环境招募指数对加利福尼亚流生态系统petrale sole（Eopsetta jordani Lockington, 1878）Stock Synthesis资源评估的影响

《Fisheries Oceanography》：Impact of an Environmental Index of Recruitment on the Stock Assessment for Petrale Sole (Eopsetta jordani Lockington, 1878) in the California Current Ecosystem

　　

资源评估为渔业管理提供关键科学输入。年龄结构信息对这些评估很重要，因为它为估算招募提供基础，进而影响未来产卵生物量（spawning biomass）及其他用于管理的评估参数。对于某些物种，如美国西海岸的petrale sole（Eopsetta jordani Lockington, 1878），幼龄世代群采样较差，导致近期招募估计存在不确定性。研究人员使用最新petrale sole资源评估中的招募偏差（recruitment deviations）以及源自GLORYS（Global Ocean Physics Reanalysis Model）海洋学模型的海洋学指标，开发了一个环境招募指数。随后，研究人员使用Stock Synthesis检验将该指数纳入评估的影响。幼虫阶段度日（degree days, DD）和浮游幼鱼阶段沿岸输运（alongshore transport）的二次关系解释了1993–2018年（训练期）招募偏差变异的66%。然后，研究人员将预测2019–2022年（预报期）招募偏差的指数纳入评估模型，并将输出与未包含该指数的2023年基础模型比较。纳入该指数提供了信息以捕获近期招募变异并改善短期预报，从而更准确估计招募、产卵生物量和预测渔获量（projected catch）——这些评估估计量可为管理决策提供信息。

研究背景与问题：资源评估为全球渔业管理提供科学建议。美国西海岸底层鱼类资源评估依赖西海岸底层鱼类底拖网调查（West Coast Groundfish Bottom Trawl Survey, WCGBTS）等数据。年龄结构对估计招募至关重要，强或弱世代群会影响种群生物量。petrale sole（Eopsetta jordani Lockington, 1878）是美国西海岸商业重要种类，但WCGBTS在age 3前很少观测到该种，估计50%选择性约在age 6雌鱼和age 5雄鱼，因此近期招募估计不确定。2023年petrale sole资源评估从stock–recruitment（亲体–补充量）关系推导近期招募，但该关系较弱，不能反映环境变异。此前Haltuch et al.（2020）基于区域海洋模拟系统（Regional Ocean Modeling System, ROMS）输出探索了环境预测因子，但模型更新引入不连续。研究人员因此应用Tolimieri et al.（2018）和Haltuch et al.（2020）方法，利用GLORYS数据建立环境招募指数，并测试其纳入最新petrale sole Stock Synthesis资源评估后对管理量的影响。该研究的意义在于：为幼龄采样不足的种群提供近期招募变异信息，改善短期预报，并支持基于生态系统的渔业管理和气候就绪管理。

关键技术方法：研究人员采用机制方法，使用Haltuch et al.（2020）概念生活史模型识别预测因子，使用2023年petrale sole评估的对数招募偏差（ln(rec dev)）和GLORYS（Global Ocean Physics Reanalysis Model）1993年以来的再分析、临时产品及底部深度静力参数。提取水柱温度、底部温度、混合层深度、沿岸和跨陆架海流，以北向海水速度（northward seawater velocity, NSV）和东向海水速度（eastward seawater velocity, ESV）近似。按40°–48° N、深度、混合层、水柱层、离岸距离及生活史时期子集，计算年度平均或度日总和。用多元回归，1993–2018为训练期，2019–2022为外样本预测；以MuMIn的dredge选择模型，排除r>0.75相关变量，每模型最多4个预测因子，比较线性与二次AICc。最佳模型经jackknife、前向预测和重选测试。将指数作为招募偏差调查加入Stock Synthesis，仅2019–2022，q固定为1；用r4ss比较，进行10年和15年hindcast，计算median % ARD。样本队列来源为GLORYS公共数据、2023年petrale sole评估和2019年评估。

研究结果：
3.1 Environmental Index Development（环境招募指数开发）。通过相关分析和模型选择，研究人员发现部分预测因子高度相关，如幼虫阶段与浮游幼鱼阶段NSV高度相关（r=0.96）。最佳模型包含浮游幼鱼阶段NSV_pjuv+NSV_pjuv²和幼虫阶段DD_larv+DD_larv²，解释1993–2018年招募偏差变异的66%（r²=0.66）。第二最佳模型以浮游幼鱼阶段DD_pjuv替代DD_larv，r²=0.65；DD_larv与DD_pjuv高度相关（r=0.97）。前10模型中8个包含NSV_pjuv+NSV_pjuv²，另2个包含NSV_larv相关项，表明沿岸输运对招募有强且可预测影响。二次关系显示中等值对应低招募。模型测试表明结果稳定：jackknife影响小，前向预测与最佳模型相似，重选模型相似。用最佳模型预测外样本2019–2023年，总体高于2023年资源评估估计，尤其2020和2022年。

3.2 Stock Assessment Impacts（资源评估影响）。通过比较2023年基础模型与含环境指数模型，研究人员发现，在age-structure数据约束较强的2018年前，招募偏差和产卵输出差异较小；最近年份轨迹分歧。含指数模型估计2019–2022年招募偏差更高且更可变，并导致预报期产卵输出高于2023年基础模型。Hindcast分析中，含指数模型能捕捉2023年模型中招募偏差的幅度和方向，无指数模型不能。招募偏差中位% ARD在10年hindcast中为28%对128%，在15年hindcast中为31%对116%。

3.3 Impact of Uncertainty in the Age Data（年龄数据不确定性影响）。通过比较2019年和2023年评估招募偏差建立的指数，2019年评估顶级模型包含DD_pjuv、DD_pjuv²、NSV_larv、NSV_larv²，解释76%变异；次优模型包含NSV_pjuv项。虽然部分术语不同，但这些变量高度相关，表明招募偏差与环境关系整体一致。

讨论部分总结：海洋鱼类招募高度可变，影响年龄结构和种群大小。对于幼龄采样差的物种，提供替代招募指数可改善资源评估。该指数提供近期招募变异信息，改善短期预报，使近期招募和产卵生物量估计更准确，并影响管理决策。GLORYS驱动因子解释66%变异，与Haltuch et al.（2020）使用ROMS预测因子的73%相近；但入选预测因子不同，可能因模型参数、空间尺度和重点不同，GLORYS分辨率约8–9 km，粗于ROMS约4 km，并优化用于为区域模型提供边界条件。凸非线性关系难以解释，可能代理多个时空过程，如温度、输运和上升流。低温高招募可能指示高生产力和良好摄食条件；高温高招募可能与更快发育和近岸滞留有关。NSV_pjuv的凸关系表明向北或向南水运动均可能对应较强招募。Santa Cruz et al.（2023）的基于个体模型（individual-based model, IBM）耦合ROMS发现，petrale sole幼虫定居过程复杂且具纬度差异：华盛顿产幼虫向北输运至Vancouver Island，北加利福尼亚和俄勒冈幼虫更本地滞留；华盛顿沿岸气旋涡有利滞留，更南处气旋涡可能输运幼虫离岸。宽时空汇总可能掩盖小尺度变异。含指数模型影响近期招募估计和预报产卵输出，可直接影响管理决定的捕捞规格。因指数建议近期招募高于2023年评估，含指数模型预报产卵输出更高，可能支持在太平洋渔业管理委员会底层鱼类渔业管理计划下设定更高年渔获量限额（annual catch limit, ACL）；若指数预测更低招募，则产卵输出会降低并可能限制ACL。该结果与sablefish（Anoplopoma fimbria Pallas, 1814）不同：sablefish的WCGBTS观测age 0，指数对完整评估影响小；但移除近10年调查数据后，hindcast结果与petrale sole类似。环境指数对幼龄观测好的物种改善评估的可能性较低，但在采样中断时可能有用。关于Stock Synthesis评估中指数时间序列长度仍有争论：长指数导致双重计数，Oken et al.（forthcoming）模拟表明长且精确的招募指数可能偏倚生产力估计和尺度，短时间序列无此效应。因此研究人员仅纳入最近4年（2019–2022），测试不同起始年差异小。

研究结论翻译：源自环境驱动因子的招募指数具有改善资源评估模型性能的潜力，因为它提供了当前调查技术未充分采样的入补充群体（incoming cohorts）的信息。没有该信息时，资源评估依赖若干选项，包括来自弱stock–recruitment关系的估计、某时段的平均招募或从历史招募中抽样。此外，使用基于环境的招募指数有助于将环境变异性直接纳入资源评估过程中的丰度估计，而不是通过风险表等更事后定性的过程来考虑环境变化。本研究提供了一个将基于生态系统的管理引入渔业评估的示例，这一步骤通常被证明困难。该工作还强调了海洋学家、生态学家和资源评估科学家之间合作对于为管理者及决策过程开发科学产品的重要性。这些进展支持迈向气候就绪的渔业管理。