Skip to contents

🚢 贸易与就业

Source: vignettes/articles/zh/trade-employment.Rmd
trade-employment.Rmd

🧩 扩展功能。本文使用全球捕捞产量以外的FAO数据集（贸易、就业，以及区域渔业组织的分区渔获）。这些函数属于本包的扩展功能，不纳入fao_report()生成的Word报告。

除捕捞产量外，FAO在同一个数据索引（https://www.fao.org/fishery/static/Data/）上还发布水产品贸易和渔业与养殖就业数据。两者都能和渔获数据对接：贸易按”国家 × ISSCAAP物种类群 × 年”，就业按”国家 × 年”。本文介绍相应的函数、这些数据能说明什么、不能说明什么，以及它们依据的已发表研究。

🚢 贸易数据

load_fao_trade()第一次运行时下载FAO贸易统计的最新版本（16 MB，转换约10秒），保存在数据文件夹，返回”国家 × 商品 × 流向 × 年”一行的数据：

trade <- load_fao_trade()
norway <- subset(trade, Country..Name. == "Norway" & Trade.flow == "Exports" & Year == 2024)
head(norway[order(-norway$Value), c("Commodity..Name.", "ISSCAAP.group..Name.", "Quantity", "Value")])
列 含义
Country..Name. 报告国，名称与渔获数据一致
Commodity..Code.、Commodity..Name. ISSCFC分类的商品（实际使用约1,200种）
ISSCAAP.group..Code.、ISSCAAP.group..Name. 商品所属的ISSCAAP物种类群，与渔获数据一致
Trade.flow “Exports”（出口）、“Imports”（进口）或 “Re-exports”（转口）
Quantity 产品重量（鱼片、冻鱼、鱼粉……）吨数，不是活重
Value 千美元（出口一般按离岸价FOB，进口按到岸价CIF）
Quantity.Type、Value.Type “actual”（实报）、“estimate”（估计）、“partner data”（取自贸易伙伴的报告）等

需要注意四点（FAO该版本的元数据）：

  • 产品重量。 1吨鱼片约来自2～3吨鱼，1吨鱼粉约来自4～5吨鱼。FAO不随数据发布折算系数。
  • 捕捞还是养殖？ 商品代码不区分。2024年出口额最大的两组：鲑鳟和虾，主要来自养殖。
  • 转口很少有国家单独报告（2024年26个国家，不含中国），大部分计入出口。
  • 贸易伙伴。 本国渔船在外国港口上岸的渔获算作本国出口。分伙伴国的贸易数据（FI_Trade_Partners）2019年才开始，本包不读取。

🐟 哪些物种组可以和渔获对比

贸易数据分不出捕捞和养殖，所以catch_trade()只对比以捕捞为主的ISSCAAP组：在分析的每一年里，捕捞至少占该组全球产量（捕捞 + 养殖）的90%。fao_capture_groups()给出各组的捕捞占比，数据来自包内置的FAO全球产量统计：

groups <- fao_capture_groups()
groups$capture_pct_min <- round(groups$capture_pct_min, 1)
groups[groups$capture_pct_min >= 75, c("isscaap_code", "isscaap_zh", "capture_pct_min", "year_min", "counted")]
#>    isscaap_code           isscaap_zh capture_pct_min year_min counted
#> 7            24               西鲱类            99.5     2006    TRUE
#> 9            31         鲆、鲽、鳎类            80.3     2024   FALSE
#> 10           32 鳕、无须鳕、黑线鳕类            99.7     2009    TRUE
#> 11           33         其他沿岸鱼类            76.2     2024   FALSE
#> 12           34         其他底层鱼类            98.8     2007    TRUE
#> 13           35     鲱、沙丁鱼、鳀类           100.0     2021    TRUE
#> 14           36 金枪鱼、狐鲣、旗鱼类            99.1     2022    TRUE
#> 15           37       其他中上层鱼类            95.6     2023    TRUE
#> 16           38       鲨、鳐、银鲛类           100.0     1976    TRUE
#> 17           39     未鉴定的海洋鱼类            89.7     2024   FALSE
#> 19           42         蟹、蜘蛛蟹类            77.2     2020   FALSE
#> 20           43       螯龙虾、龙虾类            98.9     2024    TRUE
#> 21           44     帝王蟹、铠甲虾类            99.8     2022    TRUE
#> 23           46     磷虾及浮游甲壳类           100.0     1976    TRUE
#> 24           47       其他海洋甲壳类           100.0     2019    TRUE
#> 31           57   鱿鱼、乌贼、章鱼类           100.0     1998    TRUE
#> 36           75       鲎及其他蛛形类           100.0     1976    TRUE

1976–2024年共13组符合：

  • 鳕类、鲱和沙丁鱼类、金枪鱼类；
  • 其他中上层鱼类、其他底层鱼类、鲨鳐类、西鲱类；
  • 龙虾类、帝王蟹类、磷虾类、其他海洋甲壳类、头足类、鲎类。

这13组占2024年全球出口额的36%。不符合的组和原因：

组 捕捞占比低于90%的时间
虾类 从1986年起
蟹类 从2000年起
鲆鲽类 从2004年起
未识别海水鱼 2022–2024年为89.7%

min_capture_pct和years可以改变规则，例如只看1976–1985年时虾类也计入。

⚖️ 一国的渔获与贸易：catch_trade() 

catch_trade(c("Norway", "Iceland", "Peru", "Thailand"), trade = trade, label = "four")
catch_trade("Norway", trade = trade)          # 另有按物种组分面板的图
four_catch_trade.png

结果表yearly每个国家每年一行：

列 含义
catch_tonnes 所对比各组的渔获（全部FAO渔区，活重）
export_tonnes、import_tonnes、reexport_tonnes 同一批组的出口、进口、转口（产品重量）
export_value、import_value、export_unit_value 千美元；每公斤产品的美元价格
export_catch_pct 出口（产品重量）占渔获（活重）的百分比
counted_catch_pct、counted_export_value_pct 所对比各组占该国渔获和出口额的比例
estimated_export_value_pct 出口额中估计值或取自伙伴国报告的比例
meal_oil_export_tonnes 没有归入所对比组的鱼粉和鱼油（见下文）

2024年：

国家 所对比组的渔获（吨） 出口（吨，产品重量） 出口/渔获 占该国渔获 占该国出口额
挪威 2,061,767 962,671 47% 89% 19%
冰岛 970,014 384,696 40% 96% 64%
秘鲁 5,486,981 345,460 6% 95% 20%
泰国 651,720 797,282 122% 42% 55%
  • 挪威：这些组的渔获约有一半出口（按产品重量计，折成活重会更多），但只占出口额的五分之一，四分之三是养殖鲑鱼。
  • 秘鲁：出口看起来很少，因为渔获主要是秘鲁鳀，加工成鱼粉，而FAO把大部分鱼粉和鱼油记为 “Fishmeals, nei” 和 “Fish body oils, nei”，归入”未识别海水鱼”组。函数把这部分单列：秘鲁2024年出口106万吨。
  • 泰国：出口多于渔获，进口又多于出口，因为它加工进口的鱼（如金枪鱼）。函数会列出出口超过渔获的组和年数。
Norway_catch_trade_groups.png

提供自己的折算系数（例如来自EUMOFA或FAO渔业通报847）时，函数把贸易折成活重当量，并按食物平衡表的方法计算表观供给（渔获 + 进口 − 出口 − 转口）：

factors <- data.frame(commodity_code = c("034.1.5.2.19", "034.4.1.5.2.19"), factor = c(1.17, 2.6))
catch_trade("Norway", trade = trade, conversion = factors)

👥 就业数据

load_fao_employment()下载FAO渔业与养殖初级部门就业人数统计（不到1 MB），按国家、工作领域、工作时间、性别和年份，从1995年起，并附FAO对各国的注释：

employment <- load_fao_employment()
notes <- attr(employment, "country_notes")
notes$note[notes$country_en == "China"]

数据是人数，不是全时当量：

  • 未知比例： 工作时间未知的占38%，性别未知的占41%。
  • FAO估算： 约占全部数据的30%，2024年覆盖一半的人数。
  • 不发布： 加工和自给性渔业。
  • 版本： FAO 2026年首次发布这个数据集，每次发布都会修订整个序列。

各国注释解释了序列断点和定义差异。例如中国的捕捞和养殖兼职、临时工合在一起记为”未区分领域”，而”海洋捕捞未细分”在1995–2006年和2014–2020年包含内陆捕捞。

📊 渔业与养殖从业人数：employment_summary() 

employment_summary(employment = employment)                                   # 全世界
employment_summary(c("Norway", "Peru", "China"), employment = employment, label = "three")
World_employment.png

2024年渔业与养殖共6,540万人：养殖35%，海洋捕捞26%，内陆捕捞30%，未区分领域9%。和FAO（2024、2026）一样，女性和全职的比例按已知性别、已知工作时间的人计算：

  • 女性占27%，性别未知的占38%；
  • 全职占51%，工作时间未知的占37%。

可分项的细节随各国报告方式变化，所以比例图同时画出未知的比例：

three_employment_composition.png

🎣 人均渔获：catch_per_fisher()

catch_per_fisher()计算三种人均渔获，做法同FAO按区域计算人均产量（FAO 2012，表9）：

  • 海洋渔获 ÷ 海洋渔民（沿海、深海和未细分）；
  • 内陆渔获 ÷ 内陆渔民；
  • 全部渔获 ÷ 全部渔民。

weights = "fte"时按Scherrer et al.（2024）的权重折成全时当量：兼职60/95，临时15/95，全职和未知按1。

catch_per_fisher(c("Norway", "Iceland", "Peru", "Indonesia", "China", "India"), employment = employment,
                 label = "six")
catch_per_fisher("India", weights = "fte", employment = employment)
six_catch_per_fisher.png

2024年海洋人均渔获：冰岛290吨，挪威219吨，秘鲁95吨，而印度和印度尼西亚只有2～3吨。解读时要结合函数输出的提示：

  • 未区分领域的人员不计为渔民。中国这部分占全部从业人员的49%（540万），所以人均渔获偏高；国家注释还说明它的海洋/内陆划分不可靠。中国应看全部捕捞的人均渔获。
  • 估计值沿用。 印度的渔民人数全部是估计值，30年中有9年与上一年相同。
  • 统计范围。 挪威的数字不含在挪威渔船上工作的外国船员（国家注释）。渔获按渔船船旗统计。

📚 别人用这些数据做了什么

  • 贸易。 研究水产品贸易网络的论文大多用UN Comtrade或BACI，因为FAO分伙伴国的数据2019年才开始（Gephart and Pace 2015；Gephart et al. 2024）。FAO自己的贸易数据用于四类分析：
    • 出口占产量的比例（FAO年鉴附录A-2；Golden et al. 2017）；
    • 质量平衡法算表观消费（Zhao et al. 2024）；
    • 单位价值（Melnychuk et al. 2017）；
    • 转口中心（Asche et al. 2022）。
    已知的问题就是上文那几项：产品重量、捕捞与养殖混在一起、转口、镜像数据（Dent and Clarke 2015；Watson et al. 2016）。
  • 就业。 FAO发布：
    • 人数趋势和各领域占比；
    • 性别和工作时间的构成（FAO 2024、2026）；
    • 人均产量（FAO 2012）。
    Scherrer et al.（2024）用全时当量追踪了1950年以来的海洋人均渔获。小规模渔业的住户调查发现，全职和兼职渔民的人数与FAO统计接近，但个别国家差异很大（FAO、Duke University和WorldFish 2023）。

完整参考文献见各函数的帮助页。

参考文献

Asche, F. et al. (2022). China’s seafood imports - Not for domestic consumption? Science 375: 386-388. https://doi.org/10.1126/science.abl4756

Dent, F. and Clarke, S. (2015). State of the global market for shark products. FAO Fisheries and Aquaculture Technical Paper 590. https://www.fao.org/3/i4795e/i4795e.pdf

FAO (2012). The State of World Fisheries and Aquaculture 2012. https://www.fao.org/4/i2727e/i2727e.pdf

FAO (2024). The State of World Fisheries and Aquaculture 2024. https://doi.org/10.4060/cd0683en

FAO (2026). The State of World Fisheries and Aquaculture 2026. https://doi.org/10.4060/cd8357en

FAO, Duke University and WorldFish (2023). Illuminating Hidden Harvests. https://doi.org/10.4060/cc4576en

Gephart, J.A. and Pace, M.L. (2015). Structure and evolution of the global seafood trade network. Environmental Research Letters 10: 125014. https://doi.org/10.1088/1748-9326/10/12/125014

Gephart, J.A. et al. (2024). Globalization of wild capture and farmed aquatic foods. Nature Communications 15: 8026. https://doi.org/10.1038/s41467-024-51965-8

Golden, C.D. et al. (2017). Does aquaculture support the needs of nutritionally vulnerable nations? Frontiers in Marine Science 4: 159. https://doi.org/10.3389/fmars.2017.00159

Melnychuk, M.C., Clavelle, T., Owashi, B. and Strauss, K. (2017). Reconstruction of global ex-vessel prices of fished species. ICES Journal of Marine Science 74: 121-133. https://doi.org/10.1093/icesjms/fsw169

Scherrer, K.J.N., Rousseau, Y., Teh, L.C.L., Sumaila, U.R. and Galbraith, E.D. (2024). Diminishing returns on labour in the global marine food system. Nature Sustainability 7: 45-52. https://doi.org/10.1038/s41893-023-01249-8

Watson, R.A., Green, B.S., Tracey, S.R., Farmery, A. and Pitcher, T.J. (2016). Provenance of global seafood. Fish and Fisheries 17: 585-595. https://doi.org/10.1111/faf.12129

Zhao, K., Gaines, S.D., García Molinos, J., Zhang, M. and Xu, J. (2024). Effect of trade on global aquatic food consumption patterns. Nature Communications 15: 1412. https://doi.org/10.1038/s41467-024-45556-w