日本鲭鱼（Scomber japonicus）是一种温水物种，在西北太平洋广泛分布，是该地区的主要渔业资源（Cheng, 2013）。蓝鲭鱼（S. australasicus）也是一种温水物种，在渔业作业中与日本鲭鱼混合捕获，其经济价值略低于日本鲭鱼（Airi等人，2018）。这两种鱼类有许多生活史特征上的共同点，包括栖息地、摄食和繁殖偏好（Nashida和Mitani, 2006；Zhang, 2018；Wang, 2019；Liu, 2023；Liu等人，2024a），并且它们的繁殖季节都是1月至6月。它们之间细微的形态差异使得准确识别变得困难。区分两者的形态指标是：日本鲭鱼的第一背鳍有9-10根棘刺，腹部呈银白色且几乎没有斑点，而蓝鲭鱼的第一背鳍有11-12根棘刺，腹部有不规则的蓝黑色斑点（Cheng, 2013；NPFC, 2021b；北太平洋渔业委员会, 2023；Kazunari, 2024）。身体上带有垂直条纹的不连续黑斑表明样本很可能是蓝鲭鱼。日本鲭鱼的第一背鳍基部长度与第一到第九根棘刺之间的距离等于或大于其叉长的12%，而蓝鲭鱼的相应长度则小于叉长的12%（Kazunari, 2024）。
最初，蓝鲭鱼被认为是日本鲭鱼的一个变种（Fraser-Brunner, 2009）或一个亚种（Abe和Takashima, 1958）。然而，基于关键的形态和遗传差异（Kijima等人，1986），后续研究确认蓝鲭鱼是一个独立的物种，这一结论得到了分子研究的支持（Scoles等人，1998；Espi?eira等人，2009；Catanese等人，2010）。尽管它们的分布和迁徙模式有很大重叠，但蓝鲭鱼通常栖息在比日本鲭鱼稍温暖的水域（Sassa和Tsukamoto, 2010）。日本鲭鱼在更广泛的深度范围内繁殖（20-100米），活动主要集中在伊豆群岛附近（Wang等人，2019），而蓝鲭鱼主要在水的上层50米范围内繁殖，且在日本太平洋沿岸的繁殖地点更为分散（Nashida和Mitani, 2006）。蓝鲭鱼采用分散的繁殖策略，而日本鲭鱼则倾向于在更集中的区域繁殖（Nashida等人，2006；Wang等人，2019）。
在渔业作业中区分这两种鱼类仍然很困难。处理过程中对背鳍的物理损伤以及蓝鲭鱼斑点的不规则分布进一步增加了识别的复杂性。因此，渔民总是将这两种鱼类的捕获量归为“鲭鱼”这一通用术语，导致渔业数据被合并，从而阻碍了针对特定物种的资源评估（NPFC, 2021a）。在中国的小型围网渔业中，蓝鲭鱼在捕获的鲭鱼中的比例约为12%，而在日本渔业中这一比例为16%，虽然比例不高，但仍然很重要。这些比例只能通过科学家的港口采样来粗略估计，这种方法虽然准确，但劳动强度高且耗时较长，这对推进日本鲭鱼和蓝鲭鱼的研究构成了重大障碍。
物种鉴定的挑战是日本鲭鱼和蓝鲭鱼资源评估中的一个关键问题。许多研究人员之前已经对日本鲭鱼进行了资源评估。Yatsu等人（2002）应用虚拟种群分析（VPA）来评估太平洋地区的日本鲭鱼资源。Kawai等人（2002）使用每单位补充量的繁殖群体生物量模型来评估日本太平洋地区的日本鲭鱼资源。然而，大多数研究没有考虑混合物种捕获数据对单一物种资源评估的影响（Burgess等人，2017）。忽略这种混合可能导致资源状况和生物参考点的估计偏差，增加评估结果的不确定性，并可能误导管理决策。数据稀少或鉴定错误可能会引入评估结果的偏差（Ziegler, 2013）。因此，早期的资源评估很可能包含来自数据收集过程的相当大的不确定性。
随着物种鉴定的改进，越来越多的研究对日本鲭鱼进行了资源评估。Wang等人（2014）使用年龄-叉长键和渔业统计数据分析了2006年至2012年的数据，以估计日本鲭鱼的最大可持续产量（MSY）和繁殖群体-补充量关系。Hong等人（2022）使用总捕获数据和带有蒙特卡洛模拟的捕获-MSY模型评估了西北太平洋的日本鲭鱼资源状况，强调了加强合作资源管理的重要性。Shi等人（2024）使用NPFC从1995年至2019年的捕获数据和生命史信息，基于捕获-MSY模型估计了西北太平洋日本鲭鱼的最大可持续产量（MSY）。此外，许多研究人员研究了日本鲭鱼的生命史特征和资源状况，这一直受到广泛关注（Watanabe, 2006；Wu和Chen, 2020；Gim和Hyun, 2022；Zhou等人，2023）。
相比之下，由于数据可用性有限，对蓝鲭鱼的研究受到限制。Liu（2005）应用剩余生产模型评估了台湾周围的蓝鲭鱼资源，并得出结论认为该资源正在遭受过度捕捞。Yan等人（2007）使用虚拟种群分析（VPA）评估了2006年东海的蓝鲭鱼资源，发现资源相对稳定。Ryuga等人（2015）使用VPA模型估计了东海的蓝鲭鱼资源，表明资源水平适中且稳定。日本渔业机构通过研究其生长特征和预测未来捕获量来优先监测蓝鲭鱼（Nakamura, 2019；Kaga等人，2024）。然而，大多数研究没有考虑混合物种捕获数据对单一物种资源评估的影响（Burgess等人，2017）。忽略这种混合可能导致资源状况和生物参考点的估计偏差，增加评估结果的不确定性，并可能误导管理决策。
在西北太平洋，NPFC通过专注于日本鲭鱼的资源评估和管理策略来强调特定物种的评估（NPFC, 2017）。初步的日本鲭鱼资源评估使用了SAM模型来估计生物量、捕捞率、生物参考点和未来趋势。这种数据密集型的评估需要关于日本鲭鱼的详细年龄结构信息（Nishijima等人，2024a）。此外，它没有考虑物种鉴定错误对资源评估结果的潜在影响。对于蓝鲭鱼，NPFC仍处于数据收集阶段，尚未开始正式的资源评估。
考虑到日本鲭鱼和蓝鲭鱼的生物学特征，区分这两种物种的必要性一直存在争议。将它们归为一组可以简化资源评估并降低成本（Liu等人，2024a），但目前尚不清楚这种分组评估是否能为管理目的提供合理可靠的结果。相比之下，单独的评估可能为每种物种提供更定制的评估，并更好地支持特定物种的管理策略。目前，由于数据可用性有限，这些物种的资源评估主要依赖于捕获数据、CPUE和有限的生命史信息（NPFC, 2021b；北太平洋渔业委员会，2023）。鉴于这些数据限制和传统数据密集型评估方法的局限性，越来越多的人对适用于数据有限条件的模型感兴趣（Costello等人，2012）。
JABBA-Select模型整合了生物参数和渔业选择性，通过提高资源评估的灵活性和准确性，比传统的剩余生产模型有了显著改进（Winker等人，2018）。该模型使用MSY时的捕捞率（HMSY）来调整种群增长率，并推导出剩余生产曲线的形状参数，从而能够根据生命史和选择性数据生成先验分布。此外，该模型为特定的渔业操作定制HMSY，确保可持续捕捞率的准确估计。它明确区分了可利用的生物量（EB）和繁殖生物量（SB），使用EB来拟合渔业指数，使用SB来预测剩余生产。总体而言，这些特点提高了模型在数据有限条件下的可靠性和适应性（Winker等人，2020）。该模型已在各种渔业中展示了可靠性和灵活性（Jiang等人，2022；Tian等人，2022）。
本研究应用JABBA-Select模型在数据有限的条件下评估西北太平洋的鲭鱼渔业，比较了区分物种和不区分物种的资源评估结果。目的是评估物种聚合如何影响评估结果和不确定性，并阐明物种鉴定对资源评估准确性的影响，为监测鲭鱼资源和管理提供建议。
