留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

南印度洋长鳍金枪鱼渔获率与水深温度关系研究

谢笑艳 汪金涛 陈新军 陈丕茂

谢笑艳, 汪金涛, 陈新军, 陈丕茂. 南印度洋长鳍金枪鱼渔获率与水深温度关系研究[J]. 南方水产科学. doi: 10.12131/20210018
引用本文: 谢笑艳, 汪金涛, 陈新军, 陈丕茂. 南印度洋长鳍金枪鱼渔获率与水深温度关系研究[J]. 南方水产科学. doi: 10.12131/20210018
Xiaoyan XIE, Jintao WANG, Xinjun CHEN, Pimao CHEN. Study on relationship between albacore catch rate and water depth and temperature in South Indian Ocean[J]. South China Fisheries Science. doi: 10.12131/20210018
Citation: Xiaoyan XIE, Jintao WANG, Xinjun CHEN, Pimao CHEN. Study on relationship between albacore catch rate and water depth and temperature in South Indian Ocean[J]. South China Fisheries Science. doi: 10.12131/20210018

南印度洋长鳍金枪鱼渔获率与水深温度关系研究

doi: 10.12131/20210018
基金项目: 国家自然科学基金项目 (NSFC41876141);上海市科技创新行动计划 (19DZ1207502)
详细信息
    作者简介:

    谢笑艳 (1996—),女,硕士研究生,研究方向为渔业资源。E-mail: 15225592935@163.com

    通讯作者:

    汪金涛 (1987—),男,博士,讲师,从事渔情预报及渔业资源评估研究。E-mail: jtwang@shou.edu.cn

  • 中图分类号: S 932.4

Study on relationship between albacore catch rate and water depth and temperature in South Indian Ocean

  • 摘要: 印度洋金枪鱼延绳钓渔业是我国远洋渔业的重要组成部分,海洋不同深度的水温对长鳍金枪鱼 (Thunnus alalunga) 延绳钓渔获率有显著影响。文章利用2008—2017年延绳钓生产作业数据,并结合Argo浮标水温数据,采用广义加性模型 (Generalized additive model, GAM) 分析长鳍金枪鱼空间分布与不同深度水温之间的关系。结果表明,海表面 (0 m)、200和400 m 3个水层的温度显著影响长鳍金枪鱼的空间分布,最优的GAM模型对渔获率 (单位捕捞努力量渔获量, Catch per unit effort, CPUE) 的方差解释率为53.3%,模型拟合的决定系数为0.527。长鳍金枪鱼渔获率与所选取的3个水层温度均呈非线性关系,高渔获区集中分布于17~30 ℃的表层海域,17~20 ℃的200 m层海域,9~15 ℃的400 m层海域。文章初步得出了南印度洋长鳍金枪鱼空间分布与3个水深断面温度的关系,研究结果可为指导长鳍金枪鱼的合理生产提供技术支撑。
  • 图  1  2008—2017年印度洋长鳍金枪鱼产量累计空间分布

    Figure  1.  Spatial distribution cumulative production of T. alalunga in Indian Ocean during 2008−2017

    图  2  2008—2017年印度洋长鳍金枪鱼渔获率年间变化及其平均渔获率值

    Figure  2.  Annual catch rate and annual mean catch rate of T. alalunga in Indian Ocean during 2008−2017

    图  3  2008—2017年印度洋长鳍金枪鱼渔获率月间变化及其平均渔获率值

    Figure  3.  Monthly catch rate and monthly mean catch rate of T. alalunga in Indian Ocean during 2008−2017

    图  4  2008—2017年印度洋长鳍金枪鱼渔获率空间分布

    Figure  4.  Spatial distribution of T. alalunga catch rate in Indian Ocean during 2008−2017

    图  5  各影响因子与长鳍金枪鱼渔获率关系的广义加性模型分析

    Figure  5.  Relationship between impact factors and catch rates of T. alalunga based on GAM model

    图  6  2017年南印度洋海域表层、200、400 m水层年平均温度与年平均长鳍金枪鱼渔获率空间叠加图

    Figure  6.  Overlay map of annual mean temperature and annual mean catch rate of T. alalunga in surface sea water, 200 and 400 m water depths of South Indian Ocean in 2017

    表  1  广义加性模型统计参数表

    Table  1.   Statistical parameters of GAM model

    公式
    Formula
    赤池准则
    信息
    AIC
    方差
    解释率
    Deviance
    explained
    决定
    系数
    R2
    广义交叉
    验证
    GCV
    log(CPUE)=NULL 15023.60 0 0 2.4984
    log(CPUE)=s(Year) 15005.51 0.8 0.00642 2.4871
    log(CPUE)= s(Year)+s(Month) 14690.30 8.6 0.0831 2.2988
    log(CPUE)= s(Year)+s(Month)+s(Lat, k=5) 13173.10 37.6 0.373 1.5735
    log(CPUE)= s(Year)+s(Month)+s(Lat, k=5)+s(Lon) 12602.84 46.1 0.458 1.3645
    log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0) 12156.86 52.0 0.516 1.2207
    log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+s(Temp_50) 12153.27 52.1 0.516 1.2196
    log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+s(Temp_50)+s(Temp_100) 12063.03 53.4 0.528 1.1925
    log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+s(Temp_50)+s(Temp_100)+s(Temp_200) 12050.30 53.4 0.528 1.1925
    log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+
    s(Temp_50)+s(Temp_100)+s(Temp_200)+s(Temp_300)
    12007.99 54.3 0.536 1.1763
    log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+s(Temp_50)+s(Temp_100)+
    s(Temp_200)+s(Temp_300)+s(Temp_400)
    11994.66 54.5 0.538 1.1724
    下载: 导出CSV

    表  2  广义加性模型模型分析结果

    Table  2.   Analysis results of GAM model

    变量
    Variable
    自由度
    df
    FP
    Year 8.588 6.594 0.0003
    Month 7.3419 7.332 <0.0001
    Lat 4.5165 56.543 <0.0001
    Lon 9.1298 37.893 <0.0001
    Temp_0 9.2925 14.781 <0.0001
    Temp_50 0.9521 2.840 0.0210
    Temp_100 11.516 0 9.446 <0.0001
    Temp_200 4.8355 3.394 0.0051
    Temp_300 7.8455 1.301 0.1981
    Temp_400 4.8479 3.261 0.0019
    下载: 导出CSV
  • [1] 马璐璐. 印度洋长鳍金枪鱼资源的时空分布和资源评估[D]. 上海: 上海海洋大学, 2017: 2.
    [2] 马璐璐, 朱江峰, 耿喆, 等. 运用生物量动态模型评估印度洋长鳍金枪鱼资源[J]. 上海海洋大学学报, 2018, 27(2): 259-264.
    [3] 张亚男, 官文江, 李阳东. 印度洋长鳍金枪鱼栖息地指数模型的构建与验证[J]. 上海海洋大学学报, 2020, 29(2): 268-279.
    [4] DHURMEEA Z, ZUDAIRE I, CHASSOT E, et al. Reproductive biology of albacore tuna (Thunnus alalunga) in the Western Indian Ocean[J]. PLoS One, 2016, 11(12): e168605.
    [5] 张艳波. 东南太平洋长鳍金枪鱼垂直分布与栖息地指数研究[D]. 上海: 上海海洋大学, 2015: 26.
    [6] 张嘉容, 杨晓明, 田思泉. 基于最大熵模型的南太平洋长鳍金枪鱼栖息地预测[J]. 中国水产科学, 2020, 27(10): 1222-1233.
    [7] 闫敏, 张衡, 樊伟, 等. 南太平洋长鳍金枪鱼渔场CPUE时空分布及其与关键海洋环境因子的关系[J]. 生态学杂志, 2015, 34(11): 3191-3197.
    [8] 唐衍力, 徐湛. 中西太平洋长鳍金枪鱼 (Thunnus alalunga) 延绳钓渔场分布的时空变化[J]. 渔业科学进展, 2015, 36(3): 22-29. doi: 10.11758/yykxjz.20150304
    [9] DOMOKOS R, SEKI M P, POLOVINA J J, et al. Oceanographic investigation of the American Samoa albacore (Thunnus alalunga) habitat and longline fishing grounds[J]. Fish Oceanogr, 2007, 16(6): 555-572. doi: 10.1111/j.1365-2419.2007.00451.x
    [10] 郭刚刚, 张胜茂, 樊伟, 等. 南太平洋长鳍金枪鱼垂直活动水层空间分析[J]. 南方水产科学, 2016, 12(5): 123-130. doi: 10.3969/j.issn.2095-0780.2016.05.016
    [11] 杨胜龙, 张忭忭, 唐宝军, 等. 基于GAM模型分析水温垂直结构对热带大西洋大眼金枪鱼渔获率的影响[J]. 中国水产科学, 2017, 24(4): 875-883.
    [12] 张嘉容, 杨晓明, 戴小杰, 等. 南太平洋长鳍金枪鱼延绳钓渔获率与环境因子的关系研究[J]. 南方水产科学, 2020, 16(1): 69-77.
    [13] WANG J, CHEN X, STAPLES K W, et al. The skipjack tuna fishery in the west-central Pacific Ocean: applying neural networks to detect habitat preferences[J]. Fish Sci, 2018, 84(2): 309-321. doi: 10.1007/s12562-017-1161-6
    [14] GUISAN A, EDWARDS T C, HASTIE T. Generalized linear and generalized additive models in studies of species distributions: setting the scene[J]. Ecol Model, 2002, 157(2): 89-100.
    [15] 武胜男, 陈新军, 刘祝楠. 基于GAM的西北太平洋日本鲭资源丰度预测模型建立[J]. 海洋学报 (中文版), 2019, 41(8): 36-42.
    [16] 张云雷, 徐宾铎, 张崇良, 等. 基于Tweedie-GAM模型研究海州湾小黄鱼资源丰度与栖息环境的关系[J]. 海洋学报, 2019, 41(12): 78-89.
    [17] 王晓晴, 林宇, 吴锦仁. 东南印度洋长鳍金枪鱼延绳钓渔场探捕浅析[J]. 渔业信息与战略, 2020, 35(3): 198-207.
    [18] 陈雪忠, 樊伟, 崔雪森, 等. 基于随机森林的印度洋长鳍金枪鱼渔场预报[J]. 海洋学报 (中文版), 2013, 35(1): 158-164.
    [19] 郭爱, 陈新军. ENSO与中西太平洋金枪鱼围网资源丰度及其渔场变动的关系[J]. 海洋渔业, 2005(4): 338-342. doi: 10.3969/j.issn.1004-2490.2005.04.015
    [20] 陈新军, 郑波. 中西太平洋金枪鱼围网渔业鲣鱼资源的时空分布[J]. 海洋学研究, 2007(2): 13-22. doi: 10.3969/j.issn.1001-909X.2007.02.002
    [21] 史珩瑜, 张祖强, 任宏利. 近百年来ENSO强度的变化特征[J]. 气候变化研究进展, 2017, 13(1): 1-10. doi: 10.12006/j.issn.1673-1719.2016.117
    [22] 孙诗. 南印度洋长鳍金枪鱼黄鳍金枪鱼生物学特性及金枪鱼延绳钓捕捞技术初步分析[D]. 舟山: 浙江海洋大学, 2019: 54.
    [23] 范永超, 陈新军, 汪金涛. 基于多因子栖息地指数模型的南太平洋长鳍金枪鱼渔场预报[J]. 海洋湖沼通报, 2015(2): 36-44.
    [24] 陈雪忠, 樊伟, 崔雪森, 等. 基于随机森林的印度洋长鳍金枪鱼渔场预报[J]. 海洋学报 (中文版), 2013, 35(1): 158-164.
    [25] 刘洪生, 蒋汉凌, 戴小杰. 中西太平洋长鳍金枪鱼渔场与海温的关系[J]. 上海海洋大学学报, 2014, 23(4): 602-607.
    [26] 范江涛, 陈新军, 钱卫国, 等. 瓦努阿图周边海域长鳍金枪鱼渔场分布及其与表温关系[J]. 海洋湖沼通报, 2011(1): 71-78. doi: 10.3969/j.issn.1003-6482.2011.01.010
    [27] MACDONALD J I, FARLEY J H, CLEAR N P, et al. Insights into mixing and movement of South Pacific albacore Thunnus alalunga derived from trace elements in otoliths[J]. Fish Res, 2013, 148: 56-63. doi: 10.1016/j.fishres.2013.08.004
    [28] SAITO S. Studies on fishing of albacore, Thunnus alalunga (Bonnaterre) by experimental deep-sea tuna long-line[J]. Mem Fac Fish Hokkaido Univ, 1973, 21(2): 107-184.
    [29] 陈雪忠, 杨胜龙, 张禹, 等. 热带印度洋大眼金枪鱼垂直分布空间分析[J]. 中国水产科学, 2013, 20(3): 660-671.
    [30] 储宇航, 戴小杰, 田思泉, 等. 南太平洋长鳍金枪鱼栖息水层深度的时间变化与空间分布[J]. 海洋通报, 2016, 35(2): 216-224. doi: 10.11840/j.issn.1001-6392.2016.02.013
    [31] 曹晓怡, 周为峰, 樊伟, 等. 大眼金枪鱼渔场与环境关系的研究进展[J]. 海洋渔业, 2008(2): 176-182. doi: 10.3969/j.issn.1004-2490.2008.02.012
    [32] 翟天晨, 戴小杰, 朱江峰. 东太平洋长鳍金枪鱼个体大小与钓获深度的关系[J]. 海洋渔业, 2015, 37(1): 10-16. doi: 10.3969/j.issn.1004-2490.2015.01.002
    [33] 宋婷婷, 樊伟, 伍玉梅. 卫星遥感海面高度数据在渔场分析中的应用综述[J]. 海洋通报, 2013, 32(4): 474-480. doi: 10.11840/j.issn.1001-6392.2013.04.017
  • 加载中
计量
  • 文章访问数:  87
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-13
  • 修回日期:  2021-03-31
  • 录用日期:  2021-04-06
  • 网络出版日期:  2021-04-23

目录

    /

    返回文章
    返回