利用标记回捕技术监测入侵鱼类定向清除效果的研究与模拟优化

本研究针对入侵鱼类(如亚洲鲤鱼Hypophthalmichthys spp.)种群管理中定向清除效果的评估难题，通过建立贝叶斯标记回捕(Brownie tag-return)模型进行系统模拟，分析了标记数量(50-4000尾/年)、研究时长(3-10年)、标记保留率(θ=0.75-1.0)和报告率(λ=0.35-1.0)等参数对清除率(μ)估算精度的影响。结果表明模型能无偏估计年清除率(0.05-0.65)，其中标记报告率对精度影响最大，为入侵鱼类管理提供了关键的设计准则。

　　

在全球水生生态系统面临外来物种入侵威胁的背景下，亚洲鲤鱼（包括鲢鱼Hypophthalmichthys molitrix和鳙鱼H. nobilis）在美国密西西比河流域的扩散已成为重大生态挑战。这些繁殖力强的大型滤食性鱼类不仅改变食物网结构，还造成数百万美元的经济损失。虽然商业捕捞等定向清除措施被广泛采用，但传统CPUE（单位努力渔获量）监测方法存在明显局限——它假设捕获率恒定且与种群丰度直接相关，这在动态变化的入侵种群中往往难以成立。

美国地质调查局和鱼类野生动物管理局的研究团队创新性地将标记回捕技术（tag-return studies）应用于入侵鱼类管理评估。这项发表在《North American Journal of Fisheries Management》的研究通过建立贝叶斯标记回捕模型，系统模拟了不同参数组合下清除率估算的准确性。研究特别关注了标记数量（50-4000尾/年）、研究时长（3-10年）、标记保留率（θ=0.75-1.0）和报告率（λ=0.35-1.0）等关键因素，这些参数直接关系到管理决策的成本效益和可行性。

研究采用基于Brownie标记回捕模型的改进框架，通过拉丁超立方抽样生成包含随机性的模拟数据集，使用rjags软件包进行贝叶斯分析。主要技术路线包括：（1）构建考虑标记保留率θ和报告率λ的多项式分布模型；（2）设计恒定清除率（0.05-0.65）和可变清除率（递增/递减/随机/骤降）两类情景；（3）通过100次重复模拟评估模型偏差和四分位距（IQR）；（4）分析误差容忍范围内（±0.05）的预测比例。

恒定清除率情景显示，模型在所有参数组合下均能实现无偏估计（平均偏差=-0.0003），但精度受多重因素影响。当清除率从0.05升至0.65时，预测IQR范围从0.003-0.046扩大到0.034-0.227，表明高清除率需要更多标记数量补偿精度损失。标记报告率的影响最为显著——最佳情景（λ=0.95）的平均IQR（0.029）显著优于最差情景（λ=0.50）的0.110。值得注意的是，增加标记数量（从50尾/年到4000尾/年）可使IQR改善47%，而延长研究时长（3年vs 9年）仅带来12%的精度提升。

可变清除率情景验证了模型捕捉动态变化的能力。在清除率骤降模拟中（反映种群补充事件），模型能及时检测到清除率从0.35-0.65降至0.05-0.20的转变。但研究也发现，仅依赖往年释放标记进行估算的"预测年"（如第4或10年）精度显著降低（IQR增加35-60%），这为研究设计提供了重要警示。

讨论部分强调了三个管理启示：首先，标记报告率是精度决定因素，建议通过高奖励标记或加工链监控提高λ值；其次，250-500尾/年的标记量在最佳报告率下即可满足多数管理需求，但低报告率时需大幅增加标记量；最后，3-4年的短周期研究已能获得可靠"快照"，而延长研究主要对监测趋势变化有价值。这些发现不仅适用于亚洲鲤鱼管理，也为其他入侵鱼类的标记研究（如狮子鱼Pterois spp.）提供了设计范式。

该研究的创新点在于首次量化了入侵鱼类标记回捕研究中精度与成本的权衡关系，特别是明确了标记报告率的关键作用。研究建立的模拟框架可帮助管理者根据容忍误差（如±0.05）、种群动态特征和预算约束优化设计方案。未来研究可结合声学遥测等独立方法验证清除率估算，并将该模型拓展至包含种群大小估计的整合分析中。这些进展将为入侵鱼类的精准防控提供更强大的决策支持。