西南大西洋阿根廷滑柔鱼渔业中国大陆鱿钓船CPUE标准化

阿根廷滑柔鱼是我国重要的头足类渔业之一,对其单位捕捞努力量渔获量( CPUE)进行标准化是对其资源评估的重要内容。本研究根据2000～2010年我国在西南大西洋的产量统计数据和卫星遥感获得的海洋环境数据（表温,表温水平梯度,海面高度,叶绿素浓度）,利用广义线性模型（GLM,general linear model）和广义加性模型（GAM,generalized additive model）对其CPUE进行标准化。GLM模型结果表明,年、纬度、表温以及交互项年与纬度对CPUE影响最大。GAM模型研究结果表明,年、月、经度、纬度、表温、海面高度以及交互项年与纬度、年与经度对CPUE影响较大。根据AIC数值,包含上述8个显著变量的GAM模型为最佳模型,对CPUE的解释率为49.20%。高CPUE出现在夏季表温为12～16°C、海面高为-20~20cm、46.5°～48.5°S海域。研究表明,GAM模型较GLM模型更适合用于西南大西洋阿根廷滑柔鱼CPUE标准化。     

中国大陆阿根廷滑柔鱼鱿钓渔业CPUE标准化

阿根廷滑柔鱼是我国重要的头足类渔业之一,单位捕捞努力量渔获量(CPUE)标准化是对其资源进行评估的重要内容.研究根据2000-2010年中国大陆在西南大西洋的鱿钓产量统计数据和卫星遥感获得的海洋环境数据(表温,表温水平梯度,海面高度,叶绿素浓度),利用广义线性模型(general linear model,GLM)和广义加性模型(generalized additive model,GAM)对中国大陆西南大西洋阿根廷滑柔鱼渔业CPUE标准化.GLM模型结果表明,年、纬度、表温以及交互项年与纬度对CPUE影响最大.GAM模型研究结果则表明年、月、经度、纬度、表温、海面高度以及交互项年与纬度、年与经度对CPUE影响较大.根据AIC准则,包含上述8个显著变量的GAM模型为最佳模型,对CPUE的解释率为49.20％.高CPUE出现在夏季表温为12～16℃、海面高度为-20 ～20 cm和46.5° ～48.5°S范围内.研究表明,GAM模型较GLM模型更适合用于西南大西洋阿根廷滑柔鱼渔业CPUE标准化.     

西北太平洋秋刀鱼CPUE标准化研究

秋刀鱼(Cololabis saira)是西北太平洋海域重要的渔业种类之一，其资源评估工作已成为热点问题，单位捕捞努力量渔获量(CPUE)标准化可以为开展有效的资源评估研究提供科学依据。为此，本研究利用2003~2017年中国大陆西北太平洋秋刀鱼渔业生产统计资料，结合卫星遥感获得的海洋环境数据，如海表面温度、海表温度梯度、海表面高度等，基于广义线性模型(General linear model, GLM)和广义可加模型(Generalized additive model, GAM)对中国大陆西北太平洋秋刀鱼渔业进行CPUE标准化。结果显示，根据BIC准则，在GLM模型结果中，年份、月份、经度、纬度、海表面温度、海表面高度、海表温度梯度及年份与月份对CPUE具有显著影响，并组成了GLM模型的最佳模型，对CPUE偏差的解释率为52.47%；在GAM模型结果中，除上述8个影响变量外，交互项月份与经度和月份与纬度也对CPUE影响较大，GAM的最佳模型对CPUE偏差的解释率为61.9%。通过5-fold交叉验证分析发现，GAM模型标准化结果较优于GLM模型，更适合于西北太平洋秋刀鱼渔业CPUE标准化。     

1999—2011年东、黄海鲐资源丰度年间变化分析

根据1999—2011年我国鲐大型灯光围网渔业数据,使用广义线性模型(generalized linear model,GLM)和广义加性模型(generalized additive model,GAM)估算了影响CPUE的时间(年、月)、空间(经度、纬度)、捕捞性能和环境效应[海表面温度(sea surface temperature,SST)、海表面高度、海表面叶绿素浓度],并以年效应作为资源丰度指数,分析了东、黄海鲐资源丰度的年间变化,东、黄海鲐资源丰度指数的年间变化与产卵场海表面温度以及捕捞强度间的关系。GAM结果表明,时间、空间、捕捞和环境变量对CPUE偏差的解释率为11.69%,其中变量年的解释率最大,占总解释率的38%。结果显示,1999—2011年东、黄海鲐鱼资源丰度指数(abundance index,AI)总体上呈下降趋势,2008年以来更是持续下降,丰度指数由2008年的1.22降至2011年的0.82。东、黄海鲐资源丰度指数年间与产卵场呈正相关,关系式为AI=-3.51+0.23SST(P0.05),这表明较高的产卵场SST对鲐资源量增加有利。过高的渔获量以及我国群众围网渔业渔船数量的快速增长是导致近年来鲐鱼资源下降的重要原因。     

海洋环境对东、黄海鲐鱼灯光围网捕捞效率的影响

根据1999年8月至2003年12月,东、黄海大型鲐够灯光围网捕捞量与捕捞努力量数据,利用逐步回归广义加性模型(GAM,Generalized Additive Models)分析了月光亮度(用农历日表示)和海洋遥感数据(海表水温、海表水温距平、海表水温梯度、叶绿素a浓度、叶绿素a浓度距平、风速、平均海面高度距平、涡动能)共9个环境要素与名义单位捕捞努力量渔获量(CPUE,Catch Per Unit Effort)的关系,以研究其对大型鲐鱼灯光围网捕捞效率的影响.研究表明,32°N以北渔场,海表水温、农历日、平均海面高度距平、海表温度梯度及风速与名义CPUE(名义CPUE加1取对数,下同)存在显著关系;而29 °N以南渔场,平均海面高度距乎、农历日、风速、涡动能,海表温度距平与名义CPUE存在显著关系;南、北渔场,叶绿素a浓度及其距平与名义CPUE不存在显著关系.研究认为,在南、北渔场,月光亮度越亮、风速增强均会使捕捞效率降低,捕捞效率较高的位置常分布于平均海面高度距平高值与低值之间的一些海域;北部渔场,海表温度降低有利于捕捞效率的提高,海表温度梯度对捕捞效率的影响是负效应;南部渔场,海表温度距平过高或过低均不利于捕捞效率的提高,涡动能较大有利于提高鲐鱼的捕捞效率.     

基于GAM的阿根廷滑柔鱼CPUE与环境因子关系分析

根据2013年渔季在阿根廷外海公海海域的渔业生产数据,结合时间、空间、表温、水深和流速等环境数据,建立广义可加模型(GAM),对2013年夏秋季阿根廷滑柔鱼(Illex argentinus)单位捕捞努力量渔获量(CPUE)与时空因素、环境因子的关系进行研究。结果表明,优化后的GAM模型对CPUE总偏差解释率为56.10%,其中作业日期、表温、水深和流速对CPUE影响较大。根据AIC准则,包含上述4个显著变量的广义可加模型为最佳模型,其pseduo系数PCf值为0.487,AIC值为660.688,表明其具有较好的拟合度。各环境因子(海水表温、水深和流速)中,水深与研究区域CPUE的关系最为密切,阿根廷滑柔鱼渔场(阿根廷外海公海)适宜水深为分别为100~120 m和250~500 m,适宜表温为8~14℃,最适表温为12~14℃。GAM模型分析结果表明,影响CPUE的因子按重要性依次为作业日期水深表温流速。     

鱼类栖息地模拟的比较研究—以东海鲐鱼为例

利用东海海域1997年10月、1998年3月、1999年7月和2000年1月鲐鱼渔获率及表层温度、盐度和初级生产力等环境因子数据,构建东海鲐鱼资源空间分布与环境因子间的一般线性模型(GLM)和广义加性模型(GAM),并将GLM和GAM模拟值的均值分别与实测值进行独立样本t检验及其误差分析.分析结果表明,GLM与GAM模型的独立样本t检验P值均大于0.05,因此两者都可模拟东海鲐鱼栖息地的空间分布.其中,GLM模型对鲐鱼渔获率空间分布趋势的模拟更为准确;而GAM模拟值对鲐鱼栖息地环境因子的变化比较敏感,能够解释更多空间数据的变化,因而GAM在分析鱼类栖息地与环境因子间关联程度或资源评估方面具有优势.     

基于空间相关性的西北太平洋柔鱼CPUE标准化研究

CPUE标准化方法通常都假设名义CPUE之间是相互独立且没有相关性,然而鱼类集群分布通常存在着空间相关性,为此本研究以西北太平洋柔鱼的CPUE标准化为例,采用1999-2012年6-11月中国鱿钓生产数据以及对应的海表面温度和叶绿素浓度的环境数据,将空间相关性加入广义线性模型(general linear model,GLM)中.在空间GLM模型中运用4个距离模型(指数模型、球面模型、线性模型和高斯模型),进行标准GLM模型和4种空间GLM模型的CPUE标准化结果比较.结果发现,4种空间GLM模型均比标准GLM模型的最小信息准则(akaike information criterion,AIC)更小,标准化结果更准确.同时,在4个距离模型中,指数模型的AIC值最小,其CPUE标准化结果最佳.研究表明,在CPUE标准化中,鉴于鱼类集群与分布特性,应该充分考虑空间相关性这一因素.     

应用一般线性模型估算鲐鲹鱼大型灯光围网渔业的捕捞效率

大型灯光围网是我国近海捕捞鲐鲹鱼的主要作业方式之一，探讨和估算捕捞效率对其渔业资源评估和管理有着重要的意义。根据1998～2003年东黄海我国鲐鲹鱼大型机轮灯光围网生产统计数据，利用一般线性模型对其捕捞效率进行了估算，讨论了线性模型误差结构的选择及数据变换对结果的影响。根据鲐鲹鱼单位捕捞努力量的渔获量（CPUE）数据呈正偏，以及CPUE均值与方差在对数尺度下的线性关系，选择了负二项分布、伽马分布与对数正态分布作为误差分布。研究表明，由于CPUE零值的存在，其对误差分布结构有很大影响。当采用最大似然估计时，对数正态分布与伽马分布的CPUE需加一常数（δ），δ取值对结果有较大影响，随 增大将使估计的捕捞效率对比度得到压缩。为了避免δ取值的影响，同时采用了Delta-GLM方法。通过不同模型的比较，选择了Delta-负二项或Delta-伽马方法。根据Delta-负二项或Delta-伽马方法估算结果，各渔业公司间的捕捞效率存在很大的差异，且具有明显的区域性。32ºN以北海区，捕捞效率高低依次为苏渔、辽渔、青渔、舟渔、宁渔、沪渔；台湾东北部海区，捕捞效率高低依次为苏渔、辽渔、舟渔、沪渔、宁渔、青渔。     

南海中南部海域鸢乌贼CPUE影响因素的GAM分析

为更深入了解南海外海鸢乌贼的渔场渔期及单位捕捞努力量渔获量（CPUE）变化特征，研究基于广义加性模型（GAM），利用海上实测数据分析了多种因素对南海中南部海域鸢乌贼（） CPUE的影响。研究发现：（1）最佳GAM模型的影响因素包括经纬度、月相、海表温度SST、月份、作业时间与0~50 m温度梯度Δ50，以方差解释率降序排列，前三种因素依次为经纬度、月相、SST；（2）10°~12° N、112°~114° E附近海域鸢乌贼CPUE最高；（3）月黑夜与月光夜间的鸢乌贼CPUE存在显著性差异，月黑夜显著高于月光夜；（4）鸢乌贼渔场的最适SST范围为29.00~29.49℃，此范围内CPUE与渔获量均为最高；（5）不同月份间的鸢乌贼CPUE存在显著性差异，且8、9月的CPUE高于3、4月；（6）鸢乌贼CPUE随作业时间先变大后变小，最大值出现在凌晨1时；（7）Δ50在0.100~0.149℃/m时CPUE最高，0.000~0.049℃/m时渔获量最大。     

Impacts of changing spatial scales on CPUE–factor relationships of Ommastrephes bartramii in the northwest Pacific

The selection of spatial scales is of particular importance in modeling relationships between fishery abundance and its influencing factors, because these relationships are significantly affected by spatial scale. Here, we explore the spatial scale effects of catch per unit effort (CPUE)–factor relationships for Ommastrephes bartramii in the northwest Pacific. The original commercial fishery data and oceanographic factors were tessellated to 12 spatial scales from 5′ to 60′ with an interval of 5′. Under the original scale and 12 tessellated scales, we constructed the generalized additive models (GAMs) to model the relationships between the O. bartramii CPUE and the influencing factors, including Year, Month, Latitude (Lat), Longitude (Lon), sea surface salinity (SSS), sea surface temperature (SST), sea surface chlorophyll‐a (Chl‐a) concentration, and sea surface height (SSH). Our multi‐scale analysis showed that the relationships are sensitive to spatial scales. Among the factors, Year, Month, and SSS share quadratic polynomial scaling relations; Lat, SST, and Chl‐a illustrate power law scaling relations; Lon has a linear scaling relation; and SSH presents an exponential scaling relation. Considering the scale sensitivity of the factor sort‐order and the accumulation of explained residual deviance in GAM, we suggest 30′–45′ as the optimal range of spatial scales for analyzing the CPUE–factor relationships for O. bartramii. Our research improves understanding of the impacts of changing scales in fisheries and provides a potential method for the selection of a suitable spatial scale for fisheries analysis and resource surveying.     

Albacore (Thunnus alalunga) fishing ground in relation to oceanographic conditions in the western North Pacific Ocean using remotely sensed satellite data

Satellite‐based oceanographic data of sea surface temperature (SST), sea surface chlorophyll‐a concentration (SSC), and sea surface height anomaly (SSHA) together with catch data were used to investigate the relationship between albacore fishing ground and oceanographic conditions and also to predict potential habitats for albacore in the western North Pacific Ocean. Empirical cumulative distribution function and high catch data analyses were used to calculate preferred ranges of the three oceanographic conditions. Results indicate that highest catch per unit efforts (CPUEs) corresponded with areas of SST 18.5–21.5°C, SSC 0.2–0.4 mg m^?3, and SSHA ?5.0 to 32.2 cm during the winter in the period 1998–2000. We used these ranges to generate a simple prediction map for detecting potential fishing grounds. Statistically, to predict spatial patterns of potential albacore habitats, we applied a combined generalized additive model (GAM) / generalized linear model (GLM). To build our model, we first constructed a GAM as an exploratory tool to identify the functional relationships between the environmental variables and CPUE; we then made parameters out of these relationships using the GLM to generate a robust prediction tool. The areas of highest CPUEs predicted by the models were consistent with the potential habitats on the simple prediction map and observation data, suggesting that the dynamics of ocean eddies (November 1998 and 2000) and fronts (November 1999) may account for the spatial patterns of highest albacore catch rates predicted in the study area. The results also suggest that multispectrum satellite data can provide useful information to characterize and predict potential tuna habitats.     

Standardizing catch and effort data of the Taiwanese distant-water longline fishery in the western and central Pacific Ocean for bigeye tuna, Thunnus obesus

Catch per unit effort (CPUE) is often used as an index of relative abundance in fisheries stock assessments. However, the trends in nominal CPUE can be influenced by many factors in addition to stock abundance, including the choice of fishing location and target species, and environmental conditions. Consequently, catch and effort data are usually ‘standardized’ to remove the impact of such factors. Standardized CPUE for bigeye tuna, Thunnus obesus, caught by the Taiwanese distant-water longline fishery in the western and central Pacific Ocean (WCPO) for 1964–2004 were derived using three alternative approaches (GLM, GAM and the delta approach), and sensitivity was explored to whether catch-rates of yellowfin tuna and albacore tuna are included in the analyses. Year, latitude, and the catch-rate of yellowfin explained the most of the deviance (32–49%, depending on model configuration) and were identified consistently among methods, while trends in standardized catch-rate differed spatially. However, the trends in standardized catch-rates by area were found to be relatively insensitive to the approach used for standardization, including whether the catch-rates of yellowfin and albacore were included in the analyses.     

基于贝叶斯方法的东、黄海鲐资源评估及管理策略风险分析

运用基于贝叶斯的剩余产量模型,对东、黄海鲐资源进行评估,确定了当前鲐资源开发利用状态,估算了在不同收获率水平下未来5年鲐资源量和年总可捕捞量,分析了管理策略实施后鲐资源崩溃的风险。结果表明,2006年东、黄海鲐正遭受过度捕捞,但其资源量并未处于过度捕捞状态。决策分析表明,收获率为0.3是最适预防性的管理策略,在该策略下,鲐平均资源量将从2006年的451千吨将增加到2011年的871千吨,2011年资源量恢复到BMSY的概率为0.48,而过度捕捞的概率为0。     

Distribution,body length,and abundance of blue shark and shortfin mako offshore of northeastern Japan,as determined from observed pelagic longline data, 2000–2014

Longline surveys have been conducted in the Northwest Pacific Ocean from 2000 to 2014 using chartered commercial longline vessels. Each year, two cruises were conducted offshore of northeastern Japan from mid‐April to mid‐June. For each longline set during the surveys, onboard scientists collected detailed biological information about the species caught, such as the size and sex, and recorded the catch numbers for all species. Blue shark (Prionace glauca) and shortfin mako (Isurus oxyrinchus) have eurythermal distributions, but the application of a generalized additive model (GAM) showed that the sea surface temperatures (SSTs) at catch sites positive for shortfin mako were warmer than those for blue shark. On the basis of the GAM, the probabilities of occurrence of both sharks differed by size category: small sharks had a narrower SST range than that of large sharks. Most catches of both sharks were juveniles, and the nominal catch rate of blue shark was more than 10 times that of shortfin mako. The standardized catch per unit effort (CPUE) for both species was calculated using a generalized linear model (GLM) with negative binomial errors, or a delta‐lognormal GLM. The standardized CPUE for blue shark in the second quarter of the year peaked in the mid‐2000s and then decreased, but it has been increasing since 2012. The CPUE for shortfin mako in the second quarter generally increased, with fluctuations.