基于船舶追踪与渔业依赖数据的非法捕捞风险评估及监测控制优化研究

本研究针对非法、未报告和无管制(IUU)渔业活动监管效率低下的问题，通过融合船舶自动识别系统(AIS)与官方上岸数据，建立风险评估模型识别高风险渔船。研究发现15.9%的捕捞行程存在未报告行为，其中23艘高风险渔船贡献85%违规事件，且夏季违规率显著降低。该研究为优化监测、控制与监督(MCS)资源分配提供了数据驱动的新范式，对提升海洋治理效能具有重要意义。

　　

海洋渔业是全球重要的蛋白质来源，但非法、未报告和无管制(Illegal, Unreported and Unregulated, IUU)捕捞长期威胁着海洋生态平衡。据估计全球约20%渔获涉及IUU活动，每年造成230-360亿美元经济损失。尽管欧盟通过《港口国措施协定》等法规加强管控，但监测成本高昂（2022年EFCA支出7010万欧元）与监管效率低下（仅8.6%检查发现违规）的矛盾依然突出。传统随机抽查方式难以应对狡猾的违规行为，亟需建立精准的风险评估体系。

葡萄牙研究团队在《Ocean》发表的研究创新性地融合船舶自动识别系统(AIS)轨迹数据与官方上岸记录，构建了渔船级别的风险评估模型。研究选取2014-2020年葡萄牙沿岸多鱼种渔业的66艘渔船（14-23米LOA）作为研究对象，这些渔船主要使用刺网、陷阱等静态渔具。通过机器学习算法将AIS数据分类为航行、放网等四种行为模式，并与DOCAPESCA官方交易记录时空匹配。研究设定19次行程/月的最小样本阈值，采用广义加性模型(GAM)分析季节性规律，同时引入arcsine平方根转换确保模型假设。

高风险渔船识别方面，研究发现15.9%的捕捞行程（1885/11847次）存在未报告行为，与EFCA报告的15%违规率高度吻合。通过设定14%的均值阈值，锁定23艘（35%）高风险渔船，这些船只贡献了84.6%的违规事件。极端案例中，某渔船未报告率高达61.4%，而合规船只未报告率可低至0%。这种"少数惯犯"现象为靶向监管提供了明确目标。

季节性规律揭示，未报告行为呈现显著非线性特征：冬季至早春达峰值（>20%），夏季降至谷值（8月约8%），秋季又逐步回升。有趣的是，这种波动与海鲜价格呈反向关系——当价格在夏季因消费旺季达到峰值时，违规率反而最低。研究人员提出双重解释：一方面高价激励合法销售，另一方面葡萄牙渔业许可证年度续期制度（8月31日截止）迫使渔船在夏季集中完成最低销售额度要求。

方法论创新体现在三个方面：首次实现AIS行为分类数据与官方交易记录的精准匹配；建立渔船级别的动态风险评估框架；揭示经济激励与政策期限对合规行为的调控作用。不过研究也承认AIS可被关闭的局限性，建议优先采用不可关闭的船舶监控系统(VMS)数据。

该研究的实践意义在于为监测控制与监督(Monitoring, Control and Surveillance, MCS)提供了精准施策的科学依据。通过将有限监管资源集中于高风险渔船（特别是冬季至春季时段），预计可提升8倍检查效率。理论层面则深化了对"理性违法"机制的理解——渔民会在经济收益与政策约束间动态权衡。研究还警示依赖上岸数据估算捕捞努力量可能存在16%低估，这对渔业资源评估具有重要启示。

未来研究可沿三个方向拓展：整合不可关闭的VMS数据提高可靠性；开发实时风险评估系统；探究不同鱼种（如高价值龙虾）的专项违规模式。这项研究为全球渔业治理提供了可复制的技术框架，其"数据驱动、精准监管"的理念对应对复杂海洋管理挑战具有范式意义。