基于海鸟食性数据的大西洋鲱资源评估模型创新：整合摄食率指数揭示非线性捕食者-猎物动态

《Fisheries Research》：Integrating a seabird diet-derived recruitment index into a stock assessment model of Atlantic herring in the Northeast U.S.

本研究针对大西洋鲱(Clupea harengus)资源评估中年龄1群体采样不足的难题，创新性地将34年海鸟（普通燕鸥Sterna hirundo）摄食观测数据构建为鲱鱼摄食率指数，并整合至状态空间年龄结构评估模型(WHAM)。研究发现摄食率与资源量存在显著非线性关系（高资源量时呈现饱食效应，低资源量时呈现超稳定性），通过建立自回归过程(AR1)模型有效改善拟合效果，为生态系统方法在渔业资源评估中的应用提供了重要范式。

　　

在渔业资源管理领域，如何准确评估经济鱼类的资源量一直是个核心挑战。特别是对于像大西洋鲱(Clupea harengus)这样的重要经济鱼种，其年龄1群体（即补充群体）由于体型较小且分布特征特殊，往往难以被传统的底拖网调查有效捕获。这种"数据缺口"直接导致了资源评估模型对关键参数——补充量估计的不确定性，进而影响管理决策的科学性。

面对这一难题，研究人员将目光投向了海洋生态系统中的天然"监测员"——海鸟。在缅因湾海域，普通燕鸥(Sterna hirundo)每年夏季会大量捕食年龄1大西洋鲱来喂养幼鸟，这种捕食行为与鲱鱼资源量之间存在着潜在的联系。早先的研究表明，基于海鸟食性的指数能够有效预测鲱鱼生物量，但将其正式整合入资源评估模型并进行系统验证的研究尚属空白。

在这项发表于《Fisheries Research》的研究中，Sean B. Hardison等人开展了一项创新性探索。团队利用长达34年（1988-2021年）覆盖12个岛屿的普通燕鸥摄食观测数据集，构建了年度鲱鱼摄食率指数，并将其整合入状态空间年龄结构评估模型(WHAM)作为年龄1鲱鱼资源量的代理指标。

研究团队采用的关键技术方法包括：基于三角洲广义线性混合模型(delta GLMM)的时空建模技术，利用sdmTMB软件包处理存在大量缺失值的观测数据；应用随机偏微分方程(SPDE)方法进行空间插值预测；以及通过Woods Hole评估模型(WHAM)平台实现摄食率指数与资源评估模型的整合分析。

研究结果显示，当时空delta GLMM模型设定为10个节点时，能够较好地捕捉鲱鱼摄食率的时空变化 pattern。模型估计的空间自相关范围约为27-34公里，表明岛屿间存在显著的空间依赖性。年际间则表现出较强的时空持续性（概率模型ρ=0.7，正摄食率模型ρ=0.61）。

当评估模型假设摄食率指数与补充量之间存在线性关系时，残差分析揭示了一个明显的非线性 pattern：在高补充量年份，摄食率呈现平台效应（饱食现象）；而在低补充量年份，摄食率则保持在相对较高水平（超稳定性）。这种关系符合II型功能反应的典型特征。

为解决这一非线性问题，研究人员开发了一种自回归过程(AR1)模型变体，通过引入基于基础模型补充量分位数的虚拟环境协变量来模拟时变可捕性。结果显示，AR1模型显著改善了拟合效果，可捕性在高低补充量年间变化达6倍之多，有效捕捉了捕食者-猎物间的非线性动态。

敏感性分析表明，当降低其他调查数据的权重时，线性模型变体对近期补充量的估计产生了较大偏差，而AR1模型变体则保持了稳定性，证明考虑非线性关系的模型对数据缺失情况具有更强鲁棒性。

这项研究的创新之处在于首次系统验证了海鸟食性指数在渔业资源评估中的实用价值，并揭示了捕食者-猎物动态中的非线性关系对评估结果的重要影响。研究不仅为解决年龄1鲱鱼资源量评估难题提供了新思路，也为生态系统方法在渔业管理中的实际应用提供了重要案例。未来，通过进一步完善空间加权方案和开发更灵活的函数关系模块，这种基于生态系统的评估方法有望在更多鱼种评估中发挥重要作用。

值得注意的是，将食性数据整合入评估模型时需要谨慎考虑其与资源量间的函数关系假设，避免因模型设定不当引入偏差。本研究展示的AR1过程模型为处理这类问题提供了可行思路，同时也提示评估工作者在整合生态系统数据时需要进行充分的模型诊断和敏感性分析。