阿拉伯海域中“光 purse seine”渔船的生态位

《Regional Studies in Marine Science》：The environmental niche of Light Purse Seine Vessels in the Arabian High Seas

本研究利用阿拉伯海灯光围网渔船的AIS数据，构建Boosted Regression Tree模型预测渔业努力量分布，揭示距离海岸、溶解氧及海水温度的非线性影响，为区域渔业管理提供科学依据。

　　海洋渔业是全球范围内获取自然资源的主要形式之一，其覆盖范围广泛，特别是在公海区域，90%的海洋生物栖息地可供捕捞利用，占全球海洋面积的三分之二。由于海洋环境的复杂性和动态变化，对渔业活动的监测与管理一直是国际社会关注的重点。然而，传统的渔业数据收集方法往往存在精度不足、覆盖范围有限以及数据不完整等问题，这些限制影响了对渔业资源和生态压力的准确评估。近年来，随着自动识别系统（AIS）技术的发展，为渔业活动的监测和管理提供了新的可能性。

AIS是一种广泛用于船舶跟踪和位置信息采集的系统，它能够提供实时、高精度的船舶数据，包括位置、速度、航向和时间等信息。这些数据不仅为渔业管理提供了直观的视角，还能够帮助研究人员分析渔业活动与海洋环境之间的相互作用。由于AIS数据的获取和处理技术日益成熟，大量数据的积累使得基于这些数据的时空分析成为可能。这为研究渔业活动的空间分布、时间变化及其驱动因素提供了强有力的支持。

本研究聚焦于印度洋阿拉伯海地区的轻型围网渔船（light purse seine vessels）的渔业活动，旨在探讨其空间分布特征及环境因素对其活动模式的影响。研究团队采用AIS数据作为主要数据源，结合环境变量，构建了预测模型，以揭示渔业活动的动态变化及其背后的机制。具体而言，研究采用了增强回归树（Boosted Regression Trees, BRT）和广义可加模型（Generalized Additive Models, GAM）两种方法，分别用于分析渔业活动与环境因素之间的非线性关系。通过比较这两种模型的预测效果，研究发现BRT模型在捕捉环境变量对渔业活动的非线性影响方面表现更为出色，特别是在阿拉伯海这种复杂多变的海洋环境中，BRT模型能够更准确地反映渔业活动的潜在分布和行为模式。

研究结果显示，轻型围网渔船在阿拉伯海的活动呈现出显著的季节性特征。在不同月份，渔船对海洋环境的偏好有所不同，这与水体中的溶解氧浓度、海面温度等关键环境因素密切相关。距离海岸线的远近（Distance from Shore, DSH）、海面溶解氧（Sea Surface Dissolved Oxygen, DO0）和海面温度（Sea Surface Temperature, SST）被认为是影响渔业活动分布的主要因素。这些因素共同作用，决定了渔船在特定时间内的活动区域和强度。通过模型预测，研究团队发现渔业活动的潜在分布与实际观测结果高度一致，这表明所构建的模型在预测渔业活动的空间格局方面具有较高的准确性。

本研究的成果不仅为阿拉伯海地区的渔业资源管理提供了科学依据，也为全球范围内的渔业活动监测和生态保护提供了新的思路和方法。通过识别影响渔业活动的关键环境因素，研究有助于制定更加精准和可持续的渔业管理策略。此外，模型的应用还可以为其他海洋区域的渔业活动分析提供参考，推动全球渔业管理的智能化和数据化发展。在当前全球渔业资源日益紧张、生态环境面临挑战的背景下，这类研究对于实现渔业资源的可持续利用和海洋生态系统的保护具有重要意义。

阿拉伯海作为一个新兴的渔业活动区域，近年来吸引了越来越多的渔船前来捕捞，尤其是来自中国大陆的轻型围网渔船。这些渔船主要针对鱿鱼和鲭鱼等经济价值较高的鱼类进行作业。然而，由于该区域的渔业研究起步较晚，目前关于渔业资源分布和影响因素的研究仍然十分有限。大多数现有研究仅关注特定物种的分布或捕捞产量的影响因素，而缺乏对整个渔业活动空间格局及其驱动机制的系统性分析。因此，本研究在这一背景下具有重要的现实意义和科学价值。

研究团队在分析过程中发现，轻型围网渔船的活动区域往往集中在几个特定的区域，这些区域通常位于三个专属经济区（Exclusive Economic Zones, EEZs）的交汇处。其中，部分渔船的活动范围接近阿曼专属经济区的边界，表明该区域可能具有较高的渔业资源密度或特定的环境条件，吸引渔船聚集。这种空间分布模式可能与海洋环境中的资源分布、水流动力、水温变化以及捕捞成本等因素有关。此外，研究还指出，渔业活动的分布呈现出明显的时空变化特征，这表明在不同季节和不同海域，渔船的行为模式可能受到多种因素的共同影响。

在模型构建和验证过程中，研究团队采用了多种方法来确保模型的准确性和可靠性。首先，通过AIS数据的积累和处理，研究团队能够获取渔船在阿拉伯海区域的详细活动轨迹，为模型输入提供了丰富的数据支持。其次，研究团队将环境变量与渔业活动数据相结合，利用BRT模型对这些变量之间的非线性关系进行建模。BRT模型是一种基于决策树的集成学习方法，其优势在于能够有效处理非线性关系，并通过迭代优化提高模型的预测能力。与传统的GAM模型相比，BRT模型在捕捉复杂环境因素对渔业活动的影响方面表现更为优越。

研究还对模型的预测能力进行了评估，结果显示BRT模型在不同时间段内的预测效果均较为理想，AUC值（Area Under the Curve）达到了0.958至0.976之间，表明模型在识别渔业活动的潜在分布方面具有较高的准确率。这一结果不仅验证了BRT模型在该研究中的有效性，也为未来在其他海洋区域开展类似研究提供了方法上的参考。通过构建和验证这些模型，研究团队能够更深入地理解渔业活动与环境因素之间的关系，从而为渔业资源的合理利用和海洋生态保护提供科学支持。

此外，本研究还强调了对渔业活动空间分布和时间变化的综合分析的重要性。渔业活动不仅受到环境因素的影响，还可能受到经济、政策、技术等多种因素的制约。因此，仅依赖单一因素进行分析可能无法全面反映渔业活动的复杂性。研究团队通过构建综合模型，将多种环境变量纳入分析框架，从而更全面地揭示渔业活动的驱动机制。这种多因素综合分析的方法为未来的渔业研究提供了新的方向，有助于更精准地预测渔业活动的变化趋势，进而制定相应的管理措施。

本研究的另一个重要贡献在于揭示了轻型围网渔船在阿拉伯海区域的季节性偏好。这种偏好可能与海洋环境中的温度变化、溶解氧浓度以及食物资源的分布密切相关。例如，在某些月份，海面温度较高可能促使渔船向特定区域移动，以寻找适宜的捕捞条件。而溶解氧浓度的变化可能影响鱼类的分布，从而间接影响渔船的作业位置。通过分析这些季节性变化，研究团队能够更好地理解渔业活动的动态特征，并为渔业管理提供更加科学的依据。

在实际应用中，本研究构建的预测模型可以用于监测和管理渔业活动，特别是在那些缺乏详细数据的区域。通过利用AIS数据和环境变量，研究团队能够预测未来一段时间内渔业活动的潜在分布，从而帮助管理者制定更加合理的捕捞策略。同时，这些模型还可以用于评估渔业活动对海洋生态系统的影响，为生态保护政策的制定提供支持。在渔业资源日益紧张的背景下，这种预测能力对于实现可持续渔业管理具有重要意义。

此外，本研究还对渔业活动的生态影响进行了探讨。由于渔业活动可能对海洋生态系统造成一定的压力，研究团队通过分析渔业活动的空间分布和时间变化，能够更准确地评估其对生态环境的影响程度。这种评估有助于识别高生态压力区域，并采取相应的保护措施，以减少渔业活动对海洋生物多样性和生态系统稳定性的影响。通过结合AIS数据和环境变量，研究团队能够更全面地了解渔业活动与生态环境之间的相互作用，从而为生态保护和渔业管理提供更加科学的指导。

最后，本研究的成果也为未来的研究提供了新的思路和方向。例如，研究团队可以进一步探索不同类型的渔船在不同海域的活动模式，分析其对海洋生态系统的不同影响。此外，还可以结合其他数据源，如遥感数据、海洋生物监测数据等，构建更加全面的模型，以提高预测的准确性和可靠性。这些研究方向不仅有助于深化对渔业活动与环境因素之间关系的理解，也为全球渔业资源的可持续利用和海洋生态保护提供了更多的科学支持。

总之，本研究通过构建和验证BRT模型，揭示了轻型围网渔船在阿拉伯海区域的活动特征及其与环境因素之间的关系。研究结果表明，BRT模型在预测渔业活动的空间分布和时间变化方面具有较高的准确性，能够为渔业资源管理和生态保护提供科学依据。同时，研究还强调了对渔业活动进行多因素综合分析的重要性，为未来的研究和实践提供了新的视角和方法。在当前全球渔业资源管理面临诸多挑战的背景下，这类研究对于实现可持续发展和生态保护具有重要的现实意义。