基于GAM模型西北印度洋鸢乌贼CPUE标准化

单位捕捞努力量渔获量(Catch Per Unit Effort,CPUE)是资源评估的前提和基础,为了更好地评估西北印度洋鸢乌贼资源,采用广义加性模型(generalized additive model,GAM)对2016~2020年西北印度洋鸢乌贼的CPUE进行了标准化。结果显示,月份、海表温度(sea surface temperature,SST)、海面高度(sea surface height,SSH)、经度和纬度对CPUE呈显著性影响,通过对不同GAM模型的AIC(Akaike information criterion)值比较,由月份、SST、SSH、经度和纬度5个因子构成的GAM模型为最优CPUE标准化模型,对CPUE偏差的解释率为40.3%。研究表明,西北印度洋鸢乌贼高CPUE主要出现在9月至翌年3月,海域范围为16°~19°N、60°~65°E,SST为25~28℃、SSH为0.2~0.4m的海域内。整体而言,标准化CPUE低于名义CPUE,但二者的变化趋势基本一致。     

南海外海鸢乌贼渔场范围与海洋环境的关系

为研究南海外海鸢乌贼渔场范围与海洋环境因子之间的联系,本文根据2013−2018年广西壮族自治区北海市灯光罩网渔船在南海外海的鸢乌贼生产数据和海洋环境遥感数据,对鸢乌贼渔场范围的时空分布与海表面温度(SST)、海表面高度(SSH)和海表面叶绿素a (Chl a)浓度的关系进行研究。结果表明：在5°～20°N,108°～118°E海域内,SST、SSH、Chl a 浓度3个环境因子对鸢乌贼渔场范围的时空分布影响较大。其适宜的SST、SSH、Chl a浓度分别为：25～31℃、46～80 cm、0.05～0.27 mg/m³,其渔场重心由南向北转移。此外,通过对2013−2018年1−12月的单位捕捞努力量渔获量(CPUE)与海洋环境因子的关系进行K-S检验,结果显示CPUE和海洋环境因子之间没有显著性差异,即SST、SSH、Chl a 浓度3个环境指标可以有效地表征鸢乌贼资源密度和中心渔场分布状况。     

阿拉伯北部公海海域鸢乌贼渔场分布及其与海洋环境因子关系

根据2004年9~12月在阿拉伯北部公海海域鸢乌贼资源的探捕生产情况,分海区初步分析了海洋环境因子与中心渔场之间的关系。调查表明,中心渔场分布在62°E~64°E、12°N~13°N,59°E~62°E、15°N~18°N和62°E~64°E、18°N~20°N三个海区。中心作业渔场基本分布在冷水与暖水交汇边缘处,并处于冷水涡边缘一侧。中心渔场的适宜表温27~29℃、表层盐度35.5~36.5。不同作业渔场的温盐结构不同。北部渔场的表温相对要高于南部渔场,但是50m以下水层的温度则相反;中部渔场的各层盐度明显低于南部和北部渔场。GAM模型分析表明,产量与表温、50m水温和200m水温以及各层盐度的关系密切。     

印度洋西北部海域鸢乌贼渔场分布及其与海面温度的关系

根据2004年9月-2005年4月印度洋西北海域鸢乌贼生产调查资料及海面温度数据,按经纬度1°×1°空间分辨率,采用软件Marine Explorer 4.0和数理统计方法对鸢乌贼作业渔场分布及其与海面温度的关系进行了分析。结果显示,9月-翌年1月作业渔场分布比较分散,分布在11°30′~19°30′N,58°~64°E海域;2-4月作业渔场分布比较集中,主要分布在15°~16°30′N,60°~61°30′E。各月份的平均日产量波动不大。作业渔场的适宜海面温度为25~29℃。经Kruskal-Wallis统计检验,调查期间各个温度组作业CPUE不存在显著性差异。     

印度洋西北海域鸢乌贼渔场分布与海面高度的关系

根据2004年9月至2005年1月我国鱿钓船在印度洋西北海域进行鸢乌贼（Symlectoteuthis oualaniensis）调查的数据,并结合海面高度,利用Marineexplorer4．0软件对渔获量分布及其与海面高度图进行了叠加分析。结果表明,高渔获量的中心渔场大多分布在海面高度Hss≤0的附近海域,在Hss≥0的附近海域有一定的渔获量。研究认为,中心渔场分布在冷暖涡的交汇处,但是渔场的中心偏向于Hss≤0的冷水涡一侧。     

基于耳石微结构的南海鸢乌贼日龄和生长研究

年龄和生长速度等参数是渔业资源评估和管理的基础。鸢乌贼生命周期短、生长速度快。为研究鸢乌贼的日龄和生长, 利用2016年10月—2017年9月灯光罩网作业方式采集的南海鸢乌贼样本, 通过耳石微结构研究南海鸢乌贼不同种群、性别间的日龄组成和生长的差异, 结果表明: 1) 鸢乌贼中型群日龄范围48~125d, 优势日龄61~80d, 雌雄个体日龄组成差异显著; 微型群日龄范围44~95d, 优势日龄51~70d, 雌雄个体日龄组成差异极显著。2) 鸢乌贼中型群孵化时间为2016年7月—2017年7月, 1月和7—8月为孵化高峰期; 微型群孵化时间为2016年6—10月和12月至翌年2月, 1月和8月为孵化高峰期。3) 中型群雌雄胴长、体质量与日龄分别符合对数和线性关系; 微型群雌雄胴长与日龄分别符合对数和Logistic关系, 而体质量与日龄符合Logistic关系。4) 南海鸢乌贼微型群生长速度大于中型群, 微型群雄性个体生长速度大于雌性, 而中型群雄性个体生长速度小于雌性。通过对耳石生长纹的分析, 了解鸢乌贼的日龄组成、推算孵化时间、选出合适的生长方程及估算生长速度, 为渔业生物学提供基础资料。     

印度洋北部鸢乌贼CPUE标准化初步研究

本研究根据中国远洋渔业协会鱿钓技术组和公海围拖网技术组提供的2017—2019年印度洋北部鸢乌贼3种捕捞方式(灯光敷网、灯光罩网和鱿钓)的生产统计数据,结合时空因子(年、月、经纬度)和环境因子(海表温度、海表盐度、光合有效辐射、风速和流速),利用广义线性模型(GLM)找出主要影响因子,并以广义可加性模型(GAM)找出因子变化规律并进行CPUE标准化研究。结果表明：GLM模型分析得出,年、月、纬度、海表温度、风速、流速以及作业方式因子均为显著性变量,对CPUE的影响较大。将上述的显著性影响因子加入GAM模型,根据AIC准则,包含这7个因子的GAM模型的AIC值最小为最优模型,对CPUE的总偏差解释为21.6%,其中作业方式对CPUE的影响最大,解释了5.6%的总偏差,随后依次是年、纬度、月、海表温度、流速、风速。名义CPUE与标准化CPUE年间变化趋势一致,且月间变化趋势整体较为相似。研究表明,基于GLM模型和GAM模型标准化的CPUE能够较全面、真实地反映印度洋鸢乌贼资源密度的变化情况,其中作业方式、海表温度、流速和风速对印度洋鸢乌贼资源密度影响较大。因此在后续的渔情预报研究中,可以将...     

基于GAM模型分析印度洋大眼金枪鱼和黄鳍金枪鱼渔场分布与不同环境因子关系

印度洋金枪鱼延绳钓渔业作为我国重要的远洋渔业之一,探究其渔场时空变动及与环境因子之间的关系十分必要。本文根据2016年1—6月收集的印度洋金枪鱼渔业生产数据,并结合卫星遥感获取的环境因子数据,运用ArcGIS和GAM模型分析了印度洋大眼金枪鱼和黄鳍金枪鱼渔场时空变动及与环境因子之间的关系。研究结果表明:大眼金枪鱼和黄鳍金枪鱼1—6月CPUE均呈现先减小后增加的趋势,4月均达最高值,分别为2.45尾/千钩和3.56尾/千钩,各月CPUE均存在显著性差异（P<0.001）;大眼金枪鱼和黄鳍金枪鱼渔场时空变动基本趋于一致,均为先向东北移动,后向西北移动,最后再向东北移动的趋势;GAM模型分析显示,大眼金枪鱼CPUE与模型因子的解释率为32.1%,纬度和250 m水深温度影响最显著,黄鳍金枪鱼CPUE与模型因子的解释率为37.2%,200 m水深温度影响最显著;协同分析表明,1—6月,印度洋金枪鱼延绳钓中心渔场分布于1°S~9.5°N,47°~64°E,且海表温度在29.3~30.8℃的海域。     

南海鸢乌贼中型群雄性个体肌肉和性腺组织能量积累及其分配

利用组织能量密度测定技术和残差指标分析方法, 分析了南海鸢乌贼中型群雄性个体肌肉组织和性腺组织的能量积累及其分配变化过程。结果显示, 胴体、尾鳍、足腕、精荚复合体、精巢等组织的能量密度值分别为21.16±1.44、21.98±1.51、21.44±1.50、20.83±1.70和21.41±1.70kJ?g ^-1。胴体和精荚复合体两组织的能量密度在不同性腺成熟度之间均存在显著性差异, 而尾鳍、足腕、精巢等3种组织的能量密度则在不同性腺成熟度之间均没有统计学差异。个体总能量积累为299.31±90.81kJ; 随着个体生长, 总能量积累呈现增加的趋势。胴体、足腕和尾鳍等肌肉组织的能量占比为95.31%~98.04%, 随着性腺发育呈现降低的趋势; 精巢和精荚复合体等性腺组织的能量总投入占比为2.63%~5.33%, 随着性腺发育呈增加的趋势, 并在Ⅴ期达到最大值。同时, 残差指标分析显示, 胴体、尾鳍、足腕等肌肉组织能量积累-胴长残差与性腺组织能量积累-胴长残差呈显著的正相关关系, 表明个体性腺发育过程中肌肉组织能量没有转化用于性腺组织的生长发育, 其生殖能量投入倾向于外源性投入。初步掌握了南海鸢乌贼中型群雄性个体肌肉和性腺组织能量的积累变化过程, 为深入了解它们的繁殖策略和为可持续开发利用该种类资源提供了科学基础。     

南海西沙群岛海域鸢乌贼Sthenoteuthis oualaniensis胃组织微塑料沉积特性研究

随着微塑料在全球海洋环境和鱼类中被发现,海洋微塑料污染越来越受到各界学者的关注。然而头足类微塑料的研究甚少,南海鸢乌贼(Sthenoteuthis oualaniensis)对微塑料的摄取特性的研究更是未见报道。根据2020年3~5月中国生产调查船于南海西沙群岛海域采集的36尾鸢乌贼样本,对其胃组织微塑料沉积特性进行了研究。结果表明,36尾鸢乌贼样本中有33尾胃组织中发现微塑料,共计88个,单个样本微塑料含量介于0~6个,平均为2.44个。微塑料长度范围为0.121~2.748 mm,平均为0.878mm,且75.0%的微塑料长度小于1mm;颜色包括黑色(39.8%)、蓝色(31.8%)、透明(10.2%)、白色(6.8%)、红色(6.8%)和黄色(4.6%)6种,材质主要由棉(cotton)(50.0%)、聚对苯二甲酸乙二醇酯(PET)(21.6%)、人造丝(Rayon)(10.2%)、聚酯纤维(Polyester)(9.1%)、聚苯乙烯泡沫塑料(Styrofoam)(4.5%)、聚乙烯(PE)(2.3%)和丙烯酸塑料(acrylic)(2.3%)7种组成。相关性分析表明,南海鸢乌贼胃组织微塑料的含量与胃重、摄食强度无显著相关性,但与平均胴长、体重、年龄呈显著线性相关。研究结果认为,南海鸢乌贼胃组织微塑料的沉积随着个体的生长而逐渐积聚,这种积聚与自身生长可能呈对数函数关系(a>1)。     

基于DNA条形码研究中国枪乌贼和鸢乌贼的食物种类组成*

中国枪乌贼(Uroteuthis chinensis)和鸢乌贼(Sthenoteuthis oualaniensis)作为中国南海头足类的关键种, 对海洋生态系统的物质流动与能量循环具有重要影响, 其摄食生态的研究将对海洋食物网的构建具有重要意义。由于传统胃含物分析法难以准确鉴定糜状饵料生物的组成, 本研究利用DNA条码技术, 针对中国枪乌贼和鸢乌贼不可辨认的食物糜提取组织DNA, 选用线粒体基因细胞色素C氧化酶亚基I(Mitochondrial cytochrome oxidase subunit I, COI)作为分子标记, 获得的序列在Genbank中进行比对分析, 并使用GMYC(Generalized Mixed Yule Coalescent)模型进行物种界定和构建系统进化关系。结果成功鉴定出中国枪乌贼饵料物种有13种, 鸢乌贼饵料物种有8种, 共20种(其中1种为共有饵料)。比较发现, 汕头-台湾浅滩渔场的中国枪乌贼主要摄食鱼类、甲壳类和头足类, 而南海中部海域鸢乌贼则主要摄食鱼类和头足类。两物种均存在同类相食现象, 但鸢乌贼表现更明显。     

南海中西部渔场上升流时空变化特征分析

南海中西部海域是我国外海渔业开发的潜在渔场之一,摸清该海域的物理环境特征可为我国开发中西部渔场提供参考。本文以遥感风场和海温数据为基础,分析了2003~2012年西南季风期起止时间的年变化、上升流中心位置时空变动以及风场对上升流中心位置变动的影响。结果表明:在南海中西部海域,西南季风期通常从5月份开始,到9月份结束,西南季风持续天数平均值为129.4 d,其中,风向角呈51°~60°的天数最多,占总季风天数的21.98%,西南季风期持续时间有增加的现象。上升流中心位置变动范围为11°~15°N,109°~112°E。西南季风期平均风速减小时,年平均上升流中心在经向上向近岸移动,在纬向上向高纬度移动;平均风速增加时,年平均上升流中心在经向上向离岸方向移动,在纬向上向低纬度移动;当西南季风期平均风向角减小时,年平均上升流中心向低纬度移动,平均风向角增大时,年平均上升流中心向高纬度移动。此外,发现厄尔尼诺年此上升流面积显著大于非厄尔尼诺年,而最低温度比2003~2012年平均最低温度低1.3℃。     

基于动量自适应BP神经网络的鸢乌贼模式识别

近年来, 计算机模式识别技术因其识别结果准确、快速, 而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示, 训练成型的神经网络收敛误差仅为4.416×10^-2, 加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%, 总成功率为 93.24%, 说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法, 如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%, 77.03%和87.84%。本研究的识别效果稳定, 对于大样本训练集的识别率也高达92.77%, 为头足类的种群判别提供了新的方法和思路。     

基于贝叶斯分类器的南海黄鳍金枪鱼渔场预报模型

本文利用来自中西太平洋渔业委员会(WCPFC)黄鳍金枪鱼延绳钓2000-2011年的历史渔获数据和美国国家海洋和大气管理局(NOAA)气候预报中心提供的海表温度最优插值数据和法国空间局(CNES)卫星海洋数据中心提供的多卫星融合高度计月合成海面高度资料,基于贝叶斯分类器,根据模型中环境因子的选取以及渔区分类策略的不同预拟了8种构建方案对2011年南海外海黄鳍金枪鱼的渔场进行分类预报,并将预报结果与实际渔场进行对比检验,比较分析不同方案对最终分类结果和精度的影响。检验结果表明,方案1-8总体精度分别为71.4%、75%、70.8%、74.4%、66.7%、68.5%、57.7%和63.7%。方案1-6在65%以上,均能够满足实际渔场预报业务化需求。采用SST和SSH双环境因子的方案均比采用单SST环境因子的方案总体精度稍高,一定程度上提高了预报精度,其中采用去除SST和SSH相关性的第一主分量作为预报因子的方案2达到了75%最高精度。采用CPUE平均值正负标准差作为节点比以33.3%与66.7%作为节点来区分高、中、低CPUE渔区的预报结果要更加准确。因此在模型筛选的基础上,选用模型方案2完成南海金枪鱼渔场渔情预报服务系统的系统实现。     

基于案例推理的东海区鲐鱼中心渔场预报

根据1998～2005年的东海区上海、宁波、江苏和舟山四大渔业公司的鲐鱼(Pneumatophorus japonicus)生产统计数据以及同期的卫星资料反演的海表温度、叶绿素a浓度数据,利用案例推理方法,设定了上级结果的相似距对下级检索的影响权重因子,进一步研究渔场渔情的分析预报.通过试验性预报实例的预报结果与实际情况比较表明,预测精度达到75%,可以较好地反映出渔场的分布,为渔业资源的开发利用服务.     

A New model to forecast fishing ground of Scomber japonicus in the Yellow Sea and East China Sea

The pelagic species is closely related to the marine environmental factors, and establishment of forecasting model of fishing ground with high accuracy is an important content for pelagic fishery. The chub mackerel(Scomber japonicus) in the Yellow Sea and East China Sea is an important fishing target for Chinese lighting purse seine fishery. Based on the fishery data from China's mainland large-type lighting purse seine fishery for chub mackerel during the period of 2003 to 2010 and the environmental data including sea surface temperature(SST), gradient of the sea surface temperature(GSST), sea surface height(SSH) and geostrophic velocity(GV), we attempt to establish one new forecasting model of fishing ground based on boosted regression trees. In this study, the fishing areas with fishing effort is considered as one fishing ground, and the areas with no fishing ground are randomly selected from a background field, in which the fishing areas have no records in the logbooks. The performance of the forecasting model of fishing ground is evaluated with the testing data from the actual fishing data in 2011. The results show that the forecasting model of fishing ground has a high prediction performance, and the area under receiver operating curve(AUC) attains 0.897. The predicted fishing grounds are coincided with the actual fishing locations in 2011, and the movement route is also the same as the shift of fishing vessels, which indicates that this forecasting model based on the boosted regression trees can be used to effectively forecast the fishing ground of chub mackerel in the Yellow Sea and East China Sea.     

南海东北部亚中尺度过程时空分布特征

基于高分辨率模型2009-2012年的模拟结果,本文对南海东北部亚中尺度过程的时空分布特征进行了研究。模拟结果表明,南海东北部上层广泛存在着相对涡度接近于局地行星涡度的亚中尺度过程。统计结果发现,亚中尺度过程的相对涡度的分布具有着明显的非对称性,即正涡度明显强于负涡度。这意味着相比于负涡度,具有正涡度的亚中尺度过程要更为活跃,而这主要是由离心不稳定导致。同时,亚中尺度过程在时间分布上表现出明显的冬强夏弱的季节变化特征。通过对该海区亚中尺度过程可能生成机制的分析发现,该季节变化与流场拉伸和混合层的厚度有着密切关系,冬季更强的流场拉伸和更深的混合层有利于通过锋生过程和混合层不稳定为亚中尺度过程生成提供更多的能量。     

基于提升回归树的东、黄海鲐鱼渔场预报

为提高东、黄海鲐鱼渔场预报准确率、降低渔业生产成本,研究提出了一种基于提升回归树的渔场预报模型。研究采用2003—2010年我国大型灯光围网渔捞日志数据,以有网次记录的小渔区为渔场,以渔捞日志未记录的区域作为背景场随机选择假定非渔场数据,以海表水温等环境因子作为预测变量构建东、黄海鲐鱼渔场预报模型并以2011年的实际作业记录对预报模型进行精度验证。验证计算得到预报模型的AUC(area under receiver operating curve)值为0.897,表明模型的预报精度较高。模型的空间预测结果表明,预报渔场与实际作业位置基本吻合,其位置移动也与实际情况相符。这表明基于提升回归树的渔场预报模型可以用来进行东、黄海鲐鱼渔场的预报。