《Fisheries Research》：The Hop-o’-My-Thumb white pebbles: How AIS data allow gillnet and trammel net fishing effort to be tracked in the forest of fisheries data
编辑推荐：
为解决传统方法难以准确评估流刺网等被动渔具真实捕捞强度的问题，研究人员整合AIS高精度定位与观测数据，创新性地引入网具浸泡时间、长度及高度参数。结果显示网具尺寸变异显著，揭示了冬季大陆架区域的高兼捕风险。该方法为渔业精细化管理与海洋生态保护提供了有力工具。
在广阔的比斯开湾（Bay of Biscay），渔业活动一直是人类获取蛋白质的重要来源，但这也是一场与海洋生物之间微妙的博弈。特别是对于灵动活泼的普通海豚（Common dolphin, Delphinus delphis）来说，这片富饶的水域有时却暗藏杀机。长期以来，流刺网（Gillnet）和三重刺网（Trammel net）这类“被动”渔具，就像海底的隐形陷阱，虽然它们静静地悬浮在水中，却对海豚等海洋哺乳动物构成了严重的兼捕（Bycatch，即非目标物种的误捕）威胁。
事实上，自2016年以来，法国大西洋沿岸搁浅的普通海豚数量显著增加，其中很多都留下了被渔具缠绕的痕迹。这不仅是生态悲剧，也给渔业管理者出了道难题：为什么在常规统计中，渔船出海天数并未明显增加，海豚的死亡率却节节攀升？答案在于传统的“捕捞努力量”（Fishing Effort）估算方法存在盲区。过去，人们习惯用“出海天数”或“船舶低速航行时间”来衡量捕捞强度，但这套逻辑对拖网可能有效，对静态网具却失灵了——因为网具布下后，船舶可能离开，而网具仍在水中持续“工作”，这段关键的“浸泡时间”（Soak time）以及网具本身的大小，往往被传统的宏观统计数据忽略掉了。
为了拨开这团迷雾，来自法国国家科学研究中心（CNRS）和拉罗谢尔大学的研究团队在《Fisheries Research》上发表了一项突破性研究。他们巧妙地利用了船舶自动识别系统（AIS, Automatic Identification System）的高频定位数据，结合船上观察员的记录，重新审视了2016年至2023年间比斯开湾的捕捞活动。这项研究不仅仅是为了数船，而是为了精准描绘出每一张网在水下的真实“足迹”。通过引入网长、网高和浸泡时间这三个关键维度，研究人员构建了一个名为“捕捞表面积-时间”的新指标（单位为 m2·h）。这一新视角揭示了以往被掩盖的高风险区域，特别是冬季大陆架上的捕捞热点，为解开海豚死亡率之谜提供了至关重要的科学证据。
主要技术方法
本研究主要依托于多源地理定位数据与渔业日志的融合分析。研究团队获取了2016年至2023年间比斯开湾海域的AIS数据（来自CEREMA，几分钟更新一次）、VMS（船舶监控系统，来自IFREMER，1-2小时更新一次）以及Global Fishing Watch（GFW）数据。通过R语言处理AIS轨迹，识别出船舶的“布网”与“起网”事件，从而推算出网具长度及浸泡时间。网具高度数据则来源于ObsMer计划的船上观察员记录。此外，研究整合了法国渔业信息系统（SACROIS）的日志数据，将船舶轨迹与具体的目标鱼种、渔具类型进行匹配，最终实现了高分辨率的捕捞努力量空间制图。
研究结果
2.1 研究区域
研究聚焦于比斯开湾（法国），该区域根据国际海洋考察理事会（ICES）的定义被划分为四个子区域（27.8.a, 27.8.b, 27.8.c, 27.8.d），涵盖了从近岸到大陆架的广阔海域。
2.2 总体实验设计
分析流程分为五个步骤：数据收集（AIS, VMS, GFW及日志数据）、AIS覆盖率评估与轨迹识别、网具作业事件（起/布网）检测以估算浸泡时间和网具特征、基于网表面积与时间的捕捞努力量量化，以及最终的空间制图与趋势可视化。
2.3 地理定位数据
研究对比了三种数据源：AIS提供高分辨率（分钟级）轨迹，适用于 mandatory（强制）大于15米的船舶及部分自愿安装的小船；VMS提供中等分辨率（小时级）数据，关联了详细的渔业信息；GFW则提供日分辨率的栅格化努力量数据。三者互补，其中AIS的高频特性是精确估算网长的关键。
2.4 渔业数据
通过SACROIS系统整合渔民日志、VMS和市场数据，获取了航次起止时间、目标物种和渔具类型。结合ObsMer观察员的实地数据，研究人员建立了不同目标物种对应的网具平均高度数据库。
2.5 覆盖率评估
分析了AIS在整个刺网渔船队中的覆盖比例。结果显示，对于大于15米的强制装备船舶，AIS覆盖率极高；对于12-15米及7-12米的非强制船舶，虽覆盖率较低，但通过数据交叉验证，仍能确保总体分析的代表性。
2.6 数据处理
2.6.1 捕捞作业识别
为确保可靠性，研究仅保留包含至少6个AIS点位（约1小时覆盖）的航次。利用算法分析船舶速度变化，精准锁定船舶从航行转为低速布网，以及从低速起网转为航行的转折点，从而界定捕捞发生的时空范围。
研究结论与讨论
这项研究成功地利用AIS数据“透视”了比斯开湾的刺网渔业。研究结果表明，网具长度存在巨大差异，根据目标物种不同，网长可在0.5公里到11公里之间变化；网高则在1米到8米之间波动。传统的“出海天数”指标无法反映这种复杂的物理存在。
通过引入浸泡时间，研究发现网具在水中的实际作业时长远超船舶在场的直观印象。将网长、网高与浸泡时间结合计算出的新捕捞努力量指标，清晰地揭示了显著的空间和时间异质性。地图显示，捕捞强度最高的区域主要集中在大陆架海域，而时间上则集中在冬季。这恰好与海豚搁浅高发期和高密度分布期重合，解释了为何海豚兼捕风险在特定时空下会急剧上升。
这一成果的意义在于，它打破了传统渔业管理数据的局限，证明了利用现成的AIS数据可以低成本、高精度地监控被动渔具。这不仅为比斯开湾的海豚保护提供了精准的“热点”地图，也为全球其他面临类似兼捕问题的海域提供了一个可复制的分析框架。未来，管理者可以利用这种高分辨率数据，在关键时空节点实施动态的海域封闭措施，从而在保障渔业生产的同时，切实降低对海洋哺乳动物的误捕风险。
