海洋漁業生態安全驅動因子分析

于 淼

遼寧師范大學地理科學學院，遼寧 大連 116029

0 引言

近年來，人類在沿海地區活動頻繁，開展了航運、捕魚、娛樂等活動，海洋經濟已成為許多國家經濟的重要組成部分，也是人類可持續發展的重要貢獻者。盡管這些活動給人類帶來了好處，但是由此產生的長期累積壓力，包括噪聲、過度捕撈、棲息地破壞和污染等，也以協同或對抗的方式改變了海洋生態系統［1-2］，導致生態系統基線發生變化。此外，人為壓力的快速增加影響了水生物種、群落和生態系統［3］?！疤歼_峰”和“2030 年可持續發展議程”等全球可持續發展目標對海洋漁業產業發展提出了新的要求，加快了海洋漁業經濟的轉型和升級。有效利用海洋資源，在保持海洋漁業經濟快速增長的同時減輕環境壓力，改善海洋漁業生態安全，是海洋漁業經濟發展需要解決的重要問題。因此，構建支持海洋漁業協調發展的海洋漁業生態安全評估模型，為合理有序的海洋漁業開發提供理論依據，已成為服務我國海洋生態文明建設、保障國家糧食安全、實現海洋漁業可持續發展中亟待解決的問題。鑒于此，筆者基于狀態—脅迫—免疫（State-Danger-Immunity，SDI）模型構建我國海洋漁業生態安全評價指標體系，對影響我國海洋漁業生態安全水平的關鍵驅動因素進行識別并展開討論。

1 研究方法與數據來源

1.1 評價指標體系構建

筆者以SDI 模型［4］為基礎，構建海洋漁業生態安全評價指標體系（見表1）。SDI 模型將海洋漁業生態安全演變分解成海洋漁業生態環境狀態、海洋漁業生態環境脅迫與海洋漁業生態環境免疫3 個方面。其中，生態環境狀態是指生態系統當前的基本狀況、初級生產力及提供服務的能力，是海洋漁業生態安全穩定的基礎。該研究采用確權海域面積/地區人口數量、海洋漁業從業人員、海洋漁業經濟年增加產值/海洋漁業經濟年產值、海水產品產量/水產品產量、濱海濕地面積/地區人口數量對海洋漁業生態環境狀態進行量化評估。生態環境脅迫是指多重自然和社會因素擾動對海洋生態環境施加的壓力，反映生態環境的敏感性。該研究選取現代海洋漁業資源生態位寬度、海水污染壓力指數，漁業災害造成的經濟損失，近岸海域三、四類水質海域面積/總海域面積，年度填海造地面積/海域總面積來表征海洋漁業生態環境脅迫。生態環境免疫是指人類會采取一些措施來改善海洋生態環境，增強其抵御風險的能力，并在受到擾動后恢復其生態系統原有結構和功能。采用水產技術推廣機構密度、海洋漁業產業結構轉換速率、海洋自然保護區面積、海濱觀測臺數量、海洋環境質量指數來衡量海洋漁業生態安全免疫。

表1 我國海洋漁業生態安全評價指標體系

1.2 研究方法

1.2.1 基于人工魚群算法優化的投影尋蹤綜合評價模型

作為數理統計中的一種聚類分析方法，投影尋蹤模型可以同時用于探索性分析和確定性分析［5］。它用于將高維數據投影到低維空間，并研究投影的特征值，以反映低維空間中的高維數據結構或特征，從而降維。海洋漁業生態安全的測度與評價很難尋求可參照最優解，或根據經驗劃分明確閾值，而投影尋蹤模型相較于傳統方法更適于自動識別多指標集成的綜合評價結果?；诟呔S非線性系統的投影尋蹤技術，存在計算復雜度高、優化精度過低及投影的最優解缺乏等問題。因此，為了實現優化效果好、結果精度高、算法收斂速度快的目標，引入人工魚群算法求解。人工魚群算法的靈感來源于自然界魚群的生態學行為，即捕食、群集和跟隨行為。作為一種有效的群體智能方法，人工魚群算法被廣泛應用于解決現實世界的優化問題［6］?？傊?，筆者采用使用基于人工魚群算法（Artificial Fish Swarm Algorithm，AFSA）優化的投影尋蹤模型測度我國海洋漁業生態安全水平?；谌斯~群算法優化的投影尋蹤綜合評價模型構建過程參考文獻［7］。

1.2.2 基于SHAP的可解釋性隨機森林模型

隨機森林模型是Breiman在2001年提出的一種基于分類樹的機器學習算法［8］。該算法具有優越的分類精度、高泛化性能、輸出的魯棒性、低噪聲（低偏差和低變化結果）等應用優勢［9］。其基本原理是通過Bootstrap 抽樣技術從原始樣本中提取多個子樣本，并通過決策樹CART（Classification and Regression Tree）算法對每個樣本進行建模，然后將這些決策樹組合起來生成隨機森林，通過投票獲得最終預測。然而，機器學習模型作為一種黑箱預測，缺乏為特定需求收集線索的可解釋性。因此，筆者引入SHAP（SHapley Additive exPlanations）概念來確定哪些因素有助于海洋漁業生態安全水平的提升及這些因素的重要性。SHAP 是一種用于解釋機器學習模型預測的方法。其基于博弈論中的Shapley值概念，使用合理的方式將貢獻值分配給每個特征，以解釋模型預測結果?；赟HAP 的可解釋性隨機森林模型構建過程參考文獻［10-11］。

1.3 數據來源

該研究涉及的指標數據主要來源于《近岸海域環境質量公報》《中國漁業統計年鑒》《中國海洋統計年鑒》《中國海洋年鑒》《中國統計年鑒》《海域使用管理公報》《中國海洋生態環境狀況公報（Autoregressive Integrated Moving Average）》及沿海各地區統計年鑒，采用線性插值法或ARIMA 預測模型來補全矯正個別缺失和錯誤數據。因缺少相關數據，該研究不涉及我國香港、澳門、臺灣。

2 研究結果與分析

為了揭示影響海洋漁業生態安全水平的關鍵驅動因素，筆者引入基于SHAP的可解釋性隨機森林模型，對投影尋蹤模型測度的影響沿海各地區海洋漁業生態安全水平的關鍵驅動因子進行識別。由隨機森林模型推導出的SHAP值如圖1 所示。圖1 中每個協變量的全局重要性被視為該協變量在所有給定樣本上的平均絕對值，預測值按照全局重要性的順序從上到下列出。圖1 顯示，海洋漁業科技創新和技術推廣能力、海洋漁業產業資源綜合利用水平、海洋漁業就業活力、海洋漁業自然環境綜合治理水平是影響我國海洋漁業生態安全水平的關鍵驅動因子。

圖1 所有樣本協變量的絕對平均SHAP值

3 研究結論與政策建議

3.1 研究結論

筆者基于狀態—脅迫—免疫模型構建我國海洋漁業生態安全水平綜合評價指標體系，考察2008—2021年我國沿海11 個?。ㄗ灾螀^、直轄市）的海洋漁業生態安全水平，并應用基于SHAP 的可解釋性隨機森林模型對影響我國海洋漁業生態安全水平的關鍵驅動因素進行識別。結果發現，海洋漁業科技創新和技術推廣能力、海洋漁業產業資源綜合利用水平、海洋漁業就業活力、海洋漁業自然環境綜合治理水平均對我國海洋漁業生態安全水平的提升產生顯著的正向影響，是影響我國海洋漁業生態安全水平的關鍵驅動因子。

3.2 提升我國海洋漁業生態安全水平的建議

3.2.1 提升海洋漁業科技創新和技術推廣能力

現如今，我國海洋漁業產業自主創新能力仍顯薄弱，與先進國家相比尚有較大差距。對此，我國應加大對海洋漁業技術研發的資金投入力度，整合科學研究機構、高等院校和漁業龍頭企業等科研資源，建立跨領域合作機制和技術研發平臺，以推動新技術產生，支撐和引領現代漁業高效發展。同時，我國應強化推廣機構的公益性職能，加快完善海洋漁業全鏈條技術服務體系，以促進技術推廣應用，為現代漁業建設、漁業增效和漁民增收提供強有力的技術支撐。

3.2.2 提升海洋漁業產業資源綜合利用水平

漁業資源枯竭及海洋漁業產業粗放、不平衡和不可持續發展對海洋漁業生態安全產生了負面影響。對此，我國海洋漁業部門應加快水產品加工業升級，促進產業融合發展，加強低值水產品和加工副產物的高值化開發和綜合利用；發展循環經濟模式，并引導加工業向生物能源開發、海洋化工、海洋生物制藥、基因工程和功能食品等領域拓展，提高資源利用的綜合效益。

3.2.3 提升海洋漁業就業活力

我國海洋漁業是一個龐大的行業，涉及眾多的漁民群體。這些漁民從事捕撈、養殖等漁業活動，為保障我國人民的食品安全貢獻了力量。然而，漁獲量的季節性、商品的易腐性、市場價格波動和漁業作業的危險性等因素的綜合作用使捕魚和相關職業的收入變得不確定。我國海洋漁業部門應深入實施海洋漁民素質提升工程，加快培育懂技術、善經營、會管理的新型高素質職業海洋漁民，促進我國海洋漁民從傳統型向職業型轉化；出臺就業指導和就業咨詢等政策，為海洋漁民提供就業支持與保障，助推漁民創業就業增收。

3.2.4 提升海洋漁業自然環境綜合治理水平

綜合治理海洋自然環境是一個復雜且長期的過程。我國應加強海洋環境保護相關法律法規的制定和修訂工作，不斷推進人工魚礁、國家級水產種質資源保護區、海洋牧場及國家級水生生物自然保護區建設；增加對海洋環境監測技術和設備的投入，提高對海洋水質、溫度、鹽度等關鍵參數的監測能力，以便及時掌握海洋環境變化，并采取相應的管理和保護措施；強化對海洋污染源的管控，推廣清潔生產技術，提高污水處理和廢棄物處理效率；實施海洋重要生態區域修復項目，恢復受損的海洋生態系統，促進我國海洋漁業生態安全與可持續發展。