《Reviews in Fish Biology and Fisheries》：Strategic optimization of fishing predictors enhances target species catches while minimizing impact on marine biodiversity
编辑推荐：
本研究针对小型渔业普遍存在的副渔获物(bycatch)高、生物多样性受损等关键问题，利用机器学习框架，分析了加那利群岛的亚热带绯鲤(Sparisoma cretense)渔业。研究识别了可最大化捕捞效率的作业与环境因子组合，并评估了其对副渔获物的影响。通过极端梯度提升(XGBoost)模型，研究发现优化平均捕捞深度、网高、网数、网长和捕捞月份这五个关键预测因子，可使绯鲤渔获量提升高达815%，同时将副渔获物总体物种丰富度降低40%，并完全消除对受威胁物种的影响。这项工作为小规模渔业的可持续管理提供了一个可转移的、基于证据的框架。
在全球沿海社区，小型渔业扮演着至关重要的角色，它们是数百万人的食物来源、经济支柱和文化传承。然而，一个长期存在的矛盾困扰着这个行业：为了提高目标鱼种的产量而广泛使用的刺网等被动渔具，在作业时往往“敌我不分”，会捕获大量非目标物种，其中包括许多幼鱼、不具备商业价值的生物，甚至是濒危物种。这种“副渔获物”问题不仅造成了巨大的资源浪费，更对脆弱的海洋生物多样性构成了持续威胁。以往的解决方案，如调整网目尺寸、安装声学威慑装置等，要么效果有限，要么在减少副渔获物的同时，也显著降低了目标鱼种的捕获量，陷入了“按下葫芦浮起瓢”的困境。那么，是否存在一种“聪明”的捕捞策略，能够精准地锁定目标鱼，同时最大程度地避开“误伤”呢？发表在《Reviews in Fish Biology and Fisheries》上的一项研究给出了肯定的答案。研究人员将目光投向了渔业数据与机器学习技术的结合，旨在为小规模渔业设计一个既能提升效率又能保护生物多样性的优化框架。
为了回答上述问题，研究团队在加那利群岛的三个岛屿（兰萨罗特岛、大加那利岛和特内里费岛）周边，历时19个月，登上了21艘小型渔船，系统收集了336个网次（fishing haul）的作业数据。核心研究目标物种是当地具有重要生态和文化价值的绯鲤(Sparisoma cretense)。研究人员详尽记录了每个网次的渔获物组成（包括目标物种和非目标物种的生物量）、8项渔业操作预测因子（如平均深度、网高、网数、网长、捕捞月份等）以及13项环境预测因子（如海表温度、盐度、叶绿素浓度等）。在数据分析阶段，他们采用了强大的机器学习算法——极端梯度提升(XGBoost)模型，来揭示绯鲤捕获生物量与诸多预测因子之间的复杂关系。为了解释模型并找出关键因子的最佳作用范围，研究引入了沙普利加性解释(SHAP)值分析。最后，通过线性模型评估了优化预测因子的数量对目标渔获量及副渔获物生物多样性（包括总体物种丰富度和辛普森多样性指数）的影响。
研究结果
理解绯鲤(Sparisoma cretense)的渔获情况
建立的XGBoost模型成功解释了绯鲤捕获量65%的方差。模型分析指出，在众多因子中，平均捕捞深度、网高、叶绿素最低浓度、平均温度和网长是影响力最大的五个变量。
揭示优化的渔业预测因子
通过分析SHAP值与各渔业预测因子原始值的关系，研究精准定位了能最大化绯鲤捕获效率的“效率阈值”或“优化窗口”：
- •
平均捕捞深度：效率阈值为20.78米。浅于此深度时渔获量更高。
- •
网高：效率阈值为3.25米。低于此高度的渔网更有效。
- •
网数：优化窗口在5.5到23.5个单位之间。在此范围内使用的网具数量能带来更高生物量。
- •
网长：效率阈值为60米。短于此长度的渔网更具优势。
- •
捕捞月份：优化窗口在6.5至9.5月之间（即6月中旬至9月中旬）。
综合优化效果显著：研究表明，同时满足优化条件的预测因子越多，绯鲤的捕获量就越高。与没有任何优化因子的网次相比，当五个预测因子全部达到优化状态时，绯鲤的捕获量可飙升815%。
最小化渔业对海洋生物多样性的影响
优化策略在提升目标渔获量的同时，出人意料地大幅降低了对生物多样性的影响：
- •
总体副渔获物多样性：当优化因子从1个增加到5个时，副渔获物的物种丰富度下降了40%，辛普森多样性指数下降了50.6%。
- •
受威胁副渔获物多样性：影响更为剧烈。物种丰富度下降了33%，而辛普森多样性指数更是实现了100%的降低，意味着在五个因子全部优化的理想情况下，可完全避免捕获受威胁物种。
研究结论与意义
该研究成功地构建并验证了一个基于机器学习的渔业预测因子优化框架。其核心结论是：通过系统性地优化平均捕捞深度（≤20.78米）、网高（≤3.25米）、网数（5.5-23.5单位）、网长（≤60米）和捕捞月份（6月中旬至9月中旬）这五个可操作的渔业参数，可以在极大提升目标物种（绯鲤）渔获效率（最高达815%）的同时，显著减轻捕捞活动对海洋生物多样性的冲击，特别是能几乎消除对受威胁物种的误捕。
这项研究的重大意义在于它为解决小规模渔业长期面临的经济效益与生态保护之间的矛盾提供了一个可量化、可操作的“双赢”方案。与过去单一的、往往顾此失彼的改进措施（如只改网目大小）不同，该框架强调多因子协同优化，抓住了渔业系统的复杂性。它首次明确地将捕捞效率与生物多样性结果直接定量关联，定义了具体的“作业窗口”。这一基于证据的框架具有很强的可转移性，可适配于全球不同地区、针对不同目标物种的类似渔业，为制定更精准、更可持续的渔业管理策略提供了强有力的科学工具。最终，它不仅有助于保护脆弱的海洋生态系统，也为依赖渔业资源的沿海社区的长期社会经济稳定奠定了坚实的基础。未来，结合实时环境数据与机器学习预测，有望实现动态自适应的“精准捕捞”，推动全球渔业向真正的可持续发展迈进。
