《ICES Journal of Marine Science》：Incorporating environmental drivers and productivity changes into management strategy evaluation
编辑推荐：
环境变化对种群生产力影响的不确定性仍是渔业管理的核心问题与研究重点。管理策略评估（management strategy evaluation, MSE）日益被提倡并用于模拟检验捕捞策略对环境生产力效应的稳健性；然而，其涉及的数据、模型和决策的复杂性对开发者和
环境变化对种群生产力影响的不确定性仍是渔业管理的核心问题与研究重点。管理策略评估（management strategy evaluation, MSE）日益被提倡并用于模拟检验捕捞策略对环境生产力效应的稳健性；然而，其涉及的数据、模型和决策的复杂性对开发者和实践者仍是重大挑战。此外，关于在MSE中条件化与投影环境–生产力关系的实践指南仍然稀少。基于一个多元建模专家组的经验，研究人员设计并提出了一套通用工作流程，用于在MSE中的单物种、非空间操作模型（operating models, OMs）内开发并随后使用环境–生产力关系。在第一部分，描述了关键数据类型、建模目标以及估计和验证这些关系的方法。重要的是，环境–生产力关系应基于清晰假设（可能纳入利益相关者输入），其协变量应匹配生产力过程的时间和空间尺度，并且应对无法解释的变异性（即过程误差，process error）仔细审查其模式（如非平稳性，nonstationarity）并据此进行投影。论文第二部分识别并描述了利用气候模型以及不借助气候模型（即直接改变生产力动态）投影环境对生产力效应的方法。提出了设计OMs的关键战术考虑（例如，纳入无气候强迫的OM以基准化有强迫OM的结果，设计边缘案例，edge cases，以检验稳健性）和评估管理绩效的关键考虑（例如，定义适当的投影期，考虑动态参考点，dynamic reference points，以计算指标）。尽管单物种OMs被普遍使用，但考虑多物种相互作用以及细尺度种群和渔业动态，以更好理解环境对目标种群生产力的潜在效应十分重要。在总结关键决策点和迄今所用方法范围时，本工作旨在为开发和开展此类MSE提供知情选择与共享词汇，而非规范性清单。
气候变化可通过繁殖、补充（recruitment，新个体加入种群的过程）、生长、成熟和自然死亡（natural mortality, M）等过程影响鱼类种群生产力。环境效应可表现为长期趋势、突变或状态转移以及短期变异。忽略这些环境驱动的生产力变化会使种群评估和参考点（reference points）的平稳性假设失效，破坏捕捞控制规则（harvest control rules, HCR）表现，导致过度捕捞或捕捞不足。不同物种响应不同，捕食和竞争等种间相互作用进一步复杂化动态。环境信息正逐步纳入管理建议，但复杂性、数据需求和错误指定风险限制实施。MSE通过模拟测试管理策略对多种不确定性和情景的稳健性，但如何条件化和投影环境–生产力关系缺乏综合指南。研究人员基于多元建模专家经验，在ICES-SEAWISE WKECOMSE研讨会基础上，结合文献综述和共识，提出通用工作流程，聚焦单物种、非空间OM的机制性方法，并澄清经验方法。其意义是支持知情选择、共享词汇和管理准备，而非规范清单。
关键技术方法（不超过250字）：研究人员依据WKECOMSE研讨会展示与讨论、共同作者共识、针对性文献综述以及欧洲和美国案例，制定机制性MSE中环境–生产力关系开发与MSE模拟的工作流程；覆盖数据类型、建模目标、估计验证、气候与经验投影、OM设计、参考集与稳健集、绩效指标；未产生新数据。
研究结果按原文小标题概括如下。
**设置机制性方法的环境–生产力关系**：环境–生产力建模目标包括探索、推断和预测；用于渔业建议需验证和迭代测试。
**识别相关环境因素**：应假设驱动，基于文献和生物学，匹配时空尺度和滞后，避免系统扫描所有协变量；结构因果模型（Structural Causal Models）和收敛交叉映射（Convergent Cross-Mapping）等因果分析可辅助；利益相关者参与可补充。
**获取种群和适当尺度环境数据**：数据类型包括调查数据、种群对象数据、渔业数据、历史原始观测、历史模拟条件和未来气候投影。优先调查数据；种群对象数据后验分析有偏差；在评估中联合拟合可传播不确定性；历史重建宜用再分析（reanalysis），未来投影宜用耦合模型；网格场需聚合同尺度。
**选择建模方法**：描述性方法拟合环境驱动与响应统计关系；过程基础方法将效应嵌入种群动态方程。数据量质量决定选择；短或噪声序列用过程基础减少过拟合；检验密度依赖和拟合范围外生物合理性。
**参数化不确定性**：过程误差影响MSE结果，需分析分布、范围、自相关和状态转移；评估估计的过程误差约束弱；环境协变量测量误差应在状态空间或协变量作为数据方法中考虑；其他不确定性用自举、贝叶斯等标准方法。
**执行模型评价和选择**：探索用可视化和残差诊断；推断用负对数似然、赤池信息准则（AIC）和贝叶斯信息准则（BIC）；预测用回测交叉验证并与朴素模型比较；若多个模型预测技能相似，可用模型集合并赋权。
**应对潜在非平稳性**：补充关系常见非平稳，也见于自然死亡、生长、分布和可捕性。用变点检测（STARS、PELT）、随机切换模型、贝叶斯变点、阈值GAM检测突变；用动态线性模型、滑动窗口检测渐变；可用于经验投影。
**开展纳入气候和环境不确定性的MSE模拟**：需预测环境协变量并指定OM以界定不确定性。
**从气候投影推导未来环境效应（机制性方法）**：选择气候模型和情景，降尺度、偏差校正；考虑模型间、情景、模型内不确定性；用多全球气候模型（GCMs）、代表性浓度路径（RCPs）/共享社会经济路径（SSPs）；模型内可用随机生成器；偏差校正如delta-mean或分位数映射。
**经验推导未来环境效应**：无显式投影时改变历史动态，重采样或自举、自相关、事件、阶跃变化，固定或随机时间；趋势最难，可用气候测试确定MP稳健边界。
**定义OM、参考集和稳健集**：OM设计依赖已知动态和数据；无投影时经验改变参数；参考集反映最可能假设用于调优MP，稳健集测试较不可能但合理情景；包含无气候强迫基准；寻求简约；OM不能覆盖所有未来。
**评估管理目标**：绩效指标应来自利益相关者，涵盖风险、状态、产量、变异性及生态、经济、社会指标；时间范围1–2代并分短期、中期、长期；动态参考点可用于绩效指标，但用于HCR需谨慎；不要简单平均OM风险。
**模拟和现实中MP的考虑**：参考点可年度更新或基准评估更新，自适应HCR需与静态比较；纳入评估与建议滞后；例外情况协议（exceptional circumstances protocols, ECPs）是重要护栏；短期气候投影信息有限。
**超越单物种、非空间OM**：多物种相互作用和生产力过程相关性重要；多环境驱动可同时影响多个参数；中等复杂度生态系统评估模型（MICE）适合战术建议，生态系统模型适合战略MSE；空间和精细时间尺度需灵活OM。
讨论部分总结：研究人员总结关键实践，机制性MSE需大量努力，若强证据或快速环境变化则合理；否则经验方法和气候测试更高效。是否不同MP或OM驱动绩效差异需审查。案例中两个MSE直接影响政策或奠定操作基础。需要管理支持和利益相关者早期参与。研究结论翻译：将环境对种群生产力的效应纳入MSE是一个不断发展的主题。通过组织各种例子、子主题和关键决策点，研究人员基于经验概述了一套合理策略，用于开发和开展包含环境–生产力关系的MSE。然而，继续设计和试验新方法以推进研究并改进管理准备同样具有战略意义。与气候和生态系统变化及其效应相关的不确定性无法被完全预测或理解，并将继续作为可持续渔业管理的关键挑战。但MSE可以帮助渔业管理在面对环境不确定性时保持适应性管理策略的步伐。
