MCM520 ← 资料站首页 北鲑可持续捕捞优化与最大可持续产量（美赛 2020 MCM-A · 范文二） 打开交互阅读器 →

北鲑可持续捕捞优化与最大可持续产量（美赛 2020 MCM-A · 范文二）

一、问题重述

在范文一建立 Ricker 补充量模型并估计出有效生产力 aeffa_{\text{eff}} 后，第二层任务转向管理优化：在保障种群不衰退的前提下，确定能长期稳定获得最大产量的捕捞策略。核心概念是最大可持续产量（Maximum Sustainable Yield, MSY）——即在任一年保持"捕捞量 = 当年剩余产量"时所达到的长期最大年产。

本文（范文二）以两族群为对象，求解各自的最优捕捞率 h∗h^*、最优产卵群体 Smsy∗S^*_{\text{msy}} 与最大可持续产量 YmsyY_{\text{msy}}，并将其与"当前固定 45% 捕捞率"政策对比，判定过度/不足捕捞状态并给出恢复路径。

二、模型假设

  1. 承接范文一：补充量 N=aeffSe−bSN=a_{\text{eff}} S e^{-bS}，其中 aeffa_{\text{eff}} 已折入平均环境乘子。
  2. 管理者对回归量施加固定捕捞率 hh，剩余 (1−h)N(1-h)N 成为下一代产卵群体，长期进入均衡。
  3. 环境乘子取长期均值（管理者不可控但可预期），故优化在"平均年景"下进行，结论偏乐观上限。
  4. 当前政策情景为固定 hcur=0.45h_{\text{cur}}=0.45，与历史起伏努力度区分开，作为待评估的稳态方案。
  5. 种群动态在均衡附近线性化，用于估计从过度捕捞恢复所需的年数。

三、符号说明

符号 含义
hh 固定捕捞率（决策变量）
S∗(h)S^*(h) 给定 hh 下的均衡产卵群体
Y(h)Y(h) 给定 hh 下的可持续产量（= 均衡时年捕捞量）
h∗,Smsy∗,Ymsyh^*,S^*_{\text{msy}},Y_{\text{msy}} 使 Y(h)Y(h) 最大的最优解
Seq,YeqS_{\text{eq}},Y_{\text{eq}} 当前政策 hcurh_{\text{cur}} 下的均衡值与产量

四、模型建立

4.1 均衡与可持续产量

给定固定 hh，均衡满足 S=(1−h) aeffSe−bSS=(1-h)\,a_{\text{eff}} S e^{-bS}，消去正根得

S∗(h)=ln⁡ ⁣(aeff(1−h))b,Y(h)=h⋅S∗(h)1−h S^*(h)=\frac{\ln\!\big(a_{\text{eff}}(1-h)\big)}{b},\qquad Y(h)=h\cdot\frac{S^*(h)}{1-h}

要求 aeff(1−h)>1a_{\text{eff}}(1-h)>1，否则无正均衡（种群崩溃）。Y(h)Y(h) 是单峰函数，其顶点即 MSY。

4.2 最优解求解

对 h∈[0,0.95]h\in[0,0.95] 以步长 0.00050.0005 细网格搜索使 Y(h)Y(h) 最大的点，得到每族群最优解（图2 给出 Y(h)Y(h) 曲线与顶点）。

4.3 当前政策评估与恢复

将当前 hcur=0.45h_{\text{cur}}=0.45 代入均衡公式得 (Seq,Yeq)(S_{\text{eq}},Y_{\text{eq}})；若 hcur>h∗h_{\text{cur}}>h^* 判为过度捕捞（种群被压低于 Smsy∗S^*_{\text{msy}}）。恢复年数由在均衡附近线性化得到特征值 λ=1−bSmsy∗\lambda=1-b S^*_{\text{msy}}，估算把 SS 从 SeqS_{\text{eq}} 拉回 0.95Smsy∗0.95S^*_{\text{msy}} 所需年数。

五、模型求解与结果

最优解（MSY）

  • 早洄游 E：h∗=0.3655, Smsy∗=8.418, Ymsy=4.849h^*=0.3655,\ S^*_{\text{msy}}=8.418,\ Y_{\text{msy}}=4.849。
  • 晚洄游 L：h∗=0.3125, Smsy∗=9.422, Ymsy=4.283h^*=0.3125,\ S^*_{\text{msy}}=9.422,\ Y_{\text{msy}}=4.283。

当前政策（45%）评估

  • E：Seq=5.127, Yeq=4.195S_{\text{eq}}=5.127,\ Y_{\text{eq}}=4.195，产卵群体较最优低约 39%39\%，属过度捕捞。
  • L：Seq=2.695, Yeq=2.205S_{\text{eq}}=2.695,\ Y_{\text{eq}}=2.205，产卵群体较最优低约 71%71\%，过度捕捞更严重。
  • 全种群合计：当前年产 6.4006.400，最优 MSY 9.1329.132，产量缺口达 42.69%42.69\%——当前政策既伤害种群、又未能拿到本可拿到的产量，是"双输"。

需要说明，上述产量数值是"单位归一化"下的相对量纲（便于两族群横向比较与模型复现），其意义在于揭示比例关系而非绝对吨位；真实管理中使用官方统计的成鱼重量代入同一套公式即可得实际可捕吨数。值得注意的另一个比例是"留养率"：达到 MSY 时，E 需把约 1−hE∗=63%1-h^*_E=63\% 的回归量留作产卵群体、L 需留约 69%69\%，即最优状态本身就是"多数放流、少数捕捞"——这从侧面说明当前 55%55\% 留养率（对应 45% 捕捞）仍偏低，仍有上调空间。

剩余产量曲线（图1）直观显示：MSY 对应单峰顶点；当前 45% 政策位于顶点右侧（过度捕捞区），继续加码捕捞反而减产。

图1 剩余产量曲线 Y(S)=R(S)−S（顶点即 MSY）

图2 可持续产量 Y(h) 与最优捕捞率 h*

图3 当前政策 vs 最优：均衡产卵群体 S

图4 当前政策 vs 最优：可持续产量 Y

图5 两族群 MSY 参数汇总

把捕捞率从 45% 调至各自最优后，产卵群体将反弹（图6）：E 族群约 1 年即可恢复到 0.95Smsy∗0.95S^*_{\text{msy}}，而 L 族群因被压得更低、生产力更弱，需约 4 年。这说明"晚洄游族群是恢复瓶颈"，应优先保护。

图6 恢复轨迹：将捕捞率调至最优 h* 后产卵群体 S 反弹

管理情景对比（图7）给出三档年产：当前 45% 得 6.406.40、调优至 MSY 得 9.139.13、完全禁渔则产出为 00（牺牲全部当期收益保种群）。可见最优捕捞率恰好处在"保种群"与"保产量"的折中峰点。

图7 管理情景对比：年产（两族群合计）

图8 本研究技术路线（Q2 可持续捕捞优化）

六、模型评价

Y(h)Y(h) 曲线的单峰形状是理解"过度捕捞反而减产"的关键：在顶点左侧（低捕捞率），增加捕捞主要吃掉剩余产量、几乎不伤种群，产量近似线性上升；越过顶点后（高捕捞率），每一次加码都更多取自产卵群体本身，种群被压低、来年补充量随之塌缩，产量反而下降。本文当前 45% 政策恰位于顶点右侧，故"少捕一点"既能让种群回升、又能让年产量走高——这正是可持续渔业的反直觉之处。值得补充的是，最优捕捞率并非越小越好：若把捕捞率压到远低于 h∗h^*（如接近禁渔），虽然种群最健康，但当期产量趋近于零，牺牲了渔业社区的全部生计，同样不可取；h∗h^* 正是"保种群"与"保产量"的帕累托峰点。两族群分算还揭示了一个常被忽略的事实——同一个固定比率对生产力不同的族群意味着不同的相对压迫：L 族群因 aeffa_{\text{eff}} 更低、对密度更敏感，在同等 45% 下被压得远比 E 狠，这正是恢复时间相差四倍的根源。

优点：(1) MSY 用闭式均衡 + 细网格搜索，精确且可复现；(2) 显式区分"当前政策的双输"与"最优的单峰"，结论直观有力；(3) 恢复年数给出可操作的时间尺度，便于排定保护优先级；(4) 两族群分算，暴露了 L 族群的脆弱性。

局限：(1) 优化基于"平均环境"，未计入年际波动，丰年可适度增捕、歉年须减捕；(2) 固定捕捞率假设忽略实际渔业的努力度动态；(3) 恢复年数用线性化近似，未做全随机仿真；(4) 未把经济价值、就业等社会成本纳入，纯生物量视角。

七、结论

当前 45% 固定捕捞率对两族群均属过度捕捞：早洄游 E 产卵群体被压低约四成、晚洄游 L 被压低约七成，全种群因此损失的潜在产量高达 42.69%42.69\%。将捕捞率调至各自最优（hE∗=0.366, hL∗=0.313h^*_E=0.366,\ h^*_L=0.313）即可同时实现"种群更健康、产量更高"的双赢，且 E 约 1 年、L 约 4 年恢复。最优捕捞率显著低于当前值，说明管理上应当主动减产而非增产——这正是可持续渔业反直觉却关键的一点。把这一结论换算成可沟通的语言：当前政策每年"放弃"了约 42.69%42.69\% 的潜在产量，而这部分损失并非不可挽回——只需把捕捞率下调到各自最优附近，种群会在数年内自愈并反哺出更高、更稳的年产量。换言之，短期的减产是换取长期更高产出的必要投资，其回报周期对 E 仅约 1 年、对 L 约 4 年，投资性价比极高。从更宏观的视角看，北鲑案例折射出全球渔业的普遍困境：多数过度捕捞并非源于"不知道该捕多少"，而是源于"短期利益压过长期理性"。模型的价值正在于把长期而分散的损失，聚合成一个当下可读的数字——42.69%42.69\% 的缺口，比任何道德劝说都更有说服力，也更难被忽视。针对本案例，把捕捞率从 45% 调至最优附近，是两族群同时回到健康区间成本最低、见效最快的第一步，值得作为优先政策选项立即推进，而不必等待更复杂的模型或更长年的数据积累。

八、管理建议（落地指引）

基于本层优化，给出三条落地建议。第一，把当前 45% 捕捞率分族群、分年限下调至最优附近，优先压低对 L 族群的压迫，因其恢复最慢、最易成为崩溃突破口。第二，建立年度可调的捕捞配额机制而非固定比率：丰年（海洋存活因子偏高）适度增捕、歉年主动减捕，以平滑年际波动对种群的冲击。第三，以 Smsy∗S^*_{\text{msy}} 为硬性保护红线写入管理规章——任何年份产卵群体跌破该线即触发临时禁捕，把"恢复年数"转化为可执行的触发式保护。这三条建议把 MSY 从一个理论峰值，变成可监控、可触发、可纠偏的日常治理工具。还需配套利益补偿机制：下调捕捞率短期内会减少渔民收入，若没有过渡性补偿或替代生计，政策难以落地；可借鉴生态服务付费，把"少捕保种群"的外部收益内部化给遵守配额的渔户。可持续渔业最终是利益再分配问题，模型给出的是"该捕多少"，而能否捕到，取决于配套的社会设计是否到位。就本案例而言，最优捕捞率较当前下调幅度有限（E 由 45% 到约 37%、L 到约 31%），对渔获量的短期冲击可控，却能把种群从过度捕捞拉回健康区间，是成本低、收益高的优先动作；与其纠结于更复杂的模型，不如先把这个已被量化的简单调整落到实处。这种"先用简单模型解决大问题"的务实取向，恰恰是资源受限情境下最值得倡导的建模伦理，也最容易在真实治理中被采纳。

附录：核心 Python 实现

# 附录：核心 Python 实现（独立可运行，复现本文权威数字）
import os, sys, math
_HERE = os.path.dirname(os.path.abspath(__file__))
sys.path.insert(0, os.path.abspath(os.path.join(_HERE, "..", "..", "..", "tools")))
import gen_mcm2020a as G

D = G.gen_mcm2020a()
print("当前政策 h=%.2f" % D["h_cur"])
for k in ("E", "L"):
    s = D["stocks"][k]
    print("[%s] h_opt=%.4f S_msy=%.3f Y_msy=%.3f" % (s["name"], s["h_opt"], s["Smsy"], s["Ymsy"]))
    print("      当前: S_eq=%.3f Y_eq=%.3f 状态=%s 恢复年=%s"
          % (s["S_cur_eq"], s["Y_cur_eq"], s["status"], s["recover_yrs"]))
print("汇总: 总MSY=%.3f 总当前产量=%.3f 缺口=%.2f%% 最大恢复年=%s"
      % (D["tot"]["Ymsy"], D["tot"]["Ycur"], D["tot"]["gap_pct"], D["tot"]["max_recover_yrs"]))