【研究成果】研究團隊精準計算「魚類豐度指標」  維護海洋生物多樣性

by Yang-Kuang Chao
738 觀看次數

撰稿  /  許逸如 (科學推展中心特約編輯)


圖1. 左圖為秋刀魚漁船漁獲秋刀魚狀況;右上圖為台灣秋刀魚棒受網漁船於北太平洋公海作業情形;右下圖為高雄市前鎮漁港秋刀魚卸魚過程(圖片來源:台灣區遠洋魷魚暨秋刀魚漁船魚類輸出業同業公會)。

你曾想像過,有朝一日再也吃不到日式居酒屋竹筴魚一夜干、東港黑鮪魚腹,中秋節的烤秋刀魚嗎?身在四面環海的臺灣,天天都可以吃滋味鮮美的魚類,然而海洋資源絕非取之不盡、用之不竭。漁業資源永續的觀念,中國自古已有之。《史記.孔子世家》云:「竭澤涸漁則蛟龍不合陰陽」,即提醒後人毫無節制地消費漁業資源,會破壞生態環境。

2006年國際期刊《科學》(Science)已對於世界的海洋資源提出警告,倘若環境再繼續惡化,到了2048年可能就會無魚可吃[註1]。有感於此,各國日益重視海洋資源保育,「生物多樣性」(biodiversity)即是海洋保育的重要指標之一。

論及魚類的生物多樣性,我們常聽到「豐富度」;不過,該詞實際上包含了「richness」以及「abundance」兩個不同的英文單字。前者指的是該海域所有的物種數目,即該海域到底有多少種類的魚類。後者指的則是這些物種中某一個物種的數量。舉例來說,如果我們可以在一個海域看到非常大量的魚類,我們就會稱其魚類的「abundance」很高;反之,如果在一個海域每種魚類可能只看到十來隻,那它的abundance則不高。

「魚類豐度指標」(fish abundance index)是計算魚類的豐度(abundance)的重要概念。過去通常使用商業漁業捕撈(以秋刀魚漁業為例,如圖1.)時所獲得的資料,(「漁業依賴型資料」(fishery-dependent data)[註2])來估計。舉例來說,當漁船撈起了一網秋刀魚時,船長會記錄漁撈的資訊,而從船家交給漁政單位的漁撈日誌(logbooks)中,知道「每單位努力漁獲量」(catch-per-unit-effort,CPUE),即該網的秋刀魚漁獲尾數或重量。從這些資料可以計算出秋刀魚在該海域的豐度指標,甚至推估出真實魚群的數量。不過,CPUE並不是那麼地準確,可能會因為漁撈的方式不同、漁船的行為改變,抑或是船長的經驗而有所不同,常會有採樣的誤差。

為了解決此問題,近日臺灣大學海洋研究所博士生許蓁、張以杰副教授,以及美國國家海洋漁業局(NOAA)太平洋島嶼漁業科學中心Nicholas D. Ducharme-Barth博士的國際合作團隊使用了臺灣的秋刀魚漁業資料,發展了估計魚類豐度指標的研究方式。他們以廣義線性混合模型(Generalized Linear Mixed Models;GLMMs)來分析五種不同類型的空間處理方式:目視法(Ad hoc)、二元遞迴分法(Binary)、空間集群分析法(Spatial clustering)和向量自迴歸時空模型(Vector Autoregressive Spatio-Temporal,VAST)。圖2.分別使用了上述五種空間處理方法,來處理臺灣秋刀魚的漁業資料。

圖2. 利用五種空間處理方式來處理臺灣科刀魚的漁業資料。

此外,他們以電腦來模擬在已知魚類豐度指標的情況下,五種空間處理方式用隨機(random sampling)或優先採樣於高豐度海域(preferential sampling)的優劣。圖3.左側模擬了秋刀魚的真實空間分布;倘若使用優先採樣於高豐度海域的情況,漁船便會傾向在高密度的海域作業(見右下方,紅點為高豐度區)。

圖3. 左圖以電腦模擬秋刀魚的密度空間分布,右圖則分別稱現隨機及優先採樣的差異。紅色為秋刀魚高豐度區,藍色為低豐度區。

無論是實際的漁業資料或是電腦模擬,研究皆顯示透過VAST的方式偏差值(RMSE)最小、誤差(bias)也最少(趨近於數值1,即代表沒有偏差);換句話說,VAST能夠更準確地估計秋刀魚的豐度(見圖4.)。

圖4. 利用電腦的模擬,在隨機採樣及優先採樣的情境下,皆顯示VAST的較為準確。上方圖為誤差(RMSE),越低誤差越小、下方圖為偏差(Bias),越接近數值1表示越無偏差。

僅管本研究以臺灣秋刀魚的漁業資料為例,但其研究成果及方法可以拓展運用於其他漁業的魚類豐度指標計算;他們更不吝於GitHub平台[註3]分享診斷分析工具探討GLMM模型中各項效應對於校正前後魚類豐度指標的年間變動之影響(influence analysis)以供其他研究者參考。未來,我們便能以更為準確的方式來推估魚類豐度指標,大大貢獻海洋生物多樣性的研究。

 


[註1] https://www.science.org/doi/10.1126/science.1132294
[註2] 另一種為「漁業獨立型」(fishery-independent data)。前者自漁業撈捕本身獲得,後者則和商業漁撈活動無關。
[註3] https://github.com/jhenhsuNTU/spatial.treatment.influ.analysis.manuscript

你可能也想知道