利用贝叶斯动态产量模型评估印度洋长鳍金枪鱼资源状态

印度洋长鳍金枪鱼(Thunnus alalunga)的生物学信息相对较少, 渔业数据存在较多问题, 致使其资源评估结果仍存在较大的不确定性, 从而影响了渔业管理的科学性。为此, 本研究基于印度洋长鳍金枪鱼的渔业捕捞、标准化 CPUE (catch per unit effort)数据及相关种群假设, 利用贝叶斯动态产量模型对该种群进行了资源评估研究, 结果显示: (1) 渔获量的观测误差对模型参数估计、资源状态的判断及渔业管理具有重要影响, 渔获量观测误差的增大使模型评估的过度捕捞概率上升, 导致总可捕量(total allowable catch, TAC)减少; (2) 动态产量模型形状参数、r 的先验分布和资源丰度指数的选择均会影响资源评估的质量, 本研究显示, Fox 模型的资源评估结果比 Schaefer 模型的评估结果更合理, r 先验分布范围的增大使模型评估的资源状态变好, 使用西南海域标准化 CPUE 时的评估结果相对较好; (3) 设置某些年份的资源量比例(φ、P₂₀₁₇)范围有助于提高数据缺乏下渔业资源评估的质量; (4) 评估结果表明印度洋长鳍金枪鱼发生资源型与捕捞型过度捕捞的概率分别为 34%、50%, 两种过度捕捞同时发生的概率为 32%, 该种群正面临捕捞型过度捕捞的风险; 投影分析显示, 将 TAC 控制在 32658 t (即最后 5 年平均渔获量的 90%)以下时, 印度洋长鳍金枪鱼 10 年后不发生过度捕捞的概率大于 60%。贝叶斯动态产量模型作为一种数据有限的渔业资源评估模型, 适用于印度洋长鳍金枪鱼, 且该模型能较好地考虑参数输入和不确定性因素对资源评估质量、总可捕量估计的影响, 为深入研究印度洋长鳍金枪鱼的资源状态与管理提供了科学依据。

Status assessment of Thunnus alalunga resources in the Indian Ocean using a Bayesian biomass dynamic model