阿根廷魷資源評估

1.3.1 與條鰭魚類在資源評估上的差異

漁業資源評估的目的在提供目標魚種族群資源量資料，讓漁業管理者可以設 定合適的漁獲努力水準(Boyle and Rodhouse, 2005)。 針對條鰭魚類，多年來研究 人員已發展出許多的資源評估方法，如系群-添入量模式(stock-recruitment models)、

系群分析、耗竭法(depletion estimates)以及產量-單位添入量模式(yield-per-recruit models)等(Pierce and Guerra, 1994)。 雖然這些方法也被用於頭足類族群量估計，

然而，許多學者認為條鰭魚類的資源評估方法並不適用於頭足類(Pierce and Boyle, 2003; Pierce and Guerra, 1994)。 有兩個主要原因，第一，研究顯示在某一特定年 度裡的魷漁業資源量，與其後數年的漁業產量為弱相關 (Beddington et al., 1990)，

因此條鰭魚類中由不同年級群所呈現的系群及添入量關係並不存在。 這是由於魷 魚多半為一年生物種，且繁殖後即死亡，幾無像條鰭魚類有年級群的重疊，因此 理論上無法基於前代(系群)的資訊來評估下一代(添入群)的潛在添入強度與豐度 (Rodhouse, 2001)。 第二，由於每一年的族群資源量幾乎全由新添入之個體組成，

因此影響魷魚添入成功與否的環境效應可能強烈左右魷魚資源豐度，也因此，其 資源可能由於過度捕撈而顯得脆弱(Beddington et al., 1990； Bellido et al., 2001)。

由於魷魚資源豐度通常顯示出高的添入變異性，採用條鰭魚類理論的模式就不適 合用來評估魷魚資源量。 例如，現今的阿根廷魷漁業資源評估採取耗竭法，利用 基於捕撈致死(fishing mortality)造成的資源豐度下降率資訊，回推計算漁季開始時 的資源豐度(Pierce and Guerra, 1994; Young et al., 2004)。 雖然上述方法為應用條鰭 魚類資源評估方法至魷魚業管理的最佳範例之一(Pierce and Guerra, 1994)，但因為 環境波動、長距離洄游，以及單次繁殖之成功與否之影響，阿根廷魷資源仍呈現 年間的巨幅波動。

1.3.2 環境狀態與資源補充

由於環境狀態可影響魷魚資源量之添入，已有一些研究建議將環境因子納入 魷魚資源評估方法中(Georgakarakos et al., 2002; Pierce and Boyle, 2003)。 Rodhouse (2001) 指出由綜觀海洋學資料推導而得的環境變異，可部分地解釋魷魚物種的資 源添入變異性，而其可預測添入量多寡的特性，也能讓管理者與漁業從業人員進 行經營規畫。 目前最常用來評估魷魚豐度的海洋環境因子為海水溫度(Agnew et

al., 2002; Caballero-Alfonso et al., 2010; Igarashi et al., 2015; Robin and Denis, 1999)。

已有許多研究顯示海洋表面溫度(sea surface temperature, SST)或近表層水溫 (海水表層 5 m 處水溫)和阿根廷魷的豐度有相關性。 Waluda et al. (1999) 指出在北

大氣驅動力(atmospheric forcing)為另一個可能影響魷魚豐度的環境因子，因為 大氣驅動力影響了諸如海平面高度、由風所驅動的海洋循環、湧升流及水溫等對 魷魚生活史有影響的環境變數(Waluda et al., 2004)，而海洋中的區域性大氣循環模 的變動指數可作為一環境變數因子(Polanco et al., 2011)。 在西北大西洋，北大西 洋震盪(North Atlantic oscillation (NAO))指數已證實與 紐芬蘭魷(I. illecebrosus)、

長鰭槍烏賊(Loligo pealeii)及真章魚(Octopus vulgaris)等頭足類的資源豐度有關 (Dawe et al., 2000; Dawe et al., 2007; Polanco et al., 2011)。 此指數可能與其他環境 變數有關且可能影響局部海域頭足類的豐度(Polanco et al., 2011)。 研究顯示 NAO 會影響 紐芬蘭魷 與 福氏槍鎖管(L. forbesi)在當漁業年度中之豐度(Dawe et al., 2000;

Dawe et al., 2007; Pierce and Boyle, 2003)，而 NAO 對於章魚的單位努力漁獲量 (catch per unit effort, CPUE)不但有影響且呈現月延遲效應(Polanco et al., 2011)。

Caballero-Alfonso et al. (2010) 提出 Canary 島上真章魚的豐度直接受 NAO 的季節

變化影響而間接受 SST 影響。 Waluda et al. (1999) 提出由太平洋南方震盪指數 (southern oscillation index, SOI)所反映的聖嬰現象(El Niño)所造成的 SST 異常，會 影 響 阿 根 廷 魷 之 資 源 量 。 此 海 表 面 溫 度 異 常 藉 由 南 極 之 環 極 波 (Antarctic circumpolar wave)環繞全球傳播，並在一段時間的延遲後影響阿根廷魷的豐度 (Waluda et al., 2004)。 但是此一聖嬰南方震盪現象(El Niño Southern oscillation, ENSO)與阿根廷魷資源豐度間的關連尚未有所定論(Chen et al., 2007a)。 另一方面，

針對阿根廷魷生活的西南大西洋而言，如欲討論大氣循環模的變動指數對其資源 量的影響，如同在北大西洋 紐芬蘭魷的研究，或許應以南大西洋區域性的大氣波 動指標作為環境因子，較能直接找到其間的關聯。

1.3.3 空間分布與資源補充

除了在時間尺度上的影響外，許多近來的研究顯示海洋環境因子也在阿根廷 魷的空間分布上扮演重要角色，而導因於洋流變化所造成的福克蘭海域水溫變化，

可能是影響阿根廷魷資源分布及資源量的因素之一(Agnew et al., 2002; Chen et al., 2007a; Chen et al., 2007b; Middleton and Arkhipkin, 2001; Portela et al., 2005)。 Chen et al. (2007a) 指出阿根廷魷聚集在巴西及福克蘭洋流匯合區的冷水側中，福克蘭洋 流的強度與空間組態對於阿根廷魷的聚集程度帶來影響，可能導致族群資源豐度 改變。 而溫暖海水造成洋流的變遷，並將仔魷帶往不適生存的大洋區，也會影響 阿根廷魷之資源量(Bostanci, 2002)。

1.3.4 現行資源評估與管理方法

目前，阿根廷魷資源管理系以達成親代在漁季中 40% 逃逸比例(proportional escapement)為目標 (Beddington et al., 1990)，主要管理手段是對於漁獲努力量的約 束 (effort limitation) 。 在 漁 季 一 開 始 ， 先 假 設 自 然 死 亡 率 及 漁 船 效 率 (vessel efficiencies)，並用以決定可達成比例逃逸的漁獲努力量水準(Beddington et al, 1990)，

此為一典型的耗竭法(depletion estimates)之運用。 目前系由阿根廷與英國政府執行 管理工作並評估關閉漁場之時間，然而目前的結果顯示前一年預估的繁殖親魚資

源量與隨後漁季的添入量並無一致的關係(Boyle and Rodhouse, 2005)，反映出其資 源量的變化受環境等非生物因子的影響。

此外，耗竭資源模型須要有即時且完整的漁獲資料做為基礎，以在漁季中估 計初始的資源量，並做為進行目標管理的實施手段(Beddington et al., 1990)。 此一 嚴苛的資料要求，限制了耗竭資源模型在漁業管理的應用，畢竟在許多漁業中，

完整而精確的漁獲資料收集是相當困難的一環節。 另一方面，耗竭資源模型僅能 估計當漁季的資源量，並無法預測未來的資源情形，而漁季之間阿根廷魷資源受 環境影響產生的變動，以及漁船效率的提升等因素，將會增加此種評估方法的不 確定性(Beddington et al., 1990)。 因此，如何能在漁季開始前評估阿根廷魷可能資 源量，並據此擬定管理策略，為阿根廷魷資源管裡的重要工作之一，而發展可以 預測阿根廷魷資源量的數理模式，則為首要工作。

根據 Bellido et al. (2001) 的研究指出，由於魷類資源豐度與環境因子之間顯著 的關係，環境因子可作為一參數來估計魷魚資源，因此連結魷類豐度及環境參數 的經驗模式，開始被嘗試用來進行資源量的預測(Pierce and Boyle, 2003)。 另一方 面，空間統計工具及地理資訊系統 (Geographical Information System, GIS) 技術已 臻成熟，地理資訊系統可將漁業活動的空間分布及高解析度遙測海洋環境資訊(如 SST)相聯結，藉由分析資源空間與時間分布，即可了解魷類資源豐度及海洋環境 因子之間的關係(Agnew et al., 2002; Portela et al., 2005; Waluda et al., 2001a;

Waluda et al., 2001b)，也俱備了解析阿根廷魷資源結構的能力。此種環境及地理因 素與阿根廷魷豐度間的關係將可成為預測阿根廷魷漁業資源豐度及漁業管理用途 的基礎(Portela et al., 2005)。

1.3.5 經驗模式

不同於以邏輯或數學假設為基礎的理論模型，經驗模式是由觀察、實驗或經 驗衍生而來，通常使用迴歸來建立經驗模式。 Pierce and Boyle (2003) 以 SST、海 床水溫(sea bottom temperature, SBT)、海洋表面鹽度、海床鹽度及 NAO 等因子(包

含遞延一年之效應)，建立了一個可解釋 L. forbesi 資源變動的迴歸模型，其決定係 數(coefficient of determination, R²)在不同地區均超過 0.80。 Robin and Denis (1999) 也以前一年 3 月漁場的 SST 為環境因子，建立了可解釋英吉利海峽鎖管資源變動 的迴歸模型，其決定係數為 0.78。 因此，迴歸模式能在魷類資源模式建構與預報 上發揮作用。 然而此一資源與環境因子間的關係可能並非線性，因此簡單線性迴 歸無法完全滿足資源評估的要求(Bellido et al., 2001; Polanco et al., 2011)。 近來，

對 於 不 同 的 魷 類 資 源 ， 研 究 人 員 開 始 使 用 非 線 性 迴 歸 關 係 ， 如 泛 線 性 模 式 (generalized linear model, GLM) 及泛加成模式(generalized additive model, GAM)來 研究魷類資源變動與環境因子間的關係(Bellido et al., 2001; Guisan et al., 2002;

Portela et al., 2005; Sacau et al., 2005; Sanchez et al., 2008)。 此外，使用時間序列資 料 來 預 測 未 來 趨 勢 變 動 的 自 迴 歸 結 合 移 動平 均 模 型 (Autoregressive Integrated Moving Average model, ARIMA)，也曾被嘗試用於魷魚之資源預測(Georgakarakos et al., 2002; Pierce and Boyle, 2003)。

1.3.6 空間結構分析

如前所述，解釋阿根廷魷豐度在時間序列上的變異性，可以藉重它們生活史 中局部與區域性環境因子，以經驗模式來完成(Chen et al., 2007b; Waluda et al., 2001a; Waluda et al., 2001b; Waluda et al., 1999)，然而這些經驗模式並沒有針對阿根 廷魷族群結構考慮其空間動態的變化。 如前所述，阿根廷魷聚集在巴西及福克蘭 其群集分布位置(Agostini et al., 2008; Ciannelli et al., 2008; Petitgas, 1993; Petitgas, 2001) 。 與 過 往 不 包 括 任 何 空 間 資 訊 的 典 型 統 計 估 計 不 同 ， 地 學 統 計 技 術 (geostatistical techniques)以空間為維度處理族群位置資料(Petitgas, 1993)。 因魷魚

為短壽命物種(約 1 年)，其更替(turnover)系統可能更傾向於自我維持(self-sustained) 且悖離穩定狀態(steady state)，在這種情況下，生物體的空間相依性變成解答根本 族群結構及年間豐度變化謎題的可能線索，而對於量化資源之空間分布模式與有 效地做出估計及預測而言，地理統計學亦為一有效的技術(Faraj and Bez, 2007;

Isaaks and Srivastava, 1989; Mello and Rose, 2005)。