基于高斯马尔可夫随机场的空间剩余产量模型在纽芬兰大滩红鱼资源评估中的运动效应建模研究

来自纽芬兰的研究人员针对空间剩余产量模型(SSPMs)中鱼类运动引发的计算难题与过程误差混淆问题，创新性地采用Matérn协方差结构的Gaussian Markov随机场方法，通过模拟验证和实际数据应用(NAFO 3LN分区)，显著提升了红鱼空间丰度估计精度，为数据稀缺渔业资源评估提供了高效建模方案。

　　

针对缺乏可靠年龄与体长数据的渔业评估场景，空间剩余产量模型(Spatial Surplus Production Models, SSPMs)作为空间状态空间模型的重要分支，长期受困于鱼类移动行为带来的计算复杂度与过程误差混淆问题。本研究通过引入具有Matérn协方差结构的高斯马尔可夫随机场(Gaussian Markov Random Field)，成功实现了种群动态与生产量时空变异的精准刻画，有效规避了传统方法的局限性。模拟研究显示：在明确考虑鱼类移动的数据环境下，该随机场模型在空间丰度估计表现上显著优于非空间模型及显式运动模型，其优势体现于Akaike信息准则(AIC)、贝叶斯信息准则(BIC)以及模拟与估计种群间相关性等多重统计指标。基于实际调查与商业捕捞数据的应用案例进一步证实：该方法成功揭示了NAFO 3LN分区红鱼(Sebastes spp.)的空间分布格局，模型验证显示良好拟合效果。尤为突出的是，该模型仅凭8年短时序数据即实现SSPM的高效拟合，这为数据贫乏型渔业资源评估提供了革命性的方法论突破。