生產監測船數量的優化
——通過不同地區各物種產量計算

劉文博，朱文斌，王晶，戴乾，盧占暉

(1.浙江海洋大學海洋與漁業研究所，浙江省海洋水產研究所，浙江省海洋漁業資源可持續利用技術研究重點實驗室，農業農村部重點漁場漁業資源科學觀測試驗站，浙江舟山 316021；2.浙江海洋大學水產學院，浙江舟山 316022)

捕撈生產監測數據是漁業資源評估的基礎，可用來定量分析漁業資源狀況，為漁業管理提供基礎數據支持。如何獲得真實、準確的捕撈生產監測數據是進行漁業評估與管理的關鍵問題。全面調查是獲得高精度捕撈生產監測數據的基礎，如觀察員生產監測記錄，但工作量大、成本高，幾乎無法實現。同時，在近海漁業作業中，作業類型復雜，低功率漁船占比高，且分布在沿海省份的各鄉鎮中，缺少漁業信息專業記錄人員，使得捕撈生產監測數據的準確性難以保證[1]。

抽樣調查可以在成本有限的情況下，得到準確度和真實性較高的生產監測數據[2-3]。抽樣調查有不同的抽樣方法，如簡單隨機抽樣、系統抽樣、分層抽樣等[4]。在漁業生產過程中，針對不同目標物種所用的漁具漁法不同，如以蟹類為主要目標物種的作業方式有刺網、蟹籠等[5-6]，鳀魚的主要捕撈方式為拖網[7]，帶魚則以拖網[8]、張網和延繩釣[9]為主，利用分層抽樣法可以在情況復雜，規模較大的抽樣調查中得到精度較高的調查結果[10]，眾多學者在研究抽樣調查方法在水產領域的應用中，大多傾向性于分層抽樣[11-17]。中國海域經緯跨度大，水文環境差異大，使得海洋物種分布具有明顯的區域特征，如黃海生物區系屬北太平區東亞亞區，為暖溫帶性，而東海生物區系分屬東西2 個亞區，東亞區暖溫性種很少，西亞區暖溫性種約占半數以上[18]。因此，各沿海省捕撈物種種類以及產量均存在巨大差異，據年鑒資料統計顯示，2017 年浙江省三疣梭子蟹Portunus trituberculatus和帶魚Trichiurus lepturus產量分別占其全國產量的35.41%和38.66%，而相鄰的江蘇省三疣梭子蟹和帶魚產量僅占其全國產量的18.59%和5.35%[19]。即使在同一省份中，不同市區捕撈物種種類及產量也存在差異，根據2017 年浙江省海洋捕撈抽樣調查試點報告數據顯示臺州市三疣梭子蟹和帶魚產量占全省產量的28.31%和15.65%，寧波市三疣梭子蟹和帶魚產量占全省產量的1.95%和48.50%。不同地區的物種及產量差異導致以此為基礎的優化研究會產生偏差，因此，從不同地區的角度開展優化研究較為重要。

本文基于2017 年浙江省海洋捕撈抽樣調查試點報告數據，在分層抽樣的基礎上，使用計算機軟件按照地區分類進行模擬再抽樣，并對最終結果進行分析，以期在降低監測成本的基礎上保證統計數據質量可以真實地反映海洋捕撈生產情況。

1 材料與方法

1.1 數據來源

本研究數據來源為2017 年1——12 月浙江省漁業生產船監測數據，包含浙江省4 個重點漁業地市，涉及刺網、單拖、雙拖、圍網、釣具、張網、桁桿拖蝦、籠壺和其它共計9 種作業類型，有效信息樣本船240 艘(對)。其中釣具和籠壺漁船數量較少，一并劃分至其他作業類型中(表1)。

表1 2017 年浙江省4 個地區漁業監測漁船作業方式以及數量構成Tab.1 Operation mode and quantity composition of fishery monitoring fishing vessels in four regions of Zhejiang province in 2017

1.2 目標物種的選擇

本研究所選取海洋捕撈生產過程目標物種為三疣梭子蟹、鯧魚、帶魚、小黃魚Larimichthys polyactis、棘頭梅童魚Collichthys lucidus、鮐鲹類、日本鳀魚Engraulis japonius、海鰻Muraenesox cinereus、中國毛蝦Scomberomorus niphonius共9 個目標物種。上述9 種目標物種除在伏季休漁期外其他月份均有捕獲，且總產量占所有物種產量的62.90%，因此具有一定代表性。

1.3 模擬流程

基礎假設：假設2017 年1——12 月浙江省漁業生產漁船監測數據可以反映2017 年浙江省漁業生產實際情況，所選取的目標物種產量可以作為本研究中各目標物種產量的“真值”。

調查方案：第一步，以浙江省漁業生產漁船監測數據中所包含的4 個地區為依據劃分為4 個層；第二步，每一區中，以作業方式作為劃分依據將監測船劃分為7 個層，同時基于原始數據中各工作類型的監測船構成比例作為重抽樣過程中各漁船數量的比例；第三步，利用計算機模擬技術在各地區下進行不同模擬監測船數量的分層隨機抽樣，從而選擇出各地區的最優漁船數量。本研究中，寧波市漁船數量梯度設置為15～60，間隔為1；臺州市漁船數量梯度設置為15～85，間隔為1；溫州市漁船數量梯度設置為15～30，間隔為1；舟山市漁船數量梯度設置為15～85，間隔為1。

圖1 監測漁船樣本量優化流程圖Fig.1 The Flowchart of sample size optimization for fishing monitoring vessels

模擬調查抽樣與“真值”的計算公式：本研究基于分層隨機抽樣方法，對應計算公式如下：

式中：X為各研究目標的估計值，即各月份中每一目標物種單位漁船產量及單位漁船總產量；N為漁船類型數量，本文中為7；Xn為第n個漁船類型的捕撈產量；Wn為第n個漁船類型的權重，等于第n個漁船類型的漁船數量Mn與總漁船數量M的比值。

本文選取評價指標為相對估計誤差(relative estimation error，REE)，該指標的變化可以反映評價目標的準確度和精度[20]。

式中：XT為根據原始數據計算的各研究目標“真值”；Xi為第i次模擬再抽樣過程中根據再抽樣數據計算的各研究目標“模擬估計值”；R為模擬次數，本文中為1 000 次。計算公式中，REE 值增加所反映精度與準確度降低。

文中，對總產量按照漁船作業方式進行加權計算記為方法1、未對總產量進行任何處理記為方法2。

數據處理通過計算機軟件R3.6.3 統計軟件完成。

2 結果

2.1 不同地區各目標物種產量的相對估計誤差(REE)變化

在不同地區的優化研究中，各目標物種產量的相對估計誤差(REE)值變化趨勢相似，均隨著監測漁船數量增加而下降(圖2)，且下降幅度逐漸變緩。同一物種的REE 值在4 個地區的變化區間不同，如三疣梭子蟹REE 值在舟山市優化研究中為137.62%～106.94%(圖2)；在臺州市優化研究中為38.76%～17.34%(圖2)。同一地區中不同物種的變化區間也不同，如在寧波市優化研究中，日本鳀魚REE 值的下降區間為88.66%～43.38%(圖2)；帶魚REE 均值的下降區間為23.16%～13.77%(圖2)。寧波、臺州、舟山3 個地區REE趨于平緩的漁船數量分別為30、40、30。

2.2 2 種計算方法對總產量相對估計誤差(REE)值的影響

在不同地區的優化研究中，目標物種總產量的相對估計誤差(REE)均值及加權計算的均值變化趨勢相似，均隨著監測船數量增加而下降，除溫州市外其他地區下降幅度隨著漁船數量增加而趨于平緩(圖3、4)。按照產量占比作為權重，計算總產量REE 的均值與直接計算均值得出的結果有明顯差別，如在舟山市優化研究中，總產量REE 均值的變化區間在27.70%～13.72%(圖4)，總產量REE 加權均值的變化區間在69.05%～42.78%(圖3)。

圖3 不同地區中不同目標物種總產量估計值的相對估計誤差(REE)加權均值隨著監測漁船數量的變化Fig.3 The relative estimation error (REE) weighted mean of the total yield estimates of different target species in different regions changed with the number of fishing vessels monitored

圖4 不同地區中不同目標物種總產量估計值的相對估計誤差(REE)均值隨著監測漁船數量的變化Fig.4 The relative error of estimation (REE) of total yield of different target species in different regions changed with the number of fishing vessels monitored

2.3 監測船數量優化

在4 個地區的優化研究中，各目標物種產量與總產量的相對估計誤差(REE)的均值隨著漁船數量增加而下降，且下降過程中出現下降幅度較大的現象，如在舟山市的優化研究中，當監測船從15 增加至16 時，三疣梭子蟹的REE 均值從137.62%下降至132.89%，下降了4.73%(圖2)；方法1 計算的總產量REE 均值從27.70%下降至25.37%，下降了2.33%(圖3)；方法2 計算的總產量REE 均值從69.05%下降至64.31%，下降了4.74%(圖4)。當監測船從16 增加至17 時，各目標物種產量與總產量的REE 均值均未出現明顯變化，而當監測船從20 增加至21 時，三疣梭子蟹的REE 均值從133.06%下降至126.36%，下降了6.70%(圖2)；方法2 計算的總產量REE 均值從24.03%下降至23.28%，下降了0.75%(圖4)；方法1 計算的總產量REE 均值從62.34%下降至59.94%，下降了2.4%(圖3)。

某些作業類型的監測船在優化過程中取樣的數量與REE 均值出現下降幅度較大現象的次數具有相關性，如在舟山市的優化研究中，第1 次出現下降幅度較大現象是在模擬監測船數從15 增加至16 時，增加船的作業類型為單拖、張網和其它，第2 次出現下降幅度較大現象是在模擬監測船數從18 增加至19時，增加船的作業類型為張網，第3 次出現下降幅度較大現象是在模擬監測船數從20 增加至22 時，增加船的作業類型為張網、桁桿拖蝦、刺網和圍網(表2)。

表2 舟山市不同模擬漁船數量下不同作業類型漁船取樣數量表(部分)Tab.2 Sampling quantity of fishing vessels of different operation types under different simulated fishing vessels in Zhoushan (part)

3 討論

3.1 REE 的變化與監測船數量的關系

通過計算機模擬抽樣技術將浙江省4 個地區的監測船數進行優化，綜合9 個目標物種產量與總產量的REE 均值發現：隨著監測船數量增加，各目標物種產量與總產量的REE 均值均呈現下降趨勢，且監測船模擬增加數量較少時各目標物種產量與總產量的REE 均值下降幅度較高，隨著監測船數量增加，各目標物種產量與總產量的REE 均值下降幅度降低并趨于平緩(圖2)。該結果符合抽樣調查基本理論[21]。目前許多學者在抽樣調查的樣本量優化研究中取得成果，如孟新翔等[22]、馬亞宸等[23]、王晶等[24]、ZHANG Tingting,et al[25]均可以在保證調查數據精度滿足調查需求的前提下，較大程度地節約調查成本。

3.2 監測船數量的變化與出現REE 下降幅度較大現象的關系

在浙江省4 個地區監測船數量的優化中發現：隨著監測船數量的增加，各目標物種產量與總產量的REE 均值均出現下降幅度較大的現象，分析發現這種現象的出現與模擬取樣過程中某些作業類型漁船數增加有關，以舟山市為例，前3 次出現REE 均值下降幅度較大現象的漁船數量變化分別是：漁船數從15艘增至16 艘、18 艘增至19 艘、20 艘增至22 艘。以分層抽樣中各樣本量的占比進行抽取時，第1 次新抽船的作業類型為單拖、張網和其它(表2)、第2 次新抽船的作業類型為張網(表2)、第3 次新抽船的作業類型為張網、桁桿拖蝦、刺網和圍網(表2)。對于某些作業類型的漁船，如舟山市的張網船和桁桿拖蝦船，當張網船模擬取樣數增加時會引起各目標物種產量及總產量REE 值的較大幅度下降，因此在優化過程中，應保留較多的張網船，桁桿拖蝦船在模擬取樣過程中數量的增加并未引起各目標物種產量及總產量REE 值的大幅變化，可以考慮在優化過程中減少桁桿拖蝦船數。針對不同作業類型漁船數量變化產生的影響，在取樣中可以考慮對某些影響較大的作業方式多取，影響較小的作業方式少取，這可在兼顧監測數據真實有效的前提下，降低取樣成本。

3.3 漁船數量優化

綜合考慮不同作業類型在不同地區所占比重差異，將舟山市監測船數量從81 優化至45，此時監測船數量減少了44.44%，方法2 計算各目標物種的總產量REE 從42.78%上升至48.97%，上升了6.19%，方法1 計算后的各目標物種總產量REE 從13.72%上升至17.09%，上升了3.37%；將寧波市監測船數量從54優化至30，此時監測船數量減少了44.44%，方法2 計算各目標物種總產量REE 從15.17%上升至19.29%，上升了4.12%，方法1 計算后的各目標物種總產量REE 從26.12%上升至34.63%，上升了8.51%；將臺州市監測船數量從81 優化至46，此時監測船數量減少了43.21%，方法2 計算各目標物種總產量REE 從24.15%上升至29.80%，上升了5.65%，方法1 計算后的各目標物種總產量REE 從33.96%上升至43.25%，上升了9.29%；溫州市監測船數量為24，各目標物種產量及總產量的REE 均值并未出現平緩，因此不對其進行優化。

本文通過分析各目標物種的產量與總產量的REE 均值與監測船數量的關系，將浙江省4 個地區監測船數由240 優化至145，與原始監測船數對比，優化后監測船數減少了39.58%，且各目標物種的總產量REE 均值上升均不超過10%，因此可以在保證調查精度的前提下節約大量調查成本，優化結果可以視為浙江省4 個地區的生產監測船最優樣本量。