南海鸢乌贼(Sthenoteuthis oualaniensis)资源评估的新方法

为了解南海鸢乌贼(Sthenototeuthis oualaniensis)资源量与分布状况,本研究利用建立在灯光罩网船上的北斗星通渔业信息采集网络,搜集南海鸢乌贼生产数据,并根据灯光罩网作业特点,创建了光诱资源量评估模型,使用克里金插值法,绘制出南海鸢乌贼的分布密度图,估计其总资源量和年可捕量。研究结果表明,鸢乌贼在南海有着广泛的分布,以110.5°–111.5°E、11°–12°N之间的海域和115.5°–116.5°E、9.5°–11.5°N之间的海域资源密度最高,在4 t/km2以上;以112°–112.5°E、14.5°–15°N之间的海域和113°–115°E、15°–16.5°N之间的海域单位努力量渔获量(CPUE)最高,达1 kg/(kW·d·km2)以上。根据克里金插值法估算,在南海108°–118°E、9°–20°N之间的359个渔区,鸢乌贼资源量为204.94万t,总可捕量为99.40万t。评估认为,南海鸢乌贼资源开发潜力大,是未来南沙渔业开发的主要种类。     

南海春季月相、水深、作业时间与鸢乌贼CPUE的关系

根据2015和2016年春季灯光罩网渔船分别在南海南部和北部海域作业的鸢乌贼产量数据,研究作业条件水深、时间和月相与单位捕捞努力量渔获量(CPUE)的关系。GAM模型分析,作业时间和农历日对CPUE的影响显著。结果显示,月光天时,0～999 m水深范围CPUE较低;月黑天时,各水层CPUE变化不大,2 500～2 999 m水深范围CPUE较高;作业时间在上半夜(21:00—23:00),CPUE较高,最高达399.4 kg/网,下半夜(0:00—5:00) CPUE逐渐下降;月光天和月黑天产量差别较大,分别为267.0和321.6 kg/网;厄尔尼诺现象在一定程度上影响了鸢乌贼资源量在各水层的变化。各作业条件对鸢乌贼CPUE影响的研究能够为渔场的寻找提供参考。     

海表面温度及叶绿素a浓度对西北印度洋鸢乌贼时空分布的影响

西北印度洋鸢乌贼(Sthenoteuthis oualaniensis)资源具有一定的开发潜力, 可作为商业性捕捞对象。本研究基于西北印度洋 2017 年 1—3 月, 8—12 月鸢乌贼的渔捞日志数据, 结合同期海表面温度(sea surface temperature, SST) 及叶绿素 a 浓度(chlorophyll-a, Chl-a)数据, 运用渔场重心分析、地统计插值、GAM (generalized additive model)模型分析, 探究西北印度洋鸢乌贼渔场时空变动及其与海洋环境因子的关系。研究表明, 2017 年 1—3 月, 8—12 月鸢乌贼(Sthenoteuthis oualaniensis)渔场重心大多分布于海洋锋带附近, 分布范围集中于 13.6°N~17.2°N、58.3°E~ 62.2°E 海域, 1—3 月渔场重心向西南迁移, 8—11 月渔场重心往东北移动, 12 月向西南折回。GAM 模型分析结果显示, 西北印度洋鸢乌贼渔场最适 SST 范围是 25.5~27.0 ℃, 最适 Chl-a 浓度范围是 0.2~0.4 mg/m3 , 月份是影响鸢乌贼单位捕捞努力渔获量(catch per unit effort, CPUE)的主要因子。研究结果对于了解该海域鸢乌贼资源变动规律、 指导鸢乌贼资源科学生产具有重要意义。     

南海鸢乌贼(Sthenoteuthis oualaniensis)资源评估的新方法

为了解南海鸢乌贼(Sthenototeuthis oualaniensis)资源量与分布状况,本研究利用建立在灯光罩网船上的北斗星通渔业信息采集网络,搜集南海鸢乌贼生产数据,并根据灯光罩网作业特点,创建了光诱资源量评估模型,使用克里金插值法,绘制出南海鸢乌贼的分布密度图,估计其总资源量和年可捕量。研究结果表明,鸢乌贼在南海有着广泛的分布,以110.5°–111.5°E、11°–12°N之间的海域和115.5°–116.5°E、9.5°–11.5°N之间的海域资源密度最高,在4 t/km2以上;以112°–112.5°E、14.5°–15°N之间的海域和113°–115°E、15°–16.5°N之间的海域单位努力量渔获量(CPUE)最高,达1 kg/(kW·d·km2)以上。根据克里金插值法估算,在南海108°–118°E、9°–20°N之间的359个渔区,鸢乌贼资源量为204.94万t,总可捕量为99.40万t。评估认为,南海鸢乌贼资源开发潜力大,是未来南沙渔业开发的主要种类。     

基于优化灰色模型的南海鸢乌贼资源丰度预测

鸢乌贼(Sthenoteuthis oualaniensis)是南海重要的经济头足类之一,巨大的开发潜力与经济价值使其在我国南海海洋渔业中的地位日益凸显.为深入了解南海鸢乌贼单位捕捞努力量渔获量(Catch per unit effort,CPUE)变化情况并作出科学预测,文章选择构建灰色预测模型GM(1,N),结合海...     

鸢乌贼渔业资源研究进展

<正>鸢乌贼(Sthenoteuthis oualaniensis)属头足纲柔鱼科鸢乌贼属,是世界重要的大洋性经济头足类之一,广泛分布于印度洋、太平洋的热带和亚热带海域^[1-2]。鸢乌贼在印度洋西北部海域和中国南海的资源量较为丰富^[3-4],根据联合国粮食及农业组织估算,其总资源量约为800～1120万t^[5]。     

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。     

鸢乌贼角质颚形态识别与重建

鸢乌贼是一种资源丰富的大洋性头足类动物,了解其种群结构有利于渔业资源的评估和管理。角质颚作为硬组织是鸢乌贼种群判别的良好材料,据此利用中东太平洋、西北印度洋和东印度洋采集的161尾鸢乌贼样本,对上、下角质颚的三视图形态进行傅里叶分析和判别。首先将上、下角质颚的三视图外部轮廓通过软件转化为20组傅里叶谐值,然后对各视图进行轮廓重构,最后进行主成分分析及逐步判别分析。主成分分析结果表明,上颚侧视、腹视、口视,下颚侧视、腹视、口视图形态轮廓傅里叶谐值前2个主成分分别解释了总变异的67.4%、70.8%、65.8%、80.7%、63.0%、57.8%;判别分析结果显示,3海区上颚侧视、腹视、口视,下颚侧视、腹视、口视图的交互检验判别分析成功率分别为87.0%、82.6%、83.2%、85.7%、88.8%、72.0%;傅里叶分析重建的角质颚轮廓图可以反映3海区鸢乌贼种群间的差异。因此研究认为,基于傅里叶变换对上、下角质颚三视图的轮廓形态分析可以识别鸢乌贼地理种群,并且利用三视图识别可以提升种群判别正确率。     

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。     

西北印度洋中尺度涡对鸢乌贼时空分布的影响

鸢乌贼(Sthenoteuthis oualaniensis)是具有重要经济价值的头足类之一, 在西北印度洋海域蕴藏有丰富的资源量, 该海域受季风的影响中尺度涡分布广泛, 但对栖息于该海域鸢乌贼的影响尚不清晰。本研究基于角动量涡旋检测与追踪算法获得的涡旋追踪数据集匹配渔业数据, 统计了西北印度洋中尺度涡的时空分布, 分析了不同类型涡旋和鸢乌贼资源丰度和分布的关系, 并结合广义加性模型解析了中尺度涡基本特征量与鸢乌贼资源分布之间的关联。结果表明, 西北印度洋中尺度涡发生的高频海域在北部区域, 且存在明显的月间和年际变化。振幅、相对涡度大的中尺度涡内更容易聚集高的鸢乌贼资源丰度。气旋涡内部区域和外围区域的鸢乌贼资源丰度均优于反气旋涡, 且这种差异于涡旋内部区域更加明显。研究表明, 西北印度洋中尺度涡会影响鸢乌贼的资源分布, 需要进一步结合环境因子探究其影响机制。     

春季南海鸢乌贼栖息地时空分布及其年际差异分析

根据2014—2017年春季南海鸢乌贼(Sthenoteuthis oualaniensis)渔业数据以及海表面温度(Sea surface temperature,SST)、叶绿素a浓度(Chlorophyll-a,Chl-a)和海面高度(Sea surface height,SSH)3个关键环境因子,构建栖息地指数...     

我国东、黄海鲐鱼灯光围网渔业CPUE标准化研究

日本鲐是我国近海重要的中上层鱼类资源之一,评估其资源量需要对单位捕捞努力量渔获量（CPUE）进行标准化。影响CPUE标准化的因素很多,包括季节、区域和海洋环境等。本文利用广义线型模型（GLM）和广义加性模型（GAM）,结合时空、捕捞船、表温等因子,对1998-2006年东、黄海大型灯光围网渔业鲐鱼CPUE进行标准化,并评价各因子对CPUE的影响。首先应用GLM模型评价时间、空间、环境以及捕捞渔船参数对CPUE的影响,并确定显著性变量。其次,将显著性变量逐一加入GAM模型,根据Akaike信息法则（AIC）,选择最优的GAM模型。最后,利用最优的GAM模型对CPUE标准化,并定量分析时间、空间、环境以及捕捞渔船参数对鲐鱼CPUE的影响。GLM模型结果表明：8个变量对CPUE有重要影响,依次为年、船队、船队与年的交互效应、月、船队与月份的交换效应、经度、纬度和海表温。根据AIC,包含上述8个显著性变量的GAM模型为最优模型,对CPUE偏差的解释为27.78%。GAM模型结果表明：高CPUE分别出现在夏季海表温为28～31 ℃的东海中部和冬季海表温为12～16 ℃的黄海;1998-2006年,标准化后的CPUE呈逐年下降趋势,与持续增长的捕捞努力量有关。     

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.     

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.     

环境因子对东南太平洋智利竹䇲鱼渔场时空分布异质性影响

基于2012—2018 年4—8 月我国东南太平洋智利竹?鱼 (Trachurus murphyi) 渔捞日志数据,应用地理权重回归模型 (GWR) 探究智利竹?鱼渔场资源分布与环境因子的空间异质性关系.结果表明,环境因子海面温度基于GWR 模型回归的拟合优度为0.54,校正的拟合优度为0.34,赤池信息准则 (Aka...     

基于结构方程模型研究环境因子对毛里塔尼亚双拖鲣CPUE的影响

探索渔业资源丰度与环境因子的关系, 并掌握种群分布对环境变化的响应机制, 是养护资源、实现渔业可持续发展的基础。然而, 渔业资源的变化受多个环境因素的综合影响, 这些因素之间存在复杂且相关的关系。目前的研究主要集中于环境因子对种群分布和资源丰度等直接影响, 而忽视了环境因素之间的相互作用。为了探索不同环境因子及其相互关系对毛里塔尼亚双拖鲣种群资源量的影响机制与路径, 本研究基于 2017—2019 年毛里塔尼亚海域双拖渔业鲣(Katsuwonus pelamis)单位捕捞努力量渔获量(CPUE), 采用结构方程模型(SEM)构建海表面温度 (SST)、海表面盐度(SSS)、海面高度异常(SLA)、溶解氧(DO)和叶绿素 a 浓度(Chl-a) 5 个环境因子对鲣 CPUE 直接和间接影响。结果表明: SEM 模型具有良好的拟合效果; SST、SSS、SLA、DO 和 Chl-a 对鲣 CPUE 均有直接影响, 其中 DO 和 SLA 对 CPUE 有着显著正相关影响, 而 SST、SSS 和 Chl-a 对 CPUE 有显著负相关影响; SST 等环境因子还会通过多种路径对鲣 CPUE 产生间接影响。研究揭示了毛塔海域 SST 通过直接影响或通过影响其他环境因子而间接影响鲣种群资源变动的潜在机制。     

Environmental influences on the availability of smooth pink shrimp, Pandalus jordani, to commercial fishing gear off Vancouver Island, Canada

Short time scale (less than seasonal) variability in commercial catch rates of smooth pink shrimp, Pandalus jordani, off the west coast of Vancouver Island, Canada, was examined in relation to changes in environmental conditions. Catch per unit of effort (CPUE) data were used as a proxy for catchability to identify environmental conditions affecting the availability of shrimp to the two main gear types in this fishery: otter trawls and beam trawls. Correlogram analyses of the 1996 CPUE (log-transformed) data from each gear type, and autocorrelation analyses of wind stress, tidal current speed, sea surface temperature and salinity, and hours of bright sunshine (the latter three as residuals from their seasonal trends) for 1996 indicated a mean decorrelation time scale of 7.7 days. This was used to construct smoothed time series of these CPUE and environmental data for 1996. Multiple regression analyses with CPUE as the dependent variable and the environmental data as independent variables were significant, explaining 44% of the variability in otter-trawl data and 35% of the beam-trawl variability. Three hypotheses are proposed to explain these results, involving interactions between the shrimp's behaviour and environmental conditions. A significant proportion of the within-season variability in CPUE (and therefore in the availability of shrimp to fishing gear) for P. jordani off Vancouver Island can result from variations in environmental conditions which, if included in stock analyses, should reduce the variability of population abundance estimates.     

基于GAM 的吉尔伯特群岛海域黄鳍金枪鱼栖息地综合指数

为了可持续利用黄鳍金枪鱼(Thunnus albacares)资源,本文利用2009年10月～12月吉尔伯特群岛海域海上实测的34个站点海洋环境垂直剖面数据,黄鳍金枪鱼渔获率数据,应用广义加性模型(generalized additive model,GAM) 进行建模,预测渔获率,并通过wilcoxon检验来判断预测渔获率与名义渔获率是否存在显著相关性。根据预测渔获率估算黄鳍金枪鱼的栖息地综合指数(IHI),通过对各水层IHI均值分析和Pearson相关系数,判断该方法的预测能力。使用2010年11月～2011年1月在吉尔伯特群岛海域实测的16个站点40～80m水层和0～240m水体的环境数据,验证模型。结果表明：(1)拟合的各水层的IHI值分布各不相同,各水层中影响黄鳍金枪鱼分布的因子各不相同,黄鳍金枪鱼主要栖息在40～120m水层;(2)2010年数据验证结果表明,GAM模型的预测能力较好;(3)GAM在筛选影响黄鳍金枪鱼分布的因子时比较有效,能反应黄鳍金枪鱼渔获率与环境因子之间的非线性关系;(4)可通过GAM建立IHI指数模型来分析大洋性鱼类栖息地的空间分布。     

南海金枪鱼和鸢乌贼资源开发现状及前景

南海中南部深水区蕴藏着丰富的鸢乌贼（Sthenoteuthis oualaniensis）和黄鳍金枪鱼（Thunnus albacares）等大洋性中上层生物资源。文章分别介绍了南海金枪鱼和鸢乌贼的渔业与资源情况,并在此基础上探讨了中国相关渔业的发展前景,并提出南海大洋性生物资源开发应以鸢乌贼灯光罩网渔业为发展重点。