多鱼种渔业管理新视角：基于预防性方法的MMSY理论框架与实践探索

《Fisheries Research》：Extending single-species maximum sustainable yield and precautionary approaches to account for species interactions

本文针对多鱼种渔业管理中单鱼种MSY参考点未考虑种间相互作用的局限性，创新性地提出了多鱼种最大可持续产量（MMSY）的概念及其预防性方法（PA）框架。研究通过整合四种生态系统模拟器（EwE、LeMans、mizer、FishSUMs）构建集成模型，以北海南部九种重要经济鱼类（如鳕鱼、黑线鳕、鲱鱼等）为案例，系统探讨了在种间相互作用下如何同时实现多鱼种的可持续高产与风险可控。结果表明，传统单鱼种MSY管理在多鱼种背景下可能导致部分鱼种处于非预防性状态，而本文提出的两种预防性MMSY定义（FMMSY(1)和FMMSY(2)）能有效协调种间冲突，为基于生态系统的渔业管理提供了可操作的理论工具。该研究发表于《Fisheries Research》，对推动渔业管理从单鱼种向多鱼种范式转变具有重要意义。

　　

海洋渔业是全球数亿人蛋白质来源和生计的保障，但其可持续发展正面临严峻挑战。传统渔业管理通常采用单鱼种评估方法，为每种鱼类单独设定最大可持续产量（Maximum Sustainable Yield, MSY）及其对应的捕捞死亡率参考点F_MSY。然而，海洋生态系统是一个复杂的网络，鱼类之间存在着捕食、竞争等种间相互作用。忽略这些相互作用，简单地将所有鱼种的F_MSY组合起来，可能导致管理失效：追求某个鱼种的高产可能会抑制其饵料鱼种的资源恢复，或者过度捕捞顶级捕食者会引发生态系统级联效应。这种“各自为政”的管理方式，难以实现真正意义上的多鱼种可持续利用。因此，发展能够协调种间冲突、确保生态系统健康的多鱼种管理参考点，成为渔业科学亟待解决的前沿问题。

在此背景下，发表在《Fisheries Research》上的一项研究提出了“多鱼种最大可持续产量”（Multispecies Maximum Sustainable Yield, MMSY）的创新概念及其相应的预防性方法（Precautionary Approach, PA）框架。该研究由Michael A. Spence等人完成，旨在回答一个核心问题：在承认并量化种间相互作用的前提下，如何定义和计算一套能够同时最大化多个鱼种长期产量，并确保各鱼种资源状况处于安全水平之下的捕捞策略？

为了回答这一问题，研究人员开展了一项严谨而复杂的建模研究。他们以北海南部一个包含9种重要经济鱼种（沙鳗、挪威鳕、鲱鱼、牙鳕、鲎鱼、鲽鱼、黑线鳕、鳕鱼和绿青鳕）的渔业系统为案例。研究的关键在于构建一个能够融合不同认知视角的预测框架。为此，他们采用了四种经过验证的、机制不同的多鱼种生态系统模拟器：Ecopath with Ecosim (EwE, 基于生物量动态的食物网模型)、LeMans (基于体长的多鱼种模型)、mizer (基于体型谱的多鱼种模型) 和 FishSUMs (结构化的捕食者-猎物动态模型)。每个模拟器都基于历史数据（1984-2019年）进行了参数化，能够模拟在不同未来捕捞死亡率（F_future）场景下，各鱼种的长期产量和产卵群体生物量（Spawning Stock Biomass, SSB）的动态。

面对不同模拟器预测结果存在差异的问题，研究团队没有简单地选择某一个“最佳”模型，而是采用了一种更为稳健的集成模型（Ensemble Model）方法。该方法将四个模拟器的输出与来自国际海洋勘探理事会（ICES）的单一鱼种评估数据相结合，通过贝叶斯统计方法量化了参数不确定性、模型结构不确定性和观测不确定性。集成模型的核心优势在于，它不假定任何一个模拟器是绝对正确的，而是通过分析各模拟器历史预测与观测数据之间的差异（即“差异”），来加权融合它们的未来预测，从而给出一个综合考虑了所有可用信息和不确定性的、关于长期产量和SSB的概率分布。

在技术方法上，研究者首先利用历史数据校准了四个多鱼种模拟器（EwE, LeMans, mizer, FishSUMs）对北海南部9种鱼类（沙鳗、挪威鳕、鲱鱼、牙鳕、鲎鱼、鲽鱼、黑线鳕、鳕鱼、绿青鳕）的模拟能力。进而，他们构建了一个集成模型，该模型通过贝叶斯统计算法将各模拟器的输出与ICES的单鱼种评估数据融合，量化了参数、模型结构和观测的不确定性。针对大量模拟运行计算成本高的问题，研究采用了机器学习算法（如GAM、神经网络、Cubist模型）为每个模拟器构建了代理模型（Emulator），从而能够快速估算任意给定未来捕捞策略下的长期产出。最后，研究设计了多种管理场景（如无约束MMSY、不同预防性水平下的MMSY等），并利用优化算法求解满足特定条件（如产量最大、风险最低）的最优捕捞策略。

研究结果

1. 多鱼种MSY（MMSY）的定义与存在性

研究明确区分了单鱼种MSY（SS-MSY）和多鱼种MSY（MMSY）。SS-MSY是假设其他鱼种捕捞死亡率固定时，单一鱼种能实现最大长期产量的F值。而MMSY则要求找到一个九维的捕捞死亡率向量（F_MMSY），使得在这个向量下，所有9个鱼种同时达到它们各自（在当下种间作用条件下）的产量峰值。研究发现，对于北海南部的案例，存在一个唯一的、自我一致的F_MMSY点。这意味着存在一套捕捞策略，可以让这个鱼种群体在相互影响中同时实现高产。

2. 预防性方法（PA）在多鱼种语境下的挑战

预防性方法要求鱼群的长期SSB低于其生物量限制参考点（B_lim）的概率低于一个阈值（通常为5%）。在单鱼种管理中，满足此条件的F值（即F_pa）是一个一维空间中的点。但在多鱼种情况下，满足所有鱼种同时遵循PA的捕捞策略构成了一个九维空间中的“预防性集合”。研究发现，当要求所有9个鱼种都严格遵循5%的风险标准时，可能不存在一个同时满足所有条件的捕捞策略（即预防性集合为空集），这凸显了多鱼种管理中目标冲突的严峻性。

3. 预防性MMSY的两种可行定义

针对上述挑战，研究提出了两种将MMSY与PA结合的操作性定义：

• •
  F_MMSY⁽¹⁾（约束优化MMSY）：在九维的预防性集合内，寻找一个点，使得所有鱼种在该点的产量尽可能接近其各自的最大值。这个定义可以看作是单鱼种F_pa概念在多维空间的直接推广，即“在安全范围内求最优”。
• •
  F_MMSY⁽²⁾（最小偏离MMSY）：首先找到无PA约束的MMSY点（F_MMSY），然后在预防性集合中寻找与这个“理想点”欧几里得距离最近的点。这个定义可以理解为“在理想与现实（风险约束）之间寻求最佳妥协”。

4. 案例研究的具体发现

通过对北海南部9种鱼类的模拟分析，研究比较了不同管理场景下的结果：

• •
  单鱼种MSY管理（Scenario 1）：即使每个鱼种单独管理时都遵循PA（Scenario 1.2），当把这些策略组合起来同时实施时，部分鱼种（如牙鳕）无法满足PA要求，且没有一个鱼种真正处于其MMSY状态。这表明单鱼种管理方案在多鱼种系统中是内在不一致的。
• •
  无约束MMSY（Scenario 2） vs 预防性MMSY（Scenarios 3&4）：与无约束的MMSY相比，引入PA后，不同鱼种的建议捕捞死亡率变化方向不一。例如，为了降低生态系统风险，鲱鱼的F_MMSY需要显著降低，而鳕鱼的F_MMSY在某些预防性水平下则可以更高。这反映了种间相互作用的复杂性，以及管理策略需要权衡取舍。
• •
  预防性水平的选择敏感性：研究发现，F_MMSY⁽²⁾的取值对所选定的预防性水平（即可接受的风险概率）非常敏感。放宽对某些关键鱼种（如鳕鱼、牙鳕）的预防性要求，可以显著改变整体的最优捕捞策略。这表明管理决策需要明确的风险偏好。

研究结论与意义

本研究系统地构建了一套在多鱼种背景下定义和计算最大可持续产量（MMSY）并整合预防性方法（PA）的理论与实践框架。研究结论明确指出，忽略种间相互作用的单鱼种MSY管理参考点，在多鱼种系统中可能无法实现其预期的可持续目标，甚至可能导致部分鱼种面临不可接受的风险。

该研究的重要意义在于：

1. 1.
   理论创新：首次明确提出了操作性的、与现行单鱼种管理框架兼容的多鱼种MSY（MMSY）和预防性方法定义，为基于生态系统的渔业管理（Ecosystem-Based Fisheries Management, EBFM）提供了关键的参考点工具。
2. 2.
   方法论突破：采用的集成模型方法有效融合了不同复杂度的多鱼种模型，量化了管理建议背后的不确定性，使决策者能更清晰地了解不同策略的风险收益。
3. 3.
   实践指导：以北海南部渔业为案例的实证研究表明，转向多鱼种管理范式是必要且可行的。研究揭示的种间权衡关系为管理者制定兼顾产量与风险的捕捞配额提供了科学依据。例如，研究建议对于北海南部渔业，可能需要适当降低对鲱鱼的捕捞压力，同时更灵活地管理鳕鱼和牙鳕，以实现整个鱼种群体的可持续利用。
4. 4.
   政策启示：研究强调，多鱼种管理本质上是关于权衡和优先序的决策。不存在一个“完美”的、对所有鱼种都最优的解决方案。因此，渔业管理机构的决策过程需要更加透明，明确界定可接受的风险水平，并利用如本研究开发的工具来评估不同选择带来的后果。

总之，这项研究为渔业管理从传统的、隔离的单鱼种模式向综合的、适应性的生态系统管理模式转变迈出了关键一步。它表明，通过谨慎地应用多鱼种模型和不确定性量化方法，我们有可能设计出更稳健、更可持续的捕捞策略，从而在收获海洋财富的同时，更好地守护海洋生态系统的健康与韧性。未来研究可进一步将经济目标、气候变化影响以及更广泛的生态系统指标纳入此框架，持续推动渔业管理的科学化进程。