戴小杰(1966—), 男, 博士, 教授, 從事漁業資源研究、漁業生態學研究, E-mail: xjdai@shou.edu.cn; 夏萌(1990—), 通信作者, 男, 博士, 從事漁業資源研究、漁業管理研究, E-mail: mengxia.ocean@ gmail.com

(本文編輯: 趙衛紅)