美國環保協會：2021年新型和新興的可持續漁業技術綜述報告（99頁）.pdf

1、 新新型型和和新興新興的可持續的可持續漁業漁業技術技術綜述綜述 美國環保協會美國環保協會|海洋技術解決方案海洋技術解決方案|2021 年年 4月月 新型新型和和新興新興的可持續漁業的可持續漁業技術綜述技術綜述 作者：作者：美國環保協會 Christopher Cusack Omisha Manglani Shems Jud Katie Westfall Rod Fujita Nicole Sarto 咨詢 Nicole Sarto Poppy Brittingham Fathom咨詢 Huff McGonigal 欲聯系本報告作者，請通過 edf.org/oceans/smart-boats提

2、交信息。目錄目錄 縮略詞表.5 1.引言.7 2.變革性技術.12 2.1 傳感器.12 2.2衛星遙感.16 2.3 數據采集平臺.17 2.4 智能手機.20 2.5 公民科學家.21 2.6數據連通性.21 2.7人工智能.23 2.8 數據系統和云.24 2.9 漁具改造.25 2.10生物技術.26 3.水上活動.28 3.1漁獲量和捕撈努力量核算.28 3.1.1 電子監控.29 3.1.2 電子報告.32 3.1.3估算漁獲量和捕撈努力量的遙感技術.34 3.1.4 岸基攝像機.34 3.2 合規監測.35 3.2.1漁船跟蹤裝置.35 3.2.2促進漁業監測、控制和監視的遠程跟

3、蹤技術.36 3.3資源豐度和生產力估算.38 3.3.1攝像機視覺調查.39 3.3.2用于評估的聲學技術.41 3.3.3環境 DNA 和遺傳學.42 3.4 海洋生態系統監測.44 3.4.1 海洋生態系統測繪.44 3.4.2 污染監測.46 3.4.3監測海洋動物健康狀況.47 3.4.4聲學生態系統監測.48 3.4.5珊瑚礁健康狀況監測.49 3.4.6 海洋觀測.49 3.5 提升供應鏈透明度.50 3.5.1減少海產品欺詐.53 3.5.2 采購負責任海產品.53 3.5.3 跟蹤小規模海產品.54 3.6 數據集成和管理.55 3.6.1改進捕撈作業.56 3.6.2 利用

4、海洋數據生態系統創造新價值.58 4.海洋技術籌資環境.60 4.1籌資渠道.61 4.1.1政府機構.62 4.1.2 雙邊援助機構.65 4.1.3 國際金融機構.66 4.1.4 多邊機構.68 4.1.5慈善基金會.69 4.1.6 非政府組織.72 4.1.7民間融資.74 4.1.8 加速器項目.76 4.2近期籌資活動.78 4.2.1增加籌資的資金量和多元性.78 4.2.2各類技術的近期趨勢.79 4.2.3 增長趨勢的例外.82 4.3 展望未來.83 4.3.1 透明度.83 4.3.2 數據集成、訪問和使用.84 4.3.3 機構能力建設.84 4.3.4實施條件.85

5、 4.3.5 小規模漁業.86 4.3.6科研活動.87 4.3.7新興興趣.88 5.致謝.90 6.參考文獻.91 縮略詞表縮略詞表 ADB 亞洲開發銀行 AFMA 澳大利亞漁業管理局 AFSC 阿拉斯加漁業科學中心 AI 人工智能 AIS 自動識別系統 AWS 亞馬遜網絡服務 BDC Berring 數據集合 BDP 大數據項目 BFAR 菲律賓漁業與水產資源局 CI 保護國際基金會 CPUE 單位捕撈努力量漁獲量 DARPA 美國國防高級研究計劃局 DFI 發展金融機構 DL 深度學習 DNB 晝夜光帶 DOV 潛水員操作視頻系統 EDF 美國環保協會 EEZ 專屬經濟區 EFCA 歐

6、洲漁業控制局 EIB 歐洲投資銀行 EIF 歐洲投資基金 EM 電子監控 EMR 電子監控和電子報告 ERP 企業資源計劃 EU 歐盟 FAD 人工集魚裝置 FAO（聯合國）糧食及農業組織 FIP 漁業改進項目 GDST 海產品可追溯性全球對話平臺 GEF 全球環境基金 GFW 全球漁業觀察 GPS 全球定位系統 GSI 遺傳種群鑒定 GSM 全球移動通信系統 IMO 國際海事組織 IUU 非法、不報告和不管制（捕魚）JICA 日本國際協力事業團 LiDAR 激光雷達 MCS 漁業監測、控制和監視 MPA 海洋保護區 MSC 海洋管理委員會 MSP 海洋空間規劃 NFC 近場通信 NFWF 美

7、國國家魚類和野生動物基金會 NGO 非政府組織 NOAA 美國國家海洋和大氣管理局 OECD 經濟合作與發展組織 PNA 瑙魯協定締約國 PSMA 港口國措施協定 RFID 射頻識別 RFP 需求建議書 ROV 遙控潛水器 RUV 遠程水下航行器 SALT 海產品合法性和可追溯性聯盟 SAPO 預警、預測和觀測系統 SAR 合成孔徑雷達 SBI 智能船舶倡議 SDG 可持續發展目標 SERNAPESCA 智利國家漁業與水產養殖局 SK Saltonstall-Kennedy 索頓斯托爾-肯尼迪 SLAR 合成孔徑側視雷達 SOF 可持續海洋基金 SSF 小規模漁業 TNC 大自然保護協會 TU

8、V 拖曳式水下機器人 UAS 無人機系統 UN 聯合國 USAID 美國國際開發署 USGS 美國地質調查局 USV 無人水面艇 VIIRS 可見光紅外成像輻射儀套件 VMS 漁船監測系統 WCPFC 中西部太平洋漁業委員會 WCPO 中西部太平洋 WWF 世界自然基金會 edf.org|7 1.引言引言 我們的海洋正處于一個拐點。我們的海洋正處于一個拐點。20 世紀不加節制世紀不加節制的行為的行為對對大部分可利用大部分可利用生物資源的過度開發，塑料和其他化學物質造成的生物資源的過度開發，塑料和其他化學物質造成的過度過度污染，混亂無序和相互污染，混亂無序和相互競爭的利益競爭的利益方方激烈爭奪海

9、岸和海洋空間激烈爭奪海岸和海洋空間，以及采掘業以及采掘業的的過度資本化過度資本化正在正在產產生非常嚴重的影響，不僅生非常嚴重的影響，不僅嚴重嚴重威脅海洋生物和海洋生態系統，還嚴重威脅威脅海洋生物和海洋生態系統，還嚴重威脅世界世界糧食安全和糧食安全和營養狀況，依賴海洋生存的社區的生計以及人類的未來營養狀況，依賴海洋生存的社區的生計以及人類的未來。隨著越來。隨著越來越多的人意識到這一問題，越多的人意識到這一問題，這種情況這種情況開始開始有所緩解。有所緩解。自第一次工業革命以來，人類經歷了快速技術變革，這是導致世界海洋遭到大規模破壞的直接原因。這種廣泛變革不僅給人類帶來了前所未見的最大生存威脅氣候變

10、暖，還顯著提高了人類利用海洋礦產和生物資源的能力；陸地上的新制造工藝將大量廢水廢氣排放至海洋和大氣中；更先進的通信和交通運輸技術快速推動全球化進程，顛覆了傳統生活方式，更青睞基于消費的生活方式。具有諷刺意味的是，新興技術不僅是導致我們造成如此大規模影響的原因，也是減輕和逆轉這些影響必不可少的工具。在過去幾十年里，我們實現了令人難以置信的廣泛技術進步，這些進步正在影響地球上的每一個人。其中最重要的也許是通信網絡規模的大規模擴張，現已覆蓋地球的每一個角落（以及一定深度）。目前，全球智能手機用戶已經達 35 億，而手機使用的蜂窩網絡速度越來越快，普及率越來越高。目前人類已向太空發射數萬顆微型衛edf

11、.org|8 星，其中一些只有烤奶酪三明治那么大1，這些衛星編織的網絡已覆蓋地球大部分地區。目前研究人員正在開發水聲調制解調器2等水下通信方法。這些通信基礎設施正在支持和推動一場數字革命。云計算使任何能夠連接互聯網的人都能夠使用超級計算機，推動新技術獲取的去中心化，并促進技術在全球的更廣泛應用。新傳感器技術正在擴大采集的數據類型并降低數據采集成本進而拓寬我們的視野，使我們能夠更深入地了解海洋以及人類活動對海洋造成的影響。采用人工智能技術的新分析工具正在提高我們利用這些不斷擴展的數據集的能力，這在不久之前仍是不可想象的。越來越多的用戶能夠利用更多信息創造更多價值，進而推動集成技術的開發，使單一信

12、息源能夠為多方所用。一種強調免費使用、訪問和共享的數據管理范式正在取代信息巨石模式，即數據采集者才能存儲和使用數據。目前我們正在經歷第四次工業革命，越來越多的集成技術被用于自動化生產過程，與此同時，第四次環保主義浪潮如火如荼，環境責任日益成為企業經營必不可少的一部分。這種關聯關系是一個重大機會，我們可以利用新技術在企業經營過程中促進環境可持續性，如此一來便可推動全球大部分產業的結構重組這種結構重組的核心支柱是數字技術的新興潛力。全球大多數產業都在迅速向新范式轉變，漁業卻被落在了后面。這一現象背后存在諸多深層原因：漁民往往沒有特許經營權而且組織不善，在政策過程中缺乏話語權；魚類數量難以統計；漁民

13、往往是獨立經營者，高度分散并且難以追蹤；許多漁業難以管理，導致漁業資源消耗量遠遠高于潛力。所有這些因素（以及其他諸多因素）交織耦合，不僅導致難以“標準化”或“合理化”魚類資源管理，也導致整個漁業管理更加復雜，不管是從后勤支持還是投資角度來看，漁業改進舉步維艱。但是，導致漁業難以獲得投資來推動技術進步的因素也代表著技術能夠產生最重大影響，推動漁業大踏步邁向數字化未來的領域。在過去十年里，盡管進展緩慢，漁業仍然實現了以技術為核心的人力、資在過去十年里，盡管進展緩慢，漁業仍然實現了以技術為核心的人力、資本和政治資源的廣泛動員，旨在本和政治資源的廣泛動員，旨在扭轉扭轉之前行動造成的之前行動造成的影響，

14、影響，同時制定同時制定海洋海洋可持可持續利用戰略。續利用戰略。動員全球資源，促進海洋可持續利用日益緊迫，這一點也在聯合國于 2015 年制定的可持續發展目標 14（保護和可持續利用海洋和海洋資源促進可持續發展）3和“聯合 1 https:/swarm.space/2 http:/ 3 https:/sdgs.un.org/goals/goal14 edf.org|9 國海洋科學促進可持續發展十年”（簡稱“海洋十年”）4中有所體現?！昂Ｑ笫辍钡目傮w目標是遏制海洋健康不斷下滑的趨勢，構建一個共同框架，匯集所有利益相關者，確保所有國家都能利用海洋科學，促進海洋可持續發展。其他備受關注的全球倡議包括

15、聯合國糧食及農業組織牽頭的港口國措施協定（PSMA）5，拒絕為從事非法、不報告和不管制捕撈（IUU）的船舶提供服務（包括卸貨），以此來打擊 IUU 捕撈行為；此外，世界自然保護聯盟（IUCN）呼吁到2030年至少保護地球上30%的海洋，禁止在保護區內開采資源（3030）6。這些努力意味著人們開始意識到，海洋可持續利用面臨的挑戰過于嚴峻，僅采用零散、非系統性解決方案已無法解決。如果沒有新興技術在其中發揮核心作用，這些倡議都無法實現。例如，港口國措施協定的成員國之所以能夠確定對哪些船舶采取制裁措施，是因為它們采用了基于技術的船舶跟蹤和海產品追溯系統。而為了劃定“3030”倡議的保護區，以便最大限度

16、地保護生態系統，同時最小化與其他海洋資源使用者的沖突，我們必須了解并測繪海洋棲息地和人類活動的空間分布。聯合國“海洋十年”規劃的發布表明我們目前已經掌握大幅增進對海洋生態系統以及人類行動如何影響海洋的認識所需的技術。這類合作協議推動各國做出響應，在推動技術創新方面發揮著重要作用。例如，國際海事組織（IMO）的任務規定之一是要求到 2050 年將國際航運溫室氣體排放量減半7，這有助于提高在 2030 年前將零排放船舶推進系統投入市場的可能性（Leape 等，2020 年）。而國際海事組織的漁船安全開普敦協定8則可通過制定可實現的船舶建造和設計性能標準來協助降低商業漁船船員面臨的風險。政府法規可能

17、是政府法規可能是重要的重要的創新驅動力，創新驅動力，尤其是在監管機構重點關注制定體現尤其是在監管機構重點關注制定體現當前技術進展，同時激勵進一步創新和效率提升的法規當前技術進展，同時激勵進一步創新和效率提升的法規的情況的情況下下。政府也在為技術發展提供資金方面發揮著重要作用，并且是一個重要的融資渠道，例如獲取世界銀行投資?？傮w而言，漁業和海洋技術的籌資環境正在持續改善，越來越多的影響力基金和私營部門開始為技術發展和漁業改進提供追求收益的投資，對慈善機構、非政府組織（NGO）、政府和多邊資金等傳統資金來源進行補充。漁業技術發展和海洋可持續利用的產品和服務的成熟市場規模相對較小，因此相關融資一直具

18、 4 https:/en.unesco.org/ocean-decade 5 http:/www.fao.org/port-state-measures/en/6 https:/www.iucn.org/resources/issues-briefs/marine-protected-areas-and-climate-change 7 https:/www.imo.org/en/MediaCentre/PressBriefings/Pages/06GHGinitialstrategy.aspx 8 https:/www.imo.org/en/MediaCentre/PressBriefing

19、s/Pages/25-Torremolinos-Conference.aspx edf.org|10 有挑戰性。例如，具有明顯商業價值的水產養殖創新的資金非常充足，但漁業監測和海洋科學的資金卻相對較少。目前，這種現象正在發生變化。越來越多的組織開始采用“藍色經濟”方法來投資海洋領域，以促進以可持續發展為重點的投資，這些投資通常是在推動實現可持續發展目標 14 的框架下進行的。這種方法的基礎信念是藍色經濟將實現持續顯著增長，雖然我們目前對于藍色經濟將通過何種機制創造貨幣價值知之甚少，這些機制將在未來得到進一步解釋。我們我們尚不清楚尚不清楚未來未來將將如何在如何在海洋海洋領域領域創造價值創造價值，

20、但，但這一這一領域的領域的巨大潛力巨大潛力毋毋庸置疑庸置疑。然而，實現強勁、以可持續發展為重點的海洋經濟的路徑仍然存在一個缺口，這是一個循環論證概念導致的結果，即，推動技術創新需要一個強大的海洋技術市場，然而，為了刺激市場發展，我們迫切在市場尚未完善時獲取技術解決方案投資。這就是技術加速器、私人投資者和專用慈善基金出資人的用武之地，它們提供資金并且往往會提供技術支持來填補這一缺口。但是，刺激市場發展不僅僅是通過提供資金提升技術創新能力的問題，還需刺激對這些創新技術采集的信息的需求，這些需求將來自不斷壯大的用戶群體。一個相對明確的信息需求來源是：主要海產品買家越來越強調負責任的海產品采購，確保海

21、產品的環保性和安全性，避免心懷不軌的供應鏈參與者大發橫財，并確保將利益公平分配至供應鏈上的各個節點。消費者也愿意為這些特點買單（例如 Fonner 和 Sylvia，2015 年；Zander 和 Feucht，2018 年），如此一來便可為收集可追溯性數據提供直接價值。在傳統上，獲取這些信息需要利用可互操作的可追溯體系，而在之前只有一些規模最大的公司才具備使用這一功能的能力。隨著智能手機和云應用的普及，現在越來越多的供應鏈參與者（包括小規模漁民）都能使用這些功能。日益增長的日益增長的信息需求，不僅需要證明從技術素養已經較高的地理信息需求，不僅需要證明從技術素養已經較高的地理區域收集區域收集的

22、信息的的信息的價值（直接貨幣價值和間接價值（直接貨幣價值和間接保育保育價值）價值），還需提升技術素養，還需提升技術素養不高的地不高的地理區域理區域的的潛在信息用戶能力潛在信息用戶能力的價值的價值。新技術在這一方面發揮著關鍵作用，執行重要任務需要的人力資本正在逐漸被技edf.org|11 術取代。最新技術進展提升了現有數據采集技術的成本效益，豐富了漁業管理者進行管理決策需要使用的工具。我們將數據轉化為知識，以及應用這些知識來實現成功漁業和海洋管理的能力也得到提高。此外，在技術、機器學習和人工智能支持下實現的更迅速、更密集的數據采集工作極大增強了適應型漁業和海洋管理的潛力，以應對氣候變化或其他動因

23、導致的海洋變化。我們收集的漁業和海洋數據量正在呈指數級增長，這是因為數據供應（通過傳感器和搭載平臺的技術提升和成本降低）和數據需求都在增加。與擺脫“信息巨石”的廣泛變革相呼應的是目前我們正在構建一個新型海洋數據生態系統：更廣泛地共享數據，更好地整合地方和傳統知識，健康的數據創新環境（Leape等，2020年）。這個新型海洋數據生態系統將引領我們邁向漁業和海洋活動“徹底透明化”時代，并且隨著促進更廣泛、更便捷海洋數據共享的工具和過程持續改進，數據用戶數量將持續增加，這就要求我們進一步提高數據可互操作性和加強數據集成。為了確保對海洋資源的可持續利用，我們需要了解并衡量我們的行動對海洋產生的影響。新

24、型數據生態系統中整合的新興技術將增進我們對海洋過程以及它們如何響應人類活動的影響的動態了解，并支持為實現任何海洋產業可持續管理開展的所有工作，其中最重要的當屬漁業。哪些廣泛技術進步將對全球漁業和海洋資源管理產生重大影響？誰是推動漁業和海洋管理邁向新數字范式的主要參與者？哪些挑戰已得到有效解決？哪些尚未得到有效解決？為了回答這些問題（以及其他更多問題），本文件全面系統的分析了漁業技術的“現狀和進展”以及與使用新技術和新興技術協助解決全球、區域和各國常見漁業挑戰相關的當前活動，包括參與這些活動的個人、組織、國家和技術服務提供商?；顒臃秶ㄔ诎惭b水上攝像機或其他傳感器等技術裝置來采集數據，以及利用

25、衛星監控非法捕撈行為的區域性活動，簡化和現代化數據管理系統的全球性活動。這些活動著重強調解決特定情況下面臨的挑戰。盡管具體挑戰因漁業而異，我們確定了許多漁業共同面臨的一組挑戰，這也是本報告的重點內容。這些挑戰包括：漁獲量和捕撈努力量核算、合規監測、種群豐度和生產力估算、海洋生態系統監測、提升供應鏈透明度、以及數據集成和管理。第 2 節概述協助推動海洋領域管理的技術，討論這些技術發展可能產生的當前和未來影響。第 3 節深入討論上述與漁業相關的主要挑戰，并討論旨在解決這些挑戰的具體實踐倡議。第 4 節總結這些倡議的籌資和融資環境，并討論主要資金類別的當前和未來趨勢。edf.org|12 2.變革性

26、技術變革性技術 數字革命的變革潛力正在數字革命的變革潛力正在呈指數級增長呈指數級增長，這得益于用于這得益于用于采集采集信息的傳感器信息的傳感器及其搭載平臺的功能改進和成本迅速下降，以及用于收集、分析、傳輸、存儲及其搭載平臺的功能改進和成本迅速下降，以及用于收集、分析、傳輸、存儲和訪問數據的技術的迅速改進。和訪問數據的技術的迅速改進。雖然幾乎所有研究和應用領域都在實現快速改進，對于改進漁業和海洋可持續管理至關重要的技術進步主要發生在以下幾個領域：開發將廣泛物理現象轉化為可測量數字信息的傳感器，擴大用于監測海洋的衛星星座群規模，無需人工控制便可探索海洋環境的全自動數據采集平臺，以及改進捕撈技術，提

27、高漁業作業效率，同時最大限度地降低環境危害。但是，最重要的卻是能夠推動所有行業（不僅是海洋產業）的技術進步智能手機的大規模普及；無線數據網絡速度和覆蓋面的顯著提高，使物聯網（萬物互聯）成為可能；從獨立計算機服務器到云計算（使任何能夠連接至互聯網的人都能夠使用超級計算機）的持續轉變；以及機器學習和人工智能領域的發展，使我們能夠解讀數字革命產生的大量數據，并利用這些數據創造價值。本節概述一些最重要的技術進展，并討論這些進展對漁業和海洋管理的潛在影響。2.1 傳感器傳感器 傳感器可測量光和聲音等物理或化學變量，并將測量結果轉換為數字信息或數據。edf.org|13 傳感器是海洋監測和科學探索的基礎：

28、部署更多、更先進的傳感器可采集更多、更優質的數據。小型化和降低能耗是傳感器技術演進的主要方向（Leape等，2020年）。降低傳感器運行需要的電力（通常是通過縮小傳感器尺寸實現的）意味著傳感器使用相同的電池可以持續運行更長時間，或者減少需要通過太陽能電池板或其他方法生產的電量。降低功耗也會推動傳感器小型化，使其能夠搭載在新的、更小的平臺上，這些平臺本身的運營能耗也比較低。一些傳感器的尺寸非常小，可嵌入用于傳輸數據的系統中，例如光纖電纜（Zhan，2020 年），而且這些傳感器的能耗非常低，甚至可以搭載在大黃蜂的背部（Iyer，2020年）。光敏傳感器光敏傳感器 智能手機攝像頭市場的進步推動了漁

29、業和海洋監測攝像機的發展。與前幾年相比，現在的攝像機更小、更輕、分辨率更高、以更高幀速捕獲圖像、變焦能力更強、弱光條件下的性能更高、而且成本顯著下降。為交通運輸業設計的現成攝像機系統具有較高耐用性，可承受遠洋和北極地區工作的條件。新西蘭技術公司 SnapIT9設計了一個可在水下 4000 米運行的漁業監測攝像系統?，F在也已開發出 360 度全景攝像機，可監測平面上方（或下方）全景，并且軟件在捕捉圖像后可執行聚焦和縮放功能。這些新系統可以在一定條件下減少需要的攝像機數量，讓觀察者通過虛擬現實體驗探索船舶活動。高光譜攝像機不僅能夠捕捉可見光譜，還可以持續捕捉整個電磁波譜上的輸入。高光譜攝像機目前已

30、用于食品和制造業（例如，檢測新鮮食品中的腐爛食品）（Elmasry 等，2012 年；Xu 和 Sun，2017 年），但它們目前尚未在海洋領域充分發揮潛力。然而，研究人員近期一直在探索使用高光譜成像技術來根據魚類的電磁特征來識別魚種（私人通信，S.Romain）。9 https:/www.snapit.group/edf.org|14 聲學傳感器聲學傳感器 平均而言，海水的不透明性是大氣的 10 萬億倍（Leape 等，2020 年），因此，攝像機適合水面以上作業，而聲學傳感器則在探索海洋深處方面具有更大前景。目前已開發越來越多的聲學工具用于各種新用途，同時現有工具也在不斷改進（Baumga

31、rtner等，2018 年）。這些聲學工具包括跟蹤船舶和潛水員的長基線定位系統，記錄海洋聲景的聲頻信號陷波器，測繪平臺下方海洋情形的回聲測深儀，幫助漁民定位魚群的側掃聲吶，以及測量水流速度和方向的聲學多普勒流速剖面儀。聲學工具在海洋領域應用廣泛，包括估算魚類種群豐度，評估魚類和哺乳動物物種的行為和分布情況，利用聲學技術標記和跟蹤瀕危物種，以及使用遠程低頻聲學測溫法通過測量極地浮冰厚度以及冰蓋穩定性來評估全球變暖的程度（Howe等，2019年）。生化傳感器生化傳感器 在海洋領域具有應用潛力的生化傳感器種類越來越多，這主要得益于醫療和制藥行業的技術轉讓。光譜流式細胞術10等光譜技術（例如 Cabe

32、rnard 等，2018 年；Schymanski 等，2018 年）具有改變海洋觀測和管理方式的巨大潛力。生化傳感器和相關儀表取得的進步對于識別水樣中的微塑料或有害藻類等物體至關重要。這些技術的進步正在轉換為更快、更便捷的分析工具，讓更多用戶能夠監測污染和水質。生化傳感器可以記錄氣候變化的關鍵指標，例如二氧化碳濃度水平、水的 pH 值和甲烷濃度，并協助科學家研究海洋生物對氣候壓力（例如，海洋持續酸化）的反應（Stillman 和Paganini，2015 年）。隨著這些傳感器變得更加精確、可靠、小巧和便宜，它們的應用也越來越廣泛（McPartlin 等，2016 年）。以前，只有資金充足的科

33、研項目才能收集關于葉綠素、鹽度、水深、洋流、濁度、氧飽和度和其他海洋學變量的數據?，F在，海洋傳感器的成本足夠低，尺寸足夠小，可在小規模漁船上搭載公民科學家手動的儀表 10 https:/ edf.org|15 或廉價傳感器陣列。雷達雷達 真實孔徑機載側視雷達（SLAR）在數十年前便已用于觀測海冰漂移和檢測石油泄漏11。在過去十年里，合成孔徑雷達（SAR；SLAR 的一個子集）技術取得了重大進展。合成孔徑雷達發射雷達脈沖，并檢測從目標物體（例如，海面）反射回來的信號，以創建可供分析的二維圖像。目前，合成孔徑雷達圖像的分辨率已經非常高，我們可以通過分析激光探測尾流產生的微波檢測海面或接近洋面的魚群

34、（Klemas，2013 年）。合成孔徑雷達與可見光攝像機一樣不受云層或惡劣天氣的影響，因此是全天候漁業監測的關鍵。目前，這些傳感器的尺寸小、能效高，能夠搭載在無人機和微型衛星上，它們毫無疑問將在未來海洋監測領域發揮重要作用。激光雷達激光雷達(LiDAR)雷達利用目標物體反射的無線電波，激光雷達（LiDAR）的原理與之類似，但利用的是激光。目前，激光雷達是研究人員用于海地測繪的主要地理空間數據來源。輻射測量激光雷達系統操作簡單、成本低、尺寸小、能耗低，因此可以搭載在小型飛行器和無人機上（Santos，2000 年）。激光雷達是船載聲波導航和測距（SoNAR）系統的一種更具成本效益的替代技術，可

35、用于測繪和監測淺水區珊瑚礁生態系統（Costa 等，2009 年）。與合成孔徑雷達一樣，激光雷達在劃定合適漁場范圍方面具有巨大潛力，尤其是激光雷達尺寸非常小，可搭載在無人水面艇或自主水下航行器（AUV）等機器上，因此對于資源開發具有重要意義。11 https:/www.ioscproceedings.org/doi/abs/10.7901/2169-3358-1983-1-349 edf.org|16 2.2 衛星遙感衛星遙感 隨著傳感器的尺寸、成本和能耗降低，它們愈發適合搭載在各種平臺上以實現更廣泛的應用，尤其是對這些因素非常敏感的衛星。衛星技術推動了一場遙感革命，從主要為大國政府機構推動的

36、實驗性任務轉變為支持更廣泛用戶和需求的小型靈活項目（Leape等，2020年）。隨著衛星小型化技術取得顯著進展，各國開始越來越頻繁地向太空發射小型衛星：2006 年至 2015 年發射的小型衛星數量不到 1,000 顆，但據分析人員預測，2018 年至 2027 年將發射 7,000 顆小型衛星12，其中 82%的小型衛星由美國太空探索技術公司（SpaceX）和亞馬遜等大型公司發射的衛星星座群，這些衛星將用于多種用途，包括擴展天基寬帶互聯網和改進地球成像技術。衛星容量的增加擴大了迅速改進的傳感器的覆蓋范圍和間隔，這類傳感器包括合成孔徑雷達、晝夜光帶（DNB）等光敏傳感器13和可見光紅外成像輻射

37、儀套件（VIIRS）14。目前我們可以在地球表面上方 800 公里處檢測到一盞路燈發出的光線，而且，我們可以在夜間和惡劣天氣下追蹤小型非法捕撈漁船。以前只有大型政府機構才能夠使用裝備合成孔徑雷達的小型衛星，而現在這類衛星的應用越來越普遍，對海洋監測具有重要意義?？ㄅ謇展荆–apella Space）15和 IceEye16這兩家公司都發射小型合成孔徑雷達衛星星座群?？ㄅ謇媱澰?2022 年前構建一個可運營的衛星網絡，并計劃發射 36 顆衛星，這意味著卡佩拉的客戶可以“按需”訂購特定目標的衛星影像。這些衛星影像至少每小時更新一次，在 5 公里乘 5 公里的覆蓋面積范圍內，分辨率達到驚人的

38、20 英寸17。IceEye 則計劃構建一個由 18 顆衛星組成的具有類似功能的衛星星座群?？ㄅ謇姆漳Ｐ偷闹饕糜谥С謬篮颓閳蠓?8，而IceEye則專注于協助監測非法捕撈漁船、識別人口販賣活動和其他侵權行為18。12 https:/euroconsult- 13 https:/earthdata.nasa.gov/worldview/worldview-image-archive/the-day-night-band-enhanced-near-constant-contrast-of-viirs 14 https:/viirsland.gsfc.nasa.gov/Products/

39、NASA/BlackMarble.html 15 https:/ https:/ 17 https:/ https:/ edf.org|17 2.3 數據采集平臺數據采集平臺 與衛星技術進步相呼應的是，小型化、降低能耗、以及最重要的能源采集領域的進展大幅促進了半自主無人機和浮標等海洋數據采集平臺的改進。除了降低能耗之外，捕獲太陽能和波浪能（甚至包括利用海底碎屑的自然氧化過程獲取等量的微生物燃料電池；Reimers和Wolf（2018年），然后將這些能量存儲在先進的電池系統（例如，使用海水的鋁電池系統）中，以備將來使用（Tian 等，2021 年）的能力推動了數據平臺的設計和能力革命。隨著數據傳

40、輸技術得到改進（包括聲頻調制解調器的更廣泛應用；（Sendra 等，2015 年），數據采集平臺之間的關聯越來越緊密。數據處理能力的提高意味著具有分布式智能的平臺“集群”在很大程度上將成為海底觀測和監測系統的主導范式。而且越來越多的數據采集平臺不再需要人工控制。通常而言，程序員會設定半自主無人機的任務程序，使其遵循特定軌道或尋找特定對象，并收集各類的信息，之后它便可以自主執行這些任務。無人機可搭載多個傳感器、處理器和數據發送器，為科學家和管理者提供優質實時觀測數據（Colefax 等，2018 年），包括標記遙測接收器和無源聲學記錄儀等聲學技術?？罩袩o人機空中無人機 幫助漁民定位魚群的飛行器或

41、氣球等空中平臺已有數十年的歷史（Santos，2000年），但是，這些工具整體的部署和使用方式正在顯著變化?？罩袩o人機的成本持續下降，續航時間增加，海上發射和回收更加便利等諸多因素迅速擴大了無人飛行器（UAV；Colefax、Butcher 和 Kelaher，2018 年）的應用。在過去十年里，無人飛行器可搭載的緊湊型傳感器的范圍顯著擴大，現在可搭載微光數碼攝像機、熱紅外輻射計、激光雷達和合成孔徑雷達（Harris等，2019年）?？罩袩o人機的用途多種多樣，但它們edf.org|18 在漁業監測、控制和監視（MCS）方面的應用潛力引起了政策制定者、環保主義者和研究人員的關注（Toonen和

42、Bush，2020年）。水下無人機水下無人機 水下無人機正在影響諸多海洋產業，包括擴大科研范圍。水下無人機在探索海床，檢查海底平臺或管道方面發揮著重要作用，也為制藥行業提供了新機會，使研究人員能夠研究和采集可能對人類具有巨大價值的新標本（世界經濟論壇，2017 年）。雖然許多無人機都是搭載在水面艇艦上，自主水下航行器（AUV）可以在無需人類操作員持續控制的情況下運行，可根據預編程序執行設定的水下任務，或者利用人工智能（AI）技術來自主決定路線和活動。大多數自主水下航行器的運行深度可達 200 米，甚至有一些可超過 5000 米。目前研究人員已采用續航時間約為 8 小時的自推進魚型無人機搭配其他

43、無人機來監測珊瑚礁健康狀況（Pieterkosky 等，2017 年）。雖然HabCam19和 Slocum 滑翔機等自主水下航行器的價格非常昂貴，但其他無人機，例如以消費者為中心的 Trident無人機20，的成本要低得多，并且更容易獲取。水面無人機水面無人機 水面無人機（亦稱無人水面艇；USV）在海洋與大氣的交界面上運行，因此既能研究無人機下方的海洋環境（例如，海底和水體），又能探測上方大氣環境。水面無人機在水面運行，因此其數據傳輸速度和成本效率比水下無人機更快、更高，還可以持續利用太陽能。例如，Liquid Robotics 推出的波浪滑翔機21采用創新性兩部分設計，一方面采用太陽能電池

44、板為儀器供應電力，另一方面利用波浪動能作為推進力。波浪 19 https:/habcamvm.whoi.edu/about/20 https:/ 21 https:/www.liquid- edf.org|19 滑翔機等水面無人機可以搭載一系列傳感器和其他數據采集儀器，并且可以主動采集和傳輸（通過衛星、蜂窩網絡或寬帶）實時數據，理想條件下的續航時間長達一年。無人水面艇在降低海洋數據采集成本和擴展聲學漁業資源調查的空間和時間覆蓋面方面具有巨大潛力（Greene 等，2014 年）。其他水面無人機包括 Datamaran22和Saildrone23。目前，無人水面艇已經開始實現商用。例如，在南極水

45、域捕撈磷蝦的挪威阿克海洋生物公司（Aker BioMarine）24使用 Sailbuoy25來幫助漁船捕撈磷蝦群26。浮標浮標 使用浮標收集和傳輸海洋數據已有數十年歷史。浮標的設計和部署方式在近期發生的變化對海洋管理具有巨大影響?，F在的“智能”浮標上裝備了先進的計算機、攝像機、海洋傳感器、數據記錄儀和衛星傳輸系統，并且可以在接到通知后立即執行新的數據任務。目前，浮標可以使用太陽能電池板實現自供電，并且可以長時間漂浮在海面（Henriques 等，2016 年）?，F在各種各樣的組織都可以部署低成本浮標，因此它們分布廣泛，是監測氣候變化影響的重要工具（Vitale等，2018年）。例如，Sofa

46、r Ocean的 Spotter27浮標利用太陽能供能，可將實時波浪、風力和溫度數據傳輸至基于云技術的門戶，從而使用戶能夠輕松訪問全球 Spotter 浮標網絡的信息，同時 Spotter 的“儀表板”也可簡化數據分析和可視化。浮標還裝備了回聲探測儀，可以幫助漁民確定人工集魚 22 http:/ https:/ 24 https:/ http:/www.sailbuoy.no/26 https:/ 27 https:/ edf.org|20 裝置（FAD）28下方的魚類種類組成。目前部署的浮標屬于互聯裝置和傳感器網絡的一部分，可用于解決更大的挑戰，例如通過監測非法捕撈漁船來打擊 IUU 捕撈行

47、為（Ng等，2020 年）。例如，美國國防高級研究計劃局（DARPA）的“海上物聯網（OoT）”計劃29將部署數千個漂流浮標，以收集海洋和其他傳感器信息包括船舶、航空器甚至海洋哺乳動物的活動數據然后利用衛星將數據傳輸到云端。海洋動物海洋動物 一個比較小但是非常有潛力的重要的創新領域它是在海洋動物身上裝備小型導電率-溫度-深度衛星中繼記錄儀（CTD-SRL）來自動采集數據，并利用衛星將數據傳輸至服務器（Treasure等，2017年）。已有研究人員在信天翁背上裝備小型雷達探測器。它們的探測范圍要遠遠大于無人機，可協助監測非法捕撈行為30。漁船漁船及漁具及漁具 漁民的追捕和捕撈技術已實現大幅改進，

48、現代漁船的駕駛室已經與泰坦尼克號截然不同，更像是宇宙飛船的駕駛室。越來越多的船舶已裝備先進的聲吶設備，可以協助繪制高分辨率的海底地圖，并且裝備了海洋傳感器，可擴展現有的海洋觀測數據網絡。一些倡議側重于在漁船及其漁具上安裝傳感器，以協助采集海洋數據。例如，在美國東北部推行的 eMOLT31計劃為龍蝦捕撈陷阱裝備海洋傳感器，并將收集到的數據與漁民和科學家共享，幫助漁民了解海底條件與龍蝦漁獲量之間的關系。2.4 智能手機智能手機 目前，全球智能手機用戶已經達 35 億，這意味著全球近一半人口在指尖便可訪問便攜式個人計算機。智能手機配備 GPS 傳感器和藍牙連接，可作為廣泛變量數據的分析、存儲和傳輸設

49、備。例如，研究人員在智能手機上集成了用于檢測海洋毒素的生化傳感器（Su 等，2017 年），以便于在現場使用。此外，用于漁業監測和管理的智能手機應用程序也在激增（請參閱第 3.1.3 節）。對于未來海洋漁業管理而言，智能手機的最重要的特征是可以進行雙向數據傳輸，這將為管理者實時控制漁業活動（尤其是小規模漁業）開拓廣闊前景（Bradley等，2019年）。28 https:/satlink.es/en/29 https:/oceanofthings.darpa.mil/30 https:/ 31 https:/www.fisheries.noaa.gov/feature-story/low-co

50、st-technology-helps-connect-fishermen-and-students-science edf.org|21 2.5 公民科學家公民科學家 數字革命正在引起大規模社會變革。得益于智能手機、互聯網和云端數據迅速存取等技術，現在普通民眾也可采集和分析各種類型的數據。公民科學家是一個令人難以置信的強大科學發現和貢獻來源，吸引了越來越多人的關注，并且研究人員正在開發相關工具來探索這一潛力。例如，開發人員目前正在設計智能手機應用程序，允許公眾通過提交可用于更新物種分布地圖的照片或其他數據來參與科學活動（Silverman，2016 年；Leape 等，2020 年）。目前也

51、有一些智能手機應用程序可協助追蹤污染物和改進洪水預報（Leape等，2020年），以及跟蹤爬行動物的分布變化32。MERMAID33是一個在線-離線云平臺，科學家可在這個平臺上分享和分析珊瑚礁調查結果，平臺目前已有 570個注冊用戶34。2.6 數據數據連通性連通性 第五代移動通信技術（5G）正在全速發展。4G 技術已實現前所未見的覆蓋范圍和速度，將人與人、人與互聯網力量連接起來，5G 技術則能夠將萬物連接起來，推動前所未見的大規模社會變革，深刻影響全球的每一個行業35。這就是物聯網（IoT）的未來，即設備之間自動傳輸數據，自動和動態執行功能，無需人工干預。如上文所述，美國國防高級研究計劃局（

52、DARPA）目前正在開發的海上物聯網（OoT）36計劃預示 32 https:/www.herpmapper.org/33 https:/datamermaid.org/34 https:/ 35 https:/www.weforum.org/agenda/2018/01/the-world-is-about-to-become-even-more-interconnected-here-s-how/36 https:/www.darpa.mil/program/ocean-of-things edf.org|22 著海洋資源使用者的未來。然而，為了實現這一未來，我們需要增加數十億個新連接，包

53、括依賴藍牙和近場通信（NFC）等近程終端直通技術實現的連接，WiFi 和蜂窩網絡技術實現的中程連接，以及衛星通信等遠程通信技術。物聯網還將推動數據架構設計的根本性轉變（Leape等，2020年）。傳感器將更加智能，無需連接網絡便可執行計算任務，而且工作流和過程由分布式智能驅動，自動化程度越來越高?？烊玳W電的 5G 蜂窩網絡必將成為數字化未來的核心組成部分（據估算，到 2035年，5G 將在全球創造 12 萬億美元的經濟產出）35，但是，與 4G 網絡相比，5G 的覆蓋范圍有限，這是海洋領域的一個重要考量因素。4G 信號塔的覆蓋范圍可達 1 萬米，5G基站則不到 1 千米37。盡管未來我們預計將

54、在沿海地區為海上用戶修建更多蜂窩網絡基礎設施，并且可能將互聯網網狀網絡向海洋擴展，5G 技術對海洋產業的直接影響有限。但這并不會削弱即將發生的整體連通性的變革規模。遍布全球海洋的 750,000 英里海底光纜正在將世界連接起來，而且各國仍在繼續鋪設新光纜38。衛星通信正在發生階躍性變化，目前正在向小型衛星演進，這些衛星的成本更低、發射過程簡單，可以提供數千個新平臺以方便數據連接，而且其中大部分衛星容量將應用于海洋領域。據預計，2018 年至 2027 年將發射 7,000 多顆小型衛星（2006 年至 2015 年期間不到 1000 顆），而這只是蓬勃發展的全球航天產業的一個方面。到 2040

55、 年，全球航天產業收入將達到1.1 萬億美元，其中近 40%與互聯網服務有關39。雖然大部分基礎設施都支持高帶寬通信，但 Swarm 等低帶寬、低成本通信技術也可以支持地表上任何地點的文本信息傳輸，這類通信技術的增長也具有加強海洋領域連通性的巨大潛力，尤其是對于小規模漁民而言。為了填補通信缺口，目前已在利用互聯網網狀網絡為偏遠地區提供互聯網連接方面取得了諸多進展?；ヂ摼W網狀網絡利用額外的接收器和中繼發射器將源信號傳播至更廣泛地區。在陸地上，Vanu 40等公司積極創新，力求為世界各地的農村社區提供網絡連接，并著重強調低能耗和靈活連接。在海洋上，由船舶和基站組成并且使用商用設備的網狀網絡41原型

56、已經過測試42，聲學解調器在連接浮標群或其他平臺群方面擁有巨大潛力，也許可以構成協調網絡組，目前已有一些系統正在接受測試（Leape 等，2020年）。重要的是，改進移動通信可能對發展中國家產生（有利）差別性影響，因為，與 37 https:/ 38 https:/ 39 https:/ 40 http:/ https:/ _Wi-Fi_network_for_over-the-sea_communication 42 http:/ 發達國家相比，發展中國家似乎能夠從這些技術進步中受益更多43。無論數字革命將我們帶向何處，數據連通性進步都是數字革命的基石之一，所有其他領域都必須與其步伐一致。2

57、.7 人工智能人工智能 人工智能發展不僅將深刻影響我們分析海洋數據的方式，還將深刻影響我們采集數據的方式。機器學習技術持續改進，應用場景不斷擴大。傳統機器學習算法的核心基本架構仍然非常簡單，訓練過程需要專業人員提供大量專業知識，并進行頻繁干預來糾正錯誤44，但是新應用和專門架構的數量正在呈指數級增長。深度學習（DL）是一種新算法，利用神經元網絡來學習手頭的任務。神經元網絡將任務分解為一個概念層次結構，從簡單概念開始，逐漸增加概念的復雜性。目前，計算機視覺由深度學習卷積神經網絡（CNN）支持，在許多情況下，能夠比人類更準確地識別模式或對象，例如，分析 CT 圖像45。計算機視覺是建造與人類一樣智

58、能的機器的關鍵技術，而人工智能和機器學習對于處理收集到的海量數據至關重要（Leape等，2020年）。在海洋領域，人工智能主要在兩個領域備受關注：其一是分析圖像（通常是攝像機圖像，但也包括聲譜圖）以檢測和識別物體或模式，其二是大數據分析工具，通過檢查大量雜亂無章的數據集來梳理當前理論或統計模型尚未確定的變量間關系。機器視覺可利用視頻數據有效生成批量管理和執法數據，因此在基于攝像機的電子漁業監測領域具有重要應用潛力。漁船電子監控系統未來必然能夠自動生成可直接用于管理的關于漁獲量和捕撈努力量的數據（不僅僅是視頻數據），并將這些數據近乎實時地傳輸給管理者，這只是時間問題。機器視覺在海洋領域還有其他更

59、廣泛的用途，包括“無傷亡”漁業資源評估（使用海底魚類種群視頻進行評估，而不是將魚類種群捕撈到漁船上進行評估），棲息地調查以及駕駛無人機偵查保護區。人工智能和機器學習使我們能夠分析復雜的系統和大型、多元數據集，尤其是在相關理論尚不完善的情況下。人工智能技術在海洋領域的近期應用示例包括改進天氣預報（時間范圍從 2 周到 2 個月）46，針對海洋生態系統遭受的氣候相關影響的早期預警，確定人類活動對復雜海洋生態系統的影響，處理“暗數據”（包括互聯網中的表格、43 https:/www.weforum.org/agenda/2018/01/the-world-is-about-to-become-eve

60、n-more-interconnected-here-s-how/44 https:/www.weforum.org/agenda/2018/01/the-world-is-about-to-become-even-more-interconnected-here-s-how/45 https:/ 46 https:/ 數據和文本），以滲透販賣野生動物的有組織犯罪團伙（世界經濟論壇，2017 年）。目前機器學習已被用于縮短一些漁業搜索目標魚種的時間，可節省燃料、時間和資金。雖然海洋領域的許多公司都在使用先進分析方法（收集、處理和解釋大數據的先進方法），這些方法在漁業中的應用通常僅限于小規模試點

61、項目。但是，據一些分析師估算，如果大型漁業公司采用人工智能工具和技術來釋放潛在價值，它們每年可節約 110億美元的運營成本，進而降低價格，惠及消費者（Christiani 等，2019年）。人工智能是邊緣計算的重要推動因素。在邊緣計算架構中，物理機器中的軟件能夠在原位或者在“邊緣”收集、處理和分析數據47。邊緣計算是構建分相互關聯的布式智能機器網絡的關鍵。如果將這些網絡連接至其他網絡（例如，互聯網），它們將發揮巨大潛力。在探索這些巨大潛力時，必須注意：了解深度學習網絡如何識別關系是一個幾乎不可能完成的任務，如果沒有一個理論模型來指導分析師，這些模型可能將進一步傳播現有的偏見、不平等和歧視，因為

62、這些模型的結果全然取決于輸入的數據（Leape等，2020年）。2.8 數據系統和云數據系統和云 到 2025 年，全球數據總量預計將達到 175 澤字節48，海洋領域收集的數據量也將呈指數級增長。導致數據量加速膨脹的主要原因是一場不斷自我強化的大數據革命，即為了以可管理的方式處理、分析和可視化大量數據需要的技術反過來推動數據種類和衍生產品的“爆炸式增長”（Runting 等，2020 年）。傳統上，大規模數據集往往由政府機構、公司和科研人員采集，并由這些實體存儲，形成了一個“巨石”過程，這就導致即便獲得了共享數據的許可，訪問和使用這些數據的交易費用也不可忽視（Leape 等，2020 年）。

63、“大數據革命”涉及數據系統組織方式的根本變化，未來將使更多人（包括科研人員）輕松訪問所有類型的數據集。新型數據系統的一個特點是“數據湖”，本質上是構建一個數據網絡，供用戶“轉儲”大量數據，這些數據不一定符合公認的數據“組織模式”或數據標記標準。數據湖在用戶不需要持續控制其數據以及關于數據隱私的擔憂程度較低的情況下尤為適用，海洋數據符合這些特點（Stein 和 Morrison，2014 年）。例如，美國地質調查局（USGS）和美國國家海洋和大氣管理局（NOAA）近期開始使用數據湖技術，目的是擴大用戶基礎，通過新方式利用信息創造價值。聯合國教科文組織（UNESCO）的全球海洋觀測系統49和第四次

64、海洋工業革命中心的海洋數據平臺50 47 https:/ 48 https:/ 49 http:/www.unesco.org/new/en/natural-sciences/ioc-oceans/sections-and-programmes/ocean-observations-services/global-ocean-observing-system/50 https:/www.oceandata.earth/edf.org|25 等一些倡議也正在力圖構建這類新興數字海洋生態系統。云計算也許是最具變革性的數據管理工具，使用戶可以按需通過網絡訪問共享計算資源池，包括存儲、分析工具和軟件，

65、包括人工智能（Vance 等，2019 年）。隨著數據連通性的提升，云計算使所有可以連接至互聯網的用戶都能使用超級計算機的強大功能。云服務器非常耗電；大多數服務器農場都位于電價較為便宜的地區。目前研究人員正在開發新的方法來解決云服務器的能耗問題。例如，Natick 項目51將一組服務器沉入蘇格蘭海岸附近的海底，以測試這些系統在水下是否能夠正常運行。這個試驗項目的成功為進一步利用海洋的自然冷卻功能和潛在可再生能源發電能力打開了大門52。2.9 漁具漁具改造改造 在傳統上，在設計魚類和海產品捕撈工具時，效率是首要考慮因素確保盡可能捕撈更多目標魚種。然而，更嚴格的兼捕和尺寸限制法規也在日益激勵“健康

66、”捕撈。此外，人們擔心特定類型的漁具造成生境破壞，鯨魚被漁具纏繞的情況以及“幽靈”捕撈現象（廢棄漁具在失去控制后的很長時間力仍然繼續誘捕海洋生物），這也推動了改進各類漁具設計的行動。在過去，拖網捕撈漁具被視為一種捕撈海洋生物質的無差別捕撈工具，尤其是底層拖網會嚴重破壞海洋生態系統。近期，多個旨在提高漁具選擇性的具有前景的研究領域備受關注。冰島海洋研究所的 Einar Hreinsson 提議使用激光引誘魚群入網53，而不是用拖網對海底進行掃蕩。不同魚類種群會對不同波長的激光做出反應，這可能提高捕撈的選擇性54。新西蘭采用一種被稱為“Tiaki”55的新型捕撈方法，使用由半剛性結構組成的“活”網

67、囊，確保將漁獲物拉上漁船時，漁獲物仍然浸沒在水中，仍然具有活力，從而提高丟棄漁獲物的存活率和產品質量。世界自然基金會（WWF）舉辦的國際智能漁具設計大賽之前曾向最有希望減少兼捕的漁具設計頒發 30,000 美元的大獎。最新獲獎設計（上一次頒獎時間為 2014 年）是用于圍網漁業的空氣炮發射采樣裝置。該裝置可對圍網捕撈漁獲物質量和體長組成進行采樣，確保提高潛在兼捕漁獲物的存活率56。延繩釣漁業采用的顆粒狀誘餌插入裝置可以在吸引目標魚種的同時驅趕鯊魚，而在拖網上為特定魚種設計的逃生板也具有發展前景。與傳統漁具相比，利用新數字技術來 51 https:/ https:/ 53 https:/arch

68、imer.ifremer.fr/doc/00585/69713/67603.pdf 54 https:/ http:/ https:/www.worldwildlife.org/press-releases/lasers-escape-windows-and-air-cannons-amonginnovative-ideas-in-competition-to-reduce-fisheries-bycatch/edf.org|26 提高選擇性和效率，并減少環境影響的漁具在未來漁業管理中發揮著重要作用。2.10 生物技術生物技術 生物技術的進步可減少人類活動對環境產生的影響。例如，到本世紀末，大

69、多數水產飼料將不再使用餌料魚，飼料公司將使用甲烷氧化菌57、昆蟲58、海藻59和其他原料來生產高蛋白飼料（世界經濟論壇，2017 年）。與天然物種相比，轉基因魚的生存能力更強，可以適應更惡劣的環境，并且可以更高效地將飼料轉化為肌肉，從而減少生產產品需要的飼料量。這些影響可能提高我們利用海洋生產食物的能力。除了改進魚類在海洋中的生長方式之外，我們對食物生產的看法也在發生了整體性變化。運用細胞農業技術生產的養殖魚肉正在經歷快速轉型，這可能會對當前以動物為基礎的食物系統造成顛覆性影響。養殖魚肉是利用組織工程學技術生產可食用的魚肉（Kadim 等，2015 年；Stephens 等，2018 年）。2

70、1 世紀初，紐約的多位研究人員確定了體外肌肉蛋白生產系統的可行性，目的是為前往火星的太空旅行者提供營養，這是在實驗室中培育魚肉的最早嘗試之一（Benjaminson 等，2002年）。研究人員使用胎牛血清（FBS）作為肌肉生長所需營養溶液的組成成分來培育鯽魚（常見金魚）魚肉。2013 年，Mark Post 博士推出第一個用實驗室培育牛肉制作的漢堡，向世界證明了實驗室培育牛肉的可行性60。這標志著使用細胞農業技術培育肉制品技術發展浪潮的開始。2015 年，Modern Meadow61生產了人造牛排片，盡管它現在已專注于生產實驗室 57 https:/ https:/ https:/ http

71、s:/ 61 http:/ 培育皮革，2016 年，Memphis Meats 62用實驗室培育牛肉制作了牛肉丸。之后在 2017 年推出了實驗室培育炸雞和法式香橙脆皮鴨胸。直到 2015 年仍未出現專注于實驗室培育海產品的公司。在那之后，包括 Finless Foods63、Blue Nalu64和 Seafuture65在內的幾家公司相繼成立。在不遠的將來，消費者將能夠在野生、養殖和實驗室培育魚肉之間進行選擇，這對所有依賴海洋生存的人們來說意義重大，但具體影響尚不明確。62 http:/ https:/ https:/ http:/ 3.水上活動水上活動 第2節中描述的各類技術（以及其他許

72、多技術）正在被一系列個人和組織應用于應對各個經濟領域面對的廣泛全球海洋挑戰。本節將概述這些活動，并著重強調與海洋漁業管理直接或間接的相關挑戰。這些活動包括在水上安裝攝像機或其他傳感器等技術裝置來采集數據，以及利用衛星監控非法捕撈行為的區域性活動，簡化和現代化數據管理系統的全球性活動。本節介紹了眾多應用和具體項目，而水上活動生態體系仍在不斷發展，本報告無法囊括所有相關水上活動。我們的目標是借用具體活動來闡明這一實踐生態體系的性質和范圍。本報告中提及任何商業產品并不代表其得到我們的認可。本報告確定了作為本節焦點的六組挑戰，以及漁業如何應用各種技術來應對這些挑戰。這六組挑戰是：漁獲量和捕撈努力量核算

73、、漁業合規監測、種群豐度和生產力估算、提升供應鏈透明度、生態系統健康狀況監測、通過數據集成和管理創造價值。3.1 漁獲量和捕撈努力量核算漁獲量和捕撈努力量核算 全球大部分漁業收集的漁獲數據可靠性不足，無法支持準確的漁獲量核算，或者數據詳細程度不足，無法支持決策。漁獲數據是漁業管理的基本要素是種群資源評估和生態系統評價，以及實施各類管理工具（例如，個體捕撈配額和總允許漁獲量）的必要要素。漁獲量和漁獲物組成數據對于準確的漁獲量核算必不可少。漁獲記錄還應包括時間和位置數據，并且在理想情況下與捕撈努力量的測量值掛鉤。漁獲量和捕撈努力量數據通常是在漁船上或者在交付點收集的，并且通常采用紙質報告方法，例e

74、df.org|29 如漁民日志或觀察員/監察員記錄。這些方法存在的主要問題是，如果管理體系不夠先進，日志等自行報告數據可能存在虛假記載；如果未能及時將紙質數據轉換為可使用的數字格式，紙質數據采集方法可能產生信息“孤島”。而雇傭人力來收集漁獲信息往往會極大限制監控工作。數字技術正在幫助我們解決所有這些問題。3.1.1 電子監控電子監控 在世界各地，許多漁業都已安裝基于攝像機的電子監控（EM）系統。這類系統已有超過 20 年的歷史，主要應用于圖像處理要求相對簡單的漁業，例如，在目標是監控漁獲物全部保留（海上零丟棄）或者監控漁具是否捕撈受保護魚種的情況下（Fujita 等，2018 年）。電子監控技

75、術近期在多個方面取得了進展，使其可以廣泛應用于監控目標更復雜的漁業和計劃（Michelin 等，2018 年）。例如，攝像機的性能更可靠、清晰度更高，更不易出現濕氣凝結和其他圖像質量問題。硬盤驅動器容量有所增加，物理尺寸持續縮小。整體而言，設備的成本都在逐漸下降。整合傳感器輸出與 GPS 數據的軟件解決方案正在縮短數據處理時間，同時提高數據精度。加深漁民對其責任的認識，促進漁民與管理機構之間的更有效互動。電子監控系統正在迅速改進，最終將僅需極少人力投入，并且可以提供高質量、完整的近實時數據，可直接用于漁業管理過程。為實現這一目標，必須在集成電子監控和報告系統中自動化數據采集、傳輸和處理等各個環

76、節，同時配置人工智能賦能系統在“邊緣”運行。盡管在整合電子監控和電子報告方面正在取得快速進展，目前在以下三個重要領域，人力投入仍然必不可少：生成主要數據記錄、視頻審查和數據傳輸。edf.org|30 主要數據記錄主要數據記錄 第一個領域與以下觀念有關：漁民輸入的數據（例如，捕撈的漁獲物重量、丟棄的魚種數量、收網時間和地點）將生成主要數據記錄，電子監控數據則將用于審查漁民輸入的數據。在未來，所有電子監控系統都將足夠先進和可靠，可以提供主要數據記錄，從而減輕漁民記錄管理數據的責任。視頻審查視頻審查 第二個領域是，由數據審查員人工審查攝像機圖像，以估算漁獲量、漁獲物組成和體長組成。人工智能和機器學習

77、領域的最新進展推動了自動圖像識別和處理方法的迅速改進，從而減少了對人力投入的需求。這些技術也被應用于其他經濟領域，協助推動各個經濟領域的快速發展，例如自動駕駛汽車和家庭監護系統領域。圖像識別算法開源競賽（例如，“n+1 fish,n+2 fish”66 競賽或漁業黑客松67）為獲獎者提供可觀金錢獎勵，鼓勵他們開發相關軟件，這也鼓勵了這項技術的開發。大自然保護協會（TNC）的 fish.ai68等倡議則使用戶能夠免費訪問龐大的標記圖像庫，為開發提供必要的數據。為滿足日益增長的電子監控需求，規模較小但不斷增長的私營電子監控行業也正在實現積極進步，例如 SnapIT 正在開發和制造用于漁業監測的定制

78、攝像機系統、Integrated Monitoring69和 Satlink70開創監測數據衛星傳輸，新英格蘭漁業監測71致力于運用人工智能技術改進視頻審查的工作流程。由政府支持的電子監控研發工作是關鍵。例如，美國國家魚類和野生動物基金會（NFWF）的電子監控和報告贈款計劃72等外部贈款計劃對電子監控創新項目73等國家項目做出補充。電子監控創新項目是 NOAA阿拉斯加漁業科學中心（AFSC）和華盛頓大學（UW）的合作項目。在這個項目中，阿拉斯加漁業科學中心的研究人員與漁民合作設計實體基礎設施（例如，將漁獲物匯集至攝像機視野內的滑槽），并制定漁獲物處理協議，以便為視頻審查提供標準化原始數據流。然

79、后使用由華盛頓大學電氣工程和計算機科學系開發的基于人工智能的視頻識別軟件來分析這些標準化視頻數據流74。這一領域的最新進展包括自動收集漁獲物的準確（絕對誤差2%）體長組成數據，在二維圖像中，魚體通常是彎曲的，因此這項任務非常復雜。這一研究領域對于簡化未 66 https:/www.drivendata.org/competitions/48/identify-fish-challenge/67 https:/fishackathon.co/68 http:/fishnet.ai/69 https:/ https:/.es/en 71 https:/ https:/www.nfwf.org/pr

80、ograms/fisheries-innovation-fund/electronic-monitoring-and-reporting-grant-program-2020-request 73 https:/www.fisheries.noaa.gov/feature-story/developing-machine-vision-collect-more-timely-fisheries-data 74 https:/people.ece.uw.edu/hwang/edf.org|31 來電子監控系統的漁獲物處理協議具有重要意義。為了生成自動導出的體長和魚類種類組成數據，未來必須加大漁獲

81、物處理過程和算法開發力度，這項技術還需幾年時間才能發展成熟。盡管在過去幾十年里，研究人員以自動化魚種識別為課題開展了大量研究，但目前尚無監管機構在漁業中實際部署此類技術的公開示例（Bradley 等，2019 年）。但是，目前我們已經能夠利用視頻數據自動識別不同類型的捕撈活動，例如拋棄漁獲物（私人通信，Mark Hager）。這些進步有助于提高視頻審查的效率（這是電子監控項目總成本的關鍵組成部分；Sylvia、Harte 和 Cusack（2016 年），而且，由于位于“邊緣”的圖像捕捉軟件可以自動解析相關視頻片段，因此這些技術的進步也掌握著視頻數據高效無線傳輸的關鍵。據我們所知，目前已有一種

82、已經實施并且受到監管的電子監控視頻審查自動動作識別協議（私人通信，Mark Hager），而 CVision AI 75和 Chordata76等公司則正在推動其他漁業的發展。數據傳輸數據傳輸 第三個領域是，目前電子監控數據的主要傳輸方式是手動將拆卸硬盤驅動器，并將其交付至漁業管理機構。隨著數據連通性提高，這一步驟終將變得多余，這意味著近實時數據很快可以用于漁業管理，并饋入數字海洋數據生態系統（請參閱第 2.8 節）。許多漁船每次出海都會持續幾個月，很難獲得郵寄服務，因此無線傳輸電子監控數據是在全球所有工業漁業擴展電子監控應用的關鍵要素之一。無線數據傳輸還可以增強漁業管理迅速適應不斷變化的條件

83、的潛力（但是，這也需要管理結構足夠靈活，以響應新的數據流），因此也對氣候變化背景下的漁業管理具有重要意義。目前已有多個電子監控試點項目嘗試使用蜂窩網絡來傳輸視頻數據（例如 Mortensen 等，2017 年；75 http:/ https:/ Plet-Hansen、Bergsson和 Ulrich，2019年），盡管目前傳輸成本仍然相對較高，但采用更強大的視頻壓縮技術和采用機器學習算法的視頻解析技術有望大幅降低成本，使項目具有可擴展性。在頻繁的港口使用遠程 WiFi 系統有望實現視頻數據的高效無線傳輸；目前已有一些試驗項目正在推進中77。小型衛星星座群的發射使得衛星傳輸能力呈指數級增長，衛

84、星傳輸電子監控數據成為常態的未來可能沒有我們想象的那么遙遠?；跀z像機的電子監控目前主要應用于發達國家的中大規模商業漁業，在小規模漁業中的應用屈指可數。Saltwater Inc.78等公司已開發出可以利用太陽能或電池供電的小型基于攝像機的電子監控系統，大自然保護協會的 FishFace79項目旨在開發能夠利用攝像機圖像自動識別魚類種類的算法，從而使基于智能手機的電子監控系統能夠應用于小規模漁業。然而，在管理機構運作良好，并且在漁業監測過程中存在對電子監控數據流需求的情況下，電子監控系統才有意義。小規模漁業，尤其是在發展中國家，通常并沒有適當的管理流程來使用電子監控數據。重點關注收集漁業信息之

85、價值的機構能力建設將成為改進小規模漁業監測的多管齊下戰略的重要組成部分。對購置、維護和運行漁船監測系統（VMS）或自動識別系統（AIS）系統的資源和能力有限的小規模漁業，目前已開發出量化和測繪捕撈努力量的替代方法。Selgrath、Gergel 和 Vincent（2017 年）展示了如何利用參與式制圖（利用利益相關者的知識來繪制漁業資源和活動地圖）來表征捕撈努力量的空間和時間估算值。Johnson 等（2017 年）提出了一種估算小規模漁業捕撈努力量的空間方法，這種方法基于兩項相對容易獲取的變量：社區中的漁船數量以及當地沿海人口。他們的研究表明，他們的方法可以準確預測墨西哥加利福尼亞灣的漁業

86、上岸量。3.1.2 電子報告電子報告 電子報告（ER）是指由漁民輸入或者在漁船上自動收集漁獲量和捕撈活動數據，以數字形式傳輸給管理機構，這種報告方式在工業化漁業和小規模漁業越來越普遍。盡管紙質日志仍然是常態，但電子日志、智能手機應用程序、VMS 和 AIS 等電子報告技術有望減少轉錄錯誤，并且能夠使管理者迅速訪問相關數據。例如，目前中西部太平洋漁業委員會（WCPFC）成員國收集的所有觀察員數據都以電子方式傳輸給管理者（Bradley 等，2019 年）。在墨西哥灣，捕蝦漁業從 2007 年開始利用電子日志來監測捕撈努力量，并生成評估漁業資源所需的數據。這一領域的近期進展包括使用蜂窩網 77 h

87、ttps:/www.snapit.group 78 https:/ https:/www.natureaustralia.org.au/what-we-do/our-priorities/oceans/ocean-stories/fishface/edf.org|33 絡將漁船上的數據傳輸給管理者80。馬爾代夫鰹魚漁業使用一個線上工具將許可信息與捕撈配額和上岸量數據關聯起來。這個線上漁業信息系統工具81，目的是協助漁業遵守海洋管理委員會（MSC）的認證標準。VMS 系統的數據依賴從漁船到衛星的定期位置傳輸，AIS 的信息則是由船舶進行全向廣播，確保其他船只、地基接收器和衛星能夠接收到這些信號。

88、歐盟近日頒布法規，強制要求長度超過 15米的漁船發射 AIS信號（Holmes等，2020年）。盡管 AIS數據僅僅包含船舶 ID、位置和時間戳，研究人員一直在探索如何使用 AIS 數據來鑒別捕撈行為。Natale 等（2015 年）展示了 AIS 數據用于繪制瑞典拖網漁業高分辨率捕撈努力量地圖的適用性，而 Souza 等（2016 年）則開發了識別三種漁具的捕撈作業的方法：延繩釣、圍網捕撈和拖網，這些方法采用機器學習技術來開發啟發性算法。目前也已啟動多個倡議來使用 VMS 數據繪制高空間分辨率的捕撈努力量地圖。Guillot 等（2017年）近期開發了一項經過改進的、計算效率較高的方法，可以

89、利用 VMS 數據來鑒別捕撈行為。他們開發的新方法屬于隱馬爾可夫模型（HMM），可及時解釋捕撈作業之間的自相關性。顯而易見的是，計算方法的進步以及人工智能和機器學習的改進應用將繼續提高我們利用位置數據鑒別捕撈行為類型的能力。出于成本考慮，有些機構并不愿意采用新系統，但 Thuesen（2016年）表明，采用新電子系統可實現顯著成本節約，即使是對于小規模漁業而言。智能手機的普及使得各式各樣的應用能夠取代傳統紙質日志，提高數據處理過程的效率，并擴大電子報告在全球范圍內的應用。美國環保協會近期在印尼遠海梭子蟹漁業開展的工作展示了智能手機應用程序82如何推動小規模漁業數據采集工作從紙質報告轉變為電子報

90、告。這方面的另一個示例是 Abalobi83，這是一個小規模漁業綜合信息管理系統，協助南非的小規模漁民推動數據采集，然后將這些數據集成至市場和天氣門戶等信息和資源網絡。漁民可在智能手機應用程序的用戶界面記錄他們的漁獲量，并使用應用程序提供的分析工具來規劃捕撈作業。Jiorle、Ahrens 和 Allen（2016 年）評估了一個休閑垂釣者應用程序在報告美國特定魚種漁獲率方面的準確性，他們發現，在校正自行報告偏差后，這類應用程序能夠在傳統方法力所不及的情況下生成可靠數據。近期，斯里蘭卡的一名研究人員開發了一個智能手機應用程序，可利用手機的 GPS 接收器、移動數據訪問、內部存儲器和統一碼兼容性

91、將漁民的手機轉換為一個 VMS 系統（Nyanananda，2017年）。除了 VMS 功能之外，這個應用程序還包括一個電子日志，以便于漁民以電子形 80 https:/www.fisheries.noaa.gov/southeast/commercial-fishing/electronic-logbook-gulf-mexico-shrimp-permit 81 http:/ipnlf.org/what-we-do/projects/fisheries-information-system 82 https:/www.edf.org/oceans/these-six-pilot-proje

92、cts-are-making-fishing-more-sustainable 83 http:/abalobi.info/edf.org|34 式報告詳細漁獲物信息，并將其鏈接至位置數據。這些進展表明，使用智能手機應用程序和其他低成本電子技術能夠協助小規模漁業以具有成本效益的方式采集數據。但是，在這一方面面臨的一項關鍵挑戰是，如何構建能夠收集、分析和可視化小規模漁業數據的系統和結構。這些系統可以減少數據使用面臨的障礙，從而增加數據需求，但必須確保系統成本低廉、易于使用并且易于訪問。這一領域的一項近期進展是PeskAAS（Tilley等，2020年），這是一個靈活的開源數字應用程序，可實現對小

93、規模漁業漁獲量和捕撈努力量數據的管理、分析和可視化。PeskAAS系統目前已在東帝汶試點，并計劃在更多地理區域加以推廣。3.1.3 估算漁獲量和捕撈努力量的遙感技術估算漁獲量和捕撈努力量的遙感技術 衛星成像和傳感器技術正在迅速改進，在漁業監測領域的應用不斷擴大。許多漁民在夜間捕魚，并使用強光來吸引魷魚和其他魚種。使用可見光紅外成像輻射儀套件（VIIRS84）等快速改進的傳感器可以在太空中檢測到這些光線，并且可以用于估算捕撈努力量。通過采用機器學習和圖像識別技術，衛星攝像機圖像也可用于估算捕撈努力量。例如，Al-Abdulrazzak 和 Pauly（2014年）利用谷歌地球（Google Ea

94、rth）來統計阿拉伯灣六個國家的潮間魚梁數量，并表示根據其估算，實際漁獲量可能比報告的官方統計數據高出 6倍。3.1.4 岸基攝像機岸基攝像機 衛星成像技術在量化捕撈努力量方面的應用正在迅速增加，與此同時，使用數字攝像機的岸基成像技術的應用近期也呈上升趨勢。例如，Keller等（2016年）使用岸基攝像機來監測澳大利亞的人工魚礁，以估算捕撈努力量的時間演變，而 Lancaster 等（2017 年）則展示了岸基遠程攝像機監測如何量化加拿大薩利希海（Salish sea）休閑漁船對海岸石斑魚保育區規定的遵守情況。2009 年以來，俄勒岡州休閑漁船調查一直使用視頻船舶計數方法來量化俄勒岡州大部分重

95、要港口的捕撈努力量（Edwards 和Schindler，2017 年）。最近，俄勒岡州魚類和野生動物部一直在與美國環保協會的智能船舶倡議（SBI）85合作，聯手開發機器學習算法來提升監測過程的效率。這項技術被稱為“SmartPass（智能通行）”，采用機器學習算法來自動統計和識別通過特定地理夾點（例如通道或海港入口）的船舶（Haukebo 等，2021 年）。SmartPass 系統已在印尼和美國墨西哥灣的小規模和休閑漁業進行測試。84 https:/ngdc.noaa.gov/eog/viirs/download_dnb_composites.html 85 https:/www.edf.

96、org/oceans/smart-boats edf.org|35 3.2 合規監測合規監測 監測捕撈活動的能力對于有效執行漁業法規至關重要。杜絕非法捕撈行為可以增強漁業資源評估指標的置信度，可以提高合法捕撈的收入，并且有助于推廣良好管理實踐。世界漁業存在的奴工和契約勞工問題也受到越來越多的關注86，而監控對于解決這一重要問題至關重要。許可和注冊系統以及船舶識別系統是有效合規監測的重要組成部分，漁業有效監控面臨的最大挑戰是海洋浩瀚無垠，而漁業實施和執行基于船舶的監測系統（例如 VMS 或 AIS 系統，漁船可以輕易關閉這些系統）的能力有限。漁業管理機構正在利用新的基于船舶的數字技術，以及最重要

97、的，利用將在未來十年內陸續發射的小型衛星星座群來克服這些挑戰。提高衛星在世界海洋的覆蓋面積將改善海洋領域的通信，并改善向漁業監測、控制和監視（MCS）機構提供的合成孔徑雷達圖像的分布、頻率和成本。全球正在加強協調聯動，嚴厲打擊非法捕撈行為。國際漁業監測、控制和監視網絡是由負責漁業監測、控制和監視工作的人員組成的自愿網絡，成員包括區域漁業管理組織（RFMO）的代表和漁業管理者，旨在促進和方便成員協調聯動，進而提高漁業監測、控制和監視活動的效率和有效性87。漁業監測、控制和監視機構還與港口管理者合作，自動化進港系統，允許遵守漁業監測、控制和監視要求（例如，持續運行AIS系統）的漁船入港，并為其提供

98、服務。3.2.1 漁船跟蹤裝置漁船跟蹤裝置 除了主要應用于工業化漁業的先進 AIS 和 VMS 系統之外，目前還存在數量眾多的小規模漁船跟蹤裝置。這些裝置大部分都是采用太陽能供能的，而且安裝簡便，僅需用螺栓將其固定至船體便可。其中一些裝置使用全球移動通信系統（GSM）蜂窩網絡來傳輸位置數據，另一些裝置則使用衛星來傳輸數據。例如，Pelagic數據系統88提供專為個體漁業設計的漁船跟蹤系統。Pelagic 系統并不依賴價格昂貴的衛星系統，而是包含一個由太陽能供能的小型硬件盒，可安裝在小型漁船上，安裝過程非常簡便。一旦漁船進入手機信號塔范圍內，捕撈位置和時間以及使用的漁具類型等數據將自動傳輸至服務

99、器。這個整體系統可以測繪并測量捕撈努力量，以協助管理者實施基于區域和基于權利的漁業管理，并且能夠監測非法捕撈行為。在過去十年里，其他多家公司也已開始提供由太陽能供能的類似跟蹤裝置。一些裝置整合了藍牙連接，從而能夠將其 86 http:/www.ilo.org/global/topics/forced-labour/policy-areas/fisheries/lang-en/index.htm 87 http:/imcsnet.org/88 https:/ 他漁船的傳感器數據集成至系統中89。其他裝置則在整體數據系統中整合了面向漁民的廣泛增值服務（例如，捕撈作業分析數據）90。目前也有一些倡議

100、正在利用 VMS 和 AIS 跟蹤漁船，并使用機器學習技術來識別進入禁航區的漁船，并檢測與非法轉運有關的運動模式。OceanMind91則提供分析服務和工具，以及一個利用衛星數據、漁船數據庫、AIS 和 VMS 系統來監視漁船活動和向漁業管理機構警示可疑活動的平臺。這個平臺能夠近乎實時地合成多個數據流，以提供可執行的執法建議。雖然這一系統可以非常有效地標記潛在違法行為，但它非常依賴與管理機構的密切協調。OceanMind 目前已與一些連鎖超市開展合作，幫助提高超市供應鏈的問責制和透明度92。另一個技術平臺全球漁業觀察（GFW）93是 SkyTruth94、Oceana 95和谷歌攜手推出的伙伴

101、關系平臺。全球漁業觀察匯合來自全球漁船的 AIS 和VMS 信息，整合來自衛星的可用合成孔徑雷達數據，并采用機器學習技術來鑒別捕撈行為。任何可以連接互聯網的人都可以查看全球漁業觀察平臺上的信息（主要是匿名信息）。印尼、巴拿馬和智利宣布將國內 VMS 數據共享至全球漁業觀察平臺，這是各國為提高漁業透明度開展的工作的典范96。3.2.2 促進漁業監測、控制和監視的遠程跟蹤技術促進漁業監測、控制和監視的遠程跟蹤技術 雖然 VMS 和 AIS 系統已廣泛用于漁業監視，但是絕大多數開展非法捕撈行動的漁船可能并未裝備跟蹤裝置。在這些情況下必須進行遠程監測。漁船遠程監測技術包括 89 https:/ htt

102、ps:/ https:/www.oceanmind.global/92 https:/ https:/globalfishingwatch.org/94 https:/skytruth.org/95 https:/oceana.org/96 https:/globalfishingwatch.org/programs/印尼-vms/edf.org|37 低成本雷達系統（例如，人類世研究所開發的雷達系統）97，這些雷達系統被戰略性地安裝在漁場附近，可用于監視海洋保護區（MPA）、禁漁區和基于漁業水域使用權的海洋漁業管理（TURF）。無人飛行器在保育和非軍事領域的應用也取得了諸多進展。例如，塞舌爾

103、目前正在開發 FishGuard98項目，利用由人工智能指引并且僅需極少人力投入的遠程固定翼無人機來監測廣闊專屬經濟區（EEZ）中的非法捕撈行為99。伯利茲城則使用無人機來監測 Turneffe海洋保護區100。在更遙遠的太空，研究人員也探索了如何利用遙感技術來鑒別非法捕撈行為。例如，Long p等（2017 年）結合星載高分辨率合成孔徑雷達影像與 AIS 和 VMS 系統，以查明印尼阿拉弗拉海（Arafura Sea）中的非法捕撈范圍。這一方面另一個示例是Karagatan Patrol101，這是一個利用可見光紅外成像輻射儀套件（VIIRS）跟蹤船舶的在線平臺，目前已在菲律賓得到應用，如果

104、在距離海岸 15 千米內檢測到商業規模燈光，則意味著發生非法捕撈行為102。由挪威政府合資擁有康斯貝格衛星服務公司（Kongsberg Satellite Services）103目前已發射大量衛星，每月可在特定海域上方飛行超50,000 次。這些衛星提供的圖像已用于監測污染、漁船活動、冰川運動和濫砍濫伐行為。Planet Labs（星球實驗室）104發射了“全球最大規模的地球影像衛星星座群群”，可供 Skytruth 和其他致力于打擊 IUU 捕撈行為的公司使用。Hawkeye 360105和UnseenLabs106也于近期發射了“小型衛星”星座群來提供射頻監測服務，至少有部分衛星被用于跟

105、蹤漁船。據全球漁業觀察預計，隨著 AIS 數據、合成孔徑雷達數據甚至衛星光學遙感數據持續增加，射頻監測數據的價格將迅速降低，并且更容易獲取。之前，衛星光學遙感數據的價格過高，無法實現擴展，但自從歐盟發射提供免費、完整和開放數據的 Sentinel（哨兵）衛星以來，這種情況正在發生變化107。聲學傳感器相對比較便宜，可部署在各種平臺上，因此在海洋監測領域具有廣闊潛力。在一些情況下，漁船發出的聲學信號可以用于識別船舶類別甚至確定具體漁船。如果監測系統包含超過兩臺水聽器，則可以通過三角定位法確定漁船的準確位置，并 97 https:/ https:/www.grida.no/activities/2

106、75 99 https:/ 100 https:/ http:/www.karagatanpatrol.org/102 https:/ https:/www.ksat.no/104 https:/ https:/ https:/unseenlabs.space/107 https:/sentinel.esa.int/web/sentinel/sentinel-data-access edf.org|38 確定漁船的速度和方向。因此，聲學傳感器適合用于海洋保護區或以社區為基礎的TURF 的近岸監測，這些區域內的非法捕撈行為可以輕易與合法捕撈活動區分開來。雖然 Loggerhead Instrum

107、ents108和 Ocean Instruments109等多家公司都在制造用于聲學監測的無源聲頻信號陷波器，捕撈努力量（例如，漁船進入保護區）監測工作目前仍處于初期階段。Conservify 110正在開發用于基于社區的聲學監測的開源系統，澳大利亞也正在使用無源聲學傳感器來探測海洋保護區中的船舶活動（Kline等，2020年）。3.3 魚類資源豐度和生產力估算魚類資源豐度和生產力估算 改進魚類資源豐度和生產力估算可以增強對漁業管理法規（例如，總允許捕撈量）實現管理目標的能力的信心，并且可以提高漁業的長期收益。但是，目前許多漁業并沒有充足的資源來收集漁業相關數據（捕撈作業過程中收集的數據），更

108、別提開展獨立漁業調查需要的數據獨立漁業調查通常需要更高水平的科學專業知識，以及大量財政資源支持。魚類資源豐度估算是漁業可持續發展目標點（例如，捕撈限制）的主要輸入，但目前仍然只能使用單位捕撈努力量漁獲量（CPUE）數據和獨立漁業調查數據進行估算。技術進步正在改進漁獲數據的收集方式，并降低資源豐度調查的成本。魚類種群生產力估算目前采用的是種群數量模型，該模型需要輸入以下數據：特定魚齡或體長的存活率、魚類生長速率、與種群規模有關的資源補充量以及其他參數數據。不論采用何種工具，這些類型的數據的獲取難度可能高于數據的豐富度。然而，小型遙控潛水器（ROV）和自主航行器等購置和運行成本低廉的技術可以利用激

109、光、魚類自動識別、測量和計數軟件來收集更多體長組合數據。這些數據隨后可用于估算捕撈 108 https:/ http:/www.oceaninstruments.co.nz/110 http:/conservify.org/edf.org|39 死亡率和繁殖能力。在豐度和生產力數據采集技術取得進步的同時，整理、分析和可視化這些數據的必要工具也取得了顯著進步。例如，目前正在加快開發顯示漁業績效指標（例如單位捕撈努力量漁獲量）隨時間和空間發生的變化的儀表板。OLSPS111、Woods Hole 集團112和 Vericatch Solutions 113目前都已將這些分析工具應用于生產過程。計算

110、機視覺技術也取得了進步，可用于將音頻和視頻數據轉變為關于漁業健康的直觀洞見。越來越多的公民科學家也開始參與這些行動。例如，NOAA 的太平洋島嶼漁業科學中心已在使用攝像機采集底棲魚種影像，并推出了 OceanEYES114倡議來鼓勵公民科學家志愿協助鑒別魚種，為圖像作注解，便于將這些圖像饋入計算機視覺算法。3.3.1 攝像機攝像機視覺調查視覺調查 常規遙控潛水器（ROV）的購置和運行成本（需要具備強大供電能力的大型船舶）仍然相對較高，而 BATFish 115等新的、規模較小的遙控潛水器可以提供一種更具成本效益的方式來收集圖像和傳感器中的數據，進而估算魚群密度、魚類種群組成和體長結構。BATF

111、ish 是一種扁平的水動力拖曳式航行器，可開展具有成本效益的廣域視覺調查。BATFish 在一個重 130 磅的系統中裝備兩臺攝像機、多個燈具、一個多波束聲吶、高度計和錄像機，可以在小型（約 25 英尺）船舶后拖行。除了拖曳式水下視頻（TUV）系統外，目前正在開發的其他技術包括誘餌式遠程水下視頻（BRUV）系統，111 https:/ http:/ https:/ https:/www.fisheries.noaa.gov/feature-story/citizen-scientists-help-count-deep-7-bottomfish-hawaii 115 https:/www.ma

112、regroup.org/batfish.html edf.org|40 使用誘餌將魚吸引至攝像機視野內；自主運行的遠程水下視頻（RUV）系統；由潛水員操作的潛水員操作視頻（DOV）系統；立體視頻技術，利用設置在不同角度的兩臺攝像機生成 3D 圖像。重要的是，所有這些技術都在隨著時間的推移實現顯著改進：尺寸越來越小，成本越來越低，可采集分辨率更高的圖像，使用尺寸更小、更強大的電池，信息存儲能力也越來越強。這些技術可用于估算魚類種群生物量和魚類種類組成，同時與傳統方法相比，可以顯著降低魚類死亡率，并且能夠采集其他信息，包括關于魚類棲息地、行為、體長組成和遷移軌跡的數據。NOAA 的研究人員開發了

113、CamTrawl116立體攝像系統，可安裝在拖網網囊（位于末端）附近。拖網將魚群匯集在一起，并將它們輸送至攝像機視野內，在攝像機記錄魚群后安全釋放魚群。然后，科學家使用一種算法來鑒別魚種，并估算漁獲物體長，這種算法可以在不到一天的時間里瀏覽 200至 300萬靜態圖像，如果采用人工審核，耗費的時間要長得多117。這一方面的其他示例包括 Habcam 項目118，每天發回 500,000 張由搭載在不同水下航行器上的攝像機拍攝的圖像。伍茲霍爾海洋研究所的研究人員與新英格蘭漁業科學中心合作開發了一種算法，快速并且足夠準確地檢測海扇貝（檢測率介于 60%至 95%，與人工圖像分類檢測率一致）。在美國

114、西海岸，俄勒岡州魚類和野生動物部使用搭載立體攝像頭的遙控潛水器來測量傳統拖網評估工具無法進入的棲息地中的石斑魚魚類種類組成、豐度和體長119。美國南佛羅里達大學的科學家則使用 C-BASS（基于攝像機的評估調查系統）120，一種裝備立體攝像機的拖曳式攝像機系統，在墨西哥灣開展棲息地評估，近期還在評估調查中使用C-BASS系統協助對紅鯛魚進行視覺計數。盡管研究人員可以訪問大量、并且仍在不斷增加的高質量視頻和其他圖像，使用現有人工技術來分析這些數據是一項極為繁重的任務。技術型平臺的快速發展使攝像機成像能夠用于棲息地評估和種群評估，盡管圖像數據處理技術仍然比較落后（Bicknell等，2016年）。

115、在提高圖像分析效率方面最具影響力的進步是通過先進算法自動化分析過程。目前已開發出多個具有前景的圖像分析算法。例如，華盛頓大學電氣與計算機工程121正在引領一個項目，使用機器學習技術自動識別來自遙控潛水器的圖像。目前，這一技術仍然存在各種各樣的問題，尤其是高誤檢率問題，但是這些問題可以通過跨幀運動提取和其他技術進步來克服。Fish4Knowledge 項目122旨在通過與 116 https:/www.st.nmfs.noaa.gov/aiasi/afsc_camtrawl.html 117 https:/www.st.nmfs.noaa.gov/aiasi/Home.html 118 http

116、s:/habcam.whoi.edu/119 https:/www.dfw.state.or.us/MRP/fisheries/populations.asp 120 https:/www.marine.usf.edu/scamp/about/visual-surveys-with-c-bass/121 https:/people.ece.uw.edu/hwang/122 https:/groups.inf.ed.ac.uk/f4k/edf.org|41 公眾合作，開發能夠有效從視頻圖像中有效提取信息的算法來自動識別和注釋視頻圖像，并自動化數據存儲。研究人員使用水下實時視頻作為試驗臺，并開發了

117、一款在線游戲，來鼓勵用戶選擇和鑒別魚種，以收集大量帶注釋的圖像來測試分析技術。游戲收集了由用戶提供的大量高質量注釋。為了讓更多人能夠利用機器學習算法開發，Kitware123聯手 NOAA 科學家，共同開發海洋環境視頻和圖像分析（VIAME）124開源軟件平臺，以促進開發水下圖像分析計算機視覺技術。在水產養殖行業，Tidal125開發了一個面向漁民的水下攝像機系統，可探測和解釋肉眼不可見的魚類行為126。商業利益的驅動，為相關技術的發展并最終應用于漁業科學領域發揮了重要作用。3.3.2 用于評估的聲學技術用于評估的聲學技術 除了視頻和攝像機成像之外，有源（聲吶）和無源（基于水聽器）聲學方法也被

118、廣泛應用于漁業和水產養殖業。例如，無源聲學技術近期已被用于提高虎蝦飼養效率（Smith和Tabrett，2013年），有源聲學技術則被用于在兩年一度的美加綜合生態系統和太平洋無須鱈聲學拖網調查中評估太平洋無須鱈的豐度127。提高價格低廉的聲學技術的采用范圍似乎是可行之舉。聲學技術的進步及其擴大應用可以繼續為漁業管理者帶來效益。例如，用于水體成像的寬帶反向散射技術是在窄帶回聲測深儀基礎上進行的改進，而且隨著設備成本持續下降，這一技術目前已經是一項可行技術（Bassett 等，2016 年）。例如，美國西海岸無須鱈漁業近幾年來一直使用聲學調查來協助開展評估，近期已開始制定結合聲學調查和底層拖網調查

119、的協議，以確保采樣工作涵蓋調查魚種的整個垂直分布范圍（Kotwicki 等，2017 年）?？Z爾特印第安民族的漁業管理者一直使用自動化水聲監測系統對超過 200 米范圍內的鮭魚進行探測、尺寸測量和 3D 跟蹤。該系統可 24 小時運行，監控并自動統計魚類數量，并將魚類狀態參數實時傳輸給漁業管理者（Klemas，2013年）。123 https:/ https:/www.viametoolkit.org/125 https:/pany/projects/tidal/126 https:/ https:/www.fisheries.noaa.gov/west-coast/science-data

120、/joint-us-canada-integrated-ecosystemand-pacific-hake-acoustic-trawl-survey#collecting-acoustic-data-at-sea edf.org|42 Liquid Robotics 的波浪滑翔機128可裝備一系列傳感器和其他數據采集儀器，主動采集和傳輸（利用衛星、蜂窩網絡或寬帶）數據，理想條件下的續航時間長達一年。Greene 等（2014 年）提出使用這項相對廉價的技術來代替漁業考察船開展聲學漁業資源評估調查的愿景，并認為滑翔機“艦隊”可開展美國西海岸無須鱈漁業評估，且需要的時間僅為當前評估時間的八分之一

121、，成本也將大幅降低。阿拉斯加漁業科學中心近期則在使用另一個平臺 Saildrone開展 2020年白令海狹鱈漁業評估129。目前，科學家們正在嘗試使用 Slocum 滑翔機130來定位產卵魚群。Slocum 滑翔機利用洋流能量在海洋中“滑翔”（與傳統滑翔飛行器的原理類似），并定期浮出水面，利用衛星傳輸數據?；铏C自帶動力，可在預編程的調查軌道上運行數周?；铏C上裝備了無源聲學接收器，以“聆聽”聚集產卵的魚群發出的聲音，一些魚種在聚集產卵時會發出特殊的聲音131。這項技術目前已在西北大西洋和加勒比海一些地區得到應用132。聲學遙測技術采用聲學信號發射器標記魚群中的個體，并跟蹤它們的遷移活動，這項

122、技術增進了我們對海洋魚類資源的了解。例如，Verhelst等（2016年）利用聲學遙測技術來探測北海大西洋鱈魚（Gadus morhua）的季節性洄游行為。雖然這類信息對漁業資源評估具有明顯價值，它們也可以用于實施基于空間和時間的捕撈配額或其他管理工具。3.3.3 環境環境 DNA 和遺傳學和遺傳學 最近，研究人員對環境 DNA（eDNA）分析產生了濃厚的興趣。環境 DNA 分析可 128 https:/www.liquid- https:/www.fisheries.noaa.gov/feature-story/ocean-going-robots-effective-surveying-p

123、ollock 130 http:/ 131 https:/oceanservice.noaa.gov/facts/ocean-gliders.html 132 https:/oceanexplorer.noaa.gov/okeanos/explorations/ex1502/background/leg1/welcome.html edf.org|43 以識別宏觀生物（無論死活）掉落至周邊環境的遺傳物質。一項可用于估算魚類資源豐度的具有前景的技術涉及使用從海水中采集的環境 DNA 作為評估魚類資源豐度和組成的指標，研究人員近期才開始了解環境 DNA 技術在漁業評估領域的應用潛力。直到最近，環境

124、 DNA 技術的應用一直僅限于魚種檢測（存在/不存在；Kelly 等，2014 年）。但 Stoeckle、Soboleva 和 Char-lop-Powers（2017 年）近期提取了哈德遜河（Hudson River）河口的環境 DNA，并發現可在環境 DNA 檢測到豐富的常見河口魚種，而非罕見魚種，這表明魚類資源豐度和環境 DNA 豐度之間存在可量化關系。河口中大部分魚種的線粒體 DNA 序列已存儲在 GenBank 數據庫中133，因此能夠識別擴增的環境 DNA序列。研究發現，環境 DNA 具有一種“金發姑娘”特質，即，存留時間足夠長，可被檢測到，但也不會過長，而導致無法定位。重要的是

125、，即使河口中匯入了哈德遜河的河水，但研究人員在環境 DNA 中很少檢測到淡水魚種，并且檢測到的魚種因季節而異，與魚類種群的春季洄游現象一致。最近，Sigsgaard 等（2016 年）提出了一項重要的原理驗證，即環境 DNA 數據可用于提供魚類種群信息。研究人員一直在試圖確定一個區域的海水樣本中的環境 DNA 數量和組成與該區域內特定魚種的密度之間的關系。Thomsen 等（2016 年）對拖網調查漁獲物和海水環境 DNA 組成進行了比較，發現環境DNA 中屬于格陵蘭睡鯊（Somniosus microcephalus）的 DNA 比例較高，但在拖網調查中僅捕獲了一頭格陵蘭睡鯊。這些進展對于檢

126、測和評估可能避開漁具的魚種具有重要意義，并闡明了環境 DNA 或“生物群落條形碼”的應用潛力，不僅可用于漁業資源評估，還可用于正式綜合生態系統評價，包括食物網評估（Goodwin 等，2017年）。檢測海水中的環境 DNA 具有挑戰性：海水體積與生物量的比率、洋流和高鹽度意味著環境 DNA 的濃度非常低，消散速度更快，并且可能無法得到完好保存。然而，重要的是必須認識到，環境 DNA 能夠提供其他采樣方法無法提供的眾多優勢。與底層拖網采樣不同，環境 DNA 提取適用于幾乎所有海洋環境。提取環境 DNA 需要的專業知識或工作量很少，從而降低了成本，并使其更容易應用于農村地區和發展中國家。DNA 鑒

127、定也比視覺樣本更加客觀、確定性更高，因此，在未來，我們必將能夠直接通過分析給定區域的海水樣本來估算該區域內特定物種的豐度。目前研究人員已開發出易于使用的便攜式商用產品，可裝備用于檢測和識別 DNA 的傳感器，從而能夠開展基于現場的環境 DNA分析（Yamahara等，2019年）。在過去十年里實現迅速發展的另一個遺傳學研究領域是使用遺傳種群鑒定（GSI）技術來探測種群結構，并確定不同的物種、亞種和種群。俄勒岡州立大學研究人員引 133 https:/www.ncbi.nlm.nih.gov/genbank/edf.org|44 領的西海岸遺傳種群鑒定項目旨在揭示劣勢鮭魚種群的漁獲地點和時間模式

128、，這類鮭魚主要來自北加州（Teel 等，2015 年）。這些信息尚未用于實時管理，但其擁有巨大潛力：如果能夠檢測到一致的時空模式，或者能夠生成近乎實時的遺傳信息，劃定短期禁漁區的反應式管理將能夠為西海岸漁民帶來更多重大利益（Satterthwaite 等，2015年）。這一方面的另一個示例是，加拿大研究人員使用遺傳學技術結合傳統知識和社會科學方法，增進對北部魚類種群的認識，最終提高偏遠社區的管理能力134。3.4 海洋生態系統海洋生態系統監測監測 生態系統質量是影響魚類群落組成、生產力和整體系統恢復力的重要決定性因素。提高對漁業包含的各類棲息地的范圍和組成的認識可以提高管理者制定法規（例如劃定

129、禁漁區或保護區）或者制定針對特定區域的法規（例如，允許使用的漁具類型）的能力。生態系統監測工作采用的工具和生成的產出對于促進漁業可持續管理至關重要，但其應用非常廣泛，不僅局限于漁業。例如，監測水產養殖場排放的污水或微塑料等污染物可以協助配置污染防治資源，確定可能的污染源。改善協調海洋空間規劃（MSP）方法的輸入數據質量可以惠及所有海洋資源使用者（相關概述請參閱Collie等，（2013 年）。然而，由于資源有限，收集的數據的詳細程度和數據量往往不足以用于基于生態系統的管理或生態系統健康管理。測量生態系統健康狀況的常規方法非常耗時，而且實施成本高昂，有時會導致漁業社區的貢獻被排除在測量過程之外，

130、而且底層拖網調查等方法會對生態系統造成嚴重影響（NOAA 漁業部，2020 年）。許多新興技術造成的破壞比較小，可有效測量魚類群落組成和生產力等生物學特征，并且可以收集溫度、鹽度、溶解氧以及碳捕獲潛力等實時物理海洋數據。目前正在開發利用人工智能工具分析由各種先進傳感器收集的海量數據集的新方法，以加強海洋生態系統監測。新興技術還能夠收集實時數據，讓我們向近實時數據分析邁進一大步。如此一來，可以為利益相關者（包括漁民和政府）提供一個重要機會，采取適應性行動，應對復雜的氣候變化影響?？傮w而言，目前研究人員正在開發更多用于測量生態系統健康狀況的新技術，這些技術具有環保意識、成本效益，可傳輸實時數據并適

131、應新興挑戰。3.4.1 海洋生態系統海洋生態系統測繪測繪 遙感技術可以為棲息地劃定和測繪（包括設計海洋保護區）提供信息支持。遙感技術的基礎理念是，海面溫度、鹽度和葉綠素濃度等關鍵海洋學變量可在遠程測量，134 https:/newsroom.carleton.ca/story/track-fishing-boost-food-security/edf.org|45 并且是海洋生物多樣性、棲息地范圍和質量的優質代理變量（Kachelriess 等，2014年）。遙感技術可以提供關于全球性生態系統的結構和其變化過程的長期趨勢的信息，該信息具有可重復測量、標準化和可核實的特點。遙感數據的空間和時間尺

132、度是原位測量永遠無法企及的。結合大數據分析領域的新興進展，遙感技術將發揮巨大潛力，為規劃和定位人類在海洋領域的活動提供洞見。在近期的一個示例中，科學家利用大數據技術來確定具有最高生態-經濟綜合效益的海洋保護區候選地點，為此科學家們使用了超過 220億個經濟活動數據點和大量生態數據135。半自主無人機在收集關于海洋過程的分布和規模信息方面也極具潛力。2017 年，NOAA 在太平洋上部署了一個半自主無人機艦隊 Saildrones136開展一個為期 8 個月的項目，目的是研究破壞氣候的厄爾尼諾事件的征兆137。這些無人機采集環境和大氣變量等高分辨率海洋數據，并且可裝備專門的回聲測深儀，以開展漁業

133、資源評估和深度勘測。Saildrones 記錄海洋學變量分布出現的陡峭梯度，為氣候模型提供有價值的輸入。衛星通常難以檢測到這類梯度，而固定式或老化的浮標則容易忽略這類梯度（Voosen，2018年）。其他水面無人機包括 Datamaran138，目前已被用于觀察海洋哺乳動物和研究地震學。合成孔徑側視雷達（SLAR）和合成孔徑雷達（SAR）（Brown、Fingas和Hawkins，2003 年）可跟蹤浮油和魚群引起的反向散射模式。這些技術可以搭載在飛行器上，以探測竹夾魚、鰹魚、南方藍鰭金槍魚和海豚等魚群（Klemas，2013 年），并且美國海岸警衛隊自 20 世紀 60 年代起開始使用這些技

134、術測繪海冰狀況。除了觀測整體冰情之外，合成孔徑側視雷達圖像還可用于識別單個浮冰的大小、形狀和表面特征139。目前，跟蹤海冰狀況是評估氣候變化對漁業影響的一項重要工作。135 https:/ 136 https:/ http:/www.sciencemag.org/news/2018/03/fleet-sailboat-drones-could-monitor-climate-change-s-effect-oceans/138 http:/ https:/trid.trb.org/view/3635 edf.org|46 3.4.2 污染監測污染監測 微塑料等污染物對水生和陸地生物構成有害威脅

135、，尤其是許多污染物會沿食物鏈在生物體內累積?！吧汉鹘佑|塑料后，患病風險會從4%驟增至89%”（Lamb 等，2018年，第 460 頁）。納米傳感器、測繪技術、高光譜成像和 3D 建模等新興技術都可以協助繪制下落不明的塑料分布地圖。光譜流式細胞術在原位識別一系列物質方面擁有巨大潛力，可以使用便攜式設備近乎實時地識別水樣中的塑料和有害藻類等物質（Leape等，2020 年）。這些技術基于分子振動識別微塑料等物體，為便攜式、基于平臺的微塑料探測器開辟了廣闊前景（Araujo等，2018年）。Draper140等機構將微塑料傳感器搭載在自主水下航行器（AUV）上，它與美國環保署合作，使用塑料顆粒污染

136、指數（PPPi），利用數據共享平臺構建穩健微塑料傳感器網絡141。高光譜攝像機能夠識別海水中的微塑料，并且部署工作相對簡單，因此，它收集的信息也可用于改進塑料污染監測（Fu 等，2020 年）。目前海洋領域部署的大部分高光譜攝像機都是搭載在機載平臺上，可從遠處識別物體（例如，漏油事件），高光譜攝像機在針對一系列物質的原位采樣中的應用也在逐漸增加（Kachelriess等，2014年）。為了應對日益頻發的有害藻華問題（HAB；McPartlin 等（2016 年），蒙特利海灣研究所（MBARI）開發了一個環境樣品處理器（ESP）142，旨在自動檢測系泊處的有毒藻類。環境樣品處理器使用分子探針技術

137、來傳輸實時數據，成本顯著降低，因此已取代收集并將水樣送至實驗室進行分析的過時技術。蒙特利海灣研究所的化學傳感器小組143還使用搭載傳感器的滑翔機來測量溶解的化學物質的濃度。140 https:/ 141 https:/ 142 https:/www.mbari.org/technology/emerging-current-tools/instruments/environmental-sample-processor-esp/143 https:/www.mbari.org/science/upper-ocean-systems/chemical-sensor-group/edf.org|4

138、7 3.4.3 監測海洋生物健康狀況監測海洋生物健康狀況 目前許多組織正在利用新技術監測多種海洋生物的健康狀況。例如杜克大學海洋實驗室144一直在測試利用無人機開展廣泛生態系統監測工作。研究人員使用 SenseFly的固定翼 eBee 無人機系統145和 Thermomapper 攝像機（利用熱成像自動檢測和統計海洋生物）在加拿大東部和新英格蘭的偏遠島嶼上開展灰海豹種群調查146。SenseFly eBee也被用于創建企鵝棲息地的 3D表面模型，并用于測繪南極洲冰川側面融水的熱測繪圖147。其他無人機（例如 Sofar推出的經濟型 Trident遙控潛水器）148可根據需求搭載傳感器、模塊和附

139、加裝置，以收集特定地點的海洋數據。海洋聯盟的 SnotBot149計劃使用無人機采用無創方法采集鯨魚的呼出氣冷凝液。SnotBot 搭載的設備包括培養皿、海綿、攝像機和麥克風，以采集鯨魚的“鼻涕”樣本，其中包含 DNA、應激激素和妊娠激素、微生物組以及衡量動物健康狀況的其他指標?？茖W家們正在利用仿生學技術發明以非入侵性的方式采集復雜生態系統動力學數據的技術。例如Robofish150可合作跟蹤水下活動目標，例如鯨魚群或魚群，并且對魚類自然行為的影響最小。這些機器人群可以合作追蹤大群生物，或者測繪不斷擴大并且形狀持續變化的大片污染151。144 https:/nicholas.duke.edu/

140、marinelab 145 https:/ https:/sites.nicholas.duke.edu/uas/147 https:/sites.nicholas.duke.edu/uas/highlights-from-antarctica-research/148 https:/ 149 https:/whale.org/snotbot/150 https:/magazine.washington.edu/uw-researchers-create-robofish-that-can-talk-to-each-other/151 https:/www.engr.washington.ed

141、u/facresearch/highlights/aa_robofish.html edf.org|48 3.4.4 聲學聲學生態系統監測生態系統監測 水下聲學監測聲一直是漁業資源評估的關鍵組成部分，也可以為監測生態系統健康狀況提供獨特視角。位于美國東北部的波士頓港采用一個搭載無源聲學記錄儀、先進算法和數據傳輸能力的浮標系統，配合一個變速系統來減少航運業與鯨魚發生撞擊事故的概率152。一旦發現有鯨魚靠近航道（通過鯨魚發出的聲音識別），系統便會向監管者發出警告，并實施自適應速度限制。Loggerhead Acoustic Instruments153和 Ocean Instruments154設

142、計的無源聲頻信號陷波器已被用于監測魚類和哺乳動物發出的聲音，整體海洋聲景，以及風電機組、打樁機和地震勘測產生的噪音。Loggerhead Instruments 開發了高速運動數據記錄儀，在前所未有的細節程度上研究動物行為，可以為揭示人類噪音污染對海洋生物種群健康狀況的影響提供重要見解。該公司還與邁阿密大學的科學家合作，聯手創建了 Medusa Ocean Profiler（海洋剖面儀）155，以具有成本效益的方式研究仔魚生存環境。Ocean Instruments 的聲頻信號陷波器已被用于開發自動檢測海洋哺乳動物的新方法。它們的配套軟件能夠整合聲學數據和其他類型的數據，可以有效的納入統計和機

143、器學習模型，形成相關的結果，因此擁有巨大變革潛力。研究人員也雇傭公民科學家來協助以新方式監測生態系統健康狀況。例如，英國 152 https:/ http:/ http:/www.oceaninstruments.co.nz/155 https:/ edf.org|49 的一個跨學科團隊設計了一個配備聲學水聽器和揚聲器的 Sonic Kayak 系統，供研究人員和公民科學家監聽水下生態系統，并且可以采集水下聲音和溫度數據（Griffiths 等，2017 年）。公民科學家滑動船槳，便可以聽到并記錄水下水聽器拾取的聲音，因此可以監聽海洋生物，并監測來往船只和其他人為聲音。Sonic Kayak

144、這類系統也被用于追蹤夏威夷海洋保護區內一個淺水區高能岸礁棲息地中的魚類行為和遷徙模式（Meyer和Holland，2001年）。3.4.5 珊瑚礁健康狀況珊瑚礁健康狀況監測監測 監測珊瑚礁健康狀況是衡量氣候變化對生態系統健康影響的重要途徑，而激光雷達（LiDAR）在增進我們對珊瑚礁棲息地動態的了解方面發揮著關鍵作用（Klemas，2013 年）?；鶐r海洋勘探公司的倡議156旨在繪制最全的世界海洋地圖，使用激光雷達繪制海底 3D 水深圖，以實現對珊瑚礁結構、覆蓋面積和多樣性的跨時間尺度監測。通過使用美國陸軍工程兵團開發的 SHOALS（掃描海道測量機載激光雷達測量）系統，研究人員發現珊瑚礁褶皺度

145、與魚類集群結構密切相關。激光雷達技術還可以結合商業漁獲信息，來表征澳大利亞維多利亞州西部鮑魚漁業的地理足跡（Jalali 等，2015 年）。NOAA 研究人員還在波多黎各使用激光雷達技術來測繪復雜的混合底棲生境157，并確定激光雷達的水深測量功能測得的形態測定模式是資源管理規劃多個常用魚類和珊瑚指標的良好預示指標（Pittman等，2009年）。Sofar的Spotter158等浮標也已用于監測珊瑚礁，以增進對南太平洋島國瓦努阿圖海岸過程的了解159。為了利用公民科學促進海洋生態系統監測，Aqualink160與科學家遠程協作，以慈善形式支持社區管理本地海洋生態系統，并為合作社區提供 Sof

146、ar的智能浮標 Spotter。3.4.6 海洋觀測海洋觀測 隨著海洋數據越來越易于獲取，海洋觀測行業可以克服挑戰，制定相關標準和實踐，以整合跨設備、制造商、用戶和領域的傳感器數據（del Rio 等，2017 年）。目前，構建智能水下傳感器網絡，使用多媒體技術進行海洋遙感和數據可視化，加強海洋災害遙感和預測，為海洋產業提供服務（例如為航運業提供海冰監測服務）等領域的潛力巨大。CLS161、Smart Ocean Systems（智能海洋系統）162、Garmin163、Hohonu 164等 156 https:/ 157 https:/ 158 https:/ 159 https:/ 16

147、0 https:/www.aqualink.org/161 https:/ 162 https:/www.oceannetworks.ca/innovation-centre/smart-ocean-systems 163 https:/ 164 https:/www.hohonu.io/edf.org|50 公司致力于設計并制造低成本海洋傳感器，并將通過提升海洋學儀器在廣泛組織的可用性來推動這場革命。浮標網絡在過去幾十年里一直被用于海洋觀測，而且大部分數據和分析工具都是公開的165。除了由傳統的科研機構部署海洋傳感器之外，研究人員對將漁船作為數據采集平臺的興趣日益濃厚。Berring 數據合

148、作社（BDC）166為漁船裝備收集海洋數據的傳感器和其他必要設備。傳感器通常安裝在漁具上，便于收集水體的垂直剖面數據。Berring數據集合致力于將收集的數據提供給盡可能廣泛的用戶。這一方面的另一個例子是新西蘭的 Moana 項目167。項目于 2018 年啟動，目的是應對氣候變化，提高對沿岸環流、海洋連通性和海洋熱浪的了解。項目還力求為支持海產品行業可持續增長提供信息。項目應用物聯網概念，開發低成本海洋溫度剖面測量儀，供漁業社區“隨時部署在任何漁船”。項目的目標是采用先進建模技術和項目智能海洋傳感器收集的數據開發新海洋環流模型，進而開發一個開放獲取的海洋預報系統。這個基礎廣泛的多機構項目說明

149、了這類漁業合作研究項目的潛在規模和重要性。3.5 提升供應鏈透明度提升供應鏈透明度 海產品是全球貿易量最大的商品之一，供應網絡從東南亞和南太平洋等主要生產區輻射至全球發達國家和發展中國家市場。這些復雜的供應鏈必然不是透明的，為篡改產品類型和特點、暗中交易非法和不報告漁獲、掩蓋奴工和童工現象提供了大量漏洞。提升供應鏈可追溯性可提高生產者打造產品差異化（尤其是通過獲取 MSC 認證等 165 https:/www.ndbc.noaa.gov/166 https:/ https:/www.moanaproject.org/edf.org|51 生態標簽）168的能力，增強消費者對產品來源的信心，提升

150、運營效率，并提高往往沒有特許經營權的小規模漁民的議價能力、合法性和福祉。實現海產品供應鏈可追溯性涉及開發適用于復雜海產品供應鏈的全球數據架構和供應鏈過程。在海產品供應鏈中，產品形態可能在各個供應鏈節點發生變化（從整魚到各種增值產品），運營過程涉及多種語言，并且涉及規模和技術能力迥然相異的大量公司（Bhatt 等，2016 年）?？勺匪蒹w系必須實現可互操作性，這在本質上意味著它須為供應鏈中的所有參與方提供無縫服務。相互聯通的傳感器是海產品行業可追溯性的規則改變者許多目前已實施的可互操作系統都依賴于各種數字技術取得的最新進展，例如射頻識別（RFID）標簽、二維碼和條形碼，這些技術可利用實體標識符識

151、別在供應鏈中移動的產品。這些數字標識符也促進了數據庫系統的維護，這些數據庫系統將在產品的整個生命周期內持續跟蹤產品。其他技術則可在上岸點自動識別或測量數字形態的產品，從而便于在數據庫系統中創建記錄。例如，MER 顧問目前正在致力于為波多黎各漁業開發“智能計重秤”，自動鑒別和測量上秤的魚類種群，并將這些數據與重量、時間和位置元數據集成起來169。大自然保護協會的智能計重秤170還可協助整合捕撈地點和時間數據與重量和體長等物理特征。將這些測量值鏈接至一個以條形碼表達的唯一標識符，然后將數據存儲在數據庫中，隨著產品在供應鏈流動跟新相關數據。集成可追溯體系的另一個示例是 Dynamic Systems

152、 推出的 Simba系統171，該系統使用條形碼跟蹤產品從魚類被捕撈的那一刻開始直至交付至零售商的完整過程。168 https:/www.msc.org/home 169 https:/ https:/www.nature.org/ourinitiatives/urgentissues/oceans/future-of-fisheries/fishface-using-technology-to-change-the-way-fisheries-are-managed.pdf 171 http:/dynamic- Vericatch Solutions172等公司采用現有產品批號來構建可追溯體

153、系，因此無需為在供應鏈中流動的產品添加實體標識符。Know your Fish 173是一款云技術支持的軟件即服務（SaaS），允許供應鏈中的所有企業使用通用批號來跟蹤產品。之后便可在銷售點為消費者提供漁獲來源信息以及其他教育資源。ThisFish 174是一項海產品可追溯性資源，為消費者提供一個追溯海產品來源的門戶網站，其中包括關于產品的捕撈地點和時間、捕撈者和加工者的信息。該系統目前僅在北美和歐洲的少數漁業得到應用，目前正在進行進一步優化，重點關注利用平臺來提高公司的運營效率。最近，區塊鏈技術也被用于開創一種跟蹤和追溯海產品的新方法。區塊鏈能夠構建分布式數據庫，這種數據庫非常安全，網絡中的

154、所有人都可以訪問，并且可以實時更新給系統中的所有門戶和用戶。在 2016 年開展的一個試點項目中，Provenance175結合智慧魚類標簽和區塊鏈技術，跟蹤印尼漁民捕獲的魚類產品。世界自然基金會與區塊鏈科技公司 ConsenSys176和 TraSe177攜手在中西部太平洋漁業委員會轄區內開展了相關工作，他們開發了一個可追溯體系，利用射頻識別標簽來存儲產品識別信息，并利用區塊鏈技術來跟蹤產品在區塊鏈中的流動178。這一方面的另一個示例由區塊鏈驅動的市場平臺 Release，它將購買者和出售者匯集在一個平臺上，使每個人都能訪問真實信息179。這些項目證明了集中式數據管理系統并非可靠跟蹤漁業產品

155、的必要之舉，并闡釋了區塊鏈技術在海產品行業的應用潛力。172 https:/ https:/ http:/thisfish.info/175 https:/www.provenance.org 176 https:/ https:/ https:/www.wwf.org.nz/what_we_do/marine/blockchain_tuna_project/179 https:/ edf.org|53 可追溯體系的未來在于持續整合更多不同類型的信息。許多大型公司已采用各種企業資源計劃（ERP）系統來提高運營效率，而這些系統也越來越多地用于面向消費者的可追溯性目的?？傮w而言，目前在將監管信息和

156、需求（例如配額分配和許可）整合至執行可追溯性功能的數據管理系統方面具有巨大潛力。目前也有多個組織專注于通過協同行動提高海產品供應鏈的可追溯性。海產品可追溯性全球對話平臺（GDST）180是一個全球性組織，目標是推進構建一個全球統一的可追溯性框架。海產品可追溯性全球對話平臺專注于制定互操作性行業標準，希望利用這些標準促進復雜的全球海產品供應網落實現普遍可追溯性。海產品合法性和可追溯性聯盟（SALT）181為全球供應鏈利益相關者社群提供了一個合作平臺，以提高全球海產品供應的合法性和可追溯性。3.5.1 減少減少海產品海產品欺詐欺詐 目前許多公司都在致力于提高消費者和零售商對它們出售的產品的信心。例

157、如，Trufish182提供 DNA 檢測服務，以避免貼錯標簽。Trufish 是一項年度訂閱服務，定期隨機抽選一定數量的海產品樣品進行 DNA 檢測，以驗證物種身份。Verifik-8183則提供數據分析服務，以提高漁業對可持續實踐的認識。Verifik-8 將生產者與購買者關聯起來，以降低運營風險，并試圖在供應鏈上下游建立信任。Verifik-8 可識別供應鏈中的環境和社會風險，協助企業遵守進口市場的監管要求，并滿足消費者對負責任采購的需求。BackTracker184是一個海產品電子追溯和驗證平臺，可對照政府采集的官方上岸量數據核查供應鏈信息。BackTracker 對照原始漁船批次或上

158、岸信息對購買的海產品進行第三方驗證。隨著產品在供應鏈中移動，使用 BackTracker 的參與者可以對照政府官方上岸記錄驗證魚種、漁船、漁區、上岸港口和漁獲量等關鍵產品屬性。BackTracker 中的所有數據都經過加密，因此，用戶可以決定共享哪些數據，以及哪些數據繼續保密。3.5.2 采購負責任采購負責任海產品海產品 了解海產品的來源變得越來越重要，一方面是因為消費者的健康和環保意識日漸增強，另一方面是因為供應鏈活動受到越來越多的公眾監督185。遵守可持續發展和勞動法最佳實踐（并且獲得相關標簽證明）的產品可在一些市場獲得溢價，并且對于一些主要的零售連鎖店，這些標準是將產品列入庫存清單的先決

159、條件。2017 年，金槍魚 180 https:/traceability-dialogue.org/181 https:/www.salttraceability.org/182 https:/ https:/ http:/ https:/www.fisheries.noaa.gov/international/international-affairs/forced-labor-and-seafood-supply-chain edf.org|54 產業的 60 多家主要參與者簽署了2020 年實現金槍魚可追溯性宣言186，承諾僅從承擔社會和環境責任的生產商手中采購金槍魚。宣言還要求，到

160、2020 年，所有產品都可追溯至具體捕撈漁船。目前，公司和供應商也能獲得更多信息來支持負責任的采購決策。這方面的一個例子是 FiseryProgress187平臺，鼓勵增強漁業改進項目（FIP）報告的一致性，并提高用戶對全球成功漁業改進項目的信心。目前，為提高公眾對環境和供應鏈問題的認識而開展的工作正在增加。MSC 認證或OceanWise（海洋智者）188標簽等生態標簽可以向購買者證明，他們購買的海產品是經專家認證的可持續產品。Seafood Safe（海產品安全）189等其他標簽則向消費者保證，他們購買的海產品的汞和其他環境污染物超標風險較低。NOAA 運行的 FishWatch（魚類監察

161、）數據庫190為消費者提供美國 50 多種常見魚類資源的可持續性信息。其他相關工作包括組織小規模生產者提高公眾對海產品供應問題的認識Local Catch（當地漁獲）網絡191表明，由漁民、廚師和其他供應鏈參與者組成的積極實踐社區可以成為推動可持續發展和增加當地小規模漁民效益的有力工具。這項技術非常有效，并且并不復雜，由一個網頁組成，提供豐富的教育資源和一個將購買者與出售者關聯起來的海產品搜尋地圖，以及其他多種多樣的資源192。另一個示例是 Oyster Common，這是一個由人工智能驅動的本地海產品市場，通過虛擬魚販將漁民與餐廳和消費者關聯起來193。3.5.3 跟蹤跟蹤小規模小規模海產品

162、海產品 關于 MSC 認證等生態標簽的一個主要擔憂是，漁業，尤其是發展中國家的小規模漁業，往往難以達到相關認證要求?？赡艿脑虬ㄟ@些漁業缺少實現可持續漁業管理需要的機構能力，或者小規模漁業的經濟性不足，導致監測成本遠遠高于漁業價值。Pelagic 數據系統的船舶跟蹤系統（VTS）194、Zunibal 的船舶跟蹤器195等價格低廉的小規模跟蹤器可協助推進合法化小規模漁民。但是，許多小規模漁業甚至無法負擔廉價的追蹤器。在這些情況下，智能手機往往是協助跟蹤海產品的唯一選擇（Leape 等，2020年）。Abalobi196等應用程序是專為小規模漁民設計的。Abalobi的追溯能力完全是 186

163、https:/www.weforum.org/agenda/2017/06/tuna-2020-traceability-declaration-stopping-illegal-tuna-from-coming-to-market/187 https:/fisheryprogress.org/188 https:/seafood.ocean.org/189 https:/ safe.htm 190 https:/www.fishwatch.gov/191 https:/localcatch.org/192 https:/finder.localcatch.org/193 https:/ ht

164、tps:/ 195 https:/ http:/abalobi.info/edf.org|55 通過其智能手機應用程序和一個在線平臺實現的，并且能夠有效追溯海產品從上岸點到最終消費者的完整過程。Abalobi 可以生成一個面向消費者的二維碼，掃描二維碼便可查看關于其購買的產品的更多信息，協助為消費者提供教育資源，并實現產品差異化。將小規模漁民納入國際供應鏈可促進經濟增長，而將其納入國內市場則可加強糧食安全和福祉，因此，需要進行權衡取舍，尤其是在設計漁業改進項目等干預措施時。在執法力度不夠的小規模漁業，必須鼓勵漁民收集可促進漁業管理和可追溯性的信息，FishCoin197應勢而生。FishCoi

165、n 構建了一個機制，使海產品買賣雙方能夠協商漁獲數據和可追溯性數據的價值，并支付相關費用。FishCoin 的實用型通證是這一區塊鏈平臺的基礎，可在應用程序內購買，用于交換供應鏈中的數據，然后在兌換移動數據充值等獎勵后銷毀。盡管 FishCoin 系統并不會驗證數據準確性，但它可以幫助建立信任，因為購買者為不準確的數據付費，創建不可篡改的記錄，然后利用質量平衡和其他三角測量法來驗證數據的真實性沒有任何意義。FishCoin 是一個基于開源區塊鏈的生態系統，與基于協議構建應用程序的開發人員共享因利益相關者交易信息產生的手續費。此外，FishCoin 還建立了多個機制，讓漁民和農民擔任可追溯性業務

166、的股東，為他們創造未來收入，并為政府提供稅收收入，以加強漁業研究、監測、合規和監督。3.6 數據集成數據集成和管理和管理 集成多種類型和不同來源的數據，解讀之前難以處理的大規模數據集可以提高數據分析能力，為增進我們對海洋生態系統的了解，改進海洋生態系統管理提供了重大機會。將漁業數據采集范式轉變為電子報告可能是促進應用數據科學和知識創造新進展的最重要步驟。雖然紙質表格已在發達漁業中被逐步淘汰，整體而言，它們仍然是常態。此外，目前仍有大量漁業數據保存在各種紙質和數字檔案（數據“孤島”）中，并未用于管理或其他用途。此外，全世界漁業存在的一個關鍵數據缺口是缺乏能夠描述資源狀況或捕撈船隊活動的長期數據序

167、列。將紙質數據有效地轉換為電子記錄可以建立關于漁獲物、捕撈努力量和體長組成的時間序列數據，以改進漁業資源評估和優化漁業統計數據。另外一個迫切需求是創建經過改進的數據管理系統，以迅速更新數據、促進并簡化數據可視化、展示與管理目標和限值有關的漁業績效指標值。為漁業管理者提供基于數據生成的見解而非僅僅提供數據可以幫助縮小與科學漁業管理之間的差距，尤其是在生成這類見解的機構能力有限的情況下。197 https:/fishcoin.co/edf.org|56 能夠簡化數據錄入、質量保證和可視化，促進實時狀態評估的標準化數據錄入和管理系統是適應型科學漁業管理的黃金門票?？紤]到氣候變化對漁業造成的前所未見的

168、影響，適應型科學漁業管理的重要性日益突顯（Burden 和 Battista，2020 年）。開發一個規定測量參數、單位和頻率的標準協議將提高數據管理系統的效率?；谠朴嬎愕南到y可以允許多個用戶連續錄入數據，并對數據進行虛擬備份，并且可以訪問強大的統計和分析工具。云計算毋庸置疑將成為未來（以及當前許多）數據管理系統的支柱。在過去十年里，海洋數據量和數據類型都出現了爆炸式增長。雖然特定數據流的采集工作往往是由一方利益相關者推動的，但這些不同的數據流對各方都有巨大潛在價值。在大多數情況下，這些潛在價值并未得到實現，但有跡象表明，數字海洋生態系統正在蓬勃發展。這種新興范式目前已有多個示例，包括應用機

169、器學習技術分析大量、多元海洋數據以改進環境的 Sinay198。Sinay 使用來自 6000 多個數據源的數據來防止環境危害，提高公司運營效率。更精確的天氣預報也讓航運公司受益良多，這是通過采用復雜算法，利用多個來源的數據實現的。水產養殖場經營者則受益于更精確的、預報模型，這些模型可通過綜合多種數據類型，提前預警海虱感染?？茖W家們目前已經搭建多個強大的集成網絡（例如，NeXOS199）。NeXOS 是由來自政府、公共、私人和科學屆的 21 個合作伙伴聯合開發的開源軟件，可實現實時數據傳輸和數據分析。Gybe200開發的算法可結合傳感器收集的實時數據與衛星遙感圖像，從遠程改進自適應水資源管理。

170、對于漁業而言，加強集成和使用多種類型的數據將引領我們進入漁業管理和捕撈方法的新范式。在歷史上，出海的漁民無法獲得海洋學、市場和其他實時數據來支持他們決定捕撈地點和時間，現在這種情況正在發生改變。雖然管理者往往缺少在動態管理中實現類似改進需要的數據流和決策支持工具，新數字海洋生態系統和數據網絡改進將推動漁業管理者設計和實施法規的方式發生重大變化。這一方面的一個示例是瑙魯協定締約國（PNA）推出的漁業信息管理系統（iFIMS）。這個系統集成了許可和注冊、漁獲和活動信息等多層數據，協助瑙魯協定締約國管理者近乎實時地跟蹤船舶活動（Bradley等，2019年）。3.6.1 改進改進捕撈作業捕撈作業 在

171、漁業管理中整合先進數據管理系統的案例仍然較為罕見（Leape等，2020年），198 https:/sinay.ai/en/199 http:/www.nexosproject.eu 200 https:/www.gybe.eco edf.org|57 但這一情況正在發生轉變。目前已有一些利益相關方提議全面改變漁業數據的管理方式。例如，Bradley 等（2019 年）提出了一種新的數據管理模式，賦權漁民和管理者收集、訪問、共享漁業數據，并從中受益?？频陆巧虡I漁民協會設定了以下目標：改變關于數據使用的現有敘述，設計一個系統，使漁民能夠訪問和利用他們的數據來改進業務決策，同時允許科學家訪問必要數

172、據，以支持科學管理決策201。Ecocast202是一個在線平臺，利用集成目標漁獲物和兼捕漁獲物歷史信息的近實時海洋學變量信息，確定在不同區域捕撈不同魚種的概率。TurtleWatch203則是一張地圖，提供關于夏威夷群島以北太平洋的紅頭龜棲息地熱特性的最新信息。DOLFIN204是伍茲霍爾集團開發的一個商業智能平臺，可集成具體公司的日志和 VMS 數據與海洋數據。DOLFIN 采用機器學習來確定最感興趣的相關性，然后利用這些關聯關系支持漁民決定捕撈位置和時間。減少搜索目標魚種的時間可提高漁獲率和節省燃料，這是DOLFIN 系統的關鍵優勢。日本日本海洋科學技術中心（JAMSTEC）205為青森

173、縣的魷魚漁業開發了一個漁情預報系統，其理念是，向漁民告知魷魚在漁場中的可能位置可以減少燃料消耗量（Leape等，2020年）。這個項目大獲成功，之后被私營企業收購。SeaState206是一家存在已久的公司，為白令海狹鱈漁業和西海岸牙鱈漁業的漁民提供配額跟蹤服務。SeaState 繪制捕撈船隊中各艘漁船提供的漁獲量和兼捕漁獲數據，并幫助船隊確定捕撈位置，以便最大限地減少兼捕。大型漁業公司也開始抓住數據工具對其業務運營的價值。例如，挪威阿克海洋生物公司207采用機器學習技術，通過分析多個數據流（包括來來自衛星的天氣狀況和海洋學信息，實際漁獲物信息）來預測可能存在磷蝦群的位置，并幫助漁船顯著縮短搜

174、索時間。阿克海洋生物公司還使用這些數據來優化加工廠和船舶運營，利用船載傳感器的數據來優化燃油效率208。越來越多的漁民也開始使用無人飛行器來最大化搜索效率。例如 Tunadrone209是一種可直接在船舶上發射和回收的固定翼無人機，可用于探測金槍魚群。秘魯最大的漁業公司 TASA210訂購了康斯伯格海事公司（Kongsberg Maritime）配備寬帶聲學回聲探測儀 Sounder無人水面艇211，目標是協助公司的 48艘漁 201 https:/em4.fish/wp-content/uploads/2020/02/2019-Digital-Public-Report-1-Fisherma

175、n-First-Data-Ecosystem.pdf 202 https:/coastwatch.pfeg.noaa.gov/ecocast/203 https:/www.fisheries.noaa.gov/resource/map/turtlewatch 204 https:/ https:/www.jamstec.go.jp/teams/e/kichiji/index.html 206 https:/ https:/ https:/ 209 https:/www.marineinstruments.es/products/tunadrone/210 https:/.pe/acerca-d

176、e-tasa-acerca-de-tasa-en.html 211 https:/ 船搜尋鯷魚群，并優化捕撈作業。3.6.2 利用海洋數據生態系統創造新價值利用海洋數據生態系統創造新價值 新技術正在改進捕撈作業，促進實現動態海洋管理，改善消費者與漁民之間的關聯關系，有效利用現有機制創造價值。但是，漁民在未來 50 年內獲得的大部分價值必然是通過目前尚未成熟的機制產生的。為實現這一愿景邁出的第一步是加強海洋數據共享。例如，一個新的海洋數據聯盟將公司、科學和環保人士匯集在一起，構建一個開源平臺212，促進共享海洋數據（世界經濟論壇，2017 年）。NOAA 于 2015 年推出大數據項目（BDP）

177、，目的是提高數據資源的可訪問性和可用性，這個項目本質上是一個實驗，可以確定利用之前的“孤立”數據可以創造什么價值（Vance等，2019年）。大數據項目是 NOAA與云計算領域的五大巨頭（包括亞馬遜 AWS、谷歌和微軟）聯手推出的合作項目。這些重要舉措強調數據廣泛共享和利用，正在為構建未來新數據范式奠定基礎。氣候變化仍然是海洋領域技術創新的推動因素。目前，漁業可以利用質量更好、成本更低的傳感器，實時聯通性和大數據工具來識別氣候變化趨勢，因此預警系統可以向漁業和海洋管理者警示潛在危機（世界經濟論壇，2017 年）。氣候變化將推動海洋管理轉變為更具適應性、更敏捷的模式，例如動態禁漁。健康的數據生態

178、系統是實現這些轉變的基礎。預警、預測和觀測系統（SAPO）213是一項新舉措，旨在協助我們深入了解不斷變化的環境對洪保德海流生態系統產生的影響。數據采集是這個項目的 companyfirst-to-order-flexible-new-sounder-usv-from-kongsberg/212 https:/www.oceandata.earth/213 http:/blogs.edf.org/edfish/2020/10/06/in-south-americas-humboldt-current-this-collaborationto-build-more-climate-resilie

179、nt-fisheries-brings-together-two-great-fishing-nations/edf.org|59 關鍵環節，但是，最具影響力的進步必然是開發新方法，利用新數據工具來確定漁業變化的預測因素。隨著越來越多的海洋資源使用者開始爭奪海洋空間，海洋空間規劃和動態海洋管理將成為行業討論的主要內容。海水養殖業規模不斷擴大，正在受到越來越嚴格的環境績效審查。這必然將增加對海洋信息的需求協助進行初步選址或廢水監測但也可以提供信息。水產養殖基礎設施可以輕松裝備海洋和其他傳感器，并且可以融入海洋數據生態系統。未來非常明朗來自更多來源、類型更多樣的更多數據將以更多我們尚不知曉的方式創

180、造更多價值。edf.org|60 4.海洋技術海洋技術籌資籌資環境環境 本節介紹漁業和海洋技術籌資環境的當前和未來趨勢。各種各樣的組織在漁業和海洋技術供資或融資方面發揮著重要作用，本節試圖概述各類組織發揮的作用，以及這一分類學下特定組織發揮和可能發揮的作用。通過回顧灰色文獻，我們向來自基金會、非政府組織、投資基金、科技公司、研究組織、政府間和多邊機構以及技術加速器的 72 位從業者發送調查問卷，以了解他們在資助漁業和海洋技術或者接受資助方面的印象和經驗。我們共收到 28份回復，回復率為 39.4%（表 4.1）。在綜合這些信息之后，我們進一步以訪談形式采訪了 15 位專家。本節概述調查結果，也

181、是我們的灰色文獻綜述、問卷調查、訪談和個人通信的高級別總結。表表 4.14.1 問卷調查和訪談受訪者匯總表問卷調查和訪談受訪者匯總表 回復問卷調查回復問卷調查 訪談訪談 出資人出資人/資金類別資金類別 初始清單初始清單中的數量中的數量 美國機美國機構構 非美國機非美國機構構 美國機美國機構構 非美國機非美國機構構 非政府組織 14 4 6 3 1 投資基金 10 3 0 1 0 基金會 17 7 0 1 0 科技公司 15 3 2 1 1 研究組織 4 2 0 1 0 政府間和多邊機構 2 0 0 1 0 加速器和其他 10 1 0 4 1 總計總計 72 20 8 12 3 edf.org|

182、61 圖圖 4.14.1 漁業和海洋技術的漁業和海洋技術的融資融資來源來源分類分類及及相應相應風險投資發展風險投資發展階段階段 注：按融資生態位分布的籌資渠道，描繪了私營、營利性公司籌資渠道的凈現金流量。在本報告中，本圖表適用于以漁業或海洋為重點的新興科技公司。死亡之谷原圖來自加州大學戴維斯分校創業中心，我們使用藍色文本框對原圖進行了修改。（資料來源：綠色科技媒體）4.1 籌資籌資渠道渠道 在漁業和海洋技術籌資環境中發揮作用的供資和融資機構可分為八個類別：1.政府機構 2.雙邊援助機構 3.國際金融機構 4.多邊機構 5.慈善機構 6.非政府組織 7.私人融資 8.技術加速器 在本報告中，上述

183、各類機構被統稱為出資人。但是，供資和融資的一個重要區別 公司成立 研究補助 發展補助（例如，SBIR）凈現金流凈現金流 親朋好友和創立者（5 千-5 萬美元）天使投資人（5 萬-50 萬美元）早期風險投資（50 萬-200 萬美元）風險投資（200 萬-5000 萬美元）IPO、收購兼并（2500+萬美元）私募股權項目融資（200萬-5000 萬美元）籌資籌資 企業發展階段企業發展階段 基礎研究 應用研究 概念證明 目標市場 經營規劃 工作原型 資金團隊 工程原型 供應商合同 生產原型 經銷合同 產品推介 收入增長 政府機構政府機構 雙邊援助機構雙邊援助機構 國際金融機構國際金融機構 非政府組

184、織非政府組織 民間融資民間融資 加速器加速器 例如，例如，NOAA 漁業創新基金漁業創新基金 例如，例如，Norad Nansen 計劃計劃 例如，例如，Nippon 基金會基金會 Nereos 計劃計劃 例如，例如，施密特施密特海洋技術合作伙伴海洋技術合作伙伴 例如，歐洲投資基金例如，歐洲投資基金 例如，世界漁業中心例如，世界漁業中心 例如，例如，Katapult Ocean 例如，健康加速器例如，健康加速器 技術死亡之谷技術死亡之谷 慈善機構慈善機構 edf.org|62 是，出資人通常并不追求投資收益，但融資人會。慈善機構、非政府組織出資和政府補助視為供資，而開發銀行、加速器和投資基金的

185、投資則視為融資。此外，一些組織也會向政府或其他實體提供貸款以推進與漁業技術有關的項目，但并不會直接為營利性公司提供融資。例如，世界銀行可能為印度政府提供貸款，協助其使用遙感技術作為預測工具來監測底層漁業資源。印度的相關政府機構隨后可能發布需求建議書（RFP），以尋找一家科技公司來負責項目。國際金融機構、雙邊援助機構和其他多邊機構可以通過這種方式間接為處于不同發展階段的科技公司提供資金。其他出資人則為營利性科技公司的發展和研發工作提供直接資金支持。這類出資人包括加速器、慈善機構、非政府組織和民間金融，不同類別的出資人往往重點關注處于特定發展階段的公司（圖 4.1），盡管同一類別內的機構之間也存在

186、差異。海洋技術的大多數資金來源的最終目標都是促進海洋資源可持續利用和保護受到威脅的生態系統和社區標，但是一些出資人在本質上更側重于運用技術來實施解決方案，而另一些則專注于以政策和教育為重點的項目。本節總結各類出資人的重點領域、參與模式和核心活動。4.1.1 政府政府機構機構 政府機構主要是以機構撥款的形式提供以技術為重點的資金，這是一種不追求收益的公有資本（De Vos 等，2020 年）。聯邦政府通常將撥款責任下放給支持特定經濟領域的特定政府機構。例如，菲律賓漁業與水產資源局（BFAR）214負責監管漁業和水產養殖業，還負責分配漁業和海洋領域的政府撥款。菲律賓漁業與水產資源局還與其他政府機構

187、合作，幫助菲律賓國內漁業項目獲取國際支持。各國漁業機構通常重點關注漁業資源評估豐度和生產力估算，以及數據集成與漁獲量和捕撈努力量核算。大多數政府機構僅為國內項目提供資助，但也有一些政府機構會參與具有全球或地區影響的項目。例如，美國政府經常會向非美國科技公司提供政府補助金，以支持其開發先進漁業監測技術。政府機構在支持具有重要社會和經濟價值，但可能無法立即盈利的項目方面發揮著重要作用，而且，考慮到政府補助金可以降低投資風險，政府機構通常會與私營部門合作，以擴大項目的影響規模。政府撥款是海洋技術項目可以獲取的規模最大的不追求收益的資本，但是，與其他領域相比，美國海洋和漁業技術項目的專用公共資金水平仍

188、然相對較低。美國當前的年度研發總支出約為 1250億美元，其中只有不到 20億美元的資金被分配給海洋科學（Leape等，2020年），而且，美國的海洋技術聯邦資助整體一直呈下降趨勢。然而，214 https:/www.bfar.da.gov.ph/edf.org|63 在漁業和海洋技術發展領域，也有一些令人矚目的資金來源發揮著關鍵作用。例如，美國國家魚類和野生動物基金會與 NOAA、翠鳥基金會和沃爾頓家族基金會攜手成立了漁業創新基金215，目的是支持與漁業創新、電子監控和電子報告相關的項目。政府資助往往在技術和相關過程的早期研發階段發揮關鍵作用，這也是政府資助飽受批判的一點政府資金往往不能為這

189、些技術的未來擴展、增長和實施開辟跑道（經合組織，2019年）。表 4.2列出了一些活躍在海洋技術領域的知名政府機構。215 https:/www.nfwf.org/programs/fisheries-innovation-fund edf.org|64 表表 4.2.為為海洋技術海洋技術提供資金的知名政府機構提供資金的知名政府機構 美國國家海洋和大美國國家海洋和大氣管理局氣管理局（NOAA）NOAA 與國家海洋漁業局（NMFS）負責聯邦政府的所有海洋和大氣資助計劃，NMFS 還負責漁業管理和聯邦漁業法規實施216。NOAA 利用 Saltonstall-Kennedy 補助計劃（SK 補助金

190、）217和減少兼捕工程計劃（BREP）218等研究計劃劃撥資金，支持漁業可持續發展創新。NOAA 與美國國家魚類和野生動物基金會（NFWF）219合作管理漁業創新基金，其中包括一項電子監控和電子報告補助計劃220。NOAA 將這個補助計劃作為一個平臺，積極與漁民、各州機構和其他利益相關者合作，整合數據采集技術，并簡化數據使用和管理。補助計劃的目標是“提高漁業相關數據的質量、數量和及時性”。歐洲漁業控制局歐洲漁業控制局（EFCA）EFCA221是歐盟系統內參與漁業管理應用技術研發的機構。EFCA致力于開發促進歐盟成員國共享數據的信息系統。EFCA的溯源技術協助歐盟實施漁獲物丟棄禁令。EFCA 通

191、過建立漁業活動監測系統，協調成員國活動，并為成員國提供培訓。EFCA 還通過制定共同漁業政策參與國際工作，主要側重于打擊 IUU 捕撈行為。漁業部漁業部（新西蘭新西蘭）新西蘭漁業部設立了一個采用技術推動漁業可持續發展的部門222，并推出了一項新漁業變革計劃（FCP）223.FCP 確定了三大重點領域：1）實施強制電子漁獲和位置報告，2）簡化和改進捕撈政策，3）使用船載攝像機等技術增強監測和驗證能力。新西蘭漁業部為新興漁業技術提供支持，推動使用電子監控等電子工具來實施配額管理系統。澳大利亞漁業管理澳大利亞漁業管理局局（AFMA）AFMA224監測和管理澳大利亞水域的商業捕撈活動，并為澳大利亞漁民

192、提供服務。AFMA支持應用漁業監測技術，幫助漁民遵守法規。相關活動包括：為漁民提供的服務：包括提供日志和表格、GoFish225配額和注冊系統，以及其他配額管理工具。漁業管理：包括管理手冊、關于捕撈方法和漁具的信息以及其他針對特定漁業和魚種的管理信息。協助漁民遵守規則和法規：包括國內和國際漁業合規。環境研究：包括旨在減少兼捕、改進捕撈策略、設計生態風險管理策略和改進受保護物種管理的科研活動。菲律賓漁業與水產菲律賓漁業與水產資源局資源局（BFAR）BFAR 是菲律賓負責開發、改進、管理和養護漁業和水產資源的政府機構，它的職責包括：制定并實施國家漁業發展計劃。頒發漁船許可和登記商業漁民。建立和維護

193、一個綜合漁業信息系統226。為漁民和漁業提供咨詢服務和技術援助。制定促進魚類資源養護和管理的規則和法規。智利國家漁業與水智利國家漁業與水產養殖局產養殖局（SERNAPESCA）智利國家漁業與水產養殖局227是一個公共機構，隸屬于智利經濟、發展和旅游部。SERNAPESCA 的目的是監測漁業、水產養殖和環境衛生法規的合規情況。SERNAPESCA 負責執行智利的國家漁業政策。SERNAPESCA負責機構能力建設，并積極探索如何運用技術促進漁業監測。216 https:/www.fisheries.noaa.gov/217 https:/www.fisheries.noaa.gov/grant/s

194、altonstall-kennedy-grant-program 218 https:/www.fisheries.noaa.gov/national/bycatch/bycatch-reduction-engineering-program 219 https:/www.nfwf.org/220 https:/www.nfwf.org/programs/fisheries-innovation-fund?activeTab=tab-3 221 https:/www.efca.europa.eu/en 222 https:/www.mpi.govt.nz/fishing-aquaculture

195、/sustainable-fisheries/223 https:/www.mpi.govt.nz/fishing-aquaculture/commercial-fishing/fisheries-change-programme/224 https:/www.afma.gov.au/225 https:/ebusiness.afma.gov.au/226 https:/www.bfar.da.gov.ph/about_us.jsp?id=70 227 http:/www.sernapesca.cl/english edf.org|65 4.1.2 雙邊援助機構雙邊援助機構 許多國家通過國家機

196、構提供發展援助等公共資金，這些資金被稱為雙邊援助。如果機構的絕大多數項目主要針對個別國家，則其屬于雙邊機構，盡管它們也可能開展一些多邊（區域）項目。美國國際開發署（USAID）228就是一個典型的雙邊援助機構，已開展多個針對特定國家的援助和發展計劃，但它也實施了多個多邊計劃，例如海洋與漁業伙伴關系（OFP）229。雙邊援助通常采用贈款形式，并且往往聚焦重大挑戰，例如改善空氣質量，以及改善教育或基礎設施等公共產品的分配（De Vos 等，2020年）。美國國際開發署和日本國際協力事業團（JICA）230等雙邊發展機構屬于政府機構，目的是協調發展援助，促進發展中國家的經濟和社會發展，并促進國際合作

197、。這些機構實施的海洋計劃通常旨在支持漁業可持續發展，包括開發或測試海洋技術。表4.3總結了一些知名雙邊援助機構開展的活動。表表 4.3.知名知名雙邊援助機構雙邊援助機構 美國國際開發署美國國際開發署（USAID）USAID 的海洋計劃通過海洋與漁業伙伴關系（OFP）231和推動生態系統可持續發展（SEA）232項目直接支持漁業技術。OFP 迄今為止已投入 2500 萬美元用于加強電子漁獲登記和可追溯性（eCDT），促進漁業可持續發展和保護亞太地區海洋生態系統生物多樣性。SEA 項目是一個五年項目（2016-2021 年），目的是促進印尼采用電子船舶注冊系統。USAID 會根據時任政府的重點發展

198、領域調整援助戰略。之前支持 OFP 計劃的戰略正在轉變為新的印太愿景和戰略233。新戰略減少了對漁業的關注，更關注民主治理體系、貿易、經濟增長和安全。USAID 還將調整新伙伴關系倡議（NPI）234的重點，優先考慮接受聯邦資助的小型初創企業，而非現有的大型聯邦承包商。小型企業應用研究（SBAR）計劃235是 NPI 框架下的一個實地計劃，目的是擴大 USAID獲取美國小型企業開發的新興技術、產品、服務和科學應用的機會。日本國際協力事業日本國際協力事業團團（JICA）JICA負責管理向發展中國家提供的發展援助。漁業計劃圍繞漁業資源管理、水產養殖發展和漁業價值鏈發展。除了在水產養殖領域推廣日本先

199、進技術之外，JICA 的行動還重點關注制定基于管理和政策的漁業可持續發展解決方案。228 https:/www.usaid.gov/229 https:/www.usaid.gov/asia-regional/fact-sheets/usaid-oceans-and-fisheries-partnership 230 https:/www.jica.go.jp/english/our_work/thematic_issues/fisheries/index.html 231 https:/www.usaid.gov/asia-regional/fact-sheets/usaid-oceans-

200、and-fisheries-partnership 232 https:/www.sea-indonesia.org/233 https:/www.usaid.gov/sites/default/files/documents/1861/Strategic-Approach-Indo-Pacific-Vision_Feb2020.pdf 234 https:/www.usaid.gov/npi 235 https:/www.usaid.gov/SBAR edf.org|66 挪威挪威開發開發合作署合作署（Norad）Norad236由挪威政府資助，隸屬挪威外交部。Norad 負責執行“漁業促進

201、發展”計劃237，旨在通過加強糧食安全和促進可持續管理減少貧困。該計劃可分為三個部分：研發：包括 Nansen 計劃238，這是挪威政府和聯合國糧農組織推出的雙邊計劃。Nansen 計劃派遣考察船來收集關于全球海洋和漁業狀況的數據。業務拓展：協助拓展以水產養殖業為重點的可持續和盈利業務。資源管理和立法。Norad為越南和納米比亞等國家提供雙邊支持，以構建新的監管和法律框架，包括支持生物多樣性公約239的框架。Norad支持南非和納米比亞手工漁業的發展，并支持莫桑比克的國際農業發展基金。4.1.3 國際金融機構國際金融機構 多邊開發銀行、區域開發銀行和雙邊開發銀行都是由多個國家供資，以支持經濟增

202、長和發展為目的的金融機構（De Vos 等，2020 年）。開發銀行往往向各國政府而不是私營部門提供優惠貸款（低于市場利率），協助各國實現發展目標（De Vos 等，2020 年）。但是，許多國際金融機構也會提供贈款等不追求收益的資金。世界銀行是規模最大的國際金融機構，也是許多區域開發銀行的典范。開發銀行為難以獲得商業投資資金的項目提供支持。它們傾向于為廣泛經濟領域提供投資，并支持方式多元、但主題相關的眾多子項目。開發銀行是海洋保育領域的重要資金來源，因為它們認識到，許多國家的海洋資源是其經濟發展的重要基礎（世界銀行與聯合國經濟和社會事務部，2017 年）。隨著各個開發銀行開始更深入地參與推進

203、聯合國可持續發展目標，它們也開始更加關注漁業和水產養殖業（尤其是推進實現可持續發展目標 14）。但是，雖然開發銀行已加大藍色經濟投資，它們往往是風險厭惡型投資者，因此不太可能為新興技術提供資金支持。發展金融機構（DFI）是一種資本結構與開發銀行不同的國際金融機構，通常以低于商業銀行的利率為中等收入國家的企業提供投資（De Vos 等，2020 年）。世界銀行的附屬機構之一國際金融公司（IFC）240便是一個發展金融機構。表 4.4 總結了一些知名國際金融機構的活動。236 https:/www.norad.no/en/front/237 https:/www.norad.no/en/front

204、/the-knowledge-bank/programmes-in-the-knowledge-bank/fish-for-development/238 http:/www.fao.org/3/a-i6039e.pdf 239 https:/www.un.org/en/observances/biological-diversity-day/convention 240 https:/www.ifc.org/wps/wcm/connect/corp_ext_content/ifc_external_corporate_site/home edf.org|67 表表 4.4.知名知名國際金融機

205、構國際金融機構 世界銀行世界銀行PROBLUE 世界銀行當前的海洋投資組合價值約為 56 億美元。世界銀行及其眾多合作伙伴采用一種藍色經濟方法241來促進海洋經濟，并推動實現可持續發展目標 14，目的是“支持經濟增長、社會包容、保護和改善生計，同時確保海洋和沿海地區的環境可持續性”。PROBLUE242于 2019年 2 月獲得批準，是世界銀行在海洋領域推出的一個傘式多捐助方信托基金。PROBLUE 共有四個支柱，其中兩個與漁業最為相關：漁業和水產養殖：通過解決導致過度捕撈的根本原因推進漁業高質量發展，促進水產養殖業可持續發展。海景管理：加強政府管理海洋資源的能力，包括基于自然的解決方案和動員

206、私營部門融資。世界銀行資助項目的部分例子包括：秘魯國家漁業和養殖業創新項目243是世界銀行支持的項目之一，項目重點支持漁業可持續發展和拓展海洋健康知識。項目的一個重要內容是為一個競爭性資助機制提供融資，以便為創新項目提供資金，每年提供的資金額為 500 至 2000 萬美元。馬爾代夫的可持續漁業資源開發項目244旨在推進海水養殖和漁業高質量發展。該項目旨在通過開發關鍵漁業管理和規劃工具以及其他能力建設工作來提高政府監測漁業的能力。亞洲開發銀行亞洲開發銀行（ADB）亞洲開發銀行（ADB）于 2019年啟動價值 50 億美元的健康海洋計劃245，著力推動漁業可持續發展。計劃旨在通過贈款和支持降低投

207、資風險，吸引更多私營部門投資藍色經濟。雖然 ADB 并未直接投資于漁業技術，但它發揮了重要的機構能力建設作用，有助于構建一個促進技術采用的環境。歐洲投資銀行歐洲投資銀行（EIB）歐盟氣候銀行246隸屬于 EIB，承諾在未來 5年內為海洋項目（包括漁業）提供 25億歐元的資金，旨在為藍色經濟吸引 50 億歐元的公共和私人投資。EIB 將投資私營部門，并重點關注歐盟內部投資。藍色可持續海洋戰略（BlueSOS）247指引大部分海洋資金的分配。歐盟氣候銀行重點支持多類項目，包括可持續海岸開發、海產品可持續生產、綠色航運和生物技術。EIB 還制定了“藍色經濟可持續融資原則”248，為投資者提供海洋資源

208、可持續利用指南。這些原則已獲得聯合國環境規劃署的正式認可，并且是開發銀行協助機構能力建設的范例。合作伙伴包括歐盟委員會、世界自然基金會和世界資源研究所。歐洲投資基金（EIF）是 EIB 的另一個分支機構，它與歐盟委員會合作推出了藍色投資基金（BlueInvest Fund）249。EIF 的目的是拓寬歐洲中小企業的融資渠道，為它們提供支持。EIF 堅持與風險投資基金、銀行和小額信貸機構等其他出資人合作，構建混合資本結構。EIF 是歐盟在歐洲促進創新、研發和創業的工具。241 https:/www.worldbank.org/en/topic/oceans-fisheries-and-coast

209、al-economies#2 242 https:/www.worldbank.org/en/programs/problue 243 https:/projects.worldbank.org/en/projects-operations/project-detail/P155902 244 https:/projects.worldbank.org/en/projects-operations/project-detail/P157801 245 https:/www.adb.org/sites/default/files/am-content/484066/action-plan-fly

210、er-20190430.pdf 246 https:/www.eib.org/en/about/priorities/climate-action/index.htm 247 https:/www.eib.org/attachments/thematic/eib_blue_sustainable_ocean_strategy_en.pdf 248 https:/ec.europa.eu/maritimeaffairs/befp_en 249 https:/ec.europa.eu/commission/presscorner/detail/en/IP_20_167 edf.org|68 4.1

211、.4 多邊機構多邊機構 多邊機構由其成員國提供資金和負責運營，通常提供贈款等不追求收益的外部資金，但也會運營作為機構下設小組的內部資助項目（De Vos 等，2020 年）。另外，一些多邊機構目前也在探索新的資金分配方式。例如，全球環境基金（GEF）開創性地推出了非贈款工具試點計劃250，這是多邊機構推出的同類首個計劃。根據這一計劃，全球環境基金已于 2019年向 Meloy 基金（一個逐利性影響力基金）撥款 678 萬美元251。成員國決定多邊機構的重點挑戰，并利用一個基于委員會的結構制定合作項目。多邊機構可向各個項目分配集中資源，因此，很大一部分援助資金都是來自多邊機構（De Vos 等，

212、2020 年）。各個機構的工作重點取決于成員國的優先事項，有些機構投入大量精力來解決海洋和漁業面臨的具體挑戰。例如，聯合國、經合組織和各個區域漁業管理組織（RFMO）尤其致力于加強海洋保育和促進漁業可持續發展。聯合國是規模最大的多邊機構。聯合國不僅設立了海洋與沿海區域網絡（UN Oceans）252，還管理著糧農組織253和教科文組織254等組織。這些組織共同負責海洋技術的大部分機構資金，并支持藍色經濟。這些機構對旨在打擊 IUU 和改進海洋觀測的技術項目融資尤為感興趣，盡管大部分項目的目的是推進實現聯合國可持續發展目標。250 https:/www.thegef.org/sites/defa

213、ult/files/council-meeting-documents/16_EN_GEF_C_47_06_GEF-6_Non-Grant_Instrument_Pilot_and_Updated_Policy_for_Non-Grant_Instruments_1.pdf 251 https:/www.thegef.org/news/innovative-finance-project-sustainable-fisheries-launched-leading-investors 252 http:/www.unoceans.org/253 http:/www.fao.org/home/e

214、n 254 http:/www.unesco.org/edf.org|69 表表 4.5.知名知名多邊機構多邊機構 聯合國聯合國（UN）聯合國聯合國糧農組織糧農組織（FAO）聯合國教科文組織聯合國教科文組織（UNESCO）聯合國通過海洋與沿海區域網絡計劃、聯合國糧農組織、聯合國教科文組織和可持續發展目標 14 對促進漁業可持續發展產生廣泛全球性影響。許多項目都是技術型項目，例如聯合國反恐怖主義委員會執行局（CTED）255使用衛星數據和開發全球海洋觀測系統（GOOS）256。糧農組織一直致力于開發漁業技術，并促進開發包含漁獲登記計劃的VMS 系統，以及支持漁業資源監測的全球云協作平臺。經合組織

215、經合組織（OECD）經合組織是一個政府間經濟組織，成員國總數為 37 個。經合組織并未與其他多邊機構一樣直接為漁業技術提供財政支持，但是它發布的資源（包括關于制定知情政策決策的手冊257或漁業雙年度審核報告258）是促進漁業管理的有用量化資源，并且在全球漁業機構能力建設中發揮著重要作用。全球環境基金全球環境基金（GEF）GEF 259致力于解決地球目前面臨的最大環境威脅。GEF 通過贈款提供資金，并參與諸多項目的共同融資。GEF 的一個重點領域是國際水域260，GEF 致力于促進可持續捕撈活動和治理。該計劃分為三個部分：加強各國藍色經濟、改善國家管轄范圍之外的水域管理，提升淡水安全。GEF 還

216、為全球海洋商品可持續供應鏈項目（GMC 項目）提供資金支持261，GMC 是一個由聯合國開發計劃署運營，重點關注能力建設的項目，包括兩個部分：第一部分是構建一個被稱為“可持續海洋商品平臺”的多利益相關者對話空間，以制定藍色可持續發展政策。第二部分是鼓勵零售商和購買者參與支持漁業可持續發展改革。4.1.5 慈善慈善基金會基金會 在過去十年里，慈善基金會已投入約 87 億美元來促進漁業和海洋發展262，而且越來越多的海洋保育慈善資金來自個人慈善家。慈善基金會主要通過以下兩種方式為項目提供資金支持：贈款和混合金融工具。采用典型贈款結構的基金會往往對與新技術直接關聯的項目不太感興趣，更傾向于參與以政策

217、和管理為重點的解決方案。一些基金會的內部供資結構的投資組合和投資策略與典型影響力投資公司類似，更側重于創新和技術型項目。在這些情況下，基金會通常會期望獲得投資收益，并促進其資助的公司或產品實現可持續增長?；饡ǔＲ晕迥隇橹芷趤韮灮椖恐攸c，并按照這一周期調整工作和投資重點。255 https:/www.un.org/sc/ctc/page/2/256 https:/www.goosocean.org/257 https:/www.oecd-ilibrary.org/agriculture-and-food/the-oecd-handbook-for-fisheries-managers_97

218、89264191150-en 258 https:/www.oecd-ilibrary.org/agriculture-and-food/oecd-review-of-fisheries-policies-and-summary-statistics-2017_rev_fish_stat_en-2017-en 259 https:/www.thegef.org/260 https:/www.thegef.org/topics/international-waters 261 https:/www.thegef.org/project/global-sustainable-supply-chai

219、ns-marine-commodities 262 https:/fundingtheocean.org/funding-map/edf.org|70 目前多個重要基金會都在關注漁獲量和捕撈努力量核算，提升供應鏈透明度，而且其中許多項目都涉及打擊 IUU 和侵犯人權行為。在研究過程中，我們發現關于漁業技術領域獲得的基金會資金正在日益增長還是日益減少存在兩種矛盾觀點。一些受訪者認為基金會始終對漁業和海洋技術保持興趣，但其他人認為，基金會內競爭資源的投資重點和不斷變化的投資偏好是導致資金水平波動和對技術型海洋解決方案興趣有限的原因。新冠大流行也可能導致基金會重新調整投資重點。表表 4.6 知名知名

220、慈善慈善基金會基金會 戈登和戈登和貝蒂貝蒂摩爾基摩爾基金會金會 2004 年以來，摩爾基金會已向海洋倡議提供 3.2 億美元的贈款，其中大部分資金被用于改進漁業管理系統。摩爾基金會的海洋和海產品市場計劃（OSMI）263支持開發和實施加強美國和加拿大漁業透明度和問責制的技術解決方案。2016 年，摩爾基金會宣布向 OSMI 及其他兩個計劃提供 9000 萬美元，以消除食品生產的負面環境影響。OSMI 的核心目標包括調整系統條件，構建教育連續體，招募和吸引行業參與者。OSMI 倡議由 4 個合作伙伴組成：FishWise264、Future of Fish265、食品工藝學家學會全球食品可追溯性

221、中心266和世界自然基金會。各個參與組織合作創建詳盡海產品可追溯性資源，其中一些資源更側重于技術。例如，Future of Fish的海產品行業可追溯性工具箱267包括 12項工具和資源，可協助企業提高供應鏈可追溯性。大衛和露西派克大衛和露西派克德德基金會基金會 派克德基金會迄今為止已投入 16 億美元用于研究和促進海洋健康。派克德基金會的一項全球戰略是打擊非法捕撈行為，這項戰略是通過與 Oceans5（見下文）合作實施的。另一項戰略則聚焦全球海產品市場268，旨在增加全球可持續海產品的市場需求，并減少非法、不報告和不管制海產品貿易。全球海產品市場戰略包括三項戰略計劃：支持美國和日本的可持續海

222、產品采購；制定可持續發展計劃，放寬特定漁業的市場準入；促進對環境負責的漁業和水產養殖業。派克德基金會還幫助提升各級供應鏈的透明度，從支持公共零售可持續發展承諾到開發促進公共消費的基于網絡的項目進展平臺。這些計劃依賴于全鏈海產品溯源技術的開發和采用。沃爾頓家族基金會沃爾頓家族基金會（WFF）WFF 在 2016 年至 2020 年間投入 2.5 億美元來促進海洋保育。WFF 海洋倡議269的目標是終止印尼、秘魯、智利、墨西哥和美國的過度捕撈，改善海洋健康和沿海社區生計。WFF 市場戰略270旨在協助上面五個國家建立可追溯系統，并利用新興技術消除 IUU捕撈行為。2021 年初，WFF 宣布了一項

223、新的 2025 年戰略271，宣布了以環境為焦點的關鍵計劃，重點關注推動創新以解決環境挑戰，以及利用市場力量推進可持續發展。263 http:/futureoffish.org/sites/default/files/docs/resources/OSMI-traceability-collab-one-pager_1.pdf 264 https:/fishwise.org/265 http:/futureoffish.org/266 https:/www.ift.org/gftc.aspx 267 http:/futureoffish.org/resources/grids/seafood-

224、industry-traceability-toolkit 268 https:/www.packard.org/wp-content/uploads/2017/02/Global-seafood-Markets-Strategy-2017-2022-EXTERNAL.pdf 269 https:/www.waltonfamilyfoundation.org/our-work/environment/oceans 270 https:/www.waltonfamilyfoundation.org/about-us/newsroom/walton-family-foundation-outlin

225、es-seafood-markets-strategy 271 https:/www.waltonfamilyfoundation.org/strategy2025#environment edf.org|71 橡樹基金會橡樹基金會 橡樹基金會272在 2016 年至 2020 年間投入 1 億美元來支持海洋保育項目。橡樹基金會推出的倡議包括小規模漁業和工業漁業計劃。小規模漁業（SSF）計劃側重于改善漁業治理和提高計劃知名度。SSF 計劃支持致力于提高計劃在全球發展議程中的知名度的當地組織，并確保小規模漁業的治理改革得到充足資金支持。工業漁業計劃致力于通過改進漁獲登記來打擊非法捕撈行為。雖然并

226、未明確將技術干預作為一項目標，但技術干預是確保倡議成功加強國際漁業法規和政策的重要要素。彭博慈善基金會彭博慈善基金會 彭博慈善基金會273自 2014 年起已投入 1.39 億美元來推進活力海洋倡議274?；盍Ｑ蟪h的工作覆蓋 10 個國家。彭博慈善基金會一直積極參與全球漁業觀察平臺，并與其他機構合作推出一個大型海洋數據項目，以協助確定漁業挑戰275。Oceans5 Oceans5276是一個由致力于保護世界海洋的慈善家組成的“國際出資人協作項目”。Oceans5 偏好時限性項目，并側重致力于終止過度捕撈或設立海洋自然保護區的項目。Oceans5 目前正在推進 13 個與漁業技術有關的項目，

227、并且對遙感和電子監控技術的應用尤為感興趣。Oceans5 支持印尼 Kemitraan 伙伴關系277，協助近 4000 艘商業漁船裝備新的透明監控計劃。Oceans5 的全球項目之一是幫助華盛頓智庫史汀生中心（Stimson Center）278評估遠洋捕魚船隊。這個全球項目更側重于通過更好地了解船隊對政治話語和當地社區的影響來加強機構能力建設。Oceans5 積極與洪都拉斯和伯利茲政府建立伙伴關系，旨在改善這些國家的漁業數據采集和海洋監察。為實現這一目標，Oceans5 將實施電子許可、漁船跟蹤和漁獲登記系統。威特基金會威特基金會 威特基金會279是政府合作伙伴，協助政府制定海洋可持續發展

228、計劃。除了通過伙伴關系提供支持之外，威特基金會還提供贈款和技術援助，并組織科考行動。威特基金會的大部分工作都圍繞著海洋保護區和政策/管理解決方案展開。威特基金會負責管理海洋保育快速撥款計劃280，向致力于制定解決新興保育問題的解決方案的項目提供小額贈款。Oceankind Oceankind 基金會的使命是：“改善全球海洋生態系統健康狀況，同時支持依賴海洋生態系統的人們的生計”281。Oceankind 的重點領域包括：捕撈、氣候變化、棲息地喪失和污染。Oceankind 認為這些是世界海洋面臨的最嚴重問題。Oceankind 主要通過兩個計劃來應對這些挑戰：Oceankind 保育和Ocea

229、nkind 創新。Oceankind 保育計劃重點支持投身海洋保育領域的領先非營利組織，為杰出的先鋒企業提供投資，并力求通過政策和其他活動來擴大保育技術的應用規模。Oceankind 創新計劃旨在推進具有發展前景的海洋保育技術，支持具有重大規?；瘽摿?，并且可以直接用于解決海洋保育問題的技術進步。272 https:/oakfnd.org/273 https:/www.bloomberg.org/274 https:/www.bloomberg.org/program/environment/vibrant-oceans/#overview 275 https:/www.bloomberg.or

230、g/press/data-on-global-fishing-activity-and-ocean-ecosystems-now-available-on-bloomberg-terminal/276 https:/www.oceans5.org/277 https:/ https:/www.stimson.org/279 https:/www.waittfoundation.org/280 https:/www.waittfoundation.org/roc-grants 281 https:/oceankind.org/edf.org|72 翠鳥基金會翠鳥基金會 翠鳥基金會282旨在“通過

231、減少或杜絕非法、破壞性和不具經濟可持續性的捕撈行動來恢復和保護海洋魚類種群的健康和恢復力”。翠鳥基金會提供創新融資、風險管理和政策激勵措施，支持風險較高但可提供較高長期回報的解決方案。因此，翠鳥基金會的核心投資原則之一是容忍風險。翠鳥基金會的核心重點領域包括開發可持續漁業管理模型。翠鳥基金會是美國國家魚類和野生動物基金會電子監控和電子報告計劃的主要支持者。4.1.6 非政府組織非政府組織 非政府組織（NGO）通過贈款、計劃和伙伴關系提供資金。然而，非政府組織本身的運營也嚴重依賴贈款、私人捐贈和政府資助。許多出資人為非政府組織提供資金，協助其開展特定領域的具體項目，這些項目往往與技術開發或政治變

232、革有關。出資人往往通過提供資金和專家資源擔任合作伙伴。一些非政府組織能夠提供小額贈款，但大部分資源往往用于內部研究、創新和產品開發（De Vos等，2020年）。整體而言，非政府組織在技術型項目中發揮著重要作用，目前積極致力于資助與漁獲物和捕撈努力量核算、小規模漁業監測、提升供應鏈透明度有關的項目。其中許多項目都與電子監控和電子報告以及偵察 IUU 捕撈行為有關。整體而言，非政府組織往往對人工智能、機器人技術、衛星數據和改進數據管理系統有著濃厚興趣，并在彌合科學與政策的鴻溝方面發揮著重要作用（Leape等，2020年）。許多非政府組織開始將人類福祉（包括糧食安全和營養）作為加強漁業保育的主要動

233、機（Levine 等，2020年）。282 http:/www.kingfisherfoundation.org/edf.org|73 表表 4.7.知名知名非政府組織非政府組織 美國環保協會美國環保協會（EDF）EDF283增強世界各地漁業社區在改善生計的同時保護海洋的能力。EDF 開發并培養創新技術，并將其推向市場。EDF 致力于實現可持續和氣候恢復力漁業（涵蓋全球超 60%的漁獲量），改善海洋健康，保障糧食和就業安全，包括通過加強糧食安全和改善生計提升 5 億人福祉。在海洋計劃中，EDF 海洋技術解決方案（OTS）團隊正在通過智能船舶倡議284和其他工作推進漁業技術項目，旨在加快新技術的

234、開發和采用，以推進全球漁業可持續發展。EDF 在推廣海洋技術方面開展的工作已成功推動多個國家采用漁業技術，包括瑞典、智利、秘魯、印尼、菲律賓、日本和美國。EDF 開展的技術型項目的示例包括：EDF 與美國西海岸底棲拖網漁業漁民合作，應用機器學習工具和無線傳輸技術改進電子監控試驗計劃。在美國和印尼開展的 SmartPass（智能通行）項目（Haukebo等，2021年）旨在利用人工智能算法和數字攝像機自動生成關于漁船活動數據，以此來加強小規模和休閑漁業監測。瑞典漁民與政府官員和 EDF 合作，開發并采用 FishRight 在線平臺285，允許漁民實時交易配額。FishRight 能夠減少兼捕，

235、并協助瑞典遵守歐盟最新頒布的漁獲物丟棄禁令。在智利、厄瓜多爾和秘魯，EDF 及其合作伙伴正在構建一個“預警系統”，集成多種數據類型并運用大數據工具來應對氣候對洪保德海流生態系統造成的影響。EDF 目前正在與阿拉斯加漁業科學中心的漁業創新項目286合作開發計算機視覺技術，以自動統計和鑒別拖網漁船捕撈的底棲魚種。Oceana Oceana287倡導基于科學的漁業管理，并與全球漁業觀察開展緊密合作。Oceana 倡議的重點領域包括負責任捕撈和“拯救海洋，養活世界（Save the Oceans,Feed the World）”運動288。Oceana還負責管理海產品欺詐計劃289，利用DNA監測技術

236、來識別魚類。Oceana 主要通過倡導活動、訴訟和研究活動來加強機構能力建設。例如，Oceana于 2019年對國家海洋漁業局（NMFS）提起訴訟，指控 NMFS未能防止美國西海岸鯷魚過度捕撈。大自然保護協大自然保護協會會（TNC）TNC 致力于改善全球海洋保育，推動漁業可持續發展，并與漁業管理者和其他利益相關者合作，開發新技術并提升對可持續海產品采購的需求。TNC 與海產品解決方案保護聯盟290合作開展中西部太平洋金槍魚延繩釣漁業改進項目。TNC 通過這些漁業改進項目來確定減少兼捕的方法，并致力于開創新技術和數據分析解決方案來采集關于漁業健康狀況、捕撈船隊合規性的數據，并提高可追溯性。在開展

237、這些項目期間，TNC 也在延繩釣漁船上部署了電子監控系統。TNC還與Techstars291合作運營Techstars可持續發展加速器項目292，支持眾多具有可持續發展意識的初創公司，加速器項目的成員包括 Bext360293和 Gybe294等藍色科技公司。283 https:/www.edf.org/284 https:/www.edf.org/oceans/smart-boats 285 https:/www.edfeurope.org/swedish-fisheries 286 https:/www.fisheries.noaa.gov/feature-story/developing

238、-machine-vision-collect-more-timely-fisheries-data 287 https:/oceana.org/288 https:/oceana.org/feedtheworld 289 https:/oceana.org/our-campaigns/seafood_fraud/campaign 290 https:/solutionsforseafood.org/collaborators/the-nature-conservancy/291 https:/ https:/ 293 https:/ https:/www.gybe.eco/edf.org|7

239、4 世界自然基金世界自然基金會會（WWF）WWF295大力投資以海洋為重點的項目，并且一直致力于實施海洋保護區和開發基于政策的解決方案來解決世界漁業挑戰。最近，WWF 參與了多個以技術為中心的倡議，包括啟動智慧捕撈計劃296和共同創立 OpenSC297。智慧捕撈計劃在金槍魚管理、禁止流網捕撈和擴大 MSC 認證在俄羅斯等國家的應用方面取得了進展。智慧捕撈計劃還致力于通過參與政府特別工作組和聯盟來杜絕歐盟和美國的 IUU捕撈行為。WWF 的 2020 年漁業目標包括加強全球糧食安全、改善金槍魚和白鮭等特定魚種的管理和可持續貿易，以及改善依賴漁業的社區的生計。保護國際基金保護國際基金會會（CI）

240、保護國際基金會298主要在以下三個領域參與海洋保育：藍色自然、藍色生產和藍色氣候。CI 致力于開發相關工具、伙伴關系和項目，促進基于位置的綜合海洋管理，促進漁業和水產養殖業可持續發展，通過藍碳減少碳排放，并提高社區適應氣候變化的能力。CI 旗下影響力基金保護國際風險投資基金299并不完全專注于海洋領域，但也已投資 Safety Net（安全網）300等漁業技術。世界漁業中心世界漁業中心 世界漁業中心301是一個國際非營利研究組織，旨在通過改進水產養殖業和漁業來減少發展中國家的貧困和饑餓問題。世界漁業中心的小規模漁業計劃302通過資助研究和支持改善漁業治理的政策倡議來促進能力建設。世界漁業中心的

241、水產養殖技術計劃303旨在提高水產養殖業的資源效率，促進水產養殖業可持續發展。感興趣的技術包括：魚類育種和遺傳學、疾病檢測和控制、營養和飼料、以及提升生產系統能力。4.1.7 民間融資民間融資 這類出資人包括影響力投資、風險投資和其他追求收益的私人資金。影響力投資和風險投資是可持續和創新海洋解決方案和技術最重要的兩種私人融資方式。與基金會相比，影響力投資基金主要集中于創新和基于技術的解決方案。所有投資基金都希望能夠通過投資獲得收益，盡管影響力投資基金可能愿意以低收益率換取投資組合成員公司創造的社會效益。與主流投資者相比，影響力投資基金對投資時限和公司風險預測的容忍度更高（De Vos 等，20

242、20 年）。但是，與基金會相比，影響力投資基金的投資更加保守，因為它們的主要目標是擴大資產規模，同時實現積極影響。目前，越來越多的風險投資公司也在通過投資藍色經濟加入影響力投資基金。與影響力投資基金相比，風險投資者對風險的容忍度較低，并且通常并不愿意用較低收益率換取更多積極影響，這可能也是風險投資并非海洋領域常見融資來源的原因。295 https:/www.worldwildlife.org/296 https:/wwf.panda.org/discover/our_focus/oceans_practice/smart_fishing/297 https:/opensc.org/298 ht

243、tps:/www.conservation.org/299 https:/www.conservation.org/projects/conservation-international-ventures-llc 300 https:/sntech.co.uk/301 https:/www.worldfishcenter.org/302 https:/www.worldfishcenter.org/content/worldfish-research-program-resilient-small-scale-fisheries 303 https:/www.worldfishcenter.o

244、rg/content/aquaculture-technologies-and-best-management-practices-training-program-0 edf.org|75 影響力投資和風險投資基金等投資基金中的私人資本是一個相對而言較低開發程度的資金來源（Fitzgerald 等，2020 年）。許多影響力基金都是通用型基金，只有少數資金專門針對漁業和水產養殖業。但是，許多基金都將藍色經濟作為投資重點，對海洋科技公司有一定興趣。盡管這類出資人感興趣的挑戰尚不明確，目前已經獲得資金的技術類型也呈現出一定趨勢。例如，傳感器和人工智能技術，以及數據共享和整編平臺都是常見投資類別。

245、這些趨勢可能與各類技術的風險預測和市場證據豐富度有關。盡管當前的認知是投資基金提供的資金正在逐步增加，受訪者并不認為他們有能力獲取這些資金。一些受訪者注意到，投資基金對藍色經濟和以海洋技術為重點的公司的興趣日益濃厚，這也提升了投資水平。其他人則認為，由于漁業在傳統上被認為是風險投資，針對漁業相關技術的風險投資基金仍然非常有限。漁業本身也開始提供更多資金，尤其是在能夠實現直接收益的情況下。例如，漁業正在為漁業改進項目提供越來越多的資金，這可能是因為美國和歐洲支持漁業改進項目的市場正在不斷增長（Levine等，2020年）。表表 4.8 知名知名投資基金投資基金 Althelia 可持可持續海洋續

246、海洋基金基金（SOF）SOF 304剛剛完成第二輪融資，目前可用投資額已達 9200 萬美元，可投資于可持續海產品、循環經濟和海洋保育等領域。SOF 支持能夠提升供應鏈效率的技術。SOF 采用獨特的混合策略，采用多元化方式投資可持續漁業和藍色經濟。SOF 成立于 2016 年，尚未公布投資組合成員公司。SOF 的戰略合作伙伴包括美國環保協會和保護國際基金會，它們為 SOF 提供技術專業知識并負責監督項目。保護國際基金保護國際基金會會（CI）風風險投資險投資 CI 風險投資是一個創新融資機制，應用金融工具支持自然保育。CI 風險投資的前身是 Verde Ventures，但其之后發展為 eco.

247、Business 基金305。CI 風險投資迄今為止已經完成八筆交易，CI 直接投資 270 萬美元，合作伙伴共同籌資 980 萬美元。CI風險投資的目標是到 2028 年完成 100 筆交易，管理全球 120 萬英畝土地，支持60,000 人的生計。CI 風險投資設立之初是一個由慈善機構資助的投資工具，目的是提供風險較高的投資，或者為無法獲得其他投資的地理區域和細分市場內處于早期階段的公司提供投資。藍色經濟是 CI 風險投資的重點領域之一。CI 風險投資最初秉承 CI 海洋中心306的戰略，尋找促進藍色解決方案的創新理念，包括可持續海產品和海洋污染解決方案。CI 風險投資重點關注全球和區域問

248、題、海產品公司和 CI 優先地理區域（例如古巴、南非、肯尼亞、秘魯）的供應鏈。盡管 CI 的戰略以支持小規模漁業為中心，CI 風險投資并不愿意投資向少數當地市場供應魚類產品的小型漁業合作社，因為它的投資的影響規模會受到限制。CI 風險投資感興趣的是能夠幫助廣泛小規模漁業的解決方案。CI 風險投資組合中的漁業和水產養殖技術包括 SafetyNet Technologies（安全網技術）和 Jala307。304 https:/ 305 https:/www.ecobusiness.fund/en/306 https:/www.conservation.org/about/center-for-o

249、ceans 307 https:/jala.tech/edf.org|76 施密特海洋技施密特海洋技術合作伙伴術合作伙伴 施密特家族基金會308為施密特海洋技術合作伙伴（SMTP）309提供資金，以填補其他基金留下的投資缺口?；饡再浛钚问教峁┵Y金。SMTP 專注于持續推進漁業和海洋研究，現已投資于 Conservation X 的 DNA 條形碼掃描儀310和 Pelagic數據系統的漁船跟蹤器等技術。SMTP 也是出資人和企業家的重要信息來源，為他們提供關于新興趨勢和企業的寶貴信息。Katapult Ocean 挪威奧斯陸的 Katapult Ocean 311近期結束了第一輪投資，共投

250、資 24 家海洋初創公司，投資總額達 400 萬美元。Katapult Ocean 目前正在籌集第二輪規模更大的投資，意在投資另外 40 個藍色科技公司。作為一般性海洋項目，Katapult Ocean投資組合中以技術為重點的投資并非都與漁業有關。投資組合中的相關公司包括 Innomar 312和 Atlan Space313。除了作為投資基金之外，Katapult Ocean 還在奧斯陸啟動了一個為期 3 個月的加速器項目：-為項目內的所有初創公司提供 150,000 美元的資金，以換取 8%的股權。但是，公司需要支付 5 萬至 10 萬（取決于投資規模）的入場費。-項目涵蓋五個領域：交通、

251、海洋健康、捕撈、能源和前沿領域。藍色投資基金藍色投資基金 藍色投資基金314由歐盟委員會與歐洲投資基金合作成立，目的是為支持藍色經濟的基礎股權基金提供融資。藍色投資成立于 2020 年 2 月，是一個新股權投資基金，價值 7500 萬歐元。由于是新基金，投資組合尚未公開，但其已公布感興趣的投資主題，包括：漁業和水產養殖、藍色生物技術以及波浪能和潮汐能。歐盟委員會的藍色投資平臺315也為藍色投資基金做出了補充。藍色投資平臺是一個資源中心，可以為初創公司和處于早期階段的企業構建網絡關系并協助其做好投資準備。4.1.8 加速器加速器項目項目 加速器項目往往由一系列相關領域的合作伙伴提供資金并負責運營

252、，或者是投資開發公司的分支業務。例如，Katapult Ocean 316 是一家設立加速器項目的投資公司，而Oceans X 實驗室加速器317則由一個非政府組織（世界自然基金會）和一家私營科技公司（Conservation X實驗室318）聯合運營。加速器項目能夠為處于早期階段的公司提供資金和專業知識，協助它們拓展業務規模。加速器往往針對極為具體的領域，并且許多加速器重點關注能夠產生積極社會或環境影響的公司，這是它們的使命。加速器投資模型涉及向處于早期階段的產品提供風險相對較高的投資，往往采用現金和資源的 308 https:/tsffoundation.org/309 https:/ww

253、w.schmidtmarine.org/310 https:/ 311 https:/ https:/www.innomar.no/313 https:/www.innomar.no/314 https:/ec.europa.eu/commission/presscorner/detail/en/IP_20_167 315 https:/webgate.ec.europa.eu/maritimeforum/en/frontpage/1451 316 https:/ https:/www.worldwildlife.org/magazine/issues/spring-2017/articles

254、/oceans-x-labs-kickstarting-conservation-tech-entrepreneurship 318 https:/ 形式，并且通常以股權轉讓作為回報。加速器項目提供的非財務支持（例如，專家網絡、財務和管理培訓）旨在為公司做好成功發展準備來降低投資風險。對于海洋和漁業科技公司而言，加速器是相對較新的融資機制。它們幾乎只對技術感興趣，因此對以海洋和漁業為重點的新興公司具有極高影響力。以海洋為重點的初創公司更難獲得資金支持，因此一些企業家開始尋求加速器項目的支持，以降低公司的風險預測（Ritter 和 Cheung，2019 年）。加速器目前已被確定為一種可協助擴大

255、海洋技術規模的潛在方式，這也是大多數新海洋公司難以獲得資金支持的階段（Leape 等，2020年）?？梢蕴嵘顿Y吸引力的相關資源包括創新中心和網絡，目的是匯集企業、研究機構和政府機構等多元參與者，在多個海洋領域開展一系列創新（經合組織，2019 年）。例如，挪威海事清潔科技專業知識中心集群319支持開發環保技術，加拿大不列顛哥倫比亞省維多利亞的海洋期貨創新中心320和新斯科舍省哈利法克斯的海洋風險投資和創業中心協助海洋公司共享資源，為小型公司提供指導，發揮成長孵化器的作用321。表表 4.9 知名知名加速器加速器項目項目 Fish 2.0 Fish 2.0322自 2013 年開始舉辦，是一項

256、以海洋技術為重點的成熟加速器競賽。Fish 2.0 匯集了鮭魚創新基金和 Aqua-spark 基金等海洋領域的主要投資人和指導者，并聚焦水產養殖和漁業主題，包括供應鏈可追溯性和質量控制與保證。決賽入圍者包括 Organic Ocean 323等公司，Organic Ocean 利用技術為消費者提供可持續海產品。Fish 2.0 的許多參賽公司都專注于水產養殖業，因為出資人對水產養殖市場技術的興趣日益濃厚。Fish 2.0 還搭建了 Fish 2.0 Connect324平臺，建立出資人與創業者關聯網絡。OceansX 實驗室實驗室 OceansX 實驗室 325是世界自然基金會和 Conse

257、rvation X 實驗室開展的聯合項目，目標是“利用新興技術、開放式創新、協作式問題解決和企業家精神解決全球海洋保育面臨的挑戰”。OceansX 實驗室建立了一個解決方案系統326、一個被稱為數字眾創空間的開源硬件平臺、以及一個加速器項目。OceansX 實驗室專注于應對海洋保育領域的十大挑戰327，包括“從海洋到海岸的透明度：終結過度捕撈”。加速器項目中的公司主要專注于水產養殖飼料和藥品也有一些公司致力于開發植物基和實驗室培育的海產品。319 https:/maritimecleantech.no/320 https:/southislandprosperity.ca/ocean-hub/

258、321 https:/ 322 https:/www.fish20.org/323 https:/ https:/www.fish20.org/connect/about-connect-for-visitors 325 http:/www.oceansxlabs.org/326 http:/www.oceansxlabs.org/what-is-oceans-x-labs 327 https:/ edf.org|78 可持續海洋聯盟可持續海洋聯盟（SOA）海洋解決方案海洋解決方案加速器加速器 2019 年，加速器項目 SOA 獲得 150 萬美元的捐款。這個海洋解決方案加速器的目標是到 20

259、21 年創建 100 家致力于解決海洋領域最重大問題的公司。每個項目持續 2 個月，成員公司可訪問 SOA 的出資人和指導者網絡。漁業成員包括 Smart Catch328、EcoDrone329和 ONET Global330。4.2 近期近期籌資籌資活動活動 許多從業者認為漁業技術項目獲得的資金整體呈上升趨勢，但也有少數人不以為然。近幾年收到的資金增幅最大的技術包括電子監控和電子報告、基于衛星的通信、遙感、水產養殖監測和區塊鏈溯源。本節討論我們在研究過程中發現的一些主要趨勢。4.2.1 資金量和多元性資金量和多元性逐漸增加逐漸增加 資金量顯著增加，尤其是來自慈善機構的資金。受訪者普遍認為，

260、關注海洋的慈善出資人對海洋技術的興趣日益濃厚，這可能是因為在海洋技術領域賺到財富的個人開始創建慈善機構或家族基金會?？捎觅Y金來源也越來越多樣化。許多影響力投資者對技術非常感興趣，而 Aqua-spark331和 Althelia（見表 4.8）等則特別關注海產品技術投資。公共資金來源也有所增加，例如美國國際開發署（USAID）海洋與漁業伙伴關系正在測試用于打擊亞太地區 IUU捕撈行為的電子溯源技術。隨著開發銀行更深入地參與推進實現關于糧食安全和生計的可持續發展目標，它們對漁業和水產養殖業的興趣愈發濃厚。世界銀行藍色經濟計劃332便是一個典型示例。這一計劃的可用投資組合資金約為 50 億美元，可

261、支持通過可持續利用海洋資源來促進經濟增長，改善生計和就業，并聚焦漁業可持續發展和海洋生態系統健康狀況。各國和地方政府機構也紛紛效仿，致力于實現藍色經濟價值，為這一領域的企業提供資源。這些資源并不一定都是財政資源，政府的支持證明了改進漁業技術的新興公司的正當性，從而促進其獲取更多資金。在過去五年里，藍色經濟倡議和加速器項目 328 https:/ 329 https:/oceansunmanned.org/eco-drone/330 https:/ https:/www.aqua-spark.nl/332 https:/www.worldbank.org/en/topic/environment

262、/brief/the-world-banks-blue-economy-program-and-problue-frequently-asked-questions edf.org|79 （AltaSea333、SeaAhead334、PNOC335、IOC 336和 OceanHub Africa337）實現了顯著增長，并且它們往往獲得了政府的大力支持。一位受訪專家與印尼和愛爾蘭政府官員進行了交流，他們稱“政府已經認識到海洋保育和業務作為經濟推動力量的重要意義”。漁業相關技術也獲得了越來越多的私人投資資金，尤其是在較富裕國家。這類資金往往主要用于加強溯源技術（以協助打擊 IUU 捕撈行為）和

263、促進大數據倡議。同樣，支持營利性企業或藍色技術的創新理念也獲得了更多私人投資和贈款。在這一趨勢下，Fish 2.0（見表 4.9）開創了一種匹配藍色技術領域的初創公司和投資者的方法，目前項目規模已得到擴展，并已被藍色投資338等倡議采用。藍色投資在 2020 年初為藍色經濟啟動了價值 7500 萬的股權投資基金。4.2.2 各類技術的近期趨勢各類技術的近期趨勢 專注于分析漁獲物和捕撈努力量、跟蹤漁船位置和改進科學數據采集的技術獲得的資金也有所增加。4.2.2.1 電子監控電子監控與報告與報告（EMR）技術技術 電子監控與報告技術在研發階段獲得了政府、非政府組織和基金會的廣泛支持，但目前的普遍觀

264、點是，漁業須自行承擔后續技術成本。然而，鮮少有私人資金支持漁業應用電子監控與報告技術，這可能是因為籌資環境存在風險。以海洋保育為重點的技術加速器和影響力投資基金是技術初創企業在早期階段的主要私人投資工具，但其目前仍然是一個相對較新的發展領域，這可能是導致私人資金較少的原因（Ritter 和Cheung,2019年）。從業者觀察到，在許多情況下，漁業對電子監控與報告技術的接受意愿越來越高，但付費意愿卻越來越低。這是一個具有挑戰性的問題，因為政府通常并不愿意為工業漁業提供補貼，而且大部分電子監控與報告技術試點項目在補助金用完之后往往也隨之結束。船載定位傳感器項目（例如，Pelagic 數據系統33

265、9）是一個例外，這類項目的資金往往來自政府而非慈善機構。這可能是因為這些項目的技術成本相對較低，而且這些技術可直接用于漁業監測和執法，具有明顯效用。美國已為電子監控與報告技術劃撥聯邦和區域資金，但供資情況因地區而異，并 333 https:/altasea.org/334 https:/sea- https:/ http:/www.sjavarklasinn.is/en/about/337 https:/www.oceanhub.africa/338 https:/blueinvest2020.converve.io/index.html 339 https:/ 且必須獲得國會批準。這類資金似

266、乎更加關注更先進、自動化的監控技術，例如船載視頻監控。目前電子監控與報告技術也有機會獲得贈款，包括美國國家魚類和野生動物基金會電子監控與報告補助計劃于 2019年提供的 370萬美元。4.2.2.2 基于衛星的技術基于衛星的技術 基于衛星的 VMS 和 AIS 跟蹤器以及利用光電或合成孔徑雷達傳感器的遙感技術是漁業最常用的基于衛星的技術。這一領域的增長得益于用于國防、天氣、通信和空間研究和其他應用領域（并非特定于漁業）的衛星技術獲得的政府和私人投資（更多詳細信息請參閱第 2.2 節）。風險投資者對近地軌道（LEO）相關公司的興趣日益濃厚，而最具投資吸引力的是衛星發射和微型衛星初創公司（Besh

267、a和 MacDonald，2017年）。采用已在其他行業使用的低成本技術可以縮短開發時間，使其成為具有吸引力的風險投資領域。投資增加推動了這一領域的發展，與之相呼應的是，AIS數據的獲取成本在過去十年里顯著下降，這在一定程度上是因為衛星覆蓋面積日益增加。全球漁業觀察稱，2015 年至 2019 年，由于衛星覆蓋面積增加，衛星發射成本下降，數據提供商之間的競爭加劇，其與知名衛星數據提供商之間簽訂的許可協議成本下降了 90%。目前，重點關注打擊 IUU 捕撈行為以及與較低收入國家合作跟蹤捕撈船隊的援助資金也在持續增加。例如，一些西非國家通過劃定近岸禁區來管理工業漁船，近岸禁區便于采用 VMS 進行

268、監控，因此 VMS 覆蓋面增加也被視為打擊 IUU 捕撈行為唾手可得的成果。世界銀行向這些國家提供的促進漁業可持續發展的貸款往往包含 VMS 覆蓋面目標?；饡头钦M織對應用遙感技術打擊非法捕撈行為尤為感興趣。Oceans5已將這些技術納入其在全球各個地區的戰略中，而大自然保護協會則采用 VMS 數據來監測船隊是否遵守漁業法規。其他從業者注意到，VMS 私人投資有所增加，例如SeaAhead 340和施密特海洋技術合作伙伴（見表 4.8）等公司提供的投資，結合基于衛星的系統、電子監控與報告技術和溯源技術，打擊大規模漁業中的 IUU捕撈行為。捕撈船隊也可以采用遙感技術來改進捕撈作業，例如定位

269、魚群（Klemas，2013年）。相關資金更有可能來自漁業和投資基金。例如，ShipIn341等為商業船隊提供實時船隊監控服務的公司獲得了 SeaAhead 等基金的投資。衛星遙感是一項有用工具，可協助在海洋魚類種群動態分析中充分考慮棲息地因素（Chassot 等，2011 年），因此，隨著越來越多的漁業管理者開始實施基于生態系統的漁業管理方法，衛星遙感技術將獲 340 https:/sea- https:/www.shipin.ai/edf.org|81 得更多投資關注。4.2.2.3水產養殖技術水產養殖技術 隨著水產養殖業不斷發展，人們對魚類養殖工具和數據的商業興趣日益濃厚。海洋融資手冊（

270、De Vos 等，2020 年）將水產養殖業視為一個新興藍色經濟領域，并且預計海水養殖將實現最強勁的增長。為了滿足預計的水產養殖需求，預計需增加 1500 億至 3000億美元的資本投資（De Vos等，2020年）。這一領域目前已成立多家科技初創公司，包括 InnovaSea342、eFishery343和 Algaeba344，而且隨著出資人對這一領域的關注增加，未來將有更多公司進入這一行業。據預計，到 2030 年，水產養殖將占海產品總產量的 62%（世界經濟論壇，2017 年）。改進技術可以改進選址、加強污染防治和監測，并改進飼料投喂方式，從而提高水產養殖作業的環境和經營績效。對水產養

271、殖場管理軟件的投資不斷增加，包括多個重點關注這一領域的加速器項目（例如 Hatch345、Katapult Oceans（見表 4.9）、F3 Tech346）。水產養殖業加速器項目的數量遠遠高于專注于捕撈漁船監控的新公司數量。近期發布的一份報告發現，在其分析的漁業初創公司中，超過一半的公司專注于水產養殖業務（Ritter和 Cheung，2019年）。投資基金和加速器項目對水產養殖技術尤其感興趣，因為與其他漁業技術行業相比，水產養殖技術的風險更低、收益更顯著，更有可能迅速被大公司收購。4.2.2.4 區塊鏈區塊鏈溯源技術溯源技術 基于區塊鏈的供應鏈溯源平臺已實現爆炸性增長，不計其數的初創公司

272、如雨后春筍般涌現，難以跟蹤統計。Fishcoin347便是一個引人注目的例子。Fishcoin 旨在激勵小規模漁民收集和傳輸管理與供應鏈數據。2019 年，美國國家漁業協會348和 IBM 食品信托計劃349聯手啟動了一個試點項目350，將區塊鏈技術引入海產品供應鏈。這項工作獲得了海產品行業研究基金（SIRF）的資助351。美洲開發銀行352舉辦了一場藍色科技挑戰杯大賽353，向致力于開發可持續技術，推動藍色經濟的企業獎勵獎金，目前已為利用區塊鏈增強海產品供應鏈的公司提供資金支持。此外，聯合國糧食和農業組織開展 342 https:/ https:/ http:/ https:/www.hat

273、ch.blue/346 https:/f3tech.org/347 https:/fishcoin.co/348 https:/ https:/ 350 https:/ https:/sirfonline.org/352 https:/www.iadb.org/en/about-us/overview 353 https:/www.iadb.org/en/idb-launches-blue-tech-challenge-us2m-funding-blue-economy-proposals edf.org|82 了一項內部倡議，跟蹤各項技術以鼓勵技術采用，在這個倡議中，糧農組織將區塊鏈認定為一

274、項顛覆性技術。雖然區塊鏈技術聲名鵲起，吸引了開發銀行和多邊機構等諸多大型利益相關者的關注，許多基于區塊鏈的初創公司（例如 Bext360354）仍在摸索市場方向，需要 Techstars可持續發展加速器等加速器項目的支持（見表 4.7）。4.2.3 增長趨勢的例外增長趨勢的例外 盡管大多數參與調查的從業者都表示籌資機會正在增加，但也存在一些例外情況：民間融資對小規模漁業技術的關注度有所下降。目前只有少數公司為小規模漁業提供促進業務發展的新技術，例如加工和捕撈，而漁業管理技術更是少之又少。因此，投資機會也非常有限。如果未來對技術相關產品的需求增加，小規模漁業將為能夠在廣闊市場賺取微薄利潤的創新技

275、術提供重要機會。不斷變化的投資重點和預算限制導致漁業錯失了一些籌資機會。例如，由慈善機構和 NOAA 資助的世界自然基金會智能漁具設計大賽355最近由于資金不足而被取消。一些組織的投資重點已從技術項目轉變為改進人力資源系統和數據管理系統（收集、分析和使用數據）的項目?；饡跒闈O業改進項目和一些漁船監控工作提供資金，但非政府組織和 354 https:/ https:/www.worldwildlife.org/initiatives/international-smart-gear-competition edf.org|83 基金會目前已很少直接向技術提供商發送需求建議書。這在一定程度上

276、可能是因為漁業改進項目和基金會并不確定它們的技術需求或需要，并且在“挑選贏家”時猶豫不決。多個慈善籌資渠道的海洋項目重點已經從支持海洋保護區轉變為應對塑料污染356、氣候變化、倡導和公共政策問題。專注于減塑的初創公司數量正在迅速增加。對通過技術孵化器、風險投資和社會影響力投資來鼓勵新型創新方法的興趣日益增加，但是這就減少了現有技術獲得的支持，導致其難以繼續發展。近期，海洋技術領域加速器項目數量迅速增加，可能超過合適優質企業的數量?？沙掷m海洋聯盟曾宣布一個宏偉目標357，即，到 2020 年，在海洋解決方案加速器項目358中納入 40 個創始人年齡在 35 歲以下的海洋科技公司。但是由于符合條件

277、的候選人數量不足，它不得不將標準放寬至所有營利性和非營利性組織。4.3 展望未來展望未來 漁業和海洋技術在供應鏈透明度、數據集成和管理、機構能力建設、改善當地技術實施條件和小規模漁業監測等領域的發展勢頭尤為強勁。4.3.1 透明度透明度 提升漁業透明度，從偵察非法或不可持續的捕撈行為到打造透明供應鏈，已經并將繼續吸引大量資金。海產品溯源項目可能是大部分全球透明度倡議的重點領域。全球果蔬產業或制藥行業在可追溯性和供應鏈方面更為先進，這些行業的技術解決方案為制定和資助針對漁業的解決方案奠定了基礎。出資人對偵察（例如，全球漁業觀察）和打擊（例如，OceanMind）IUU 捕撈行為尤為感興趣。全球漁

278、業觀察在吸引捐助者支持，使用衛星和 VMS 系統跟蹤和偵察 IUU 捕撈行為方面非常成功。打擊 IUU 捕撈行為獲得了基金會、非政府組織和政府機構的大力資助。例如，Oceans5 和沃爾頓家族基金會引領全球倡議，促進采用漁船跟蹤和漁獲登記系統等技術來提升透明度。沃爾頓家族基金會尤其致力于提高供應鏈可追溯性，并將繼續深耕這一領域其制定的新 356 塑料污染是一個受到廣泛關注的問題，但往往并未視為與漁業直接相關。截至 2018 年，減塑初創公司已獲得 1.2 億美元的投資承諾，而且減塑項目占 Ritter和 Cheung（2019 年）統計的項目總數的 12%。對海洋塑料特別感興趣的組織包括：Al

279、thelia SOF、橡樹基金會、Benioff、帕卡德、海洋漁業工作組和德國發展銀行。357 https:/ 358 https:/www.soalliance.org/ocean-solutions-accelerator/edf.org|84 2050 年環境戰略359中包括重點關注推動創新和使用市場力量推進可持續發展的關鍵計劃。Oceans5 正在支持印尼 Kemitraan 伙伴關系，為 4,000 艘工業漁船裝備新的透明監控計劃。4.3.2 數據集成數據集成、訪問和使用、訪問和使用 最近，大量出資人開始重點關注下游數據系統和優化數據利用，例如，如何最優地使用這些技術生成的數據來為海

280、洋科學和管理提供理據支撐。首先是更新數據采集系統，這就需要建設相應基礎設施來支持電子數據采集工作。我們需要相應技術來集成日益增長的數據，而能夠提高這些數據的可訪問性的技術也獲得了越來越多的關注例如，全球漁業觀察匯集來自各種來源的開源數據，并向所有人開放。與數據集成和訪問有關的挑戰（包括數據隱私）仍然是海洋領域制定穩健解決方案的重大障礙，也是未來融資增長的潛在領域。凈收益聯盟360正在開發更現代、集成程度更高的數據系統，而一個最常見的問題是 NOAA 和美國各州管理機構為開發綜合漁業數據系統提供的支持不足。這些機構在很大程度上各自為戰，并未通過綜合數據系統實現協作，導致數據無法用于多種用途。翠鳥

281、基金會力求鼓勵漁業利益相關者參與解決與數據權利和責任、通用數據協議和數據審核協議有關的信息政策問題，所有這些要素都對漁業管理信息的成本和可用性具有重大影響。美國國家海洋漁業局近期舉辦了一場漁業信息管理現代化（FIMM）361研討會，目的是審核和評估推進漁業數據和信息系統現代化的實際和切實行動，研討會的目的符合 NOAA 實現“有效、用戶友好、最先進數據和信息管理”的優先事項。NOAA 內部設立的一個學習實踐社區可以協助實施研討會的多項建議。這個實踐社區匯集了來自各個區域科學中心的工作人員，并且推動思維轉變，即，除了 IT 部門之外，許多工作人員都有必要提高數據素養，了解基礎數據治理知識，以促進

282、在未來采用新技術。4.3.3 機構能力機構能力建設建設 目前各個機構需要加強能力建設來提高實施和運用現有技術的能力，這一點已得到普遍公認。加強機構能力建設是提高海洋科技公司獲得私人資本機會的必要之舉。因為，為了獲得資金，必須明確數據使用和利用數據創造價值的路徑。提升金融素養、管理經驗和業務規劃能力是創業家在向項目開發者尋求投資時必須具備的技能（De 359 https:/www.waltonfamilyfoundation.org/strategy2025#environment 360 https:/gainsalliance.org/361 https:/gainsalliance.org

283、/webinars/nga-webinar-3 edf.org|85 Vos 等，2020 年）。機構能力建設的示例包括為中級和高級科學家提供關于 R 語言等現代編程工具的培訓362，增加管理者接觸創新技術的機會，或者幫助決策者從現有系統中獲取更有用的輸出。在美國，凈收益聯盟363是這一領域公認的領先公司，可協助優化投資重點。許多基金會和非政府組織都在關注能力建設。日本財團364是一家專注于全球挑戰和創新的基金會，通過旗下 Nereus 計劃365支持藍色經濟能力建設。Nereus 計劃負責資助各類研究項目，并為多位海洋科學家提供贊助。在日本財團支持下發表的研究可以為以促進海洋可持續發展和氣候

284、變化為中心的政策決策提供理據支撐。海洋基金會也通過其 71%倡議366參與能力建設，這個倡議有三個支柱：通過提供咨詢服務和企業可持續性咨詢來增強社區能力；通過舉辦研討會和峰會，主持專題小組會議來促進利益相關者合作；以及通過支持研究和參與全球信息交換網絡來提升海洋素養。最后，Future of Fish367通過其多個平臺重點推進能力建設。例如，它的海產品行業可追溯性工具箱368內包含一系列指南、術語表和實施策略，重點關注“利用數據和科技防范潛在欺詐行為”等主題。世界銀行也通過 PROBLUE 信托基金為機構能力建設提供資金，PROBLUE信托基金設立了一個專注于建設政府管理海洋資源能力的戰略支

285、柱。4.3.4 實施條件實施條件 這一領域的許多利益相關方開始關注成功實施促進漁業可持續發展的技術而必要的使能條件。這項工作包括積極與漁業行業合作、設計技術配套政策和發展技術市場。在技術型項目的初始階段未能與漁業行業開展積極合作，提高他們的參與度并了解他們的需求，往往導致項目無法成功實施和擴展。漁業信托可發揮重要作用，加強與漁民和技術開發者合作，制定新技術解決方案，以一種能夠改進現有系統和產生適當激勵的方式滿足漁民需求。施密特海洋技術合作伙伴對非營利漁業信托發揮的作用特別感興趣，因為它既專注于漁業社區，又關注漁業長期可持續發展，并且目前正在與蒙特利灣漁業信托合作支持“釣魚餐廳周”項目369。制

286、定和實施政策可確保技術采用并促進合規，而技術也可協助完善漁業政策。全球漁業觀察為旨在完善漁業政策的倡導工作提供信息支持，其采用的方法獲得了廣泛 362 https:/www.r-project.org/about.html 363 https:/gainsalliance.org/364 https:/www.nippon-foundation.or.jp/en 365 https:/nereusprogram.org/366 https:/oceanfdn.org/wp-content/uploads/2019/09/71-One-Pager.pdf 367 https:/futureoff

287、ish.org/368 http:/futureoffish.org/resources/grids/seafood-industry-traceability-toolkit 369 https:/ 關注，并獲得了大量資金支持。這一方面的另一個例子是翠鳥基金會資助的項目會向利益相關者告知數據審核、權利、責任和通用協議的相關信息及其在政策中發揮的作用。4.3.5 小規模漁業小規模漁業 出資人可能保持對如何利用技術來提高小規模漁業可持續性和公平性的濃厚興趣。小規模漁業包括社區管理的小規模漁業和沿海手工漁業。小規模漁業的最大出資人是世界銀行（世界銀行與聯合國經濟和社會事務部，2017 年）。世界自

288、然基金會370、世界漁業中心371和橡樹基金會 372等其他出資人也對支持小規模漁業感興趣，盡管它們推出的倡議并非全部專注于技術。斯坦福大學海洋解決方案中心推出了一個專門的小規模漁業和技術倡議373，由斯坦福大學與美國環保協會和世界漁業中心聯合資助。Abalobi374和 OurFish375等組織目前正在開發創新技術來評估小規模漁業的漁獲水平和捕撈努力量。這些技術得到了印度尼西亞海洋事務部376、橡樹基金會377和滑鐵盧基金會378等出資人的支持。目前也有一些組織對改進現有技術，制定適用于廣泛漁業（包括小規模漁業和自給性漁業）的低成本解決方案感興趣。人類世研究所目前正在開發此類解決方案：其海

289、洋監測器（M2）379系統結合了商用現貨雷達與人類世研究所的開源軟件。在過去幾年里，考慮到漁業與糧食安全和生計改善之間的關系，一些捐贈者對漁業的興趣有所增加。盡管這些捐贈者都對新技術可以發揮的作用感興趣，不關注生計影響和營養結果的技術方法很難吸引資金。橡樹基金會的小規模漁業戰略380在描述小規模漁業的重要性時著重強調了糧食安全。世界漁業中心聚焦糧食安全、生計和營養的交叉領域，致力于推進水產養殖業和小規模漁業的可持續發展。世界漁業中心目前與 Pelagic 數據系統和東帝汶農業和漁業部合作，創建了一個先進的數據采集系統和儀表板381，可跟蹤小規模漁業的捕撈行動。370 https:/www.ww

290、fmmi.org/what_we_do/fisheries/transforming_small_scale_fisheries/371 https:/www.worldfishcenter.org/content/resilient-small-scale-fisheries 372 https:/oakfnd.org/programmes/environment/373 https:/oceansolutions.stanford.edu/key-initiatives/smallscale-fisheries-tech 374 http:/abalobi.info/375 https:/

291、rare.org/story/tracing-fish-and-finances/#.W9SKOxNKjoA 376 https:/ 377 https:/oakfnd.org/378 http:/www.waterloofoundation.org.uk/379 https:/ https:/oakfnd.org/wp-content/uploads/2019/11/environment-ssf-strategy-summary.pdf 381 https:/bigdata.cgiar.org/blog-post/timor-leste-launches-world-first-monit

292、oring-system-for-smallscale-fisheries/edf.org|87 這項工作最初由挪威漁業支持計劃（Norad）382資助，之后獲得了國際農業磋商組織（CGIAR）383農業大數據平臺提供的 100,000美元激勵挑戰撥款384。世界漁業中心、杜克大學和糧農組織正在合作開展“照亮隱藏漁獲項目”385，旨在揭示小規模漁業對可持續發展的貢獻。項目合作伙伴目前正在收集和集成關于世界各地小規模漁業的豐富數據，以引起人們對信息缺口的關注，指引政策制定者的決策，并為這一領域吸引更多投資。這項工作得到了挪威開發合作署、瑞典國際發展合作署（Sida）386、橡樹基金會和國際農業磋

293、商組織信托基金387的支持。充分考慮技術對規模不同的漁業造成的差異性影響也非常重要。杜克大學的海洋和沿海政策項目探究了大規模和小規模漁業的空間重疊情況，以及限制大規模漁業，保護小規模漁業的衛星監測擴展分區規劃項目的潛在成本和收益（Belhabib 等，2020年）。這項工作得到了日本財團旗下研究機構 Nereus計劃388的支持。4.3.6 科研活動科研活動 科研機構主要關注技術如何改進它們的研究實踐。目前，科學機構已開展大量工作，與漁業合作部署海上電子數據記錄儀、海洋傳感器、可追溯體系以及魚類種類和鯊魚標記和跟蹤?？紤]到科研機構在行業發展中發揮的作用，以及它們擁有的海洋技術專業知識，這些研究

294、機構在與其他出資人合作吸引藍色經濟投資方面發揮著關鍵作用（De Vos 等，2020 年）。支持魚類種群生物學科學研究和對可持續漁業感興趣的出資人存在明顯重疊。對海洋應用研究與探索（MARE）集團和伍茲霍爾海洋研究所等科研機構最感興趣的出資人群體主要是政府機構（如 NOAA）、基金會或非政府組織。這些出資人通過提供贈款或者以伙伴關系形式開展合作來為研究提供支持。例如，海洋應用研究與探索集團389目前已獲得多個非政府組織的支持，這些非政府組織都是它在漁業相關項目中的合作伙伴，包括 Oceana 和大自然保護協會，它還獲得了資源遺產基金會的資助390。382 https:/norad.no/en/

295、front/thematic-areas/climate-change-and-environment/fisheries/fisheries-aid/383 https:/bigdata.cgiar.org/384 https:/bigdata.cgiar.org/inspire/inspire-challenge-2018/an-integrated-data-pipeline-for-smallscale-fisheries/385 https:/sites.nicholas.duke.edu/xavierbasurto/our-work/projects/hidden-harvest-

296、2/386 https:/www.sida.se/English/387 https:/www.cgiar.org/funders/trust-fund/388 https:/nereusprogram.org/topic/fisheries/389 https:/www.maregroup.org/390 https:/resourceslegacyfund.org/edf.org|88 4.3.7 新興新興興趣興趣 除了本節討論的各個領域之外，一些出資人也開始對以下領域產生興趣：出資人開始對改進人工集魚裝置（FAD）電子標識跟蹤系統產生興趣。皮尤研究中心和摩爾基金會為在太平洋試點和擴大這項

297、技術提供了資助391。美國出資人對使用無繩陷阱和其他干預措施來避免鯨魚纏結越來越感興趣。新不倫瑞克省392雪蟹產業在 2019 年獲得了 200 萬美元的資金，用于研究和測試可減少捕撈行動對露脊鯨造成的影響的技術，而加州珍寶蟹漁具工作組393則正在測試減少座頭鯨纏結的技術。一些技術能夠為海洋和漁業領域的主要非政府組織提供更精確信息，因此，吸引了很多非政府組織的關注。這些信息對于實現恰當項目評估、實時決策和適應性管理等目的至關重要。例如，Skytruth 通過訪問雷達衛星圖像和 AIS數據與政府合作提供監測和執法支持394。出資人越來越重視衡量項目的影響力和有效性以及相關基礎技術。這也是彭博慈善

298、基金會“活力海洋倡議”395的基石。倡議認為，“無法衡量就無法管理”，并且使用數據系統來跟蹤倡議的可衡量結果。對影響力指標的關注與影響力投資的擴展、全球影響力投資網絡（GIIN）396以及洛克菲勒等基金會和美國國際開發署等雙邊組織的優先事項有關。訓練機器學習算法來識別魚種和鑒別捕撈活動類別，以減少人工審查需求或縮短處理視頻片段需要的時間也是一個新興關注領域。這與出資人對開發更高效技術（包括增加人工智能和自動化技術的應用）日益濃厚的興趣相符。然而，目前尚未開發出可推向市場的完全集成電子監控人工智能解決方案（Michelin 和 Zimring，2020年）。對改進小規模漁業、個體漁業和自給性漁業

299、數據采集工作的興趣日益濃厚。這在一定程度上是由大規模提高數據不透明部門的透明度的強烈意愿推動的，而這個目標已經通過技術在其他行業成功實現。這項工作面臨的一項限制是在早期階段未能成功吸引漁民參與，也未能將他們的需求納入產品設計和試點項目。我們應當從這些失敗中吸取教訓，但漁民信任缺失仍然是一項主要障礙。這一新興興趣尚未得到充足、協 391 https:/www.pewtrusts.org/en/research-and-analysis/fact-sheets/2014/09/electronic-tracking-of-fish-aggregating-devices 392 https:/ww

300、w.cbc.ca/news/canada/new-brunswick/snow-crab-right-whale-fishing-gear-research-1.5143321 393 https:/www.mmc.gov/wp-content/uploads/wc-ropeless-summary7-19-18.pdf 394 https:/skytruth.org/what-we-do/projects/395 https:/www.bloomberg.org/program/environment/vibrant-oceans/#overview 396 https:/thegiin.o

301、rg/edf.org|89 調資本的支持，無法產生具有意義的大規模影響。Fish Landing397和 Abalobi近期開發了以漁民為中心的移動應用程序，并致力于幫助漁業利益相關者跟蹤漁業數據，增強小規模漁業在價值鏈中的權能。397 http:/www.seaaroundus.org/new-app-to-simplify-fisheries-data-collection/edf.org|90 5.致謝致謝 作者在此感謝參與本報告第 4 節開展的初步調查和后續訪談的諸位（匿名）參與者。作者非常感謝 Sarah Poon 提供的有益審核意見，協助我們完善本報告，并感謝 Katherine

302、Mah 提供的寶貴組織支持。edf.org|91 6.參考文獻參考文獻 1.Al-Abdulrazzak,D.,&Pauly,D.(2014).Managing fisheries from space:Google Earth improves estimates of distant fish catches.ICES Journal of Marine Science,71(3),450454.https:/doi.org/10.1093/icesjms/fst178 2.Araujo,C.F.,Nolasco,M.M.,Ribeiro,A.M.,&Ribeiro-Claro,P.J.(

303、2018).Identification of microplastics using Raman spectroscopy:Latest developments and future prospects.Water Research,142,426440.3.Bassett,C.,Weber,T.C.,Wilson,C.,&De Robertis,A.(2016).Potential for broadband acoustics to improve stock assessment surveys of midwater fishes.The Journal of the Acoust

304、ical Society of America,140(4),32423243.4.Baumgartner,M.F.,Stafford,K.M.,&Latha,G.(2018).Near real-time underwater passive acoustic monitoring of natural and anthropogenic sounds.In Observing the Oceans in Real Time(pp.203226).Springer.5.Belhabib,D.,Cheung,W.W.,Kroodsma,D.,Lam,V.W.,Underwood,P.J.,&V

305、irdin,J.(2020).Catching industrial fishing incursions into inshore waters of Africa from space.Fish and Fisheries,21(2),379392.6.Benjaminson,M.A.,Gilchriest,J.A.,&Lorenz,M.(2002).In vitro edible muscle protein production system(MPPS):Stage 1,fish.Acta Astronautica,51(12),879889.7.Besha,P.,&MacDonald

306、,A.(2017).Economic Development of Low Earth Orbit.In National Aeronautics and Space Administration(NASA.https:/www.nasa.gov/sites/default/files/atoms/files/economic-development-of-low-earth-orbit_tagged_v2.pdf 8.Bhatt,T.,Cusack,C.,Dent,B.,Gooch,M.,Jones,D.,Newsome,R.,Stitzinger,J.,Sylvia,G.,&Zhang,J

307、.(2016).Project to develop an interoperable seafood traceability technology architecture:Issues brief.Comprehensive Reviews in Food Science and Food Safety,15(2),392429.9.Bicknell,A.W.,Godley,B.J.,Sheehan,E.V.,Votier,S.C.,&Witt,M.J.(2016).Camera technology for monitoring marine biodiversity and huma

308、n impact.Frontiers in Ecology and the Environment,14(8),424432.10.Bradley,D.,Merrifield,M.,Miller,K.M.,Lomonico,S.,Wilson,J.R.,&Gleason,M.G.(2019).Opportunities to improve fisheries management through innovative technology and advanced data systems.Fish and Fisheries,20(3),564583.11.Brown,C.E.,Finga

309、s,M.F.,&Hawkins,R.(2003).Synthetic aperture radar sensors:Viable for marine oil spill response?ARCTIC AND MARINE OILSPILL PROGRAM TECHNICAL SEMINAR,1,299310.12.Burden,M.,&Battista,W.(2020).Pathways for Climate Ready Fisheries.Environmental Defense Fund.https:/www.edf.org/sites/default/files/document

310、s/pathwaysClimateReadyFisheries-Dec2019.pdf 13.Cabernard,L.,Roscher,L.,Lorenz,C.,Gerdts,G.,&Primpke,S.(2018).edf.org|92 Comparison of Raman and Fourier transform infrared spectroscopy for the quantification of microplastics in the aquatic environment.Environmental Science&Technology,52(22),132791328

311、8.14.Chassot,E.,Bonhommeau,S.,Reygondeau,G.,Nieto,K.,Polovina,J.J.,Huret,M.,Dulvy,N.K.,&Demarcq,H.(2011).Satellite remote sensing for an ecosystem approach to fisheries management.ICES Journal of Marine Science,68(4),651666.15.Christiani,P.,Claes,J.,Sandnes,E.,&Stevens,A.(2019).Sustainable fisheries

312、:Navigating a sea of troubles with advanced analytics|McKinsey.https:/ 16.Colefax,A.P.,Butcher,P.A.,&Kelaher,B.P.(2018).The potential for unmanned aerial vehicles(UAVs)to conduct marine fauna surveys in place of manned aircraft.ICES Journal of Marine Science,75(1),18.17.Collie,J.S.,Beck,M.W.,Craig,B

313、.,Essington,T.E.,Fluharty,D.,Rice,J.,Sanchirico,J.N.,&others.(2013).Marine spatial planning in practice.Estuarine,Coastal and Shelf Science,117,111.18.Costa,B.,Battista,T.,&Pittman,S.(2009).Comparative evaluation of airborne LiDAR and ship-based multibeam SoNAR bathymetry and intensity for mapping c

314、oral reef ecosystems.Remote Sensing of Environment,113(5),10821100.19.De Vos,K.,Hart,B.,&Ryan,K.(2020).The Ocean Finance Handbook:Increasing Finance for a Healthy Ocean.Friends of Ocean Action.https:/www.weforum.org/friends-of-ocean-action/increasing-finance-for-a-healthy-ocean 20.Del Rio,J.,Toma,D.

315、M.,Martnez,E.,OReilly,T.C.,Delory,E.,Pearlman,J.S.,Waldmann,C.,&Jirka,S.(2017).A sensor web architecture for integrating smart oceanographic sensors into the semantic sensor web.IEEE Journal of Oceanic Engineering,43(4),830842.21.Edwards,J.,&Schindler,E.(2017).A Video Monitoring System to Evaluate O

316、cean Recreational Fishing Effort in Astoria,Oregon.22.Elmasry,G.,Kamruzzaman,M.,Sun,D.-W.,&Allen,P.(2012).Principles and applications of hyperspectral imaging in quality evaluation of agro-food products:A review.Critical Reviews in Food Science and Nutrition,52(11),9991023.23.Fitzgerald,T.P.,Higgins

317、,P.R.,Quilligan,E.,Sethi,S.A.,&Tobin-de la Puente,J.(2020).Catalyzing fisheries conservation investment.Frontiers in Ecology and the Environment,18(3),151158.24.Fonner,R.,&Sylvia,G.(2015).Willingness to pay for multiple seafood labels in a niche market.Marine Resource Economics,30(1),5170.25.Fu,W.,M

318、in,J.,Jiang,W.,Li,Y.,&Zhang,W.(2020).Separation,characterization and identification of microplastics and nanoplastics in the environment.Science of The Total Environment,721,137561.26.Fujita,R.,Cusack,C.,Karasik,R.,&Takade-Heumacher,H.(2018).Designing and Implementing Electronic Monitoring Systems f

319、or Fisheries:A Supplement to the Catch edf.org|93 Share Design Manual(p.63).Environmental Defense Fund.http:/fisherysolutionscenter.edf.org/sites/catchshares.edf.org/files/EM_DesignManual_Final_0.pdf 27.Goodwin,K.D.,Thompson,L.R.,Duarte,B.,Kahlke,T.,Thompson,A.R.,Marques,J.C.,&Ca ador,I.(2017).DNA S

320、equencing as a Tool to Monitor Marine Ecological Status.Frontiers in Marine Science,4.https:/doi.org/10.3389/fmars.2017.00107 28.Greene,C.H.,Meyer-Gutbrod,E.L.,McGarry,L.P.,Hufnagle Jr,L.C.,Chu,D.,McClatchie,S.,Packer,A.,Jung,J.-B.,Acker,T.,Dorn,H.,&others.(2014).A wave glider approach to fisheries

321、acoustics:Transforming how we monitor the nations commercial fisheries in the 21st century.Oceanography,27(4),168174.29.Griffiths,A.G.,Kemp,K.M.,Matthews,K.,Garrett,J.K.,&Griffiths,D.J.(2017).Sonic Kayaks:Environmental monitoring and experimental music by citizens.PLoS Biology,15(11),e2004044.30.Gui

322、llot,G.,Benoit,P.,Kinalis,S.,Bastardie,F.,&Bartolino,V.(2017).Enhancing and comparing methods for the detection of fishing activity from Vessel Monitoring System data.ArXiv Preprint ArXiv:1708.09663.31.Harris,J.M.,Nelson,J.A.,Rieucau,G.,&Broussard III,W.P.(2019).Use of drones in fishery science.Tran

323、sactions of the American Fisheries Society,148(4),687697.32.Haukebo,S.,Poon,S.,Cusack,C.,Garren,M.,Kenyon-Benson,J.,Schindler,E.,&Tate,B.(2021).SmartPass:An Innovative Approach to Measure Fishing Effort Using Smart Cameras and Machine Learning.https:/www.edf.org/sites/default/files/content/EDFSmartP

324、ass-whitepaper.pdf 33.Henriques,J.,Portillo,J.,Gato,L.,Gomes,R.,Ferreira,D.,&Falc o,A.(2016).Design of oscillating-water-column wave energy converters with an application to self-powered sensor buoys.Energy,112,852867.34.Holmes,S.,Natale,F.,Gibin,M.,Guillen,J.,Alessandrini,A.,Vespe,M.,&Osio,G.C.(202

325、0).Where did the vessels go?An analysis of the EU fishing fleet gravitation between home ports,fishing grounds,landing ports and markets.Plos One,15(5),e0230494.35.Howe,B.M.,Miksis-Olds,J.,Rehm,E.,Sagen,H.,Worcester,P.F.,&Haralabus,G.(2019).Observing the oceans acoustically.Frontiers in Marine Scien

326、ce,6,426.36.Iyer,V.,Najafi,A.,James,J.,Fuller,S.,&Gollakota,S.(2020).Wireless steerable vision for live insects and insect-scale robots.Science Robotics,5(44).37.Jalali,M.A.,Ierodiaconou,D.,Gorfine,H.,Monk,J.,&Rattray,A.(2015).Exploring Spatiotemporal Trends in Commercial Fishing Effort of an Abalon

327、e Fishing Zone:A GIS-Based Hotspot Model.PLOS ONE,10(5),e0122995.https:/doi.org/10.1371/journal.pone.0122995 38.Jiorle,R.P.,Ahrens,R.N.,&Allen,M.S.(2016).Assessing the Utility of a Smartphone App for Recreational Fishery Catch Data.Fisheries,41(12),758766.39.Johnson,A.F.,Moreno-B ez,M.,Giron-Nava,A.

328、,Corominas,J.,Erisman,B.,edf.org|94 Ezcurra,E.,&Aburto-Oropeza,O.(2017).A spatial method to calculate small-scale fisheries effort in data poor scenarios.PloS One,12(4),e0174064.40.Kachelriess,D.,Wegmann,M.,Gollock,M.,&Pettorelli,N.(2014).The application of remote sensing for marine protected area m

329、anagement.Ecological Indicators,36,169177.41.Kadim,I.T.,Mahgoub,O.,Baqir,S.,Faye,B.,&Purchas,R.(2015).Cultured meat from muscle stem cells:A review of challenges and prospects.Journal of Integrative Agriculture,14(2),222233.42.Keller,K.,Steffe,A.S.,Lowry,M.,Murphy,J.J.,&Suthers,I.M.(2016).Monitoring

330、 boat-based recreational fishing effort at a nearshore artificial reef with a shore-based camera.Fisheries Research,181,8492.43.Kelly,R.P.,Port,J.A.,Yamahara,K.M.,&Crowder,L.B.(2014).Using Environmental DNA to Census Marine Fishes in a Large Mesocosm.PLoS ONE,9(1),e86175.https:/doi.org/10.1371/journ

331、al.pone.0086175 44.Klemas,V.(2013).Fisheries applications of remote sensing:An overview.Fisheries Research,148,124136.45.Kline,L.R.,DeAngelis,A.I.,McBride,C.,Rodgers,G.G.,Rowell,T.J.,Smith,J.,Stanley,J.A.,Read,A.D.,&Van Parijs,S.M.(2020).Sleuthing with sound:Understanding vessel activity in marine p

332、rotected areas using passive acoustic monitoring.Marine Policy,120,104138.46.Kotwicki,S.,Ressler,P.H.,Ianelli,J.N.,Punt,A.E.,&Horne,J.K.(2017).Combining data from bottom-trawl and acoustic-trawl surveys to estimate an index of abundance for semipelagic species.Canadian Journal of Fisheries and Aquat

333、ic Sciences,999,112.47.Lamb,J.B.,Willis,B.L.,Fiorenza,E.A.,Couch,C.S.,Howard,R.,Rader,D.N.,True,J.D.,Kelly,L.A.,Ahmad,A.,Jompa,J.,&others.(2018).Plastic waste associated with disease on coral reefs.Science,359(6374),460462.48.Lancaster,D.,Dearden,P.,Haggarty,D.R.,Volpe,J.P.,&Ban,N.C.(2017).Effectiveness of shore-based remote camera monitoring for quantifying recreational fisher compliance in marin