《Canadian Journal of Fisheries and Aquatic Sciences》：Estimating spawning salmon abundance from visual surveys: a hierarchical model of arrival and exit dynamics
编辑推荐：
产卵者丰度（Spawner abundance）是鲑鱼管理模型中的一个基本变量，但传统方法（梯形曲线下面积法，TAUC）无法估算丰度的精度，并且可能因假定的停留时间（residence time）而产生偏差。本研究提出一个分层模型（hierarchical m
产卵者丰度（Spawner abundance）是鲑鱼管理模型中的一个基本变量，但传统方法（梯形曲线下面积法，TAUC）无法估算丰度的精度，并且可能因假定的停留时间（residence time）而产生偏差。本研究提出一个分层模型（hierarchical model），该模型通过对产卵者到达（arrivals）和退出（exits）的过程与时间进行建模，来预测目视计数结果。该模型提供了产卵者丰度、到达时间、到达离散度、退出时间和退出离散度的年度估算值。通过直接估算这些参数并将不确定性整合到丰度估算中，该方法提高了产卵者丰度估算的准确性和可靠性。研究人员首先展示了该模型如何从模拟数据中准确地恢复参数，然后通过估算加拿大不列颠哥伦比亚省奥卡纳根河（Okanagan River）野生红大麻哈鱼（Sockeye Salmon）25年来的产卵者丰度，展示了其应用。研究人员估算的中位停留时间为9.1天，短于先前为该种群假定的固定值11天，并且具有相当大的年际变异（6.2–16.5天）。因此，研究人员估算的丰度平均高出15.7%，但年际偏差范围从-43%到+51%。
论文解读文章
研究背景与科学问题
鲑鱼渔业管理中，亲鱼（产卵者）丰度是评估种群健康状况和制定捕捞策略的核心变量。传统的估算方法，如梯形曲线下面积法（TAUC），虽然被广泛使用，但存在两个显著缺陷：一是它依赖于一个预先假定的、恒定的个体停留时间（即每条鱼在产卵场存活的天数），这往往与实际不符；二是它无法提供丰度估算值的置信区间，即无法量化不确定性。尽管后续发展出了高斯曲线下面积法（GAUC）和到达-退出过程模型等改进方法，但这些方法要么仍依赖外部估算的停留时间，要么在模型结构上不够灵活，未能充分考虑不同年份间产卵动态参数的复杂相关性。因此，亟需一种能够直接从目视调查数据中同时估算产卵丰度、到达/退出时间及其年际变异，并能全面量化不确定性的稳健统计方法。
研究方法概述
研究人员开发了一个基于分层贝叶斯框架的统计模型。该模型的核心是将每日观察到的活体产卵者数量视为一个由三个潜在过程共同作用的结果：累计到达比例、累计退出比例和总产卵者丰度。模型假设到达和退出事件分别服从正态分布，并通过四个关键时序参数来描述每年的产卵动态：平均到达日、到达离散度、退出滞后（平均到达日与平均退出日之差）、以及退出离散度。为了处理数据的稀疏性和年际变异，模型采用了分层结构，允许这些时序参数在不同年份间变化，并通过多元正态分布（MVN）来捕捉它们之间的协方差关系。模型使用负二项分布来处理观测误差和过度离散，并在斯坦（Stan）编程语言中实现。研究人员利用模拟数据验证了模型的参数恢复能力，并将其应用于加拿大奥卡纳根河（Okanagan River）野生红大麻哈鱼（Sockeye Salmon）长达25年（2000-2024年）的目视调查数据。数据由奥卡纳根民族联盟（Okanagan Nation Alliance）收集，共包含271次有效调查。
研究结果
- •
模型选择与收敛性：通过比较期望对数预测密度（ELPD），研究人员选择了最复杂的模型9，该模型包含了所有四个时序参数的年际变异，并使用MVN结构来刻画它们之间的相关性。模型收敛性良好，保证了结果的可靠性。
- •
模拟数据拟合：无论调查间隔（1至7天）如何变化，模型都能可靠地恢复用于生成模拟数据的真实参数。超过95%的情况下，真实值落在95%可信区间内。随着调查间隔增大，参数估计的精度下降，但对数产卵丰度这一核心指标的估计最为稳健。
- •
产卵时间动态：模型揭示了奥卡纳根河红大麻哈鱼产卵时间的显著年际变化。平均到达日相对稳定（10月10日至14日），但到达离散度和退出滞后则表现出巨大波动，范围分别为6.2至13天和3.7至16.1天。由此推导出的有效停留时间中位数为9.1天，低于此前假定的11天，且年际差异极大（6.2至16.5天）。
- •
总产卵者丰度：模型估算的年度产卵丰度范围从2002年的约3,800尾到2010年的约208,000尾。与传统TAUC方法（假定停留时间11天）相比，研究人员模型的估算值平均高出15.7%，但具体年份的差异可从-43.4%到+50.8%。这表明，使用固定的停留时间会在特定年份引入显著的偏差。
- •
参数相关性：MVN结构揭示了参数间的关联。例如，到达离散度与到达时间呈正相关，表明到达时间越分散，平均到达日越晚。退出滞后与退出离散度呈负相关，意味着平均退出日推迟时，退出过程反而更集中。
结论与讨论
本研究的核心贡献在于提出了一个更为通用的建模框架，它超越了传统TAUC方法的局限。该模型不仅提供了带有完整不确定性的年度产卵丰度估算，还直接估算了关键的产卵时间动态参数（到达时间、离散度、退出滞后），为理解鲑鱼生态学提供了新的视角。研究表明，停留时间并非恒定值，其年际变异巨大，假设一个固定值会导致丰度估算的系统性偏差。例如，在奥卡纳根河案例中，研究人员估算的中位停留时间（9.1天）短于此前假定值（11天），导致整体丰度估算偏高。同时，模型也揭示了一些有趣的生态现象，如2010年异常宽的到达离散度可能与当年的特斯塔林登溪（Testalinden Creek）溃坝事件有关。
研究结论部分翻译：这种建模框架估算了鲑鱼产卵期背后的动态过程，提供了关键的年度时间参数，为理解系统的生态学提供了洞见。它还生成了带有相关不确定性的年度总产卵者丰度估算——这是产卵者调查项目的首要目标。这代表了相对于传统TAUC方法的重大进步，同时扩展了GAUC和到达-退出过程建模方法。通过这样做，本研究提供了一种从常规采集的数据中提取更多关于鲑鱼丰度和生态学信息的方法。该方法可以通过提供更稳健的丰度估算和对影响产卵动态因素更好的理解，来支持鲑鱼渔业的可持续管理。研究人员期待看到该方法在面对不同类型调查、栖息地和物种时的表现，并期待该方法的持续演进。
