基于生活史特征的数据有限条件下渔业资源评估方法比较

渔业资源评估是开展渔业资源管理,维系渔业可持续发展的基础工作。传统的渔业资源评估方法需要统计产量、资源丰度指数甚至年龄结构等大量数据,由于调查经费和数据的缺乏,全球仅1%的鱼种进行过系统性的资源评估。近年来,在数据有限(data-limited)条件下如何开展资源评估已日益成为学术界的关注热点。本文将基于生活史特征的评估方法分为仅需要生活史参数,需要产量数据和生活史参数,需要产量数据、生活史参数及体长或年龄数据等3大类,分别从方法、数据要求、输出结果及局限性进行了系统回顾分析,提供了关于生活史特征参数的常见估算方法,并就其中两种模型对北大西洋大青鲨(Prionace glauca)的可持续渔获量进行了初步评估与比较。最后,对数据缺乏模型的使用及模型在中国近海渔业资源评估中的运用提出了建议。     

基于线性混合模型的蓝点马鲛叉长和体重关系的月间及性别差异

为了研究蓝点马鲛（）生活史特征的异质性，根据2018年10月至2019年3月在东海外海渔场的拖网调查采样数据，对其叉长和体重关系的月间及性别差异进行了研究。依据收集的367尾蓝点马鲛样本，求得其叉长和体重关系（b的估计均值为2.794。本研究构建了广义线性模型和9个线性混合模型，用于研究蓝点马鲛的叉长和体重关系（）在时间及性别上的差异。贝叶斯信息准则（BIC）值和均方根误差值均表明，最复杂的线性混合模型（即月份和性别对两个参数P<0.01）。在最优模型中，a值则与此相反。本研究表明，月份和性别对蓝点马鲛叉长和体重关系具有显著的影响，线性混合模型能把月份和性别的异质性通过随机效应在单个模型中更准确、快速地体现，从而进一步证实了此模型在数据来源异质性研究中的优势。     

采用声学方法研究2016年秋季布兰斯菲尔德海峡南极磷虾群昼夜垂直移动特征及其影响因素

近年来，南极磷虾渔业过于集中于布兰斯菲尔德海峡，这也使得该海区磷虾资源状况及其生态学特征日益受到关注。南极磷虾群具有较为明显的昼夜垂直移动特征，开展此方面的研究可为探索其渔场形成机制提供基础数据，并为磷虾渔业反馈式管理提供参考。基于磷虾渔船上Simrad EK80记录的相关声学数据，使用Echoview软件判别声学数据中的磷虾群体，对2016年秋季布兰斯菲尔德海峡南极磷虾群昼夜垂直移动特征进行分析，并进一步分析影响磷虾群昼夜垂直移动的因素。结果显示，3月和4月磷虾群深度基本维持在250 m以浅，虾群最大深度出现在日升时分的频次最高（22.9%），而最浅深度出现在夜间时分的频次最高（36.0%），同时在日升时分，虾群厚度达到最大值；白天磷虾群多集中在较深水层，夜间会上浮到较浅水层。随着月份的推移，磷虾群平均深度总体呈现加深的趋势。光强和海底深度是影响磷虾群深度变化的2个主要因素。     

基于大型渔业平台的深远海渔业发展现状与思考

基于渔业产业现状,分析国内外在大型渔业平台、深海网箱和养殖工船方面的发展现状,提出“游弋式”养殖工船及深远海渔业的基本概念。受限于投资成本、技术发展水平等客观因素,中国深远海养殖发展速度缓慢,但近年来取得了一定的发展成效。笔者针对现阶段渔业粗放型生产方式的现状,从国家战略、渔业改革和产业需求等角度分析深远海渔业发展的必要性,认为发展以养殖工船为代表的深远海大型渔业平台是实现渔业强国之路的有效途径之一,走出一条符合中国国情的深远海渔业平台的开发之路势在必行。     

2018年夏季南奥克尼群岛南极磷虾集群特征

基于2018年夏季南奥克尼群岛南极磷虾资源声学调查数据，本研究对该海域南极磷虾集群进行了分析。结果显示，检测到南极磷虾集群3 224个，反映集群特征的5个参数即深度、长度、厚度、面积及密度分别为(96.00±64.33) m、(218.52±455.66) m、(11.19±13.98) m、(1 894.40±9 345.72) m²和(114.11±159.60) 尾/m³；不同时间段之间集群密度无显著性差异，但集群深度、长度、厚度及面积之间均存在显著性差异。不同水层间集群厚度和面积之间无显著性差异，但集群深度，长度和密度均存在显著性差异。南极磷虾集群共分为三类，其中第Ⅰ类集群密度最大，为(325.90±221.30) 尾/m³；集群规模最小，为(379.64±433.73) m²；深度最深，为(158.06±67.54) m。第Ⅱ类集群的长度最长，为(1 089.60±1 189.56) m；集群面积为(15 601.25±30 243.33) m²，远大于其他集群。第Ⅲ类集群深度最浅，为(78.91±52.88) m；密度最小，为(48.87±50.33) 尾/m³，但数量最多。     

采用卷积神经网络构建西北太平洋柔鱼渔场预报模型

对远洋渔场资源和位置进行预报可以为远洋渔业生产及管理提供重要信息。该研究针对西北太平洋柔鱼渔场，利用海洋表面温度遥感信息和中国远洋渔船生产资料，基于深度学习原理，选取卷积神经网络构建西北太平洋柔鱼渔场预报模型。根据不同月份、不同通道构建了多种数据集，用于训练渔场预报模型。训练结果表明，4个通道组合的数据集的训练结果最优，渔汛早期（7-8月）、中期（9月）和后期（10-11月）测试样本的准确率分别为80.5%、81.5%和81.4%。以2015年的真实渔场数据对模型进行验证，模型的平均召回率为82.3%，平均精确率为66.6%，F1得分平均值为73.1%，预测的高产渔区与实际作业的高单位捕捞努力量渔获量区基本匹配。该研究构建的渔场预报模型可以获得较好的准确率，可为其他鱼种的渔场预报模型构建提供新的思路。     

立式双曲面网板水动力性能及流场可视化研究

网板是拖网作业系统中重要的属具之一,其水动力性能的优劣直接关系到拖网网口的扩张,并影响其生产效果和经济效益。采用单因素试验法,利用水槽模型试验和数值模拟(computational fluid dynamics, CFD)研究立式双曲面模型网板在不同展弦比λ(2.5、3.0、3.5、4.0)、弯曲度f/C(10%、15%、20%)、后退角Λ(0°、10°、15°)下的水动力性能,分析不同结构参数的网板水动力性能,对比两种方法的结果,并实现网板周围流场可视化。结果显示:①2号网板(λ=3.0、f/C=15%、Λ=10°)升力系数最大,冲角25°时,模型试验值为1.70,数值模拟值为1.88,阻力系数随冲角增大一直增大,且后部流速的模拟值和测定值平均偏差为4.40%,两种方法获得的结果吻合度高。②2号网板在流场分布中边界层分离点随冲角增大逐渐向翼端前沿移动,中心面后部涡旋随冲角增大一直增大,左翼板侧低压区随冲角增大呈先增大后减小趋势,网板尾部随冲角增大形成明显的翼端涡,产生涡升力对网板提供附加升力,使得立式双曲面网板比其他类型网板有较高升力。