|
张祥豪 大数据透视地理 2024年08月06日
摘要国家管辖范围以外水域（“公海”）的渔业监测与管理存在较大困难。要实现其可持续性管理，关键在于获取关于捕捞力度在捕捞和登陆区域间分布的详细信息，包括专属经济区（EEZ）边界可能产生的边界效应。我们利用2014年自动识别系统（AIS）追踪数据，推断出支持渔船在公海作业的全球港口网络，并观察到一个模块化结构，即从特定港口出发的船只主要在单一渔区作业。前16%的港口支持了公海84%的捕捞力度，其中一些位于低收入和中等收入国家的港口也名列前茅。捕捞力度集中在附着于高生产力渔业的EEZ边界狭窄地带，表明了一种搭便车行为，破坏了各国可持续管理渔业的努力，持续加剧了影响全球渔业资源的公地悲剧。 引言鱼类资源是“公地悲剧”的典型例子，指的是个人为最大化利益而导致共享、无监管但有限资源的枯竭风险。有效的渔业资源管理需要集体规模上的监管。联合国粮食及农业组织（FAO）估计，全球渔业捕捞量在1990年代中期达到峰值后下降了9%。这表明，限制国际渔业准入并不足以解决公地悲剧问题。共享资源更容易被过度开发，非法和未报告的捕捞量占总捕捞量的约20%。控制外国和非法捕捞对于使当地人从自身管理努力中受益至关重要，避免搭便车行为对重建这些资源的努力产生影响。 尽管在总捕捞量中占比不大，但公海捕捞的治理尤其困难。此外，工业渔业影响到其他物种，尤其是那些高度迁徙并在公海和专属经济区（EEZ）之间穿梭的物种，这些物种的核心栖息地与捕捞热点区域重叠。尽管在一些地区管理和治理实践正在改善鱼类资源状况，但问题仍然存在，特别是在那些高度流动的外国船队从这些努力中获益的共享资源区域。由多个国家共享的鱼类资源占全球海洋捕捞量的约三分之一，包括跨界鱼类资源，这些资源在两个或多个沿海国家的EEZ边界之间迁移；跨越型鱼类资源，这些资源在沿海国家EEZ和邻近公海之间分布；以及仅在公海上发现的离散资源。因此，理解全球渔业的国家报告需要补充自上而下的方式，以捕捉更广泛的全球渔业网络和共享鱼类资源的利用情况。 在本文中，我们推断了支持公海捕捞的全球港口网络，并量化了公海热点区域的捕捞力度分布。我们的分析基于2014年配备海上自动识别系统（AIS）的渔船报告的位置，最小化部门内外对空间和资源的冲突。AIS数据最近被用于评估全球捕捞力度分布。在本文中，我们具体分析了渔船的轨迹，以客观识别公海上高度模块化的捕捞活动区域及支持这些区域捕捞的港口。由此生成的网络描述了公海捕捞区域与渔船捕捞力度相关的港口之间的连接，这些港口被定义为渔船在前往和离开捕捞区域之前和之后访问的港口。 结果2014年，该系统报告了总共112,535艘渔船的轨迹。渔船的速度分布呈双峰型，分别在5.9和15.2公里/小时（即3.2和8.2节）处出现高峰，对应于捕鱼速度和巡航速度，这使得可以根据每个报告位置的速度来分类渔船的活动。在公海上报告的速度低于5节的观察位置被汇总到离散网格单元，将每个网格单元中捕鱼的时间汇总以计算捕鱼力度。结果显示捕鱼力度的分布非常不均衡且倾斜，其中80%的捕鱼力度集中在支持最高捕鱼力度的前20%的网格单元中，2014年每个公海网格单元的中位数捕鱼天数为0.85天（第5至第95百分位数为0.05至9.10天）。这意味着大多数努力集中在捕鱼热点区域，这些热点区域定义为公海上捕鱼力度最高的前10%的网格单元。这10%的热点位置占公海上全球总捕鱼力度的66.6%。（图 1A）  专属经济区边界和搭便车行为我们观察到公海上靠近专属经济区（EEZ）边界的地点存在大量连贯的高捕鱼力度区域，这些地点代表了可以被公海船队进入的主要集中于特定EEZ内的鱼类资源（图 1，B 至 E）。具体来说，全球47%的公海捕鱼力度集中在距离最近海岸325至525公里的生产性EEZ边缘（图 1，F 和 G）。这一观察结果表明了一种搭便车行为，即公海上的渔船通过捕捞移动到EEZ边界之外的鱼类，从而受益于各国在其EEZ内实现可持续捕捞的努力，破坏了重建和可持续捕捞这些鱼类资源的努力。 捕渔区根据捕鱼力度的分布和公海活跃渔船的轨迹，我们得到了14个高捕鱼力度的捕渔区。一些捕渔区与FAO区高度一致，例如东南大西洋和南太平洋省份，主要与单一FAO区相关。然而，其他地区存在显著差异。例如，我们在赤道太平洋识别出四个大捕渔区，这些捕渔区主要捕捞金枪鱼和旗鱼，而FAO分类将其分配到两个区域。因此，我们认为FAO区域的修改，包括将共享一个簇的区域合并为14个而非目前的19个主要FAO区域，将提供与从经验数据中出现的簇一致的报告和管理单元，这些簇代表跨越海洋的连贯访问渔场。假设每艘船专门针对一个捕渔区，这种修改将创建与同一组渔船相关的管理区域，这些渔船针对同一鱼类资源并由特定的港口支持，从而促进在支持该省份捕鱼的港口进行捕捞验证。尽管公海捕鱼区域之间的连接高度模块化，由定义明确的捕渔区组成，但我们发现不同捕渔区之间存在连接，这14个捕渔区属于全球网络的最大连接组件，这些连接与地理结构相关，其中靠近空间的捕鱼热点通过渔船在其间移动连接起来。  全球捕鱼网络全球捕鱼网络是基于连接14个公海捕鱼省份与渔船出发和到达港口的轨迹定义的。公海上的捕鱼力度由296个港口支持，前10个港口支持了全球公海捕鱼力度的41% （图 3 A 和 B）。大多数在某港口启动或结束的捕鱼旅行涉及渔船在同一省份内的捕鱼活动，也就是说，从网络角度来看，大多数港口具有一级链接或强链接（图 3C），38.5%的轨迹在同一港口出发和到达。当港口按国家分组时，这种港口间的层级关系转化为捕鱼力度的层级（图 4A）。尽管大多数情况下港口和国家将其力度集中在一两个公海捕鱼省份，但有些国家（如美国和南非）的力度分布在多个省份之间（图 4 B 和 C）。   讨论沿海水域的过度开发和对EEZ内资源的限制导致了公海鱼类资源的增加捕捞。公海捕捞量估计占全球年均海洋渔业捕捞量的12%，尽管最新分析报告称仅占4.2%。高度迁徙的远洋物种如金枪鱼、旗鱼和鲨鱼在公海上特别容易被捕捞，因其栖息范围通常跨越多个EEZ和公海。捕鱼力度集中在EEZ边界外缘，表明公海船队的搭便车行为破坏了各国的可持续管理努力。 由于AIS覆盖范围的限制，数据存在局限性。估计显示，三分之一在公海作业的船只未使用AIS，且非法船只可能隐藏位置或修改AIS标识符。因此，这里报告的公海捕鱼力度估计值可能偏低。鱼类流动受海上转载影响，导致不同港口捕鱼力度的分配存在误差。在2012至2017年期间捕获40%公海鱼类的船只至少与一艘转载船有过一次接触。尽管如此，2014至2016年的捕鱼力度分布保持稳定，允许根据2014年数据定义公海捕鱼省份与港口之间的权重。 机器学习分类的数据表明，公海捕鱼力度按船只旗帜分布在不同国家。然而，按国家对港口分组时，结果存在显著差异。例如，按旗帜排序的国家捕鱼排名和按港口对公海捕鱼力度支持的国家排名中，只有西班牙、日本和印度尼西亚在两者中都进入前十。秘鲁、法国（法属波利尼西亚港口）和乌拉圭在基于船只旗帜的评估中未出现，表明仅凭旗帜信息不足以全面描述捕捞活动。公海捕鱼的公司也是重要角色，因此未来评估应考虑旗帜和港口的地理位置。这一结果强调了低收入和中等收入国家作为公海捕鱼中心的角色，支持其他国家旗帜的渔船，表明与这些国家合作以改进公海渔业的重要性。 公海占全球海洋表面的约64%，但捕捞集中在14个捕鱼省份，而非随机分布。支持公海渔业的顶级港口靠近一些最富生产力的渔业，如阿根廷、秘鲁和厄瓜多尔，以及热带地区如佛得角群岛和西班牙加利西亚。港口的接近性为渔船提供了物流和商业支持，是公海捕鱼网络的重要因素，类似于全球航空运输和货运网络。港口与公海捕鱼区域的模块化连接表明，船只在国家管辖范围外最近区域捕鱼的可能性。 本文结果提供了公海渔业结构的证据，识别出14个公海渔业热点省份及EEZ外缘的狭长地带。通过相关国家的国际条约，针对这些港口进行监测和检查，可以调控公海渔业。我们的分析显示，渔船在EEZ边界附近捕捞鱼类的搭便车行为，破坏了各国的可持续管理努力。EEZ边界与鱼类资源的运动和栖息范围不一致。对抗公地悲剧的可行机制可能来自博弈论，通过惩罚最有可能合作的代理（如经济较小的国家）来实现。 材料与方法数据集船舶追踪数据集：捕捞船数据，包括轨迹的原始数据，来源于MarineTraffic网站2014年的AIS数据，获取自商业许可。整个数据集包含约2.5亿条追踪条目，每个条目包含以下信息：时间戳、纬度、经度、国际海事组织（IMO）编号、船名、航向、速度、状态、长度和宽度。港口数据集:港口列表来自于世界港口索引，可从美国国家地理空间情报局网站免费获取。该数据库包含全球主要3685个港口和终端的地理位置和特征。完整的港口列表见表S1和图S11。我们将包含至少一个港口且至少有一艘渔船访问过的网格单元（0.5°纬度×0.5°经度）视为港口位置，共计296个位置。海洋边界数据集：专属经济区（EEZ）边界数据下载自弗兰德海洋研究所的海洋边界地理数据库，包含282条EEZ边界记录。联合国粮农组织（FAO）的边界数据下载自FAO的Geonetwork网页，包含用于统计数据收集、渔业管理和司法目的的19个主要区域的边界。 预处理渔船数据为了避免数据不一致，例如不同船只使用相同ID，我们将以下情况中的两个连续追踪位置作为轨迹的分割点：(i) 超过1天未报告位置，和/或 (ii) 连续位置之间的距离超过2000公里（即至少2000公里/天的表观速度）。当我们检测到属于分割点的一对位置时，前一个位置作为轨迹的终点，后一个位置作为另一独立轨迹的起点。 捕捞力度和热点识别我们在公海上聚合捕鱼事件，将速度低于5节的捕鱼点识别为捕鱼事件，按纬度和经度0.5°的规则网格测量每个网格单元的时间。速度超过5节的数据视为巡航事件。捕鱼力度通过将两个连续捕鱼事件（未被任何巡航事件分开）之间的一半时间差分配给包含第一个位置的网格单元，另一半分配给包含第二个位置的网格单元来估算，然后对所有船只进行汇总。这种量化捕鱼力度的方法在统计上与其他通过人工智能算法将位置分类为捕鱼或巡航阶段的方法兼容。然后，将捕鱼热点识别为前10%捕鱼力度最大的网格单元。 渔业省份的聚类为了将位置聚类成连贯的热点区域，我们构建了一个网络，将连续访问的区域（分类为热点和港口的网格单元）连接起来。当捕捞船的轨迹依次连接区域i和区域j时，从i到j的有向链接的权重增加一个单位。考虑到所有数据集的整个记录期，这种方法生成了一个有向加权网络。应用社区检测算法Infomap到该网络，我们获得了几个聚类级别，并选择了最接近FAO区域的级别。我们通过比较全局捕鱼网络和FAO区域的划分，以及共同存在矩阵的Frobenius距离来验证结果，该矩阵的条目为属于同一区划或FAO区域的网格单元记为1，否则记为0。 全球捕鱼网络我们检测了两次连续访问两个港口之间的捕鱼活动序列。如果识别出港口，则将一半的捕鱼力度与这两个港口中的每一个关联。见图S17了解捕鱼力度分配给港口的不同情况。这种关联将受到转载的影响，我们在此未考虑。 |
|
|
来自： 蓝林观海 > 《海洋命运共同体试验区》
导语：在全球化的海洋经济中，公海渔业资源的可持续管理是全球性挑战。萨拉戈萨大学Jorge P. Rodríguez等人发表在《Science Advances》期刊上的研究揭示了全球公海捕鱼港口网络的结构和功能。通过分析2014年的自动辨识系统（AIS）追踪数据，研究发现一个模块化的网络结构，大多数港口的渔船主要在邻近的单一海域捕鱼。公海渔船利用沿海国家在其专属经济区（EEZ）内的渔业管理努力，在EEZ边界附近集中捕鱼，威胁全球渔业资源的可持续性。该研究为理解全球渔业网络提供了新视角，并为制定有效的渔业管理和保护政策提供了科学依据。
