環(huán)境因子對(duì)漁業(yè)資源評(píng)估的影響及研究進(jìn)展
——基于Citespace的計(jì)量分析

張 暢，魯紅月，陳新軍,2,3,4

(1. 上海海洋大學(xué) 海洋科學(xué)學(xué)院，上海 201306；2. 上海海洋大學(xué) 大洋漁業(yè)資源可持續(xù)開(kāi)發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306；3. 上海海洋大學(xué) 國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306；4. 上海海洋大學(xué) 農(nóng)業(yè)農(nóng)村部大洋漁業(yè)開(kāi)發(fā)重點(diǎn)實(shí)驗(yàn)室，上海 201306)

引 言

漁業(yè)資源評(píng)估為制定和實(shí)施漁業(yè)管理措施提供科學(xué)依據(jù)，是保障漁業(yè)可持續(xù)利用的重要手段。環(huán)境氣候因素在魚(yú)類(lèi)個(gè)體的生長(zhǎng)、發(fā)育、攝食、洄游乃至種群結(jié)構(gòu)變動(dòng)中都扮演著重要的角色，這也使得越來(lái)越多的研究學(xué)者將環(huán)境因子考慮進(jìn)漁業(yè)資源的評(píng)估管理中。隨著捕撈的規(guī)范化、漁業(yè)資源調(diào)查工作的不斷開(kāi)展和建模技術(shù)的提高，現(xiàn)階段的結(jié)合環(huán)境因素的漁業(yè)資源評(píng)估工作取得了一定的成果。CiteSpace是一款通過(guò)科學(xué)計(jì)量學(xué)、數(shù)據(jù)和信息可視化手段來(lái)呈現(xiàn)科學(xué)知識(shí)結(jié)構(gòu)、規(guī)律和分布情況的軟件[1]。通過(guò)CiteSpace分析得到的可視化圖形稱(chēng)為“科學(xué)知識(shí)圖譜”，既能描述各研究之間空間上的結(jié)構(gòu)關(guān)系，又能展示各研究在時(shí)間上的發(fā)展和流動(dòng)[2]。隨著該軟件的不斷更新，不僅能提供引文的可視化分析，還能對(duì)作者、機(jī)構(gòu)、關(guān)鍵詞、國(guó)家/地區(qū)的合作等其他多個(gè)方面進(jìn)行共現(xiàn)分析，Citespace開(kāi)發(fā)至今已在各個(gè)學(xué)科都有很好的應(yīng)用[3]。如何科學(xué)有效地對(duì)已有成果開(kāi)展階段性的研究梳理，分析與環(huán)境因子有關(guān)的資源評(píng)估領(lǐng)域中的研究方向和研究熱點(diǎn)，成為當(dāng)前研究亟待解決的命題。因此，本文利用Citespace的文獻(xiàn)計(jì)量方法對(duì)2000年以來(lái)基于環(huán)境因子的漁業(yè)資源評(píng)估為主題發(fā)表的文章進(jìn)行量化分析，客觀(guān)總結(jié)該領(lǐng)域的研究現(xiàn)狀與趨勢(shì)，從整體把握其研究現(xiàn)狀、梳理發(fā)展規(guī)律及其存在問(wèn)題，為后續(xù)的深入研究提供基礎(chǔ)。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

本文以Web of Science Core Collection核心合集數(shù)據(jù)庫(kù)為數(shù)據(jù)源進(jìn)行主題檢索，檢索時(shí)間跨度為2000—2019年，文獻(xiàn)類(lèi)型選擇ARTICLE，主題檢索詞為T(mén)S=(“stock assessment” AND “Environment” OR “climate”)。為確保篩選的文獻(xiàn)緊扣主題，研究領(lǐng)域選擇如下：Fisheries；Marine freshwater biology; Oceanography; ecology; Environment science; water resources; Biology; Environmental studies。根據(jù)以上檢索規(guī)則得到261篇文獻(xiàn)，以“download_”的TXT文本形式導(dǎo)入CiteSpace進(jìn)行分析。

1.2 研究方法

本研究使用CiteSpace(版本5.5.R2)對(duì)檢索得到的文獻(xiàn)進(jìn)行可視化分析。在導(dǎo)入CiteSpace前，本文對(duì)其進(jìn)行除重處理，結(jié)果顯示261篇文獻(xiàn)均無(wú)重復(fù)。在選擇文獻(xiàn)關(guān)鍵詞為分析單元時(shí)，由于對(duì)相關(guān)主題表述存在差異，因此將同義詞、近義詞等節(jié)點(diǎn)進(jìn)行合并處理。其他設(shè)置針對(duì)不同研究問(wèn)題，進(jìn)行相應(yīng)選擇。

文章被共同引用的次數(shù)越多，說(shuō)明各文章研究方向越相似且聯(lián)系程度越高，利用CiteSpace進(jìn)行文獻(xiàn)共被引的聚類(lèi)分析，能挖掘相似文獻(xiàn)的共同主題。在共被引可視化圖譜分析中，聚類(lèi)標(biāo)簽的命名通過(guò)施引文獻(xiàn)中提取的名詞性術(shù)語(yǔ)確定，該標(biāo)簽可認(rèn)為是該研究前沿[3]。在文獻(xiàn)共被引網(wǎng)絡(luò)中，文獻(xiàn)節(jié)點(diǎn)具有連接兩個(gè)及以上不同聚類(lèi)的功能，且中心性和被引頻率相對(duì)較高的節(jié)點(diǎn)稱(chēng)為關(guān)鍵節(jié)點(diǎn)，尋找關(guān)鍵節(jié)點(diǎn)有利于快速確定重要文獻(xiàn)。常見(jiàn)的測(cè)度文獻(xiàn)節(jié)點(diǎn)重要性的指標(biāo)是中介中心性(Betweenness centrality)，當(dāng)中介中心性≥0.1時(shí)，認(rèn)為其具有較高的中心性。具有較高中心性的文獻(xiàn)通常是連接兩個(gè)不同領(lǐng)域的關(guān)鍵樞紐，在CiteSpace中也稱(chēng)其為轉(zhuǎn)折點(diǎn)[2]。

關(guān)鍵詞是對(duì)文獻(xiàn)核心內(nèi)容的高度概括和集中描述，并且通過(guò)對(duì)一組詞兩兩統(tǒng)計(jì)在一組文獻(xiàn)中出現(xiàn)次數(shù)用以測(cè)度親疏關(guān)系。通過(guò)關(guān)鍵詞共現(xiàn)分析來(lái)確定該領(lǐng)域中的研究熱點(diǎn)，能把握該領(lǐng)域發(fā)展過(guò)程中所關(guān)注的焦點(diǎn)。本次關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)分析在CiteSpace節(jié)點(diǎn)類(lèi)型中選擇“Keyword”(對(duì)與作者相關(guān)的原始關(guān)鍵詞提取)和“Term”(標(biāo)題、摘要、關(guān)鍵詞和索引位置提取名詞性術(shù)語(yǔ))，閾值設(shè)置中選擇“Top 50% per slice”[1]。

2 研究結(jié)果

2.1 總體文獻(xiàn)分析

2000—2019年共計(jì)文獻(xiàn)261篇(圖1)，具體可劃分為兩個(gè)階段：2009年以前發(fā)文量較少且增長(zhǎng)平緩，該領(lǐng)域的相關(guān)研究一直較少；2009年開(kāi)始，文獻(xiàn)數(shù)量明顯上升且增速較快，2019年達(dá)到最高峰34篇。261篇涉及78個(gè)期刊，387個(gè)研究機(jī)構(gòu)，924個(gè)作者，300個(gè)基金資助機(jī)構(gòu)。

圖1 2000—2019相關(guān)文獻(xiàn)發(fā)文量Fig.1 The number of published papers in 2000-2019

在圖2作者-機(jī)構(gòu)的混合合作網(wǎng)絡(luò)中可見(jiàn)，NOAA和University of Washington在整個(gè)合作網(wǎng)絡(luò)中占據(jù)較大的節(jié)點(diǎn)，處于明顯的領(lǐng)先地位，其發(fā)文量分別為44篇(節(jié)點(diǎn)中心度0.17)和32篇(節(jié)點(diǎn)中心度0.13)。在整個(gè)合作網(wǎng)絡(luò)中可以看出，NOAA和University of Washington之間的合作十分密切，而且涉及多個(gè)研究機(jī)構(gòu)，形成了一個(gè)龐大的合作網(wǎng)絡(luò)。發(fā)文量最高的前兩位作者Ander E Punt和James T Thorson也處于該合作網(wǎng)絡(luò)中。國(guó)內(nèi)研究機(jī)構(gòu)發(fā)文量少，研究機(jī)構(gòu)少，主要以上海海洋大學(xué)為中心，未形成較廣泛的合作規(guī)模。

圖2 作者-機(jī)構(gòu)的混合合作網(wǎng)絡(luò)圖譜Fig.2 Hybrid network for author-research institution cooperation

2.2 研究前沿與知識(shí)基礎(chǔ)

在CiteSpace節(jié)點(diǎn)類(lèi)型中選擇Cite Reference，閾值選擇中設(shè)置“Top 50% per slice”。運(yùn)行CiteSpace并經(jīng)行聚類(lèi)分析。其中294個(gè)節(jié)點(diǎn)，1 111條連線(xiàn)，網(wǎng)絡(luò)密度為0.026，模塊性指標(biāo)Q=0.69(大于0.30)，平均剪影度指標(biāo)0.41(大于0.40)，說(shuō)明該網(wǎng)絡(luò)圖譜的聚類(lèi)結(jié)構(gòu)十分清晰，可信度較高。在文獻(xiàn)共被引知識(shí)圖譜中，共分為11個(gè)聚類(lèi)模塊，如圖3所示。聚類(lèi)模塊#3和#7的標(biāo)簽名與包含文章主題不符，故不做分析討論。

(1)#0 management strategy evaluation& #8 management strategies該聚類(lèi)模塊研究?jī)?nèi)容相似，故合并分析。在此聚類(lèi)模塊中，各研究通過(guò)探究環(huán)境因子對(duì)補(bǔ)充量的影響，從而研究環(huán)境在資源評(píng)估上的影響。由于基于環(huán)境的評(píng)估模型在相對(duì)誤差和不確定性的方面具有更好的表現(xiàn)和補(bǔ)充量更易受環(huán)境影響的特性，考慮補(bǔ)充量與環(huán)境關(guān)系的評(píng)估模型得到了極多的應(yīng)用[4]。還有在諸如種群綜合模型(stock synthesis model)和年齡結(jié)構(gòu)模型的模擬評(píng)測(cè)中，考慮了補(bǔ)充量受環(huán)境因素影響的評(píng)估方案均具有較好的表現(xiàn)[5-7]。

(2)#1 biological reference point此聚類(lèi)模塊聚焦于探討環(huán)境變化下對(duì)管理決策的影響。相較于傳統(tǒng)的漁業(yè)管理，使用基于環(huán)境因子的管理參考點(diǎn)和控制管理規(guī)則，有助于漁業(yè)在不斷變化的生態(tài)環(huán)境中創(chuàng)造更大的收益[8]。生態(tài)系統(tǒng)評(píng)估的中度復(fù)雜度模型(Models of Intermediate Complexity for Ecosystem assessments, MICE)解決了基于生態(tài)系統(tǒng)制定管理決策的許多障礙，因此該類(lèi)模型可用于漁業(yè)管理和養(yǎng)護(hù)的戰(zhàn)略輸出[9]。除了評(píng)估管理模型上的改進(jìn)，合理的生態(tài)區(qū)域劃分等管理手段都將有助于更好的漁業(yè)資源管理[10]。

(3)#2 understanding historical summer此聚類(lèi)模塊主要內(nèi)容為基于傳統(tǒng)評(píng)估模型的改進(jìn)。傳統(tǒng)模型的改進(jìn)主要在兩個(gè)方面：模型的改進(jìn)和評(píng)估技術(shù)的提高。在模型改進(jìn)方面，模型考慮了更多的層面的需求，例如Kristensen等[11]將空間模型和體長(zhǎng)結(jié)構(gòu)模型相結(jié)合，用以研究種群中各個(gè)體長(zhǎng)組的時(shí)空分布，結(jié)果表明該方法能更好地預(yù)測(cè)小個(gè)體被兼捕的風(fēng)險(xiǎn)。在評(píng)估技術(shù)的創(chuàng)新方面，譬如，AD Model Builder 和Template model Builder(TMB)的數(shù)據(jù)處理程序極大的提高了模型整合和處理大量數(shù)據(jù)的能力[12-13]。Vert-pre等[14]基于大量數(shù)據(jù)的收集與處理，研究發(fā)現(xiàn)漁業(yè)產(chǎn)能(可捕生物量)的高低與種群豐度的關(guān)系存在多種可能，管理政策應(yīng)根據(jù)不同的情況進(jìn)行調(diào)整。此外，評(píng)估模型不斷擴(kuò)展以滿(mǎn)足環(huán)境、社會(huì)、經(jīng)濟(jì)等多方面的需求，但其復(fù)雜性提高則會(huì)導(dǎo)致參數(shù)不確定性增加，需要在復(fù)雜性和效果之間尋找一個(gè)“最佳點(diǎn)”[15]。例如，Thorson等[16]為準(zhǔn)確得到控制模型的最佳狀態(tài)，假定一個(gè)物種間沒(méi)有聯(lián)系的模型，通過(guò)不斷增加物種間關(guān)聯(lián)，探究到模型穩(wěn)定的“最佳點(diǎn)”。

(4)#4 emerging adaptation approaches此聚類(lèi)模塊聚焦于研究海洋魚(yú)類(lèi)為適應(yīng)環(huán)境氣候變化而在群體和個(gè)體層面做出的改變。生活海域環(huán)境的變化，比如氣候變化的劇烈程度、生長(zhǎng)季節(jié)的長(zhǎng)短等，對(duì)魚(yú)類(lèi)遷移和豐度都有明顯的影響[17-18]，從而使?jié)O業(yè)種群結(jié)構(gòu)、空間分布乃至漁業(yè)發(fā)展產(chǎn)生變化。以鯖魚(yú)(Scomberscombrus)為例，Astthorsson等[19]研究認(rèn)為冰島海域鯖魚(yú)從兼捕漁業(yè)發(fā)展到經(jīng)濟(jì)漁業(yè)與海水溫度的變化密切相關(guān)。

(5)#9 spatial dynamics & #10 stock assessment model此模塊研究?jī)?nèi)容認(rèn)為環(huán)境氣候變化可能引起魚(yú)類(lèi)種群的空間分布變動(dòng)，從而影響評(píng)估結(jié)果的準(zhǔn)確性。隨著近些年來(lái)數(shù)據(jù)收集的健全和建模技術(shù)的進(jìn)步，考慮時(shí)空變化的模型發(fā)展極為迅速。時(shí)空模型可分為兩類(lèi)[11]：一類(lèi)是通過(guò)空間信息技術(shù)直接了解種群的移動(dòng)軌跡和分布。這類(lèi)模型利用地統(tǒng)計(jì)學(xué)中的空間結(jié)構(gòu)分析以及異質(zhì)性分析，將有限的點(diǎn)數(shù)據(jù)模擬為高精確度的面狀分布函數(shù)[20]，但這一類(lèi)方法更適用于數(shù)據(jù)豐富的漁業(yè)。比如，Claisse等[21]利用多種空間數(shù)據(jù)(衛(wèi)星圖像、海底觀(guān)測(cè)等)和專(zhuān)家判斷繪制近岸巖礁生境平面圖，結(jié)合各個(gè)水層的資源調(diào)查數(shù)據(jù)(資源豐度)，計(jì)算美麗突額隆頭魚(yú)(Semicossyphuspulcher) 和副鱸(Paralabraxclathratus) 的資源量和生產(chǎn)潛力，研究認(rèn)為美麗突額隆頭魚(yú)的資源量在36.9～53.3萬(wàn)t，生產(chǎn)潛力1.35～2.72 × 108cell; 對(duì)于副鱸的資源量在66.9～94.1萬(wàn)t，生產(chǎn)潛力4.14～6.10 × 108cell。第二類(lèi)模型通過(guò)合并各類(lèi)具有空間相關(guān)性的數(shù)據(jù)(如生活史、經(jīng)濟(jì)、環(huán)境等)綜合評(píng)估資源量[22-23]，在估算模型參數(shù)[24]、理解個(gè)體行為對(duì)群體乃至管理決策的影響[25]、預(yù)測(cè)捕撈對(duì)生態(tài)環(huán)境和漁業(yè)壓力的反應(yīng)[26]等多個(gè)方面都有良好的表現(xiàn)。Hulson等[27]建立多個(gè)狹鱈(Gaduschalcogrammus)空間模型(基于年齡結(jié)構(gòu)模型考慮氣候變化，季節(jié)性遷移等因素)，與原模型(年齡結(jié)構(gòu)模型)進(jìn)行對(duì)比，結(jié)果發(fā)現(xiàn)空間模型能減少資源量估算的不確定性。

(6)#5 stock synthesis此聚類(lèi)模塊通過(guò)對(duì)大數(shù)據(jù)漁業(yè)的共同研究，探討全球漁業(yè)面對(duì)氣候變化挑戰(zhàn)時(shí)的共性和差異性。從個(gè)體來(lái)看，全球變暖、海水氧含量下降等環(huán)境變化會(huì)使全球范圍內(nèi)的海洋魚(yú)類(lèi)個(gè)體的體型縮小[28]。從漁業(yè)群體的狀況來(lái)看，許多研究從漁獲物的平均營(yíng)養(yǎng)級(jí)水平、全球捕撈努力量的時(shí)空格局等角度出發(fā)，探討全球漁業(yè)崩潰的可能性[29-30]。譬如，Costello等[31]研究認(rèn)為未經(jīng)評(píng)估的種群資源狀況遠(yuǎn)不如有評(píng)估的種群，小型和大型種群的資源量都在持續(xù)下降。

(7)#6 fishful thinking此聚類(lèi)模塊聚焦于研究捕撈對(duì)漁業(yè)資源的影響。捕撈活動(dòng)對(duì)于世界漁業(yè)都有重大影響[32]。捕撈引起的年齡結(jié)構(gòu)截?cái)嗫赡軐?dǎo)致被開(kāi)發(fā)種群穩(wěn)定性減弱，從而降低了適應(yīng)環(huán)境變化的能力[33]。控制捕撈活動(dòng)是十分有必要的，在漁業(yè)管理中使用適當(dāng)?shù)墓芾聿呗院图?lì)措施有助于漁業(yè)的恢復(fù)[34]。

在該網(wǎng)絡(luò)聚類(lèi)分析中，紫色圓環(huán)標(biāo)注節(jié)點(diǎn)為具有主導(dǎo)型地位和學(xué)術(shù)影響力的關(guān)鍵節(jié)點(diǎn)(中介中心性大于0.1)，共11個(gè)。在這些節(jié)點(diǎn)的文章中，全球漁業(yè)的修復(fù)和重建得到了極大的關(guān)注，主要的原因可能在于全球漁業(yè)的重建將極大的提高資源豐度和產(chǎn)量[29]。但漁業(yè)修復(fù)仍面臨較多困難，諸如單純降低漁業(yè)產(chǎn)量不足以支持漁業(yè)重建[33]，環(huán)境氣候因素的變動(dòng)使得海洋生物多樣性會(huì)受到明顯影響，增加漁業(yè)重建的難度[35]。為解決這些困難，更有效促進(jìn)全球的漁業(yè)重建，眾多的專(zhuān)家學(xué)者也進(jìn)行了相應(yīng)的研究。例如，Worn等[33]研究認(rèn)為需要結(jié)合不同的管理行動(dòng)來(lái)實(shí)現(xiàn)漁業(yè)重建和保護(hù)魚(yú)種，特別是一些貧困地區(qū)漁業(yè)重建更需要用全球眼光積極開(kāi)展國(guó)際間合作，Ricard等[36]開(kāi)發(fā)了一個(gè)新的關(guān)于商業(yè)開(kāi)發(fā)的魚(yú)類(lèi)和無(wú)脊椎動(dòng)物的數(shù)據(jù)庫(kù)the RAM Legacy Stock Assessment Database，用于更好的掌握海洋種群動(dòng)態(tài)和資源狀況。

此外，環(huán)境氣候變化給海洋漁業(yè)管理帶來(lái)了巨大的挑戰(zhàn)，一方面環(huán)境因素會(huì)影響補(bǔ)充量預(yù)測(cè)(持續(xù)性或周期性影響)，另一方面環(huán)境氣候可能會(huì)引起補(bǔ)充量的模態(tài)變化(regime shift)，從而對(duì)評(píng)估和管理都產(chǎn)生影響。模擬不同補(bǔ)充量變動(dòng)情況，探究管理策略是否足以應(yīng)對(duì)這些變化，為漁業(yè)資源可持續(xù)利用提供充足的理論基礎(chǔ)，也是研究中的重要關(guān)注點(diǎn)。Ianelli等[8]基于兩種補(bǔ)充量預(yù)測(cè)方法(1.基于與海表面溫度關(guān)系；2.傳統(tǒng)的補(bǔ)充量預(yù)測(cè)模式)，模擬觀(guān)察了多種管理策略下漁業(yè)資源的變化。Amar等[4]研究認(rèn)為補(bǔ)充量受季節(jié)性海表面溫度、降雨量等環(huán)境因素影響，并設(shè)計(jì)多個(gè)評(píng)估管理方案，探究現(xiàn)有管理策略的表現(xiàn)。但是，由于補(bǔ)充量受多種因子影響，影響形式多樣[17]，并不能通過(guò)簡(jiǎn)單的模擬研究得出最適合管理的“完美”選項(xiàng)，仍需要結(jié)合具體物種實(shí)際情況經(jīng)行更多的研究。

圖3 文獻(xiàn)共被引網(wǎng)絡(luò)圖譜Fig.3 The network of co-references

2.3 研究熱點(diǎn)與發(fā)展趨勢(shì)

運(yùn)行CiteSpace選擇“Time Zone”，得到關(guān)鍵詞網(wǎng)絡(luò)時(shí)區(qū)網(wǎng)絡(luò)視圖(圖4)，黃塊大小代表該關(guān)鍵詞的詞頻高低。為了更好的分析該領(lǐng)域的發(fā)展趨勢(shì)，將關(guān)鍵詞分四個(gè)時(shí)間來(lái)分析2000—2004年、2005—2009年、2010—2014年和2015—2019年(表1)。

表1 2000—2019年文獻(xiàn)關(guān)鍵詞統(tǒng)計(jì)Table 1 Keywords in 2000-2019

(1)2000—2004年為初級(jí)階段。該時(shí)期的研究主要處于探討漁業(yè)資源與環(huán)境關(guān)系的摸索積累狀態(tài)。該階段使用方法和研究對(duì)象較為單一，主要通過(guò)環(huán)境數(shù)據(jù)與漁業(yè)數(shù)據(jù)間的數(shù)理關(guān)系來(lái)進(jìn)行研究，并沒(méi)有從具體的影響機(jī)制出發(fā)討論兩者的內(nèi)在聯(lián)系。Klaer等[37]利用多種漁獲數(shù)據(jù)轉(zhuǎn)化成的年豐度指數(shù)探究魚(yú)類(lèi)資源變化趨勢(shì)，并與多年平均環(huán)境因素經(jīng)行相關(guān)性分析。Roel等[38]通過(guò)敏感性分析認(rèn)為海表面溫度對(duì)補(bǔ)充量存在影響，并以此預(yù)測(cè)海水溫度升高對(duì)未來(lái)補(bǔ)充的影響。Christensen等[39]建立EwE(Ecopath with Ecosim)模型用于探索捕撈和環(huán)境對(duì)漁業(yè)過(guò)去和未來(lái)影響。

(2)2005—2009年為不斷發(fā)展階段，該階段在氣候變化、捕撈與捕食關(guān)系的相互作用上進(jìn)行了較多的研究。食物網(wǎng)是連接物種間聯(lián)系的重要渠道在理解和管理生態(tài)系統(tǒng)中占重要地位，過(guò)度捕撈、環(huán)境氣候因素通過(guò)食物網(wǎng)會(huì)對(duì)多物種漁業(yè)造成的影響[40]，甚至可能導(dǎo)致整個(gè)海洋食物網(wǎng)失衡[41]。Jurado-Molina等[42]將捕食關(guān)系納入多物種年齡結(jié)構(gòu)模型中，對(duì)比原模型發(fā)現(xiàn)，增加了捕食關(guān)系的模型能更好地分析捕撈和參數(shù)的不確性，更適用于管理決策。Perry等[43]研究認(rèn)為海表面溫度升高很可能通過(guò)種群分布和結(jié)構(gòu)變化從而對(duì)漁業(yè)捕撈產(chǎn)生深遠(yuǎn)的影響。

(3)2010—2014年為不斷拓展階段。在該階段關(guān)鍵詞迅速增多，研究更為細(xì)化。該階段不僅提出了更多有可能影響漁業(yè)資源的環(huán)境因子，在應(yīng)對(duì)氣候挑戰(zhàn)的方法和理論方面也有了更多的研究。除了常見(jiàn)的海表面溫度，增加了更能表征物種棲息地環(huán)境的因子，例如河口沖淡水的位置、水質(zhì)透明度、海流等[44]，都被考慮到漁業(yè)資源的評(píng)估管理中。在應(yīng)對(duì)氣候挑戰(zhàn)方面，一方面建立權(quán)重機(jī)制可以在考慮更多的影響要素時(shí)避免提高模型復(fù)雜性[8]。另一方面，有研究認(rèn)為確認(rèn)漁業(yè)產(chǎn)量變動(dòng)是由環(huán)境而非捕撈壓力導(dǎo)致，區(qū)分壓力來(lái)源是管理策略能成功實(shí)施的必要的前提[45]。

此外，該階段的研究不僅進(jìn)一步完善了應(yīng)對(duì)氣候挑戰(zhàn)的理論基礎(chǔ)，其中包括提供應(yīng)對(duì)氣候變化的一系列漁業(yè)政策選擇，建立風(fēng)險(xiǎn)和脆弱性的評(píng)估和管理決策框架，描述事前和事后可能的策略等[46]。而且研究還表明，經(jīng)濟(jì)、社會(huì)等其他方面在漁業(yè)應(yīng)對(duì)氣候挑戰(zhàn)中也扮演著重要的角色，Merino等[47]模擬短期(每年)和長(zhǎng)期環(huán)境氣候影響下漁業(yè)市場(chǎng)可能會(huì)出現(xiàn)的情況，研究發(fā)現(xiàn)在面對(duì)氣候變化時(shí)，維持小型中上層漁業(yè)資源的可持續(xù)利用，更多地取決于社會(huì)(管理策略、市場(chǎng)調(diào)節(jié))如何應(yīng)對(duì)氣候影響，而不是取決于氣候變化本身的幅度。

(4)2015—2019年為豐富和完善階段。該階段在研究海域、漁業(yè)和模型等方面均得到了極大的豐富。一方面，許多新的研究觀(guān)點(diǎn)被提出，例如Szuwalski等[48]研究認(rèn)為環(huán)境對(duì)補(bǔ)充量的影響比對(duì)親體量更大，設(shè)定氣候生態(tài)變化在內(nèi)的管理目標(biāo)可能會(huì)更好地定義種群的狀況。Axel等[49]研究發(fā)現(xiàn)褐蝦(Crangoncrangon)的捕食者受環(huán)境影響種群分布改變，使得原漁區(qū)內(nèi)的褐蝦上岸量明顯增加，可能存在過(guò)度捕撈的風(fēng)險(xiǎn)需要重新進(jìn)行評(píng)估管理。另一方面，漁業(yè)研究偏向于多物種、基于生態(tài)、結(jié)合時(shí)空變化的研究。此類(lèi)模型得到了很大的關(guān)注，譬如年齡結(jié)構(gòu)的多物種模型(Multi-species statistical catch at age models, MSCAA)可以量化氣候和漁業(yè)捕撈對(duì)種群的影響，并評(píng)估管理食物網(wǎng)中若干種物種[50]；基于生態(tài)系統(tǒng)的漁業(yè)管理(Ecosystem-based fisheries management, EBFM)方法可以考慮更廣泛的目標(biāo)，并可在模型中包含營(yíng)養(yǎng)級(jí)之間的相互作用和氣候變化的影響，基于整個(gè)生態(tài)系統(tǒng)層面制定管理目標(biāo)[51]；空間生態(tài)系統(tǒng)和種群動(dòng)態(tài)模型(Spatial Ecosystem And Population Dynamics Model, SEAPODYM)也是EBFM模型中的一種主要應(yīng)用于金槍魚(yú)[52]。

3 總結(jié)及展望

本文基于文獻(xiàn)計(jì)量學(xué)和知識(shí)圖譜研究方法，采用Citespace計(jì)量軟件，對(duì)基于環(huán)境因子在漁業(yè)資源評(píng)估中的研究進(jìn)行了可視化分析。結(jié)果顯示該研究呈現(xiàn)如下特點(diǎn)：(1)從研究的整體來(lái)看，該領(lǐng)域總發(fā)文量在經(jīng)歷多年增速緩慢的醞釀期后，自2009年起發(fā)文量明顯增加，在今后一段時(shí)間內(nèi)預(yù)計(jì)會(huì)持續(xù)高速增長(zhǎng)。國(guó)際上從事該領(lǐng)域的相關(guān)研究機(jī)構(gòu)較多，但主要集中在以華盛頓大學(xué)，NOAA為中心的核心學(xué)術(shù)群體。我國(guó)在該領(lǐng)域的研究與其他國(guó)家水平還存在一定差距。研究機(jī)構(gòu)和發(fā)文數(shù)量較少，國(guó)際影響力與合作規(guī)模都有待提高。建議我國(guó)從事該領(lǐng)域方向的研究團(tuán)隊(duì)擴(kuò)大與核心學(xué)術(shù)國(guó)家或機(jī)構(gòu)的合作，提高我國(guó)在該領(lǐng)域方向的國(guó)際學(xué)術(shù)影響力。(2)從研究前沿與熱點(diǎn)來(lái)看，在經(jīng)過(guò)多年的數(shù)據(jù)(生物數(shù)據(jù)、漁業(yè)數(shù)據(jù)、資源調(diào)查數(shù)據(jù))和建模技術(shù)的積累，整體的知識(shí)架構(gòu)向更全面更多元化的方向發(fā)展。補(bǔ)充群體比親體群體更易受環(huán)境氣候影響，而且是整個(gè)資源評(píng)估中極具估算難度的部分，因此大量的研究都把關(guān)注點(diǎn)放在環(huán)境對(duì)補(bǔ)充量產(chǎn)生持續(xù)、周期性和模態(tài)變化的影響；環(huán)境氣候的變化導(dǎo)致種群時(shí)空分布產(chǎn)生變化，從而引起了結(jié)合時(shí)空的評(píng)估模型的迅速崛起；從生態(tài)角度出發(fā)，環(huán)境氣候?qū)Ω魑锓N生境產(chǎn)生不同影響，又由于捕食等種間關(guān)系的聯(lián)系，也將對(duì)各生物資源量產(chǎn)生影響。全面探討基于環(huán)境氣候變化下對(duì)補(bǔ)充量、漁業(yè)洄游、生態(tài)、管理參考點(diǎn)等多方面的影響，有助于更全面的了解和管理漁業(yè)。(3)從研究視角看，該研究尺度傾向于大尺度的漁業(yè)研究，不僅是多種漁業(yè)的綜合研究，而且更多的結(jié)合了大尺度的時(shí)間空間要素。整體漁業(yè)的研究探討了漁業(yè)變化的共性，便于在面對(duì)氣候變化等全球性變化時(shí)能提供更好地評(píng)估管理意見(jiàn)。大尺度時(shí)間空間研究能更好地種群結(jié)構(gòu)動(dòng)態(tài)變化，更大程度上優(yōu)化評(píng)估模型結(jié)構(gòu)。

圖4 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜Fig.4 The keyword network

盡管集合環(huán)境因素的漁業(yè)資源評(píng)估研究已取得了較大進(jìn)展，但并未廣泛地被各國(guó)際漁業(yè)組織所應(yīng)用。主要原因有以下幾個(gè)方面：(1)許多管理決策本質(zhì)上都是短期的，以歷史捕撈數(shù)據(jù)(漁獲量和捕撈努力量)為依據(jù)。環(huán)境氣候變化本身及其產(chǎn)生的影響都存在不確定性，如何能作為一個(gè)有效的數(shù)據(jù)源放入管理決策中，仍值得思考[8]。(2)雖然環(huán)境因子在修正模型參數(shù)方面取得一定成果，但高質(zhì)量的漁業(yè)調(diào)查數(shù)據(jù)能夠更好地提供種群結(jié)構(gòu)和補(bǔ)充量信息，比環(huán)境數(shù)據(jù)具有更大的價(jià)值[11]。(3)環(huán)境氣候?qū)O業(yè)影響機(jī)制不明，考慮環(huán)境因素的模型可能無(wú)法實(shí)現(xiàn)資源的可持續(xù)利用[53]。(4)盡管忽略環(huán)境對(duì)資源評(píng)估的影響可能不利于評(píng)估管理，但是增加的環(huán)境氣候因子會(huì)提高模型復(fù)雜性卻不能保證模型性能更優(yōu)[5,11,28]。

環(huán)境對(duì)漁業(yè)資源評(píng)估管理存在影響是毋庸置疑的，因此長(zhǎng)遠(yuǎn)來(lái)看該領(lǐng)域研究仍存在很大的發(fā)展空間?；谝延醒芯?，建議今后研究可從以下幾個(gè)方面展開(kāi)：(1)跨學(xué)科交流。種間關(guān)系、海洋酸化、海冰下降、全球氣候變化及人類(lèi)活動(dòng)會(huì)通過(guò)不同形式對(duì)漁業(yè)資源產(chǎn)生影響，了解內(nèi)在影響機(jī)制，才能更全面的掌握和管理漁業(yè)資源；(2)完善現(xiàn)有模型。隨著跨學(xué)科研究的深入和日益豐富的觀(guān)察數(shù)據(jù)，具有更多功能的模型(考慮多物種、生態(tài)、時(shí)空變化等)會(huì)有更大的發(fā)揮空間。合理量化各個(gè)環(huán)境氣候因子，將各種影響轉(zhuǎn)化為可放入模型的數(shù)據(jù)，在維持模型穩(wěn)定性的同時(shí)加強(qiáng)模型性能等多個(gè)方面，都需要進(jìn)一步加強(qiáng)；(3)建立健全資源環(huán)境監(jiān)測(cè)體系。氣候環(huán)境變化對(duì)全球漁業(yè)的方方面面都產(chǎn)生了深遠(yuǎn)的影響，建立健全資源環(huán)境監(jiān)測(cè)體系有助于及時(shí)了解資源和環(huán)境的變動(dòng)，及時(shí)提供應(yīng)對(duì)氣候變化的漁業(yè)政策選擇。此外，建立健全資源環(huán)境監(jiān)測(cè)體系能有效避免未評(píng)估漁業(yè)遭受過(guò)度捕撈(兼捕)的危害，為維持海洋生態(tài)平衡提供保障。(4)大數(shù)據(jù)、人工智能和區(qū)塊鏈等新技術(shù)的應(yīng)用。大數(shù)據(jù)、云計(jì)算、AI和區(qū)塊鏈等都被認(rèn)為是推動(dòng)經(jīng)濟(jì)社會(huì)轉(zhuǎn)型升級(jí)的顛覆性技術(shù)，在各個(gè)領(lǐng)域都得到了很大的應(yīng)用。以區(qū)塊鏈為例，區(qū)塊鏈技術(shù)具有不可篡改性、公開(kāi)透明性等特征，甚至可替代傳統(tǒng)的數(shù)據(jù)存儲(chǔ)技術(shù)，對(duì)于全球漁業(yè)數(shù)據(jù)的收集和管理，國(guó)際間合作交流都有極大裨益。并且隨著python等大數(shù)據(jù)分析軟件的應(yīng)用，極大的提高了對(duì)大數(shù)據(jù)的抓取和分析效率。在漁業(yè)中引入大數(shù)據(jù)、人工智能和區(qū)塊鏈等新技術(shù)的應(yīng)用，有利于推動(dòng)整體漁業(yè)的進(jìn)步和發(fā)展。