评估海洋保护和海上风电开发对渔业的空间经济影响：基于贝叶斯网络框架的分析方法

《Fisheries Research》：Assessing the spatial economic effects of marine conservation and offshore wind development on fisheries: A Bayesian network framework

　　安德烈亚·马蒂亚·帕西菲科 | 伊邦·加尔帕索罗 | 阿兰特萨·穆里利亚斯 | 卢卡·穆拉扎尼 | 朱利奥·马洛尔吉奥
博洛尼亚大学农业与食品科学系，范宁大道50号，博洛尼亚40127，意大利

摘要
将经济因素纳入空间决策仍然是海洋空间规划中的一个核心挑战。然而，专门用于分析在海洋资源竞争使用背景下渔业管理经济影响的框架仍然很少。本研究开发并应用了一种新的空间显式贝叶斯网络，以评估不同管理方案对渔业的直接经济影响。通过建模捕鱼努力、成本和收入之间的条件依赖性，该框架能够在数据受限的情况下实现不确定性传播和基于情景的推断。该框架被应用于意大利亚得里亚海海洋空间规划中的实际管理案例，重点关注新建海洋保护区和海上风力发电场的问题。研究结果表明，计划中的海洋保护区与小型渔业的重要区域存在重叠，这突显了需要制定平衡保护目标与社会经济目标的管理策略。相比之下，大型渔业在计划中的Natura 2000区域内显示出更大的直接经济潜力，这表明需要积极引导相关利益方的参与。预计海上风力发电场的发展对小型渔业没有直接经济影响，而大型渔业则会因可捕鱼区域的减少而面临更大的直接经济损失。总体而言，该框架通过识别潜在冲突、支持利益方参与以及加强竞争性海洋资源利用之间的权衡评估，推动了海洋空间规划中的空间经济分析能力的发展。

1. 引言
海洋空间规划（MSP）是一个综合性的过程，旨在管理和协调跨越时间和空间的各种人类活动，以实现生态、经济和社会目标（Fraz?o Santos等人，2019年；Ehler和Douvere，2009年）。由于长期存在和新出现的人类活动对海洋生态系统造成的压力不断增加，因此迫切需要适应性地策略来应对不断变化的社会生态条件和相关利益方的需求（Navarro等人，2022年；Gacutan等人，2019年）。在这种背景下，MSP应运而生，旨在克服传统行业管理方法的局限性，并整合基于生态系统的原则、适应性管理和参与式进程（Galparsoro等人，2025年）。
过去十年里，MSP已成为管理海洋空间竞争性利用的关键政策框架，同时支持海洋活动的可持续发展（Li和Jay，2020年）。在欧盟（EU），MSP通过MSP指令（MSPD；2014/89/EC）得以实施，该指令建立了法律框架，要求成员国制定透明的海洋计划，以促进可持续的海洋经济增长，并负责任地利用海洋和沿海资源（Friess和Grémaud-Colombier，2021年）。MSPD通过将海洋规划与保护目标和蓝色经济目标保持一致，为欧盟的可持续发展议程提供了支持。2030年生物多样性战略（COM/2020/380）呼吁扩大海洋保护区（MPAs）网络，使其覆盖至少30%的欧盟海域，其中三分之一地区实行严格保护（欧盟委员会，2020a）。在更广泛的蓝色经济议程中，尤其是蓝色增长战略（欧盟委员会，2017年）和欧盟海上可再生能源战略（COM/2020/741）中，欧盟支持大规模部署海上风力发电场（OWFs），目标是在2030年前达到86-89吉瓦的装机容量，在2050年前达到355-366吉瓦（欧盟委员会，2024年）。
随着保护区和海上风力发电场数量的不断增加，它们逐渐被视为应对全球挑战（如气候变化、生物多样性丧失和可持续能源生产）的关键解决方案，但这些发展也带来了权衡和机会成本。MSP作为海洋部门可持续发展的核心治理工具，对于这些挑战至关重要（欧盟委员会，2020b）。预计这些发展以及对海域需求的变化将增加海上航行活动，从而需要确定新的航线，以在保护自然资源的同时允许多人類活动共存（Galparsoro等人，2025年；Gourgiotis等人，2024年；Yim等人，2024年）。在这方面，欧盟委员会强调了在制定MSP决策时纳入经济活动的空间分析的重要性，以解决计划的生态和社会经济效应（欧盟委员会，2020b）。
在各个海洋产业中，渔业对空间分配决策尤其敏感，因为它们直接依赖于对海洋空间和资源的 access（Vigo等人，2024年；Said和Trouillet，2020年；Coccoli等人，2018年）。渔业通常根据渔船特征和渔具类型分为小型渔业（SSF）和大型渔业（LSF）。SSF包括使用被动渔具的12米以下渔船进行的捕鱼活动，而LSF包括12米以上的渔船以及使用拖网渔具的所有渔船，两者具有不同的运营模式、适应能力和经济结构（STECF，2023年；EMFF 1198/2006）。因此，空间限制可能会在不同渔业之间产生不均匀的经济效应，从而威胁其经济可行性。

欧盟渔业部门长期面临数据限制，特别是在SSF领域，这限制了对社会经济反应的评估，最终阻碍了基于证据的管理措施的发展（Murillas-Maza等人，2021年；Goti-Aralucea，2019年）。已经进行了多项关于渔业在MSP背景下的分析（Galparsoro等人，2024年；White等人，2024年；Bonsu等人，2024年；Vigo等人，2024年；Stelzenmüller等人，2024年；Iwona等人，2021年）。然而，与MSP实施相关的经济效应的空间评估仍然不足，相关框架和应用较少（Murillas-Maza等人，2023年；Surís-Regueiro等人，2021年）。以往的研究采用生物经济模拟或机会成本分析来估计渔业对空间限制的经济反应（Scheld等人，2022年；van de Geer等人，2013年）。Kruse等人（2024年）使用贝叶斯网络（BN）方法在不同管理情景下提供了渔业社会生态系统适应能力和盈利能力的空间显式估计。海上风力发电场的发展与渔业的排斥和捕鱼努力转移有关，导致收入减少和运营成本增加（Scheld等人，2022年），而海洋保护区的扩大可能导致传统渔场的丧失、航行距离增加以及渔民需要战略调整（van de Geer等人，2013年）。因此，面临日益严格的空间限制的渔业社会生态系统往往需要重新组织其活动以保持经济可行性（Kruse等人，2024年）。基于这些文献，预计保护措施和海上风力发电场将在不同渔业之间产生异质的空间经济效应，这反映了它们对特定渔场的不同依赖性。
在这种背景下，本研究通过开发一个贝叶斯网络框架来填补MSP背景下渔业空间经济评估的空白，利用增加值（GVA）作为评估指标，来估计保护和海上风力发电场对渔业的直接经济影响。该框架能够明确表示经济变量之间的条件依赖性，允许在数据有限的情况下进行不确定性传播，从而支持基于情景的推断（Pascoe，2018年）。所开发的框架被应用于亚得里亚海意大利专属经济区（GSA17）的实际规划案例，以分析其对管理和决策的相关性。具体而言，本研究有三个目标：（i）开发一个用于分析渔业及其基础系统综合性能的概念模型；（ii）使用贝叶斯网络方法将概念模型转化为空间显式模型；（iii）证明所提出的贝叶斯网络适用于预测海洋保护区和海上风力发电场的空间分配对渔业的直接经济影响。总体而言，本研究促进了新方法和工具的发展，以便为MSP背景下的可持续海洋和渔业管理提供更好的决策支持。

2. 方法
2.1. 研究区域
研究区域包括亚得里亚海的意大利专属经济区（EEZ）（GSA17），面积为36,055平方公里（图1）。北部地区拥有广阔的浅大陆架，平均深度为35米，是地中海最大的大陆架。相比之下，中部海域深度更大，Pomo/Jabuka Pit地区的深度达到270米（Russo等人，2020年）。沿海地区的人口密度高，加上密集的渔业、旅游业和海洋活动，显著加剧了累积的环境压力和影响（Bastardie等人，2017年）。此外，该区域有19个港口，每年处理超过一百万吨的货物，进一步加剧了污染（Giani等人，2019年）。GSA17被认为是地中海最具生产力的渔业区域之一，也是最被开发的欧洲海域之一（Russo等人，2020年；Grati等人，2013年）。

在该区域内共有2941艘渔船在作业，占总渔船数量的24.4%。SSF使用多功能被动渔具（PGP），在将渔业资源与当地传统和价值观联系起来方面发挥着关键的社会经济作用，从而促进当地社区的社会凝聚力（Cavraro等人，2023年）。LSF在大陆架上作业，主要捕捞底栖物种，反映了亚得里亚海渔业的多物种结构（Bastardie等人，2017年）。GSA17的海底主要由沙质、泥质和冲积物质组成，非常适合拖网捕鱼，尽管在距离海岸三海里范围内仍禁止拖网捕鱼。主要渔业活动包括底拖网（DTS）和快速拖网（TBB）捕捞底栖物种，以及挖掘蛤蜊的挖掘机（DRB）。拖网捕鱼热点地区的捕鱼压力非常大，有些地区的年捕鱼次数超过10次（Eigaard等人，2017年）。该地区的渔业管理采取了多种管理措施来保护生物多样性，包括减少捕鱼努力、技术措施（如最小上岸尺寸和网目限制）以及季节性或永久性禁渔。意大利在该案例研究区域实施EMFAF 21-27目标的策略包括将围网渔船（PS）和远洋拖网渔船（TM）的数量减少20%，将TBB和DTS的数量减少10%（MASAF，2023年）。该区域有三个已建立的海洋保护区（即Miramare、Torre del Cerrano和Tremiti群岛），以及五个属于Natura 2000网络的海洋保护区。保护商业物种的重要栖息地和育苗区是主要的管理重点。根据意大利MSP，国家当局初步确定了两个新的海洋保护区（即Monte Conero和Costa del Piceno）以及两个属于Natura 2000网络的海洋保护区（MIT，2024年）。此外，根据欧盟海上可再生能源战略，目前有九个固定和浮动海上风力发电场的建设项目处于规划阶段（4COFFSHORE，2024年）。

2.2. 数据收集与处理
2.2.1. 地理空间数据
地理空间数据来自不同来源（表1）。使用了截至2024年的LSF和SSF捕鱼努力的最新数据来描述捕鱼活动的空间分布。SSF捕鱼努力的数据来自Grati等人（2022年）的参与式测绘研究，该研究提供了基于2019年记录的操作次数的空间信息。LSF捕鱼努力的数据来自意大利MSP数据库（MIT，2024年），该数据库提供了2006-2018年间每年平均捕鱼小时数的空间信息，这些数据来自船舶监测系统（VMS）。主要渔港（n=28）信息来自欧盟船队注册系统（2024年）（图2）。计划中的海上风力发电场的多边形形状文件来自4COFFSHORE（2024年），而计划中的海洋保护区和Natura 2000网络的资料来自意大利MSP数据库（MIT，2024年）。

表1. 用于分析研究区域捕鱼活动和空间规划的地理空间数据。
| 数据类型 | 来源 | |
|-------------|-----------------------------|----|
| 主要渔港 | 欧盟船队注册系统（2024年） | |
| 计划中的海上风力发电场 | 4COFFSHORE（2024年） | |
| 计划中的海洋保护区 | 意大利基础设施与运输部（2024年） | |
| 小型渔业努力 | Grati等人（2022年） | |
| 大型渔业努力 | 意大利基础设施与运输部（2024年） | |

图2. 捕鱼努力和主要渔港的空间分布。

地理空间数据使用Quantum地理信息系统（QGIS）进行处理。在整个研究区域内应用了一个1×1公里的网格，包含37,183个网格单元，作为后续分析的参考。计算了每个网格单元到最近渔港的最短距离。SSF和LSF的捕鱼努力值被标准化为0到1的区间，并根据位置合并这些值，以确保空间分辨率的一致性（图2）。最终，计划中的海洋保护区（MPAs）和海上风电场（OWFs）的形状文件被叠加到网格单元上。2.2.2. 运营和经济数据用于计算渔业产值（GVA）的运营和经济变量数据来自STECF（2023）数据库，该数据库按国家、渔具类型和船舶长度类别对欧洲船队进行了分类。这些船队与研究区域内的SSF和LSF相关（MASAF，2023），其描述见表2。表2. 研究区域内按使用的渔具类型、船舶长度和船舶数量划分的渔业。来源：MASAF（2023）。渔业渔具船舶长度（米）船舶数量小规模多用途被动渔具0–64786–12807大规模多用途被动渔具12–1843挖泥船12–18585底栖拖网渔船和/或底栖围网渔船6–122412–1821918–2416724–4037围网渔船6–12312–18224–409>401束状拖网渔船12–181018–242624–4025远洋拖网渔船12–182718–241824–4035STECF数据库提供了经过通胀调整的渔业支出和收入信息。这些变量，包括海上作业天数（DAS），是以整个次区域内的国家船队为单位的年度总和报告的。为了计算SSF和LSF的总支出和收入，首先将每个经济变量除以每种渔业类型的海上作业天数（由渔具类型和船舶长度类别定义，STECF，2023），然后乘以相应的船舶数量，最后对每个渔业进行求和。平均燃料价格是通过将总捕获价值（欧元）除以总活重捕获量（千克）来计算的。选择2019年是为了与空间明确的渔业努力时间范围对齐，确保经济价值与记录的努力量一致。此外，它代表了疫情前最后一个完全验证的渔业活动年份，因为2020-2022年受到了与COVID-19相关的干扰，这些干扰改变了典型的空间渔业模式，而疫情后的经济数据集在所需的分辨率上尚未完全验证或公开。研究区域内SSF和LSF的渔业总经济价值在表3中概述。表3. 研究区域内大规模渔业（LSF）和小规模渔业（SSF）的总经济价值摘要，参考年份2019。变量名称单位大规模渔业小规模渔业维修和维护成本�/DAS118,04511,525能源成本�/DAS345,39826,235其他变量成本�/DAS131,91415,865其他非变量成本�/DAS95,12214,716其他收入�/DAS18,16516,011总捕获价值�/DAS2088,366247,292市场价格�/kg3.546.37燃料价格�/升0.590.782.3. 经济变量的空间化经济变量的空间化是通过对它们的影响因素进行考虑来完成的，这些影响因素是根据年度经济报告预测方法（STECF，2023）和专家知识（表4）定义的。表4. 影响渔业部门经济变量价值的关键因素。变量组变量名称影响变量价值的关键因素支出维修和维护成本渔业技术支出能源成本渔业努力；渔业技术；距离港口的距离；燃料价格；海上作业天数支出其他变量成本渔业努力；捕获的鱼类支出其他非变量成本法规收入其他收入法规总捕获价值渔业努力；市场价格维修和维护成本包括固定成本和可变成本，这取决于船队的特点，从年度数据中不能轻易区分（Pascoe等人，2015）。根据先前的研究（Cao等人，2021年；Duy等人，2015年），维修和维护成本被视为固定的，假设它们受到船舶的物理特性和所使用技术的影响。同样，其他非变量成本和其他收入受到法规（例如，决议、命令）的影响，不依赖于渔业活动。因此，对于变量（i）维修和维护成本，（ii）其他非变量成本，以及（iii）其他收入，研究区域的总值根据公式（1）平均分配到网格单元中。(1)zk,i=∑zk,iNk,active,&Effortk,i>00,&Effortk,i=0其中zk,i代表渔业k（即SSF或LSF）在网格单元i的（i）维修和维护成本或（ii）其他非变量成本或（iii）其他收入的值。Nk,active是渔业k的渔业努力（Effortk,i）大于零的活跃网格单元的数量。能源成本变量受到距离港口的距离和渔业努力（Pelletier等人，2014）的影响，使用公式（2）进行空间化：(2)Energy_costk,i=Effortk,i×Port_distancei∑(Effortk,i×Port_distancei)×∑Energy_costk,i其中Energy_costk,i代表渔业k在网格单元i的能源成本，Effortk,i是渔业k在网格单元i的渔业努力，Port_distancei是网格单元i距离最近港口的距离。其他变量成本和总捕获价值受到渔业努力的影响（Cao等人，2021年；Daurès等人，2013年），基于渔业努力（公式（3）进行空间化。(3)yk,i=Effortk,i∑Effortk,i×∑yk,i其中yk,i是渔业k在网格单元i的（i）其他变量成本或（i）总捕获价值，Effortk,i是渔业k在网格单元i的渔业努力。所有变量都在QGIS中作为点向量进行映射，并合并到分析网格中，其中包含以下属性：单元ID、渔业（SSF或LSF）、渔业努力、距离港口的距离、总捕获价值、其他收入、能源成本、其他变量成本、市场价格和燃料价格。维修和维护成本和其他非变量成本被合并为一个名为固定成本的单一变量。创建了三个数据集来代表SSF、LSF以及组合渔业（即SSF和LSF）（表5）。对于SSF和LSF数据集，通过将值映射到研究区域内展示渔业努力大于零的37,183个网格单元上来确定经济变量的空间分布。在组合渔业数据集中，当SSF和LSF在同一网格单元中共存时（占研究区域的5%），收入和支出被汇总，并据此计算和空间化市场价格和燃料价格的平均值。最后，计算了每个网格单元的GVA。表5. 数据集的描述性统计。数据集A包括小规模渔业（SSF）和大规模渔业（LSF），数据集B仅考虑LSF，数据集C仅关注SSF。数据集描述性统计港口距离（米）渔业努力（标准化为0–1）其他收入（�/DAS）固定成本（�/DAS）能源成本（�/DAS）其他变量成本（�/DAS）总捕获价值（�/DAS）市场价格（�/kg）燃料价格（�/升）增加值（�/DAS）SSF和LSF（A）最小值115.600000000-5.149中位数29,744.90.2920.5656.6339.6783.75159.3003.5400.59039.787平均值32,800.70.3090.9196.4399.9953.97462.8203.6830.58243.327最大值108,094.71.2093.66111.70744.08515.642246.8206.3700.780216.573LSF（B）最小值115.600000000-5.149中位数29,744.90.2720.5656.6339.2013.47154.9503.5400.59035.576平均值32,800.70.2780.4895.7339.2893.54856.1603.0590.51038.083最大值108,094.710.5656.63344.08512.760202.0103.5400.590173.392SSF（C）最小值115.600000000-1.750中位数29,744.900000000平均值32,800.70.0310.4310.7060.7060.4276.6510.8860.1095.243最大值108,094.713.0965.07443.59513.637212.5586.3700.780168.6492.4. 模型开发2.2.4.1. 渔业经济概念模型的开发通过基于DAPSI(W)R(M)框架中的基于-stock维度的结构化专家咨询过程开发了一个代表渔业系统的概念模型，该框架包括驱动因素、活动、压力、影响（对福利的影响）和响应（Elliott等人，2017）（图3）。这种方法能够考虑渔业的社会经济互动，使用系统方法分析它们的综合动态和潜在的系统结构。通过一系列工作坊定义了概念模型，参与者包括渔业经济学、海洋生态学和MSP领域的五位专家。会议结合了迭代讨论，以确定关键系统组成部分，定义因果联系，并验证模型的概念结构。下载：下载高分辨率图像（165KB）下载：下载全尺寸图像图3. 考虑驱动因素、活动、对人类福利的影响以及作为措施的反应的渔业经济概念模型，改编自DAPSI(W)R(M)框架（Elliott等人，2017）。主要驱动因素，包括员工、鱼类的初次销售市场价格和燃料价格，与研究区域内执行的两项人类活动相关，这些活动涵盖了SSF和LSF，在渔业努力方面产生压力。GVA被用作与响应组成部分相关的经济影响的 socioeconomic 指标，其中管理措施（即建立MPAs和Natura 2000，减少渔业努力）被确定为减轻或应对由活动和压力组成部分驱动的生态、社会和经济影响的策略。2.2.4.2. 贝叶斯网络（BN）的开发采用了BN方法来估计MPAs和OWFs的空间分配对主要渔业の直接经济影响。在应用BN时使用了空间分辨率输入和输出数据，这些数据与不同的空间管理方案相结合。BN提供了在不确定性下的空间经济影响的概率表示，使得在数据受限的情况下可以进行基于方案的推断。BN方法基于概率论，非常适合于在不确定的未来条件下对具有相互依赖变量的复杂系统进行建模（Bromley等人，2005）。BN已被认为是支持MSP的工具（Maldonado等人，2022年；P?narba??等人，2019年；Stelzenmüller等人，2010年）以及评估不同空间管理方案对渔业的影响（Kruse等人，2024年；Breen等人，2020年；Coccoli等人，2018年）。BN通过由有向边连接的节点网络来表示系统，这些边捕捉变量之间的因果关系和条件依赖性（Pearl，1988）。这些关系的强度通过条件概率表（CPTs）来量化，该表指定了变量在给定其父节点状态的情况下假设特定状态的信念程度（Chen和Pollino，2012）。决策节点除了确定性节点（即自然节点）之外，也可以纳入BN中，以模拟在竞争性方案之间进行选择的能力。具体来说，决策节点代表决策者可以选择的离散行动，以比较不同方案的结果。所有确定性节点对于每个替代方案的预期值使得基于模型的概率结构来识别竞争策略的效果成为可能（Penman等人，2020）。在定义了概念模型之后，开发了影响图来描绘概念模型中变量之间的关系，并在Netica软件（Norsys Software Corp.；https://www.norsys.com/）中实现。该建模软件基于贝叶斯定理和机器学习算法（Norsys），这是人工智能的一个子集，用于确定在地理条件下所选决策与操作和经济变量之间的关系。连续变量使用Jenks自然间断法进行离散化，这最大化了区间之间的方差并最小化了区间内的方差，确保了统计上的稳健分类（Coccoli等人，2018年；Gonzalez-Redin等人，2016年）。结果区间被用作每个节点的状态，节点被分为三种状态，加上一个零状态。呈现负值的节点被分配了一个额外的状态。在空间BN中，每个节点对应一个GIS属性，研究区域中的每个网格单元都被分配了一个唯一的ID，以确保空间上的明确输出。开发了三个BN模型来分析每个渔业及其组合效果的数据集。模型A包括SSF和LSF，模型B仅包括LSF，模型C仅包括SSF。最后，在定义了网络结构之后，模型在数据上进行了训练。2.2.4.3. 方案定义和预测对于四个现实世界的MSP方案运行了BN模型，每个方案都是由代表为研究区域计划的管理措施的决策节点的选择来定义的。在“基础方案”中，模型在所有网格单元上运行，没有选择任何决策节点。其他方案考虑了为OWF开发而计划关闭的区域以及相关的操作和安全要求，同时假设在计划的MPAs和Natura 2000区域内禁止渔业活动。具体来说，“MPA方案”关注与计划的MPAs重叠的网格单元，“N2K方案”考虑了在Natura 2000下与计划的MPAs重叠的网格单元。最后，“OWF方案”分析了与计划的OWFs重叠的网格单元。表6概述了所定义的方案，列出了每个管理措施涉及的网格单元数量、它们的面积以及在整体研究区域内的相对重要性。表6. MPA、N2K和OWF方案的概述，报告了每个管理措施中涉及的网格单元数量、它们的总面积以及在整体研究区域内的相对重要性。MPA方案指的是与计划的海洋保护区（MPAs）重叠的网格单元，N2K方案指的是与Natura 2000下计划的MPAs重叠的网格单元，OWF方案指的是与计划的海上风电场（OWFs）重叠的网格单元。方案编号网格单元数量面积（平方公里）研究区域百分比MPA210206.380.57%N2K37374090.8711.35%OWF17541407.503.90%采用了一种基于方案的方法，其中每个管理措施都独立实施并分析，以隔离它们各自的直接影响。这种方法支持对空间依赖性和潜在权衡的透明事前筛选，以便为迭代规划过程提供信息。为每个方案计算了单元级别的GVA投影，并表示为基础方案下总GVA的百分比。这种方法能够估计渔业对受管理措施影响区域的依赖程度，以国内增加值（GVA）为衡量标准，从而评估实施捕鱼禁令可能的直接经济影响。3. 结果 3.1. 影响图 影响图结合了DAPSI(W)R(M)框架中的基于鱼群的维度，将主要渔业的捕鱼努力与不同管理措施下的经济变量整合起来。该模型的结构（图4）包括14个元素和15个链接，代表了驱动渔业部门GVA动态的经济变量及其影响因素。三项主要管理措施（即海洋保护区（MPAs）、Natura 2000和海上风电场（OWFs）影响捕鱼努力，进而影响其他变量成本、总捕捞值和能源成本。总捕捞值受鱼类市场价格的影响，而能源成本受燃料价格和港口距离的影响。所有经济变量都整合到了模型的输出GVA中，GVA被确定为主要的管理目标。通过捕捉这些相互作用，所提出的影响图能够系统地评估管理措施与渔业活动之间的相互作用，提供GVA变化的估计值。下载：下载高分辨率图像（216KB）下载：下载全尺寸图像 图4. 表示关键经济变量、捕鱼努力以及涉及管理措施的情景之间的相互关系的影响图。3.2. 贝叶斯网络结果 开发了三个贝叶斯网络模型（补充材料，表S1）。模型A考虑了SSF和LSF的综合影响，包括3个决策节点、14个自然节点和19个链接、7个决策条件以及6376个条件概率（图5A）。模型B和C分别代表LSF和SSF，包括3个决策节点、13个自然节点、17个链接、7个决策条件和1500个条件概率（图5B，C）。下载：下载高分辨率图像（909KB）下载：下载全尺寸图像 图5. 基本情景下的训练有素的贝叶斯网络：（A）小型和大型渔业结合，（B）大型渔业，（C）小型渔业。节点状态和离散化区间详见补充材料（表S2，S3和S4）。3.2.1. 渔业活动的特征 基本情景描述了研究区域内渔业活动的空间分布。模型A的结果表明，在84.8%的案例研究区域内，总体渔业活动（捕鱼努力>0）发生了。单独分析渔业时，模型B和C中捕鱼努力节点的概率状态显示LSF活动占研究区域的77.4%，SSF活动占41.7%。具体来说，LSF在中等捕鱼努力（0.159 – 0.44）的情况下占29%，在高捕鱼努力（0.44 – 1）的情况下占31.1%。在模型C（图5C）中，SSF捕鱼努力的概率状态显示58.3%的情况下没有渔业活动（零状态），中等捕鱼努力（0.159 – 0.545）和高捕鱼努力（0.545 – 最大值）分别占16.6%和10.4%。LSF的支出显著更高，主要由能源成本驱动。LSF和SSF之间的平均燃料价格有所波动，反映了不同渔业之间的技术效率差异以及参考年份的价格变化（Chassot等人，2021年；Pelletier等人，2014年）。就收入而言，LSF显示出更高的总捕捞价值，而SSF则侧重于平均单位市场价格较高的捕获物。SSF最常见的三种捕获物种是可变纳萨鱼、普通乌贼和穆莱特鱼，而LSF主要针对欧洲沙丁鱼、条纹维纳斯鱼和欧洲凤尾鱼。LSF和SSF在捕鱼努力、支出和收入方面的差异反映在它们的整体经济产出上，正如模型结果所显示的。在基准情景下，GVA节点显示LSF在78.3%的网格单元中有正的经济结果（GVA>0），而SSF在51.8%的网格单元中呈现零GVA状态。SSF有36.6%的情况记录到正的GVA值，中等的GVA概率（25.96 – 90.63）占24.4%。在模型A中，综合考虑两种渔业时，GVA在39.6%的情况下处于中等状态（28.16 – 77.05）。各模型中目标节点GVA的负面状态概率分别为LSF的12.9%，SSF的11.6%，以及两种渔业合计的9.23%。3.2.2. 基于情景的分析和预测 贝叶斯网络模型应用于每个情景，重点关注纳入MSP情景的管理措施重叠区域（表S2，S3和S4）。GVA节点的概率状态表明了渔业对GVA而言的依赖程度，提供了假设禁止捕鱼可能的直接经济影响（图6）。下载：下载高分辨率图像（397KB）下载：下载全尺寸图像 图6. 分析中考虑的情景下捕鱼努力和增加值（GVA）节点的概率。模型A结合了小型（SSF）和大型渔业（LSF），模型B专注于LSF，模型C专注于SSF。“基准情景”下，模型在案例研究区域的所有网格单元中运行，没有选择任何决策节点。“MPA情景”关注与计划中的海洋保护区（MPAs）重叠的网格单元，“N2K情景”考虑与Natura 2000下计划的MPAs重叠的网格单元，“OWF情景”分析了与计划中的海上风电场（OWFs）重叠的网格单元。节点状态的名称（即负面、低、中和高）及其离散化区间详见补充材料（表S2，S3和S4）。在MPA情景下，对于LSF（模型B），79%的指定区域处于零捕鱼努力状态，21%的区域被归类为低捕鱼努力状态（0 – 0.159），没有更高的值。相应地，22.1%的区域内GVA为负值，18%为零状态，26.4%为低状态。模型结果表明，建立提议的MPAs对LSF的经济影响有限。相反，在LSF（模型C）中，87.6%的MPA指定区域内观察到渔业活动，其中最高概率（50%）处于中等状态（0.159 – 0.545）。SSF的GVA在低、中和高状态中大约各占19%，而负值（最低 – 0）和零状态分别占17.4%和25.9%。在分析MPA情景下SSF和LSF的综合影响时（模型A），计划建立MPA的12.1%的区域总GVA处于负状态概率，7.95%的区域处于零状态概率。在Natura 2000情景下，LSF表现出显著的渔业活动，43.6%的区域内记录到中等捕鱼努力（0.159 – 0.44），37.6%的区域内记录到高捕鱼努力（0.44 – 1）。LSF的GVA在大约42%的区域内处于中等状态（24.25 – 69.47），在27.7%的区域内处于高状态（69.47 – 最大值）。然而，SSF的活动可以忽略不计，在Natura 2000计划区域的96.7%区域内没有捕鱼努力，73%的区域内GVA为零状态。当同时考虑两种渔业时，49.2%的区域内GVA处于中等状态（28.16 – 77.05），21.9%的区域内GVA处于高状态（77.05 – 最大值）。在OWF情景下，LSF的捕鱼努力在64.3%的指定区域内处于中等状态（0.159 – 0.44），18.8%的区域内处于低状态（0 – 0.159）。49%的区域内GVA处于中等状态（24.25 – 69.47），21.1%的区域内处于低状态（0 – 24.25），14.6%的区域内处于高状态（69.47 – 最大值）。对于SSF，在OWFs计划区域的97.8%区域内没有记录到捕鱼努力，74%的区域内GVA为零状态。考虑两种渔业（模型A）时，49.2%的区域内GVA处于低状态（0 – 28.16），27.1%的区域内处于中等状态（28.16 – 77.05），33.1%的区域内处于中等状态（28.16 – 77.05）。根据每个情景运行预测的最可能GVA，得出了分析网格每个单元的GVA预测值。该模型基于单一年份的数据层提供了研究区域内经济活动的“快照”。然后将预测值表示为整个研究区域在基准情景下的总GVA的百分比，从而估计了各种情景对主要渔业的直接经济影响（表7）。表7. 贝叶斯网络（BN）对MPA、N2K和OWF情景下主要渔业的直接经济影响的估计。MPA情景指的是与计划中的海洋保护区（MPAs）重叠的网格单元，N2K情景指的是与Natura 2000下计划的MPAs重叠的网格单元，OWF情景指的是与计划中的海上风电场（OWFs）重叠的网格单元。模型B代表大型渔业（LSF），模型C代表小型渔业（SSF）。模型 情景 MPA N2K OWF (B) 大型渔业 0% 15.3% 4.8% (C) 小型渔业 4% 1% 0% 在MPA情景下，结果表明SSF有潜在的直接经济影响，其GVA的4%受到影响，突出了这些区域被指定为SSF的MPAs的经济重要性。对于LSF，没有预测到直接经济影响，表明这些渔业在计划的MPAs之外运营，对资源的依赖性较小。在N2K情景下，模型预测SSF的GVA有1%的直接经济影响，而LSF在Natura 2000实施期间可能具有15.3%的显著直接经济影响，反映了它们对这些可能被指定为MPAs的区域的高度依赖。在OWF情景下，预测SSF的GVA有4.8%的直接经济影响，表明OWFs与工业渔业有价值的区域重叠，从而影响了经济回报。相比之下，SSF不受OWF部署的影响。4. 讨论 4.1. 建模框架和方法论贡献 实施MSP需要全面考虑关键部门及其空间需求（Kruse等人，2024年）。政策制定者和实践者面临的一个关键挑战是克服利益相关者参与MSP过程中的渔业部门问题的障碍（Psuty等人，2020年）。在这方面，本研究开发了一个基于BN的空间明确建模框架，将渔业数据与管理决策相结合，评估替代空间情景及其相关的直接经济影响。与其他建模框架相比，使用BN的优势在于可以在信息有限的情况下考虑多种管理措施（Pascoe，2018年）。通过在影响图中加入决策节点，所提出的模型有助于结构化地比较规划选项，并明确考虑经济变量之间的条件依赖性。这种能力增强了情景评估的透明度，并有助于向决策者和利益相关者传达潜在的经济影响（Penman等人，2020年）。在影响图中，情景通过影响受空间管理措施影响的区域的捕鱼努力，进而影响相关的经济变量，从而在系统中层层传递。由此产生的收入和运营成本变化会产生下游经济效应（Willis-Norton等人，2024年），为平衡保护和经济目标提供了可操作的见解。与研究目标一致，捕鱼努力被视为在固定行为假设下估计直接经济影响的条件变量。采用GVA是该框架的一个定义特征，因为它捕捉了渔业在空间的经济贡献，有助于识别具有经济意义的渔场，并支持跨部门比较，以评估竞争性海洋用途之间的权衡。这种方法非常适合管理潜在冲突和支持MSP内的蓝色增长目标（Gambino等人，2024年）。最后，所提出的空间化方法加强了建模方法的可复制性，使其可以应用于STECF数据库覆盖的其他FAO区域。4.2. 直接经济影响和管理含义 该模型在意大利EEZ的GSA17中的实证应用显示，不同渔业之间的预期经济效应存在显著差异，这强调了分别分析SSF和LSF的重要性，因为空间管理措施对每种渔业的影响不同（Su等人，2024年；Murillas-Maza等人，2021年）。这些发现与之前关于OWF开发和MPA扩展的研究结果一致，强调了空间限制在塑造渔业经济绩效中的作用（Scheld等人，2022年；van de Geer等人，2013年）。计划中的海洋保护区（MPAs）预计不会对LSF产生直接的经济影响，而SSF则更依赖于位于这些计划内的渔场，尽管这些渔场在空间范围内的覆盖面积有限（大约只占研究区域的0.6%）。鉴于欧盟生物多样性策略的实施，预计到2030年某些渔场将禁止渔业活动。由于关闭措施预计将在指定的MPA区域内实施，因此考虑了最坏的情况，即所有宣布的MPA都将禁止渔业活动。由此产生的经济效应突显了SSF的空间依赖性，并将其经济可行性作为MPA设计和局部管理中的一个关键考虑因素（Weigel等人，2015年）。鉴于SSF依赖于高价值的目标物种，渔具的选择性成为一个关键因素，有助于在支持可持续资源利用的同时维持经济可行性。选择性捕鱼做法可以减少副渔获和捕捞到体型过小的物种，从而提高长期渔业生产力（欧洲委员会，2023年）并改善市场回报（Coppa等人，2021年；Zampardi等人，2024年）。通过结合分区计划和不同级别的保护措施，包括限制选择性渔具进入的高度保护缓冲区，可以减少整体渔业压力，同时增强生态韧性并支持SSF的长期经济效益（Horta e Costa等人，2022年）。关于Adriatic Natura 2000区域内保护目标和监测活动的信息普遍不足，这突显了加强治理有效性和利益相关者参与度的必要性（Gianni等人，2022年）。根据Natura 2000计划，在计划中的MPA内预计对LSF产生的直接经济效应更大，这可能反映了它们更广泛的空间覆盖范围，从而加强了为决策提供依据的证据基础（欧洲委员会，2018年）。因此，积极的利益相关者咨询和仔细的规划对于防止冲突至关重要（Zaucha和Kreiner，2021年；Jones等人，2016年），包括提前定义保护目标和建立监测框架（Vrooman等人，2022年）。渔民的积极参与可能进一步提高合规性并支持基于社区的管理方法（Vindigni等人，2020年；Gonzalvo等人，2011年）。

offshore wind farms（OWFs）的情景突显了海上能源开发与渔业相关机会成本之间的关键权衡（Yates等人，2015年）。通过安全区和避免行为减少了可进入的渔场，OWFs实际上起到了事实上的禁区作用，即使在没有正式禁令的情况下也是如此（Fitkov-Norris等人，2025年）。这种空间限制对于移动渔具船队（如拖网渔船和围网渔船）尤为重要，这些船只在对OWFs的开发响应中表现出明显的捕鱼努力减少（Fitkov-Norris等人，2025年）。渔民向替代渔场或港口的转移可能会导致运营成本增加和空间竞争加剧，从而影响捕鱼效率和冲突动态（Szostek等人，2025年；Stelzenmüller等人，2022年；Kafas等人，2018年）。在这种背景下，对LSF的预期经济效应强调了跨部门协调和共同设计方法的需求，以最小化空间冲突（Stelzenmüller等人，2021年）。在传统SSF区域之外战略性地选址OWFs可以减少空间冲突并支持小规模渔业的经济可行性。空间分析考虑了涡轮机的位置，但没有明确纳入与相关基础设施（例如出口电缆和阵列间电缆）的相互作用或更广泛的生态系统响应，这些因素可能会影响未来的空间动态和累积效应（Watson等人，2025年）。尽管OWFs可能产生局部生态效应，包括由于引入人工基底而增加的底栖生物量和局部生物多样性（Thomassen等人，2025年），但共址如何转化为种群层面的渔业收益仍不确定且高度依赖于具体情境（Fitkov-Norris等人，2025年；Lloret，2025年）。研究表明，OWFs的发展会导致生物量的空间重新分配、捕食者-猎物动态的变化以及目标物种生物量和捕捞量的情景依赖性变化（Couce Montero等人，2025年）。因此，“不在海洋保护区（NIMPA）”的新视角建议不要将OWFs视为保护工具，而是将其作为MSP框架中的补充组成部分来战略性地放置（Fitkov-Norris等人，2025年；Lloret，2025年）。因此，明确考虑由重叠管理措施引起的累积空间限制对于区域规划至关重要（Kruse等人，2024年）。在共址可行的情况下，综合规划方法可以优化空间利用并有可能降低规划成本（Schupp等人，2021年；Yates等人，2015年）。预测的直接经济效应为关于缓解策略的政策讨论提供了实证基础，包括在适当的情况下制定补偿框架。然而，该模型在固定的行为假设下评估潜在的直接经济效应，并没有明确捕捉到适应性响应、间接影响或与运营杠杆差异相关的船舶层面的财务后果的异质性。因此，需要进一步的船舶层面分析来设计能够充分反映这种财务异质性的补偿方案。补偿措施可以帮助解决共址风险以及与在OWFs区域内捕鱼相关的额外责任（Bonsu等人，2024年），同时支持面临更长旅行时间或可用渔场竞争加剧的渔民（Van Hoey等人，2021年；Kafas等人，2018年）。

4.3. 限制和未来研究方向
研究结果的解释应考虑到几个与数据相关的问题。只有汇总的捕鱼努力数据有空间上的明确表示，这限制了特定渔具动态的表示，并可能掩盖了船队内部的异质性。尽管SSF和LSF的分类被广泛采用，但它可能掩盖了船队内部的组织多样性（例如，挖掘机和远洋拖网渔船之间的差异）。如果数据允许，进一步细分类别可以改善未来的分析（Kinds等人，2021年）。此外，缺乏多年的空间捕鱼努力数据阻止了年度经济变量与年度努力变化之间的联系，限制了将特定物种的市场价格与渔业层面的时间动态联系起来的能力。这一限制反映了渔业管理中关于空间明确数据可用性和质量的更广泛挑战（Murillas-Maza等人，2023年）。因此，该模型提供了参考年份（2019年）的静态直接经济效应评估，可能无法完全反映研究区域当前的渔业状况。然而，该框架设计为随着新数据的出现而进行迭代更新，以支持适应性的MSP过程。将框架扩展到动态的 biomass（BN）将能够进行时间序列评估，包括预计会影响渔业行业未来轨迹的气候敏感因素，如燃料和市场价格（Hamon等人，2021年）。

除了数据相关的限制外，由于关注直接的空间经济效应，社会维度没有明确纳入。因此，该模型应被视为一个更广泛证据基础的组成部分，需要通过社会文化分析来补充。虽然保护措施和OWFs可能会同时实施，但在当前分析中分离个别效应可以提高因果归属并减少与重叠空间干预相关的偏见。未来的研究可以通过整合累积的空间相互作用来扩展框架，以评估同时实施的管理措施对关键渔业的综合经济效应。该框架还可以通过采用考虑自然资本依赖性和生态系统服务提供的渔业社会生态视角，进一步支持从基于库存的方法向基于生态系统的方法的转变（Gacutan等人，2019年）。

5. 结论
本研究开发了一个空间明确的贝叶斯网络框架，用于估计不同空间管理方案对渔业的直接经济效应。所应用的框架对于进行空间经济分析的实践者和政策制定者非常有用，可作为促进可持续渔业管理决策过程的工具。通过评估渔业对受管理措施影响区域的依赖性并量化实施捕鱼关闭措施的潜在直接经济效应，该方法有助于识别潜在冲突区域，并促进MSP过程中的利益相关者讨论。一个关键的方法论进展在于经济变量的空间分配与收入、成本和捕鱼努力之间的条件依赖性的明确建模相结合，允许不确定性传播并支持基于情景的推断。将GVA作为管理目标纳入分析使得可以根据其对国民经济的贡献来评估渔场，从而改进规划目标与渔业部门经济可行性之间的权衡评估。在这方面，该模型可以帮助规划者和实践者找到平衡保护和经济目标的规划解决方案，同时防止渔业承担与MPAs和OWFs的空间分配相关的总体成本。此外，该框架旨在评估渔业层面的经济效应，包括LSF和SSF。这对于SSF尤为重要，因为该模型突出了它们在当地的经济贡献，支持将它们纳入MSP过程，并帮助平衡保护工作与沿海社区的生计。此外，该模型的结果可以为制定适应性管理策略提供信息，确保生态、经济和社会目标的一致性。本研究为推进MSP内的渔业空间经济评估奠定了方法论基础，并为整合时间动态和自然资本依赖性的未来研究提供了基础。

**CRediT作者贡献声明**
Ibon Galparsoro：撰写 - 审阅与编辑、撰写 - 初始草稿、可视化、验证、监督、方法论、调查、正式分析、概念化。
Andrea Mattia Pacifico：撰写 - 审阅与编辑、撰写 - 初始草稿、可视化、软件、方法论、调查、正式分析、数据管理、概念化。
Giulio Malorgio：撰写 - 审阅与编辑、监督、方法论、数据管理、概念化、验证。
Arantza Murillas：撰写 - 审阅与编辑、撰写 - 初始草稿、可视化、验证、监督、方法论、调查、概念化、正式分析。
Luca Mulazzani：撰写 - 审阅与编辑、监督、调查、方法论、可视化。