加拿大太平洋地区渔具丢失和分布的预测因素

《Marine Policy》：Predicting factors of fishing gear loss and distribution across Canada’s Pacific Ocean

废弃渔具（ALDFG）已成为全球海洋塑料污染的重要问题，本研究基于加拿大太平洋海域的案例，采用物种分布模型（SDM）和广义加性模型（GAM）分析水深、捕捞强度、风速等环境与渔业因素对ALDFG分布的影响。结果表明，沿海区域因水深骤变、捕捞活动密集及强风天气等因素，ALDFG累积概率最高。模型解释了31.4%的变量方差，验证了环境与渔业因素对废弃渔具分布的驱动作用，为制定针对性回收策略提供了科学依据。

　　废弃、丢失或被丢弃的渔具（ALDFG）是全球海洋塑料污染的重要组成部分，对海洋栖息地、野生动物以及渔业产业造成了广泛的影响。这些渔具一旦遗失，会持续捕捞海洋生物，这种现象被称为“幽灵捕鱼”，其危害程度在全球范围内引起了广泛关注。此外，ALDFG还会破坏海洋生态系统，通过破坏、缠绕和覆盖形成栖息地的物种（如珊瑚、海绵、海草等），或者通过侵蚀和干扰海底生态结构，对生物多样性构成威胁。尽管人们已认识到ALDFG的危害，但对于其在海洋中的具体分布位置了解仍然有限，这使得采取有效措施来减少其影响变得困难。

为了填补这一知识空白，空间模型已被证明是预测ALDFG高概率出现区域的有力工具。通过分析环境因素和渔业活动数据，科学家们能够识别出哪些区域更有可能成为ALDFG的聚集地，从而指导未来的回收行动。加拿大太平洋海域作为研究案例，展现了ALDFG问题的复杂性以及空间建模在解决这一问题中的潜力。研究发现，水深、渔业活动强度和风速是影响ALDFG出现的关键变量。这些变量在不同地区可能表现出不同的影响模式，因此需要结合具体的渔业类型和地理环境进行深入分析。

在加拿大太平洋海域，渔业和海洋局（DFO）已发放超过6000份商业捕鱼许可证给超过2000艘注册渔船，这表明该区域的渔业活动非常活跃。不同类型的渔具，如长线、虾笼、拖网和陷阱，被用于捕捞多种目标物种，包括太平洋鲑鱼、鲱鱼、螃蟹、虾类以及各种底栖鱼类和贝类。然而，由于渔业活动的广泛性和复杂性，ALDFG的分布并不均匀，而是集中在某些特定区域。研究发现，沿海地区的商业捕鱼活动是ALDFG聚集的主要原因之一，尤其是在水深较浅、风速较高以及渔业活动频繁的区域。

为了预测这些高概率出现的区域，研究人员采用了一种基于物种分布模型（SDM）的新方法。SDM通常用于生态学和保护生物学领域，通过分析物种的环境需求来预测其可能的分布范围。在本研究中，SDM被用来分析ALDFG的分布模式，结合了水深、渔业活动强度和风速等关键变量。这些变量的非线性关系表明，它们对ALDFG的出现具有不同的影响机制。例如，风速在某些情况下可能增加渔具丢失的可能性，而在其他情况下则可能减少。水深的浅层区域往往更容易发生渔具丢失，尤其是在渔船操作过程中遇到障碍物时。渔业活动强度的增加则意味着更多的渔具被投入海洋，从而增加了遗失的风险。

通过构建和比较多个模型，研究人员确定了最佳模型，该模型包括水深、渔业活动强度和风速三个变量。模型的评估显示，这些变量共同解释了31.4%的数据变异，其中风速贡献最大，解释了56.56%的变异，其次是水深（40.28%）和渔业活动强度（3.16%）。这表明，虽然渔业活动强度是影响ALDFG出现的重要因素，但其作用相对较小。相比之下，风速和水深对ALDFG的分布具有更直接的影响。例如，风速的增加可能导致未妥善固定的渔具被吹离船只，从而增加遗失的可能性。水深的变化则可能影响渔具在海底的稳定性，尤其是在水深较浅的区域，渔船更容易在操作过程中遭遇障碍物，导致渔具遗失。

研究还发现，ALDFG的高概率出现区域主要集中在加拿大太平洋沿岸的陆地部分，如不列颠哥伦比亚省（BC）的海岸线、温哥华岛和哈迪亚群岛。这些区域不仅渔业活动频繁，而且水深较浅，风速较高，这些因素共同作用，增加了渔具遗失的可能性。此外，一些研究指出，渔业活动的密度可能与ALDFG的分布存在相关性，因此未来的研究可以进一步探索不同渔具类型和不同渔业活动模式下的具体影响。

尽管本研究提供了一些重要的见解，但仍有诸多限制需要考虑。首先，渔业活动强度的数据主要来源于自动识别系统（AIS），而加拿大的小型渔船通常不需要安装AIS，或者即使安装也仅出于自愿。这意味着渔业活动强度的分布可能并不完全准确，特别是在一些较为隐蔽的捕鱼区域。其次，虽然本研究考虑了风速和水深等环境因素，但其他潜在因素，如渔具的维护状况、渔民的经验水平以及操作失误，也可能对ALDFG的分布产生影响。这些因素往往难以通过空间模型进行量化和分析，因此需要更多的实地调查和数据收集。

为了提高未来的预测精度，研究建议在模型中引入更多变量，如洋流速度和方向，以及不同渔具类型的特定影响。例如，重的渔具可能更容易被埋入软底环境中，而轻的渔具可能更容易随洋流漂移。这些因素的加入可以更全面地反映ALDFG的分布模式，从而为渔业管理和政策制定提供更可靠的依据。

此外，研究强调了建立更系统化的渔具回收计划的重要性。虽然目前已有多个组织和协会在加拿大太平洋海域开展渔具回收工作，但这些行动往往缺乏统一的协调和长期的资金支持。为了确保这些计划的持续性和效率，需要政府、渔业协会和非政府组织（NGO）之间的紧密合作。例如，美国普吉特湾的“西北海峡基金会”自2012年以来一直在组织渔具回收项目，旨在在渔具遗失后尽快将其打捞，以减少对环境的破坏。类似的努力在加拿大太平洋海域也有可能带来显著的生态和经济效益。

总的来说，ALDFG问题是一个全球性的挑战，需要多方面的努力来应对。通过空间建模等工具，科学家们能够更有效地识别高概率出现的区域，从而指导渔业管理和回收行动。然而，要实现全面的解决方案，还需要更多的数据支持和跨部门合作。未来的努力应着重于提高数据的全面性和准确性，探索不同渔具类型和渔业活动模式下的具体影响，并建立更系统的回收和管理机制，以确保海洋生态系统的健康和渔业资源的可持续利用。