气候变化、牲畜生产力与底栖渔业管理：以地中海中部地区为例的案例研究

《Canadian Journal of Fisheries and Aquatic Sciences》：Climate change, stock productivity, and demersal fisheries management: a central Mediterranean case study

环境介导的种群-产量关系研究：地中海亚得里亚海与西爱琴海渔业管理评估。通过BEMTOOL模型整合SST、botT等环境变量，构建动态S-R模型，分析RCP4.5、RCP8.5及无气候变化情景下七种鱼类种群响应，发现温度显著影响鲈鱼等中短期种群招募率，FMSY和PGY管理策略能有效提升种群水平但面临短期 catches下降。研究证实传统S-R模型需纳入环境因子以应对气候变化，为区域渔业管理提供决策支持。

　　### 评估环境对鱼类种群生产力的影响：一项针对亚得里亚海和西部爱奥尼亚海的研究

在评估渔业资源的可持续性以及制定有效的管理策略时，鱼类种群的繁殖与幼鱼数量之间的关系（即“种群-幼鱼”关系，S–R关系）是一个核心议题。然而，在地中海海域，特别是亚得里亚海和西部爱奥尼亚海，由于数据有限，准确估算这些关系变得尤为困难。本研究旨在探讨环境因素如何影响这些关键种群的生产力，并分析气候变化与渔业管理之间的相互作用，从而为适应性管理策略提供科学依据。

#### 研究背景与意义

近年来，亚得里亚海的长期生存种群（如欧洲狭鳕）出现了显著下降，这促使了针对性的管理措施。然而，一些中短期生命周期的种群（如虾类）却显示出积极的趋势，这表明减少沿岸捕捞压力和有利的环境条件可能正在推动部分种群的恢复。尽管这些变化可能对渔业管理产生积极影响，但环境因素的相对作用以及其未来是否持续仍不明确。因此，本研究首次在该区域估算环境驱动的S–R关系，并通过BEMTOOL模拟模型评估不同管理策略和气候情景对关键种群的影响，强调了在混合渔业管理中整合气候因素的重要性。

#### 研究方法与模型

本研究选取了七个对底栖渔业具有重要意义的种群，涵盖了欧洲狭鳕、红鳞鱼、深水玫瑰虾、大红虾以及蓝红虾等五个物种。研究区域包括亚得里亚海和西部爱奥尼亚海（GFCM定义的地理子区域17、18和19），其中部分种群还涉及东部爱奥尼亚海（GSA20）。这些种群的种群规模和幼鱼数量数据来源于GFCM和STECF的工作组评估，结合了捕捞压力（F）、种群繁殖规模（SSB）以及相关的参考点。

为了估算环境驱动的S–R关系（EMSRR），我们使用了BEMTOOL模拟模型，这是一种集生物学、经济和环境因素于一体的综合模型。模型首先基于传统S–R关系（如Hilborn和Walters在1992年提出的模型）进行参数估计，随后引入环境变量（如海面温度、海底温度、盐度、净初级生产力等），通过非线性最小二乘法进行拟合。为了确保模型的稳定性，我们排除了高度相关的变量，并选择了最合适的模型以提高预测能力。

#### 环境变量的作用

在分析中，我们发现环境变量对种群的预测能力有显著影响。温度被确认为所有模型中最重要的变量，尤其是在影响幼鱼存活率和繁殖能力方面。海面温度（SST）和海底温度（botT）在多个种群中显示出关键作用，而盐度和净初级生产力（nppv）的影响则相对较小，仅在某些特定种群（如红鳞鱼）中表现出显著相关性。这一结果表明，温度是影响种群生产力的主导因素，而其他变量可能因数据质量和生态相关性而作用有限。

对于某些种群（如深水玫瑰虾），尽管模型中引入了环境变量，但预测能力并未显著提高，这可能与这些种群对环境变化的适应性较高有关。然而，对于红鳞鱼等种群，环境变量的引入显著提升了模型的准确性，显示出环境因素在预测幼鱼数量和种群规模方面的重要性。这一发现支持了将环境变量纳入S–R模型以提高其预测能力的观点。

#### 管理策略的评估

为了评估不同管理策略对种群和渔业的影响，我们模拟了三种情景：现状（SQ）、最大可持续产量（FMSY）和适中产量（PGY）。其中，FMSY情景在所有种群中表现最佳，有助于提高种群规模和幼鱼数量，但可能带来短期捕捞量下降，进而影响渔业的经济表现和社会接受度。相比之下，PGY情景提供了一个更为平衡的折中方案，既能改善种群健康，又能保持较高的捕捞水平，从而减少短期经济冲击。

在气候情景方面，我们考虑了三种不同的代表浓度路径（RCPs）：RCP4.5（中等气候保护）、RCP8.5（无气候保护）以及NoCC（无排放增长）。结果显示，RCP4.5和RCP8.5情景下，种群的年度波动性显著增加，尤其对欧洲狭鳕和红鳞鱼等种群而言，极端气候条件可能对其幼鱼存活率产生负面影响。然而，对于虾类种群，适度的温度上升可能带来一定的好处，但在RCP8.5情景下，温度升高可能对种群的长期可持续性构成威胁。

#### 研究结果与意义

通过分析不同气候和管理情景对种群规模和产量的影响，我们发现传统S–R模型在当前和未来条件下可能无法充分反映种群的动态变化。环境变量的引入显著提升了模型的预测能力，特别是在极端气候情景下，能够更准确地模拟种群的未来趋势。这表明，在混合渔业管理中，需要考虑气候变化对种群的影响，以确保管理措施的有效性和适应性。

此外，本研究还揭示了气候变化与渔业管理之间的复杂互动。例如，在RCP8.5情景下，欧洲狭鳕和红鳞鱼的幼鱼数量预计会显著下降，这可能限制其种群恢复能力。然而，虾类种群在RCP4.5情景下表现出一定的适应性，其幼鱼数量和种群规模有所提升，但在RCP8.5情景下，这种提升趋势被削弱，可能因为极端温度升高影响了其繁殖和生存条件。

#### 未来展望

尽管本研究取得了一定成果，但仍存在一些局限性。例如，我们假设在特定气候情景下，全球排放和缓解措施将按照预设路径发展，而实际上，这些因素可能在未来的几十年中发生较大变化。此外，我们的模型主要关注环境变量对幼鱼数量的影响，而忽略了其他可能的生态过程，如生长率和自然死亡率的变化。这些因素也可能受到环境变化的影响，因此，未来的研究可以进一步扩展模型，以更全面地评估种群的动态变化。

总体而言，本研究为适应性渔业管理提供了重要的科学依据，强调了在模型中整合环境变量的必要性。通过将环境因素纳入S–R关系，我们可以更准确地预测种群的未来趋势，并制定更具可持续性的管理策略。这不仅有助于保护渔业资源，还能确保渔业的长期经济和社会效益。