3.1. 數據缺失與監測缺口
漁獲與上岸數據普遍被描述為品質、解析度與一致性均不佳。物種組成數據偏向於容易辨識的物種，而隱蔽性死亡率（例如釋放後死亡的個體）大多未被量化。對漁撈努力量的理解有限，通常依賴不適宜的替代指標，如船隻數量，這無法捕捉有效的漁撈能力或時空努力量分布。
1. 緒論與背景
本回顧旨在探討西南印度洋（SWIO）小型漁業（SSFs）與脆弱海洋巨型動物——特別是海洋哺乳動物、海龜及軟骨魚類（鯊魚、魟魚、鰩魚）——之間的關鍵交互作用。小型漁業對於發展中地區沿海社區的糧食安全與生計至關重要。然而，其作業常導致顯著的混獲，並對巨型動物族群造成直接衝擊。這些巨型動物具有K-選擇生活史特徵（生長緩慢、成熟期晚、繁殖力低），使其對人為死亡率極為敏感，即使死亡率不高，也可能導致族群數量急遽下降。
本文綜整現有知識，強調嚴重的數據與監測缺失，並主張亟需採取協作性、以實證為基礎的管理策略，以確保漁業及其所依賴的海洋生態系統之永續性。
2. 回顧範圍與方法論
本回顧涵蓋了經同儕審查的文獻、灰色文獻（例如非政府組織報告、政府文件），以及來自多個西南印度洋國家（包括肯亞、坦尚尼亞（含桑吉巴）、莫三比克、南非、馬達加斯加）的專家知識。方法論涉及系統性地整理以下數據：
- 已通報的巨型動物混獲與直接捕獲。
- 漁撈努力量指標與船隊特性。
- 現有管理措施及其紀錄之成效。
- 關於漁民對資源依賴性的社會經濟研究。
一個關鍵發現是數據具有零散且多為軼事性質，這阻礙了進行可靠的區域性評估。
3. 關鍵發現：交互作用現況
數據品質
不佳 / 軼事性
上岸量與混獲數據不可靠。
物種脆弱性
極高
歸因於K-選擇生活史。
管理基礎
證據薄弱
策略常缺乏科學基礎。
3.2. 對脆弱物種群體的影響
所有三類巨型動物群體在西南印度洋多個區域均顯示出過度開發與族群數量下降的跡象。
- 軟骨魚類：因針對魚鰭和魚肉的目標性捕撈，以及高混獲率，面臨最高威脅。許多物種在IUCN紅色名錄中被列為數據缺乏。
- 海洋哺乳動物：鯨豚類（海豚、鯨魚）與儒艮在刺網及其他漁具中被混獲。
- 海龜：所有物種均受威脅，在網具中的混獲，以及針對龜卵與成龜的捕撈是主要問題。
3.3. 社會經濟背景與漁民依賴性
小型漁業不僅是一項經濟活動，更是糧食安全與文化認同的關鍵組成部分。未能理解漁民對這些資源（包括出售混獲物以獲取收入）依賴程度的管理干預措施，很可能無效或面臨強烈抵制。生計多樣化通常有限。
4. 研究與管理的核心挑戰
4.1. 實證管理之不足
一個核心缺陷是在缺乏堅實證據基礎的情況下制定管理策略。這導致法規可能在生物學上不適宜、社會經濟上不可持續或難以執行。缺乏基準數據與持續監測，使得無法評估族群現況或管理措施的影響。
4.2. 治理與協作框架
治理模式通常是自上而下的，漁民與當地社區的實質參與有限。缺乏區域性協作框架來處理跨國界族群與共同挑戰。本文呼籲政府機構、非政府組織、研究人員與漁民組成聯盟。
5. 建議解決方案與策略性建議
本回顧總結時呼籲採取以下核心行動：
- 改善數據收集：在區域內實施標準化、以科學為基礎的漁獲、努力量及混獲監測，可考慮使用電子監控及漁民自主回報應用程式。
- 共同管理與利害關係人參與：發展參與式管理系統，整合漁民的知識並確保其支持。
- 建立區域能力：透過培訓與資源分配，強化在地科學與管理機構。
- 制定實證導向政策：利用收集到的數據，設計空間明確的措施，如時空禁漁區（TACs）或改良漁具以減少混獲，同時將對漁民生計的影響降至最低。
關鍵見解
- 永續性危機不僅是生物學危機，同樣也是數據與治理危機。
- 解決方案必須與漁業社區共同設計，方能具正當性且有效。
- 對於管理遷徙性巨型動物，區域性途徑是無可妥協的。
6. 批判性分析與專家觀點
核心見解：本回顧揭露了西南印度洋一個根本的系統性失靈：試圖以前工業時代的數據基礎設施與治理模式，來管理一個複雜的社會生態系統。本文正確地診斷了問題——嚴重的證據赤字——但所提出的解決方案，取決於目前尚不具備所需規模的區域合作與機構能力。
邏輯脈絡：論點邏輯嚴謹：數據不佳 → 理解不足 → 管理無效 → 不可持續的結果。本文有效地追溯了這條因果鏈，並以K-選擇物種的脆弱性作為問題的生物學放大器。
優點與缺陷：其主要優點在於其全面性的區域視野，以及對數據貧乏的清晰評估。然而，一個重大缺陷是對實施路徑與政治經濟障礙的處理相對輕描淡寫。它倡導「良善治理」與協作，但對於克服許多發展中地區漁業管理所特有的既得利益、資金短缺與政治惰性，幾乎沒有提供具體策略。相較於其他領域的技術飛躍（例如使用如CycleGAN之類的生成對抗網路（GANs）進行基於影像的物種識別與監測，如Zhu等人於2017年所討論），本文提出的解決方案顯得漸進。
可行見解：對於實務工作者與資助者而言，當務之急應是投資於精簡、技術驅動的數據管道。與其等待完美的、政府主導的監測，應支持使用以下技術的試點計畫：
1. 無人機與衛星影像（靈感來自如Global Fishing Watch等組織的應用），以獨立繪製漁撈努力量分布圖。
2. 智慧型手機上的AI輔助影像辨識，供漁民記錄混獲，減少對分類學專業知識的依賴。
3. 區塊鏈或安全帳本系統用於漁獲文件記錄，以改善可追溯性並打擊非法、未報告及不受規範（IUU）漁業——這是一個相關議題。目標必須是快速產生「足夠好」的數據，為危機層級的決策提供依據，同時建立本文所設想的長期制度框架。
7. 技術框架與分析方法
為了從軼事性評估轉向量化評估，需要一個標準化的分析框架。其核心組成部分是模擬族群脆弱性。這通常使用潛在生物移除量（PBR）框架，並針對混獲進行調整。PBR估算在不導致族群下降的前提下，可從族群中移除的最大個體數量：
$\text{PBR} = N_{min} \times \frac{1}{2} R_{max} \times F_r$
其中：
$N_{min}$ = 最小族群估計值
$R_{max}$ = 最大理論成長率
$F_r$ = 恢復因子（通常為0.1-1.0）
然而，在西南印度洋的背景下，$N_{min}$ 通常是未知的。因此，基於相對風險的優先順序設定框架更為實用。這可以使用半量化的生態風險評估（ERA）方法：
$\text{Risk Score}_{species, fishery} = \text{Exposure} \times \text{Consequence}$
暴露度是時空重疊度與漁具易捕性的函數。後果是物種生物生產力（與K-選擇成反比）與當前族群狀態的函數。
分析框架範例案例
情境：評估莫三比克北部刺網漁業對儒艮（Dugong dugon）的混獲風險。
步驟 1 - 數據整理：收集零散數據：(a) 漁民訪談顯示偶有捕獲。(b) 來自空中調查的歷史目擊地圖（WCS, 2010）。(c) 已通報刺網漁區的地理資訊系統圖層。
步驟 2 - 暴露度指數：計算儒艮棲地（海草床）與刺網努力量的空間重疊度。使用簡單評分：3（高度重疊）、2（中度）、1（低度）、0（無）。假設分數 = 2。
步驟 3 - 後果指數：儒艮的 $R_{max}$ 極低（約每年5%）。IUCN狀態為易危。給予高後果分數：3。
步驟 4 - 風險分數： $\text{Risk Score} = 2 \times 3 = 6$（分數範圍0-9）。這標示為研究與減緩措施的高度優先事項（例如，測試聲學驅趕器或修改網具結構）。
此框架允許管理者在不完美的數據下，對行動進行優先排序。
實驗結果與圖表說明
概念圖：數據保真度 vs. 管理行動時間軸
一個假設性圖表將顯示兩條曲線。曲線 A（當前典範）：顯示一段漫長、平緩的「數據收集」期，保真度低（不確定性高），隨後是延遲且往往無效的「管理行動」。曲線 B（建議的敏捷典範）：顯示快速迭代。始於「快速風險評估」（中等保真度），導致「試點減緩措施」（例如，社區主導的時空禁漁），進而產生「在地遵從度與混獲數據」，回饋以精煉評估，形成一個持續循環。關鍵見解是：行動不能等待完美數據；管理必須成為一個學習過程。
8. 未來方向與應用展望
西南印度洋永續小型漁業管理的未來，在於參與式治理、適宜技術與適應性科學的匯聚。
- 超在地化、技術賦能的共同管理：低成本感測器、衛星AIS與行動應用程式的興起，將賦權漁業社區收集並擁有其數據，為真正的共同管理協議奠定基礎。太平洋的SmartFish等計畫提供了範例。
- 人工智慧與機器學習：除了識別功能，AI可以分析漁獲與環境數據的模式，以預測混獲熱點，從而實現動態空間管理（「移動作業」規則），類似於美國國家海洋暨大氣總署（NOAA）為保護海龜所推動的計畫。
- 替代生計與價值提升：未來的干預措施必須積極發展經濟替代方案，例如以巨型動物（鯨鯊、海豚）為焦點的社區生態旅遊，或對永續漁獲進行加值處理，以減輕對脆弱物種的壓力。
- 混合融資與影響力投資：保育成果需要永續資金。將慈善補助與對社區企業（例如永續水產養殖）的影響力投資相結合的模式，對於長期成功至關重要。
- 與氣候調適整合：管理計畫必須具有前瞻性，納入氣候韌性。保護常在生態系統功能中扮演關鍵角色的巨型動物，可以成為在變遷的海洋中維持生產性漁業的核心策略。
9. 參考文獻
- Temple, A. J., Kiszka, J. J., Stead, S. M., Wambiji, N., Brito, A., Poonian, C. N. S., Amir, O. A., Jiddawi, N., Fennessy, S. T., Pérez-Jorge, S., & Berggren, P. (2018). Marine megafauna interactions with small-scale fisheries in the southwestern Indian Ocean: a review of status and challenges for research and management. Reviews in Fish Biology and Fisheries, 28, 89–115.
- Dulvy, N. K., et al. (2014). Extinction risk and conservation of the world's sharks and rays. eLife, 3, e00590.
- Lewison, R. L., Crowder, L. B., Read, A. J., & Freeman, S. A. (2004). Understanding impacts of fisheries bycatch on marine megafauna. Trends in Ecology & Evolution, 19(11), 598-604.
- Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV).
- Global Fishing Watch. (2023). Transparency in Global Fisheries. Retrieved from https://globalfishingwatch.org
- Heithaus, M. R., Frid, A., Wirsing, A. J., & Worm, B. (2008). Predicting ecological consequences of marine top predator declines. Trends in Ecology & Evolution, 23(4), 202-210.
- IUCN. (2023). The IUCN Red List of Threatened Species. Version 2023-1. Retrieved from https://www.iucnredlist.org.