李亞楠 戴小杰,2,3 朱江峰,2,3 耿 喆 夏 萌 何 珊

?

漁獲量不確定性對印度洋大眼金槍魚資源評估的影響*

李亞楠1戴小杰1,2,3①朱江峰1,2,3耿 喆1夏 萌1何 珊1

(1. 上海海洋大學(xué)海洋科學(xué)學(xué)院 上海 201306；2. 大洋漁業(yè)資源可持續(xù)開發(fā)教育部重點實驗室 上海 201306；3. 農(nóng)業(yè)農(nóng)村部大洋漁業(yè)開發(fā)重點實驗室 上海 201306)

大眼金槍魚()是最具經(jīng)濟(jì)價值的熱帶金槍魚類，其資源狀況一直是區(qū)域性金槍魚漁業(yè)管理組織關(guān)注的重點。由于多種漁業(yè)作業(yè)、捕撈船隊構(gòu)成復(fù)雜，印度洋大眼金槍魚的歷史漁獲量統(tǒng)計存在一定的偏差(Bias)，但國際上近些年開展資源評估時都忽略了這一偏差。本研究根據(jù)1979~2015年的年漁獲量、年齡結(jié)構(gòu)漁獲量及相對豐度指數(shù)數(shù)據(jù)，運(yùn)用年齡結(jié)構(gòu)資源評估模型(ASAP)對印度洋大眼金槍魚資源進(jìn)行評估，重點考查漁獲量的不確定性(觀測誤差和統(tǒng)計偏差)對資源評估結(jié)果的影響。結(jié)果顯示，印度洋大眼金槍魚當(dāng)前資源總體沒有過度捕撈，但2015年初顯示輕微的過度捕撈，通過對比基礎(chǔ)模型與8個靈敏度分析模型的評估結(jié)果發(fā)現(xiàn)，漁獲量觀測誤差(CV)的預(yù)設(shè)對資源開發(fā)狀態(tài)的判斷有一定的影響。當(dāng)漁獲量統(tǒng)計偏差調(diào)整量為15%時(即歷史漁獲量被低估了)，評估結(jié)果與基礎(chǔ)模型基本一致；統(tǒng)計偏差調(diào)整量為20%時，評估結(jié)果有過度捕撈的趨勢。本研究結(jié)果表明，資源評估模型中漁獲量觀測誤差的設(shè)定和歷史漁獲量統(tǒng)計偏差均會對評估結(jié)果產(chǎn)生影響，后者更為明顯，因此，二者均不能忽略。

印度洋；大眼金槍魚；資源評估；漁獲量；誤差

大眼金槍魚()是經(jīng)濟(jì)價值最高的熱帶金槍魚種類，分布于大西洋、印度洋和太平洋的熱帶和溫帶水域(曹曉怡等, 2008)。在印度洋海域，大眼金槍魚主要分布在南赤道海流及其以北海域、非洲東岸和馬達(dá)加斯加群島，常見于印度–澳大利亞群島海域(苗振清等, 2003)，在印度洋海域?qū)賳我浑S機(jī)交配種群(Chiang, 2008)。大眼金槍魚主要由大型延繩釣(占2012~2015年漁獲量的57%)和圍網(wǎng)(占2012~2015年漁獲量的27%)漁業(yè)捕撈(IOTC, 2016)，該魚種也是我國在印度洋金槍魚漁業(yè)中的主要捕撈對象。印度洋金槍魚類資源評估與管理由印度洋金槍魚委員會(Indian Ocean Tuna Commission, IOTC)組織實施，根據(jù)IOTC最近研究，2015年該魚種的年漁獲量為9.27×104t，最大可持續(xù)產(chǎn)量為8.26×104~10.97× 104t (Zhu, 2016)。

2012年，IOTC熱帶金槍魚工作組(Working Party on Tropical Tunas, WPTT)提出將大眼金槍魚資源評估列為今后的優(yōu)先評估對象(IOTC, 2012)。近5年來，國際上對其評估采用的模型包括SS模型(Stock Synthesis 3) (Shono, 2009; Kolody, 2010; Langley, 2013)、ASPM模型(Age Structured Production Model) (Nishida, 2011)及ASAP模型(Age Structured Assessment Program) (Zhu, 2013; Zhu, 2016)，其中，ASAP模型是目前應(yīng)用的主要模型之一。對于印度洋大眼金槍魚漁業(yè)，雖然IOTC秘書處已制定了較為系統(tǒng)的漁業(yè)數(shù)據(jù)統(tǒng)計框架，掌握了資源的基礎(chǔ)生物學(xué)數(shù)據(jù)，并已開展了大量資源評估方面的工作，而且，早在2000年前后就有研究者對印度洋大眼金槍魚進(jìn)行了資源評估(Nakatani, 2001; Motomura, 2003)，但以往的評估都忽略了漁獲量的不確定性對資源評估的影響。

通過對近年ASAP模型的評估結(jié)果進(jìn)行比較分析發(fā)現(xiàn)，由于多種漁業(yè)作業(yè)、捕撈船隊構(gòu)成復(fù)雜，印度洋大眼金槍魚的歷史漁獲量統(tǒng)計存在一定的偏差(Bias)，特別是印度洋沿海發(fā)展中國家的漁獲量統(tǒng)計質(zhì)量較差，相當(dāng)一部分歷史漁獲量是由IOTC秘書處估計的，其統(tǒng)計偏差(指高估或低估)可能達(dá)15% (IOTC, 2012)。但國際上近些年對其的資源評估都忽略這一偏差。此外，目前主流的綜合性評估方法參數(shù)估算過程中，均需對漁獲量觀測誤差(指隨機(jī)誤差)的大小進(jìn)行假設(shè)，而這一假設(shè)的影響研究，也并未引起WPTT的重視。因此，本研究運(yùn)用年齡結(jié)構(gòu)資源評估模型ASAP(NOAA Fisheries Toolbox 2014)對印度洋大眼金槍魚資源進(jìn)行評估，重點考查漁獲量的不確定性(觀測誤差和統(tǒng)計偏差)對資源評估結(jié)果的影響，為提高以漁獲量為基礎(chǔ)數(shù)據(jù)的資源評估的可靠性提供參考，進(jìn)一步提高印度洋大眼金槍魚的資源評估質(zhì)量。

1 材料與方法

1.1 漁業(yè)類型和數(shù)據(jù)

資源評估時首先需要劃分漁業(yè)類型，劃分應(yīng)以選擇性和可捕性不隨時間變化(或變化很小)、可獲得的漁業(yè)數(shù)據(jù)為依據(jù)。根據(jù)IOTC對大眼金槍魚的漁業(yè)數(shù)據(jù)分類，本次評估劃分為7種漁業(yè)，即超低溫延繩釣漁業(yè)(漁業(yè)1，LL)、自由魚群圍網(wǎng)漁業(yè)(漁業(yè)2, PSFS)、人工集魚圍網(wǎng)漁業(yè)(漁業(yè)3, PSLS)、小型圍網(wǎng)漁業(yè)(漁業(yè)4, BB)、常溫延繩釣漁業(yè)(漁業(yè)5, FL)、手釣漁業(yè)(漁業(yè)6, LINE)和其他漁業(yè)(漁業(yè)7, OTHER)。

年齡結(jié)構(gòu)模型所需的基本漁業(yè)數(shù)據(jù)主要包括年漁獲量數(shù)據(jù)(Annual catch)、年齡結(jié)構(gòu)漁獲量數(shù)據(jù)(Catch-at-age, CAA)和相對資源豐度指數(shù)數(shù)據(jù)，以上數(shù)據(jù)來源于IOTC秘書處，時間跨度為1979年1月~ 2015年12月。豐度指數(shù)數(shù)據(jù)采用主要延繩釣船隊的聯(lián)合標(biāo)準(zhǔn)化CPUE (Joint CPUE, 尾/1000鉤) (Hoyle, 2016)，包含印度洋西北海域和東北海域2個時間序列(圖1)。

圖1 1979~2015年印度洋大眼金槍魚標(biāo)準(zhǔn)化CPUE

1.2 生物學(xué)參數(shù)與假設(shè)

1.3 評估模型及參數(shù)估計

ASAP是基于統(tǒng)計誤差分布的漁獲量年齡結(jié)構(gòu)模型(Statistical age-structured catch-at-age analysis) (NOAA Fisheries Toolbox 2014)(NOAA Fisheries Toolboxathttp:// nft.nefsc.noaa.gov)。目前，ASAP模型已在多個漁業(yè)資源評估中廣泛使用，如在太平洋沙丁魚()、緬因灣鱈魚、大西洋鯡()、佛羅里達(dá)龍蝦等資源的評估中，ASAP模型也是目前美國對其東部近海漁業(yè)資源進(jìn)行評估所用的主要模型之一。同時，該模型引入時間段(Time block)概念和隨機(jī)漫步模型(Random walk model)以允許部分參數(shù)如捕撈系數(shù)、漁具選擇系數(shù)等具有時變特性。

ASAP模型通過預(yù)設(shè)初始年份資源量、補(bǔ)充量等參數(shù)，采用順推方式演繹種群動態(tài)過程，將漁獲量、資源量指數(shù)等數(shù)據(jù)作為具有觀測誤差的觀測變量，并通過模型預(yù)測值建立目標(biāo)函數(shù)，利用最大似然法估計模型參數(shù)。似然函數(shù)的誤差分布有2種：多項式分布和對數(shù)正態(tài)分布。多項式分布用于漁獲年齡組成誤差，其主要影響因子是年齡組成的有效樣本量(Effective sample size, ESS)。漁獲量、資源量指數(shù)為對數(shù)正態(tài)分布，其主要影響因子是對數(shù)轉(zhuǎn)換后的標(biāo)準(zhǔn)差，在ASAP模型里，采用CV代替標(biāo)準(zhǔn)差。CV需要預(yù)設(shè)，并根據(jù)模型擬合情況逐步調(diào)整，因此，CV為本研究中觀測誤差的主要影響因子。多項式分布的似然函數(shù)為：

1.4 漁獲量的不確定性量化及情景假設(shè)

如前所述，漁獲量觀測誤差的主要影響因子為CV，模型擬合前需要預(yù)設(shè)CV并根據(jù)擬合診斷逐步調(diào)整。本研究設(shè)定基礎(chǔ)模型的漁獲量CV=0.1，將CV=0.05和0.15作為靈敏度分析。同時，根據(jù)IOTC對大眼金槍魚漁獲量統(tǒng)計的質(zhì)量分析，IOTC估計的部分歷史漁獲量及名義漁獲量的數(shù)據(jù)統(tǒng)計結(jié)果，假設(shè)10%、15%、20%、-10%、-15%等5個水平的漁獲量統(tǒng)計偏差調(diào)整量(負(fù)數(shù)表明IOTC高估了歷史漁獲量)，分不同年段對漁獲量進(jìn)行修正。綜上所述，共組成13個模型，其中，模型2為基礎(chǔ)模型(表1)。

表1 印度洋大眼金槍魚基礎(chǔ)模型及靈敏度分析模型

Tab.1 Base case model and sensitivity models for bigeye tuna in the Indian Ocean

2 結(jié)果

2.1 漁獲量誤差對擬合診斷的影響

13個模型中，收斂的模型共9個(表1)，下文僅分析收斂的模型。模型不收斂表明模型的假設(shè)或數(shù)據(jù)相互矛盾，模型未能獲得有效參數(shù)。9個模型的豐度指數(shù)估算值與觀測值的殘差如圖3、圖4所示，除了早期的1979~1984年，模型整體擬合的預(yù)測值與觀測值很相近，9個模型變化趨勢與基礎(chǔ)模型(模型2)一致，且其殘差未見有明顯的變動趨勢，但西北海域的豐度指數(shù)較東北海域的擬合更好(圖2)，其豐度指數(shù)殘差也相對較小。漁獲量估算值與觀測值的殘差如圖5所示，殘差未見有明顯的變動趨勢，表明評估模型對豐度指數(shù)和漁獲量的擬合均可靠。

年齡結(jié)構(gòu)模型的結(jié)果輸出包括擬合結(jié)果和ASAP模型結(jié)果，9個模型的擬合結(jié)果如表2所示。通過對擬合結(jié)果的各個目標(biāo)函數(shù)進(jìn)行對比分析，以基礎(chǔ)模型(模型2)為參照，發(fā)現(xiàn)當(dāng)CV增加或減少，其相應(yīng)的目標(biāo)函數(shù)沒有發(fā)生明顯的增減變化。而針對名義漁獲量統(tǒng)計偏差估計的6個模型(模型4~模型9)也沒有明顯的增減規(guī)律，但模型8的擬合結(jié)果相對其他5個模型的結(jié)果有較大的差異。

2.2 漁獲量誤差對F與SSB變動趨勢的影響

圖2 印度洋大眼金槍魚豐度指數(shù)觀測值與預(yù)測值(基礎(chǔ)模型)

圖3 印度洋大眼金槍魚豐度指數(shù)殘差(西北海域指數(shù))

圖4 印度洋大眼金槍魚豐度指數(shù)殘差(東北海域指數(shù))

圖5 印度洋大眼金槍魚漁獲量估算值與觀測值(基礎(chǔ)模型)

捕撈死亡系數(shù)的估算值見圖6。通過比較8個假設(shè)模型與基礎(chǔ)模型的捕撈死亡系數(shù)，發(fā)現(xiàn)所有模型的捕撈死亡系數(shù)的變化趨勢一致，但在不同的假設(shè)條件下，其捕撈死亡系數(shù)值不同。在CV為0.05和0.15的情況下，捕撈死亡系數(shù)的估算值與基礎(chǔ)模型的值很接近，變化趨勢基本一致。同時，根據(jù)漁獲量假設(shè)的5個模型(除模型8)變化趨勢也與基礎(chǔ)模型一致。但模型8的捕撈死亡系數(shù)的估算值自1983年始明顯低于其他8個模型。但無論在何種假設(shè)下，自1984年以來，7種漁業(yè)的捕撈死亡系數(shù)一直處于上升趨勢，尤其是1984~1999年，其上升趨勢明顯加快。

表2 模型擬合結(jié)果

Tab.2 Model fit summary

圖6 印度洋大眼金槍魚捕撈死亡系數(shù)

圖7 印度洋大眼金槍魚產(chǎn)卵親體生物量

9個模型的SSB變化如圖7所示。在不同的假設(shè)條件下，SSB的變化趨勢基本相同。在1979~1985年呈增加趨勢，然后逐漸減少，至2000年后略有回升，但接下來至2015年，總體呈下降趨勢，除了模型9，2015年的SSB均低于MSY相應(yīng)的水平。在假設(shè)CV為0.05和0.15的情況下，SSB與基礎(chǔ)模型沒有明顯的差異，而假設(shè)的漁獲量偏差越高，SSB估計值越大(模型2、模型4~模型6)。當(dāng)假設(shè)漁獲量偏差減少15%時，SSB最低。而根據(jù)大眼金槍魚實際的歷史產(chǎn)量分年代設(shè)立的模型9，其SSB估計值最高，且高于MSY相應(yīng)的水平。

2.3 漁獲量誤差對生物學(xué)參考點和資源狀態(tài)判斷的影響

在不同的假設(shè)條件下，各個模型的漁業(yè)管理生物學(xué)參考點及相關(guān)參數(shù)的估算值見表3。基礎(chǔ)模型下(模型2)，當(dāng)前2015/MSY等于1，當(dāng)前漁獲量為MSY的1.02倍，當(dāng)前SSB為SSBMSY的1.18倍，可以確定2015年初的資源狀況沒有“過度捕撈”，這與2016年IOTC對印度洋大眼金槍魚的資源評估結(jié)果一致(Adam, 2016)。對比模型1、模型2和模型3發(fā)現(xiàn)，CV增加或減小對MSY及相關(guān)的參考點具有一定的影響，即當(dāng)CV增加或減小其對應(yīng)的參考點MSYMSY、SSBMSY均減小，相應(yīng)的curr/MSY、curr/MSY均增大，0隨CV增加而增大。對比模型2、模型4、模型5和模型6發(fā)現(xiàn)，當(dāng)1979~2015年漁獲量呈不同水平增加，其參考點curr/MSY減小，currMSY增大，而SSBcurr/SSBMSY和SSBcurr/SSB0沒有明顯的變化趨勢。但當(dāng)1979~2015年漁獲量減少15%時，其對應(yīng)的關(guān)鍵參考點currMSY、SSBcurr/SSBMSY、SSBcurr/SSB0均沒有明顯的變化。而通過對比模型8和模型9發(fā)現(xiàn)，表1對1979~2015年分階段的漁獲量假設(shè)不同水平的偏差，其評估結(jié)果具有明顯的差異，currMSY遠(yuǎn)小于其他模型，SSBcurr/SSBMSY和SSBcurr/SSB0高于其他模型。

對于漁獲量觀測誤差而言，對比模型1 (CV=0.05)、模型2 (CV=0.1)與模型3 (CV=0.15)的currMSY與SSBcurr/SSBMSY估計值變化，CV增大或減小時，當(dāng)前的資源狀況相對基礎(chǔ)模型均有過度捕撈的趨勢。對于漁獲量統(tǒng)計偏差而言，假設(shè)漁獲量增加百分比越高，MSY估算值越大。結(jié)合表3的currMSY與SSBcurr/ SSBMSY的結(jié)果可以發(fā)現(xiàn)，只有假設(shè)漁獲量偏差為20%時，其評估結(jié)果相對基礎(chǔ)模型有過度捕撈趨勢，而其他假設(shè)(10%、15%和–15%)下，資源評估的結(jié)果相對基礎(chǔ)模型沒有明顯的變化。同時，為驗證該結(jié)果，對漁獲量增加16%、17%、18%、19%并比較評估結(jié)果發(fā)現(xiàn)，均沒有出現(xiàn)過度捕撈。因此，在應(yīng)用ASAP模型對大眼金槍魚資源進(jìn)行評估時應(yīng)確保漁獲量統(tǒng)計偏差保持在20%以內(nèi)，這樣對資源開發(fā)狀態(tài)的判斷是一致的。歷史產(chǎn)量統(tǒng)計偏差分年代考察發(fā)現(xiàn)，1979~1983年漁獲量偏差對資源評估結(jié)果沒有較大的影響，而2013~2015年的漁獲量偏差對資源評估結(jié)果具有很大的影響。

3 討論

印度洋大眼金槍魚的資源評估，在1998年以前，是由印太金槍魚類開發(fā)管理計劃(IPTP)進(jìn)行的，1999年以后由印度洋金槍魚委員會進(jìn)行。依據(jù)最新分析結(jié)果，由于漁業(yè)統(tǒng)計中沒有包括“未報告的漁獲”部分，所以可能低估了最大可持續(xù)產(chǎn)量(MSY)水平。IOTC當(dāng)前的評估表明，印度洋大眼金槍魚資源目前沒有過度捕撈，但2015年初有輕微的過度捕撈趨勢，即SSB2015/SSBMSY>1，2015/MSY可能大于1。而本研究中基礎(chǔ)模型的結(jié)果與其一致，即SSB2015/SSBMSY>1 (=1.18)、2015/MSY=1。對比其他8個假設(shè)模型的評估結(jié)果，發(fā)現(xiàn)即使是最冒險的假設(shè)(模型6)，當(dāng)前資源也沒有出現(xiàn)過度捕撈現(xiàn)象，但仍然有過度捕撈的趨勢(SSB2015/SSBMSY>1 (=1.18)、2015/MSY=1.06)。同時，資源狀態(tài)評價也可采用產(chǎn)卵群體生物量的比率(SBR)來判斷，即當(dāng)前SSB與原始狀態(tài)(SSB0)的比率。當(dāng)SBR越接近于0，表明資源衰減越嚴(yán)重，SBR越接近于1，表明資源的SSB可能沒有明顯減少。本研究中基礎(chǔ)模型及8個靈敏度分析模型的SBR值均表明，印度洋大眼金槍魚資源目前處于資源衰減狀態(tài)(SSBcurr/ SSB0≈0.4)，這表明，在經(jīng)過了60多年的商業(yè)性捕撈后，資源生物量已遠(yuǎn)低于原始水平。

表3 各個模型的參考點及相關(guān)參數(shù)

Tab.3 Biological reference points and related parameters from each assessment model

本研究表明，漁獲量觀測誤差對資源評估的結(jié)果具有一定程度的影響，在CV假設(shè)偏小的情況下，得到的資源狀態(tài)相對于基礎(chǔ)模型更為悲觀(模型1、模型2和模型3)。歷史漁獲量統(tǒng)計偏差方面，如果認(rèn)為歷史漁獲量統(tǒng)計偏低，從得到的curr/MSY比值來看，評估結(jié)果更為樂觀(模型4、模型5和模型6)；而認(rèn)為歷史漁獲量統(tǒng)計偏高，評估結(jié)果略為悲觀(模型7)。如果對歷史漁獲量偏差進(jìn)行更具體的分段修正，則上述差別不明顯，即評估結(jié)果均更為樂觀(模型8和模型9)。由于分段漁獲量修正更體現(xiàn)了各捕撈船隊在歷史上不同時期的漁獲數(shù)據(jù)質(zhì)量，其評估結(jié)果可能更反映大眼金槍魚的真實資源狀況。通過對比觀測誤差和統(tǒng)計偏差的影響，認(rèn)為漁獲量統(tǒng)計偏差對資源評估的影響更加明顯。為此，建議在今后的印度洋金槍魚類資源評估中，應(yīng)該注重分析歷史漁獲量統(tǒng)計偏差的大小，并進(jìn)行適當(dāng)修正。而對于漁獲量觀測誤差的影響，建議仍對不同誤差水平做靈敏度分析，以確保評估結(jié)果的可靠性。

Appleyard SA, Ward RD, Grewe PM. Genetic stock structure of bigeye tuna in the Indian Ocean using mitochondrial DNA and microsatellites. Journal of Fish Biology, 2002, 60(3): 767–770

Adam L. Stock assessment of bigeye tuna () in the Indian Ocean for 2016. IOTC-2016-WPTT18-20, 2016, 66–69

Cao XY, Zhou WF, Fan W,. Advance on research in the relationship between fishing ground of bigeye tuna and environmental parameters. Marine Fisheries, 2008, 3(2): 176–182 [曹曉怡, 周為峰, 樊偉, 等. 大眼金槍魚漁場與環(huán)境關(guān)系的研究進(jìn)展. 海洋漁業(yè), 2008, 3(2): 176–182]

Chiang HC, Hsu CC, Wu GC,. Population structure of bigeye tuna () in the Indian Ocean inferred from mitochondrial DNA. Fisheries Research, 2008, 89(1): 305–312

Hoyle SD, Kim D, Lee S,. Collaborative study of tropical tuna CPUE from multiple Indian Ocean longline fleets in 2016. IOTC-2016-WPTT18-14, 2016

IOTC. Review of the statistical data and fishery trends for tropical tuna. IOTC-2016-WPTT18-07, 2016, 6–13

IOTC. Report of the fourteenth session of the IOTC working party on tropical tunas. IOTC-2012-WPTT14, 2012, 88

Kolody D, Herrera M, Million J. Exploration of Indian Ocean bigeye tuna () stock assessment sensitivities 1952-2008 using stock synthesis. IOTC-2010-WPTT-04, 2010

Langley A, Herrera M, Sharma R. Stock assessment of bigeye tuna () in the Indian Ocean for 2012. IOTC-2013-WPTT15-30, 2013

Laslett GM, Eveson JP, Polacheck T. Growth of tropical tunas using the Laslett, Polacheck and Eveson (LEP) method. IOTC-2008-WPTT-09, 2008

Miao ZQ, Huang YC. Pelagic tuna fishery. Shanghai: Shanghai Scientific & Technical Publishers, 2003, 24–28 [苗振清, 黃錫昌. 遠(yuǎn)洋金槍魚漁業(yè). 上海: 上?？茖W(xué)技術(shù)出版社, 2003, 24–28]

Motomura T, Uchioke S. Review of the production model analyses of bigeye tuna () in the Indian Ocean. Journal of Ryutsu Keizai University, 2003, 37(11): 1–18

Nakatani T, Kimball DF, Larson LE,. Stock assessment of bigeye tuna () resources in the Indian Ocean by the age structured production model (ASPM) analyses. Iotc, 2001, 5(3): Proceedings

Nishida T, Rademeyer R. Stock and risk assessments on bigeye tuna () in the Indian Ocean based on AD model builder implemented age-structured production model (ASPM). IOTC-2011-WPTT-42, 2011

NOAA Fisheries Toolbox at http: //nft.nefsc.noaa.gov

Shono H, Satoh K, Okamoto H,. Updated stock assessment for bigeye tuna () in the Indian Ocean up to 2008 using stock synthesisⅢ (SS3). IOTC-2009-WPTT-20, 2009

Zhu JF, Guan WJ, Tian SQ,. Stock assessment of bigeye tuna () in the Indian Ocean using ASAP. IOTC-2013-WPTT15-28, 2013

Zhu JF. Stock assessment of Indian Ocean bigeye tuna () using age-structured assessment program. IOTC- 2016-WPTT18-14, 2016, 11–13

Impact of Catch Uncertainty on the Stock Assessment of Bigeye Tuna () in the Indian Ocean

LI Yanan1, DAI Xiaojie1,2,3①, ZHU Jiangfeng1,2,3, GENG Zhe1, XIA Meng1, HE Shan1

(1. College of Marine Sciences, Shanghai Ocean University, Shanghai 201306; 2. Ministry of Education Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources, Shanghai Ocean University, Shanghai 201306; 3. Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources, Ministry of Agriculture and Rural Affairs, Shanghai 201306)

Bigeye tuna (BET),is a large epi- and mesopelagic species distributed in tropical and subtropical waters of the Indian Ocean. Its stock status has been the focus of regional tuna fisheries management organizations. Because of a variety of fishing gear and fishing fleet structures, there have some statistical biases in the historical nominal catches of the Indian Ocean BET. However, the impact of this bias on stock assessment has been neglected in recent years. This paper aimed to assess the impact of observation error and statistical bias of catch on the stock assessment of Indian Ocean BETusing Age-Structured Assessment Program (ASAP) based on fishery-specific catch, catch-at-age, and standardized catch-per-unit-effort data. The results showed that the current stock of BET in the Indian Ocean was not overfished. The results of base model and eight sensitivity analysis models showed that the observation error of catch had influences on the stock status evaluation. When the bias of nominal catch was assumed to be 15% (i.e., the historical catch was underestimated), the assessment result was consistent with the base model (i.e. not overfished). When the bias of nominal catch was assumed to be 20%, the stock might be overfished. Therefore, both the observation error and the statistical bias associated with catch data can have significant impacts on the assessment results, with the latter having a greater effect. This study highlights the importance of considering both the assumption of observation error and statistical bias in catch data in tuna fishery stock assessment, which has been neglected recently.

Indian Ocean;; Stock assessment; Catch; Uncertainty

* 國家自然科學(xué)基金項目(NSFC41306127)、農(nóng)業(yè)農(nóng)村部國家遠(yuǎn)洋漁業(yè)觀察員項目(08-25)和農(nóng)業(yè)農(nóng)村部物種資源保護(hù)鯊魚項目(17162130135252086)共同資助 [This work was supported by National Natural Science Foundation of China (NSFC41306127), Ministry of Agriculture and Rural Affairs National Oceanic Fishery Observer Program(08-25), and Ministry of Agriculture and Rural Affairs Species Conservation Shark Program (17162130135252086)]. 李亞楠，E-mail: liyananxiada@yeah.net

戴小杰，教授，E-mail: xjdai@shou.edu.cn

DAI Xiaojie, E-mail: xjdai@ shou.edu.cn

2017-06-27,

2017-07-12

10.19663/j.issn2095-9869.20170627001

李亞楠, 戴小杰, 朱江峰, 耿喆, 夏萌, 何珊. 漁獲量不確定性對印度洋大眼金槍魚資源評估的影響. 漁業(yè)科學(xué)進(jìn)展, 2018, 39(5): 01–09Li YN, Dai XJ, Zhu JF, Geng Z, Xia M, He S. Impact of catch uncertainty on the stock assessment of bigeye tuna () in the Indian Ocean. Progress in Fishery Sciences, 2018, 39(5): 01–09

S932.4

A

2095-9869(2018)05-0001-09

(編輯 馮小花)