Effect of aeration on formation of cyanobacterial (Microcystis spp.) blooms
-
摘要:
为研究曝气是否会促进池塘蓝藻门微囊藻属(Microcystis)水华的发生,于夏季在温室内用玻璃缸进行了实验。实验设1个处理组和1个对照组,均不添加沉积物,各组3个重复。对照组不曝气,处理组进行水产养殖池塘中常见强度的曝气,对照组和处理组均添加2次相同的无机氮(N)、磷(P)营养盐。初始时浮游植物以绿藻为优势,随后对照组和处理组中均逐渐形成微囊藻属优势,其在实验后期成为优势最大的种类 (平均湿质量浓度为36.28~75.81 mg·L–1)。对照组的溶解氧质量浓度显著高于处理组(P<0.05),叶绿素a、浮游植物总湿质量浓度、蓝藻湿质量浓度、绿藻湿质量浓度、微囊藻占藻类总湿质量的比例以及浮游动物等均无显著差异(P>0.05)。表明曝气对浮游植物由绿藻门优势向微囊藻优势的转变,即微囊藻水华的形成过程无直接影响;曝气是否存在均可以形成微囊藻优势;曝气主要改变了微囊藻在水中的分布。
Abstract:In order to study whether aeration will promote the occurrence of cyanobacterial (Microcystis spp.) blooms in aquaculture ponds, we conducted an experiment (a treatment group and a control group) in a greenhouse during summer, without sediment addition and three replicates of glass tanks. The control group was not aerated, but the treatment group was aerated with common aeration intensity for aquaculture ponds. Inorganic nitrogen and phosphorus nutrients were added to both the control and the treatment groups twice. The initial phytoplankton was dominated by green algae, then Microcystis gradually appeared in both two groups, and then became the most dominant species at later stage of the experiment (average wet mass of 36.28−75.81 mg·L–1). The dissolved oxygen mass concentration in the control was significantly higher than that in the treatment (P<0.05); however, there was no significant difference between both groups (P>0.05), including chlorophylla, total algal wet mass, cyanobacteria wet mass, green algae wet mass, proportion of Microcystis to the total wet mass, as well as zooplankton contents. It is indicated that aeration disturbance in aquaculture ponds has no direct influence on the occurrence of Microcystis dominance, which can appear either at the presence or absence of aeration disturbance, and the aeration disturbance mainly changes the position of Microcystis colonies in the water column.
-
Keywords:
- aeration /
- Microcystis bloom /
- cyanobacteria /
- green algae /
- aquaculture pond /
- eutrophication
-
20世纪80年代以来,受海洋污染加重和过度捕捞的双重影响,近海渔业资源不断衰退,渔获物低龄化、小型化、低质化、营养级下降趋势明显,海洋生态系统逆向发展[1-2]。为保护海洋渔业资源,促进海洋渔业可持续发展,1995年我国正式实施海洋伏季休渔制度,实施区域为东、黄、渤海35°N以南至27°N以北海域[3],1999年覆盖至南海海域[4]。近年来,伏季休渔制度也随着渔业资源情况的变化而进行调整。2017年初农业部颁布被称为“史上最严休渔”的新海洋伏季休渔制度,南海海域于5月1日至8月16日休渔,是制度实施以来调整最大的一次[5]。
目前关于海洋伏季休渔制度实施效果的定量研究多基于东海海域[6-9],南海海域伏季休渔效果研究仅限部分海区与重点水域[6,9-12],尚未见针对全海域伏季休渔效果评估的研究报道。本研究基于南海海洋捕捞网络数据和现场调研数据,综合不同作业类型渔船的日均产量产值、单位捕捞努力量渔获量(catch per unit effort,CPUE)、渔获率与渔获结构等指标,总体评价2015—2017年南海休渔制度实施效果,以期为进一步完善休渔制度、促进南海渔业资源可持续发展提供参考依据。
1. 材料与方法
1.1 数据来源
采用中国水产科学研究院南海水产研究所南海海洋捕捞生产结构调查资料,在南海三省区沿海各市主要渔港设立调查站点,信息员逐日调查登记站点各类渔船的渔获信息,包括船名、作业类型、渔获量、马力、航次产值、出海天数、作业渔场等。本文仅涉及2015—2017年休渔前后1个月南海主要作业类型(包括单拖、双拖、桁杆拖虾、围网、流刺网等)渔船的捕捞数据。调查站位见图1。
1.2 数据处理与统计分析
1.2.1 数据处理
日均产值产量计算公式为:
$${D_i} = \frac{{{Y_i}}}{{{T_i}}}$$ (1) $${C_i} = \frac{{{V_i}}}{{{T_i}}}$$ (2) 式中Di为某作业类型单艘渔船第i航次的日均产量(kg),Ci为某作业类型单艘渔船i航次的日均产值(元),Yi为该渔船i航次的总渔获量(kg),Vi为该渔船i航次的总产值,Ti为该渔船的作业时间(d)。
CPUE表示特定时间内投入渔业捕捞生产工具的数量和强度[6],计算公式为:
$$P = \overline {{P_i}} $$ (3) $${P_i} = \frac{{{Y_i}}}{{{E_i} \times {T_i}}}$$ (4) P为某作业类型渔船在一定时间段内的平均CPUE [kg·(kW·d)–1],Pi为渔船第i航次的捕捞努力量,Ei为该船的主机功率(kW)。
按照统计习惯,选取7个拖网主要经济鱼种 [蓝子鱼(Siganus)、鲹类(Carangidae)[13]、二长棘鲷(Paerargyrops edita)、带鱼(Trichiurus haumela)、金线鱼(Nemipterus virgatus)、刺鲳(Psenopsis anomala)、鱿鱼(Loligo chinensis)] 作为研究对象。渔获率与渔获结构计算公式为:
$${P_a} = \frac{{\sum {{Y_a}} }}{{\sum {\left( {{E_i} \times {T_i}} \right)} }}$$ (5) $${R_a} = \frac{V}{Y}$$ (6) Pa表示a种鱼类的CPUE,Ya表示a种鱼类的渔获量 [kg·(kW·d)–1],Ra为a种鱼类占渔获物的数量百分比[14],V为某类型渔船一定时段该种鱼类的产量(kg),Y为该类型渔船渔获总产量。
1.2.2 统计分析
捕捞生产结构数据。根据不同作业类型、时间分组,采用公式(1)、(2)和(4)计算各作业类型休渔前后1个月日均产量产值及CPUE。采用SPSS 20.0描述性统计计算不同作业类型单位渔船日均产值产量、各年休渔前后CPUE的“平均值±标准差(
$\overline X \pm {\rm SD}$ )”,结合渔业统计年鉴南海海域相应作业类型渔船数分析休渔前后的增长幅度。原始捕捞生产数据经SPSS K-S检验不符合正态分布,采用非参数检验-独立样本检验休渔前后短期与长期差异的显著性,显著性水平P值取0.05。综合增长率与显著性检验结果分析休渔前后日均产量产值及CPUE变化。渔获率与渔获结构分析。使用单拖渔船生产数据代入公式(5)和(6)获得单拖渔船的渔获率、渔获结构值,非参数检验-独立样本检验渔船休渔前后渔获数据差异的显著性,综合分析渔获变化情况。
2. 结果
2.1 渔船日均产量产值
自2007年后捕捞总产量变化趋于平缓(图2),选取2015—2017年休渔前后1个月南海海域作业调查渔船的捕捞数据。虽存在捕捞站点差异,但捕捞渔场重合度较高,且调查渔船数量多,数据具有一定可比性。
2015年南海区双拖、单拖、桁杆拖虾3种作业日均产量休渔后比休渔前分别增加125.26%、35.86%和13.84%,仅双拖与单拖差异显著,产量变动幅度为双拖>单拖(P<0.05);2016年桁杆拖虾、围网、单拖、双拖日均产量休渔后比休渔前分别增加125.98%、112.01%、80.64%、49.75%,仅单拖、双拖差异显著(P<0.05),休渔前后产量变动幅度为单拖>双拖;2017年桁杆拖虾、围网、单拖日均产量休渔后比休渔前分别增加198.94%、118.47%、83.12%,且差异显著(P<0.05),产量变动幅度为桁杆拖虾>围网>单拖(表1)。
表 1 2015—2017年休渔前后渔船日均产量统计结果Table 1. Statistical results of average daily yield before and after summer fishing moratorium during 2015−2017${\overline {\mathit{\boldsymbol{X}}}} \pm {\bf SD}$ 201505 201508 增长率/%
growth rate201605 201608 增长率/%
growth rate201704 201708 增长率/%
growth rate单拖 single trawler 626.74±674.67a 851.48±790.56b 35.86 634.10±726.81a 1 145.44±1 419.11b 80.64 655.14±845.97a 1 159.57±1 545.25b 77.00 双拖 bull trawler 2 773.50±1 833.75b 6 247.66±4 955.02a 125.26 4 512.46±4 257.73b 6 757.35±5 120.26a 49.75 3 211.07±2 709.62b 5 880.07±5 572.79b 83.12 桁杆拖虾 beam trawling 213.49±177.26b 243.03±218.68b 13.84 187.31±101.98b 423.28±501.54b 125.98 179.42±112.87b 536.36±429.28a 198.94 围网 purse seine 1 462.98±1 664.32ab 1 293.63±2 394.50bc –11.58 1 689.56±2 425.14abc 3 582.12±6 366.51a 112.01 1 933.52±4 208.51c 4 224.16±7 486.65a 118.47 流刺网 gill net 123.85±202.40a 101.45±173.27ab –18.09 115.05±216.32ab 78.75±201.03ab –31.55 45.97±55.52b 78.72±114.06a 71.24 钓具 fishing tackle 133.17±221.25ab 121.82± 190.21b – 8.52 137.02±196.59ab 169.47±251.34ab 23.68 129.08±182.61ab 185.04±236.86a 43.35 其他 other 102.92±123.89a 156.06±510.95a 51.63 79.35±91.59a 159.89±560.15a 101.50 121.08±145.45a 380.79±1 330.72a 214.49 注:不同上标字母表示某一作业类型的日均产量在不同时间差异显著(P<0.05),下表同此 Note: Different lowercase letters indicate significant difference (P<0.05). The same case in the following tables. 2017年休渔制度将流刺网列入休渔范围,其日均产量休渔后比休渔前增长53.45%,差异显著(P<0.05)。钓具不休渔,因此其变化与休渔相关性较小。其他项包括定置张网、笼壶等作业渔船数量少,且各省休渔规定不同,但受休渔总体影响,日均产量休渔后比休渔前也有增长。3年数据总体对比,休渔对拖网影响较大,单拖、双拖、桁杆拖虾休渔前后差异显著(P<0.05),增产幅度为桁杆拖虾>双拖>单拖(表1)。
综合所有作业类型分析,2015年、2016年、2017年休渔前后均差异显著且长期差异显著,渔船日均产量休渔后比休渔前分别增加19.21%、49.99%、114.64%,增产效果为2017年>2016年>2015年(表2)。
表 2 2015—2017年南海海域渔船日均产量、日均产值和CPUE均值Table 2. Average values of daily yield, daily production value and CPUE of fishing boats in South China Sea during 2015−2017201505 201508 增长率/%
growth rate201605 201608 增长率/%
growth rate201704 201708 增长率/%
growth rate日均产量/t daily yield 47 445.04c 56 561.28b 19.21 54 049.62c 81 070.71a 49.99 42 504.74d 91 233.06a 114.64 日均产值/百万元 daily production value/million Yuan 317.33c 318.60c 0.40 320.56c 372.03b 16.06 302.27c 450.80a 49.14 单位捕捞努力量渔获量/[kg·(kW·d)–1 CPUE 216 080.46c 231 468.31c 7.12 219 578.73c 380 524.81b 73.30 185 794.37d 391 835.35a 110.90 2015年南海区双拖、单拖、桁杆拖虾3种作业类型渔船休渔后日均产值比休渔前分别增加49.01%、34.41%、26.91%,仅单拖差异显著(P<0.05);2016年单拖、双拖休渔后日均产值比休渔前分别增加34.11%、28.88%,且差异显著(P<0.05),产值变动幅度为单拖>双拖。2017年桁杆拖虾、单拖、双拖日均产值休渔后比休渔前分别增加106.25%、53.67%、43.99%,差异显著(P<0.05),产值增长幅度为桁杆拖虾>单拖>双拖。2017年休渔制度将流刺网列入休渔范围,其在休渔后产值增长,差异不明显。围网日均产值在休渔后减少,差异不显著。钓具与其他作业类型在休渔前后产值差异均不明显,受休渔制度影响较小。3年数据总体对比,单拖、双拖、桁杆拖虾差异较显著,休渔后产值增加,增产幅度为桁杆拖虾>双拖>单拖>围网。
综合所有作业类型分析,2017年、2016年休渔前后差异显著,2015年休渔前后差异不显著,3年变化不显著,2015年、2016年、2017年渔获物日均产值休渔后比休渔前分别增加0.40%、16.06%、49.14%,增值效果为2017年>2016年>2015年(表3)。
表 3 2015—2017年休渔前后渔船日均产值统计结果Table 3. Statistical results of average daily production value before and after summer fishing moratorium during 2015−2017${\overline {\mathit{\boldsymbol{X}}}} \pm {\bf SD}$ 作业类型
type of fishing vessels201505 201508 增长率/%
growth rate201605 201608 增长率/%
growth rate201704 201708 增长率/%
growth rate单拖 single trawler 5 763.49±2 860.79c 7 746.87±3 701.79b 34.41 6 230.31±2 470.67c 8 355.57±4 888.65b 34.11 6 286.32±3 257.39c 9 660.15±5 149.16a 53.67 双拖 bull trawler 14 055.21±10 375.48ab 20 943.16±15 242.59ab 49.01 15 082.40±9 090.37b 19 438.78±10 601.54a 28.88 16 375.87±8 845.72ab 23 580.17±16 977.61c 43.99 桁杆拖虾 beam trawling 3 392.19±1 973.87b 4 305.07±4 713.02b 26.91 3 092.06±1 777.26b 5 331.26±4 538.99b 72.42 3 037.33±1 701.58b 8 040.85±5 343.70a 164.73 围网 purse seine 8 348.29±8 310.18a 5 154.69±9 763.42b –38.25 9 428.75±14 645.69a 8 635.25±11 685.94a –8.42 11 934.76±20 451.73a 10 608.54±9 966.25a –11.11 流刺网 gill net 1 535.84±1 912.44ab 1 374.93±2 232.75a –10.48 1 543.25±1 915.26a 1 276.68±2 118.26a –17.27 1 248.45±1 740.08a 1 727.16±2 637.69a 38.34 钓具 fishing tackle 4 042.12±5 802.27ab 3 447.60±5 047.25a –14.71 4 105.74± 4 660.40a 4 732.23±6 306.55a 15.26 4 048.59±5 001.51a 5 757.97±6 766.10a 42.22 其他 other 1 163.73±2 418.94a 2 863.54±6 620.41a 146.07 2 800.96±3 783.53a 2 838.89±5 002.60a 1.35 3 381.70±6 550.63a 5 069.43±10 006.12a 49.91 2.2 捕捞努力量
2015年南海区双拖和单拖CPUE休渔后比休渔前分别增加81.34%和61.18%,且差异显著(P<0.05),变动幅度为双拖>单拖。2016年围网、桁杆拖虾、单拖休渔后的CPUE分别增加194.24%、76.25%、62.28%,且差异显著(P<0.05),变动幅度为围网>桁杆拖虾>单拖>双拖。2017年休渔制度调整后,围网、桁杆拖虾、单拖、流刺网和双拖的CPUE休渔后比休渔前分别增加184.08%、144.27%、72.30%、63.95%和72.30%,所有休渔类型渔船的CPUE均差异显著(P<0.05),休渔前后变动幅度为围网>桁杆拖虾>单拖>流刺网>双拖。2017年流刺网被列入休渔范围,其CPUE在休渔后增长且差异显著(P<0.05)。就一年周期而言,休渔后多数作业渔船的CPUE增加,其中单拖、围网、桁杆拖虾、流刺网等差异显著。
综合所有作业类型分析,2015年休渔前后渔船CPUE差异不明显,2017年、2016年差异显著,2015年、2016年、2017年增长率分别为7.12%、73.30%、110.90%,CPUE增长幅度为2017年>2016年>2015年(表4)。
表 4 2015—2017年休渔前后各作业类型CPUE统计结果Table 4. Statistical results of CPUE of each type of fishing vessels before and after summer fishing moratorium during 2015−2017${\overline {\mathit{\boldsymbol{X}}}} \pm {\bf SD}$ 作业类型
type of fishing vessels201505 201508 增长率/%
growth rate201605 201608 增长率/%
growth rate201704 201708 增长率/%
growth rate单拖 single trawler 2.55±1.67b 4.11±2.67a 61.18 2.89±2.17b 4.69 ±4.08a 62.28 2.78±2.57b 4.79 ±4.64a 72.30 双拖 bull trawler 8.63±5.00c 15.65±8.46a 81.34 11.47±6.63bc 13.98±5.19ab –93.61 8.69± 6.51c 11.57± 3.98b 33.14 桁杆拖虾 beam trawling 1.89±1.51bc 2.01±1.32b 6.35 1.60±1.06bc 2.82±2.55a 76.25 1.31±0.97c 3.20±2.08a 144.27 围网 purse seine 8.23±8.85b 6.50±11.76c –99.99 9.37±11.00b 27.57±39.54a 194.24 10.49±21.72c 29.80±41.47a 184.08 流刺网 gill net 2.33±3.10b 2.27±2.62b –2.58 2.53±3.59b 2.08±2.01b –17.79 1.72±1.96b 2.82±3.47a 63.95 钓具 fishing tackle 1.93±1.91ab 2.03±1.55ab 5.18 1.92±1.38ab 2.28±1.82ab 18.75 1.63±1.23b 2.19±1.51a 23.00 2.3 单拖渔船的渔获结构和渔获率
单拖渔船为南海海域传统作业类型,且受休渔影响较为显著,以单拖渔获为例分析休渔变化情况。调查渔船基本信息见表5。
表 5 单拖渔船情况Table 5. Trawling survey boats information年份
year月份
month船次
Voy. No.马力
horsepower出海天数
days at sea2015 5 134 40 858 930 8 154 42 087 1 043 2016 5 126 35 537 686 8 140 41 247 906 2017 4 165 46 882 1 351 8 136 39 121 629 注:船次为所有调查渔船该月出海总次数,存在同艘渔船该月多次出海情况 Note: Voy. No. is the total number of fishing boats going out at sea that month, and there are some fishing boats going out several times within that month. 一年周期内,抽样调查船中主要经济鱼类休渔后渔获比例明显上升,其中以蓝子鱼最为明显,渔获量由2015年的1 265 kg增至84 385 kg,渔获比例由1.22%增至21.15%,且休渔前后差异显著(P<0.05);鲹类、二长棘鲷、带鱼等重要经济鱼类渔获率增加,且在2016年、2017年休渔前后差异显著(P<0.05)。就长期效果而言,7种经济鱼类总渔获率由2015年的0.08 kg·(kW·d)–1增至2017年的1.16 kg·(kW·d)–1,增幅为1 335.62%,所占渔获比例从2015年的40.23%增至2017年的47.52%(表6),种间结构出现恢复迹象。但3年来经济鱼类渔获率与渔获结构长期差异不显著(P>0.05),休渔对渔获率与渔获结构影响仅局限于当年,长期效果难以巩固;且南海海域生产船次与总功率在休渔后迅速上升,甚至在2017年休渔后半个月便达到去年同期水平(表5),失控的船数与功率形成了巨大的捕捞压力。
表 6 2015—2017年主要渔获种类渔获率与渔获结构Table 6. Fishing rate and fishing structure of main fish species during 2015−2017种类
species渔获率/kg·(kW·d)–1 catch rate 渔获结构/% fishing structure 2015年 2016年 2017年 2015年 2016年 2017年 5月 8月 5月 8月 4月 8月 5月 8月 5月 8月 4月 8月 蓝子鱼 Siganus 0.00 0.00 0.00 0.01 0.00 0.52 1.22 0.36 0.08 0.44 0.44 21.15 鲹类 Carangidae 0.00 0.16 0.01 0.92 0.02 0.14 1.45 11.67 0.97 53.17 2.79 5.67 二长棘鲷 Paerargyrops edita 0.01 0.06 0.00 0.08 0.00 0.07 2.69 4.72 0.47 4.58 0.38 3.02 带鱼 Trichiurus haumela 0.05 0.19 0.05 0.16 0.09 0.32 26.64 14.08 7.63 9.41 10.88 13.29 金线鱼 Nemipterus virgatus 0.00 0.13 0.01 0.03 0.00 0.02 2.03 9.37 1.49 1.70 0.22 0.78 刺鲳 Psenopsis anomala 0.01 0.03 0.00 0.04 0.00 0.02 4.65 2.15 0.76 2.04 0.10 0.69 鱿鱼 Loligo chinensis 0.00 0.05 0.01 0.03 0.01 0.07 1.54 3.50 1.65 1.55 0.66 2.92 3. 讨论
3.1 新调整伏季休渔制度的效果
2017年南海休渔时间延长为5月1日12时至8月16日12时,范围扩大至除钓具外的所有作业类型,捕捞辅助船首次同步休渔[5]。本研究发现,2017年伏季休渔效果优于2015年与2016年,南海海域休渔作业类型渔船日均产量、产值和CPUE增长率分别为114.64%、49.14%和110.90%,明显大于前2年,且休渔前后均差异显著。首年休渔的流刺网渔船日均产量、产值及CPUE增幅也效果明显。新休渔制度使渔民增产增收,且比2015年、2016年效果更好,这应该与休渔时间的延长、类型的扩展有关。至于新制度对资源种群结构的改善效果还需进一步研究。
3.2 经济效益
因各年休渔期差异,采用日均产量、日均产值的“平均值±标准差(
$\overline X \pm {\rm SD} $ )”和增长率来反映休渔影响幅度,通过非参数检验验证差异显著性 (P取0.05),可为休渔效果验证提供理论依据。该方法因各省渔船功率及作业效率不同,同组数据离散,标准差较大,结果可能存在误差,但整体趋势不受影响。渔业资源极易受捕捞和环境变化影响,在经济效益上直观表现为产量呈较大波动。陈春亮等[15]和侯秀琼等[16]发现休渔后珠江口掺缯作业和桁杆拖虾的渔获量分别增加了10.8倍和5.6倍,程家骅[17]认为珠江口、北部湾的休渔带来了产量的暂时增长,这些研究均肯定了休渔具有增产的作用。本研究显示,2015年、2016年、2017年渔船日均产量休渔后比休渔前分别增加19.21%、49.99%、114.64%,增幅为2017年>2016年>2015年,休渔前后产量差异显著,且3年增产效果显著,但对产值影响有限,同年伏休后产值有所增长但长期效果不显著。张龙等[18]认为休渔后主要经济种类渔获个体质量大幅增加。Arendse等[19]认为对于易受捕捞干扰或洄游聚集繁殖而易被捕捞的鱼类,休渔可提高其增殖和增产效果。以上观点主要从抽样鱼类生长变化的生物学角度出发,而本文基于渔船的捕捞数据,从不同角度佐证了休渔是渔获数量与质量提高的主要原因。余景等[10]认为休渔期时大亚湾海域具有适宜的环境和相对充足的饵料,Davies等[20]发现禁渔区的幼鱼生存率有所提高,本文均进一步论证了本文上述观点。
针对产值变动,潘澎和李卫东[21]认为休渔缩短了作业时间,减少了燃油、人工、网具等的消耗;而徐莲莲和杨美丽[22]则认为休渔期渔船无法出海作业导致收益减少。以上观点从不同角度印证休渔确实能够影响产值,因国内相关定量研究极少,较难分析其中差异。本研究量化分析了休渔的增值效果,但受数据及方法限制无法进一步探究深层原因,且因渔船功率、船长及不同省区捕捞效率的差异,可能存在产值衡量标准不同。国内关于休渔制度下船队业绩、渔民收益方面的定量研究极少,而国外相关研究较多倾向于经济效益与资源保护的平衡[23],值得进一步借鉴。
3.3 生态效益
本研究表明,一年周期内单拖、围网、桁杆拖虾、流刺网等渔船的CPUE增加且休渔前后差异显著。围网与刺网捕捞对象多为中上层鱼类,桁杆拖虾、单双拖捕捞对象多为底层和近底层鱼类,这些作业渔船的CPUE在休渔后增幅明显,也表明各水层的资源量有所增加[24],资源结构改善。余景等[10]指出休渔后中上层及底层主要渔获CPUE增加明显;邹建伟等[11-12]研究发现2016年休渔后拖网、桁杆拖虾和灯光罩网CPUE比2015年分别增加了28.75%、65.14%和13.35%,拖网增幅最大,与本研究CPUE增幅2017年>2016年>2015年的结果相符。
休渔期是大部分鱼类的繁殖期与生长期[25],有利于改善资源的种群结构。本研究发现蓝子鱼、带鱼、鲹类等拖网主要经济鱼类资源在休渔后有所恢复,部分重要经济鱼类的资源衰退情况也得到了一定的遏制。邹建伟等[26]也发现北部湾休渔后主要经济鱼类渔获率增加,本研究结论与之相似。晏磊等[27]指出从抽样鱼类生物学角度看,休渔后虽然渔获种类增加,但小型个体或大型鱼类幼体占多数;Watson等[28-29]发现禁渔区内的主要渔获种类的丰度、体长和生物量均明显占优。上述关于休渔后渔获种类增加的观点与本研究一致,但渔获体长的观点则与之相悖,究其原因可能是由各国休渔时长、环境的差异造成。本研究仅从渔获种类、渔获量角度分析,缺乏生物学数据,也无法探究休渔后鱼类群落结构特征。虽然资源密度与经济鱼类种类在休渔后增加,但体长、年龄结构、质量则会影响种群结构的稳定性与持久性,仍需进一步探究。
3.4 制度局限性
休渔制度很早便在国外实施用以保护渔业资源[30-31],但各国在实践中均发现休渔难以遏制资源的衰退现状[32-34]。本研究表明,虽然休渔的短期增产效果较好,但对CPUE、渔获率与渔获结构的作用仅局限于当年,长期效果难以巩固,与邹建伟等[26]、蔡研聪等[35]关于资源量、资源密度的观点相符。王迎宾等[36]、刘凯等[37]采用鱼类群落的多样性指数与营养级提出休渔的保护成果到年末便不复存在;李忠炉等[38]、刘尊雷等[39]使用Ricker模型发现冬季鱼类资源密度跌至较低水平,个体体长比质量增长更快。以上学者多从渔获生物学特征变动或多样性角度考虑,而本研究基于3年捕捞渔船的CPUE、渔获率与渔获结构数据定量分析休渔的长期效果,能更全面地反映长期变化,但仅有休渔前后1个月的数据,难以探究休渔的持续性,需积累更多数据加以佐证。
中国的休渔制度实质上是一种“投入控制”制度,理论上只要保持捕捞量不超过渔业资源的再生量,渔业资源就不会被破坏。然而在实践中休渔制度很难、甚至不可能有效地控制渔业的捕捞力量[40],无法解决渔船数量增加、马力增大和捕捞技术提高所带来的问题,且开捕后捕捞强度的增加也会抵消休渔效果[41]。本调查显示,休渔后南海海域渔船总船次与总功率呈迅猛增长态势,2017年8月开捕后仅半个月,渔船船次和总功率分别达2016年8月的97.14%和94.85%。在强大的捕捞压力下,几种经济鱼类资源量虽有所恢复,但渔获率与渔获结构的长期差异不显著,休渔难以改善资源衰退现状。
-
图 1 实验期间对照组和处理组在上午09:00 (a) 和下午14:00 (b) 的水温和溶解氧的变化
数据以“平均值±标准差”表示,后图同此
Figure 1. Change in water temperature and dissolved oxygen at 09:00 (a) and 14:00 (b) in control and treatment groups during the experiment
The data are shown in $\overline X \pm {\rm SD}$. The same case in the following figures.
图 5 对照组和处理组的藻类总湿质量浓度 (a)、蓝藻门藻类湿质量浓度 (b)、绿藻门藻类湿质量浓度 (c) 及微囊藻属湿质量占总湿质量的百分比 (d) 随时间的变化
Figure 5. Total algal wet mass concentration (a), cyanobacteria wet mass concentration (b), green algae wet mass concentration (c) and proportion of Microcystis' wet mass to total algal wet mass (d) in control and treatment groups
表 1 对照组和处理组相关指标重复测量方差分析的F 值和P 值
Table 1 F and P values of relative indices in control and treatment groups by repeated measures ANOVA
指标 index F P 指标 index F P 09:00水温 WT 4.338 0.106 轮虫密度 rotifer density 1.919 0.238 14:00水温 WT 0.667 0.460 浮游植物总湿质量 total algal wet mass 0.754 0.434 09:00溶解氧 DO 9.709 0.036* 蓝藻湿质量 cyanobacteria wet mass 0.307 0.609 14:00溶解氧 DO 184.471 0.000** 绿藻湿质量 green algae wet mass 0.136 0.731 叶绿素a Chl a 1.104 0.353 微囊藻占藻类总湿质量比例/% proportion of Microcystis to total wet mass 0.192 0.684 注:*. 差异显著 (P<0.05);**. 差异极显著 (P<0.001)
Note: *. significant difference (P<0.05); **. very significant difference (P<0.001)表 2 对照组湿质量排名前4的优势属湿质量百分比
Table 2 Wet mass proportion to total wet mass of top four dominant genera in control group
%; ${\overline {\mathit{\boldsymbol{X}}}} \pm {\bf SD}$ 浮游植物
phytoplankton第0天
Day 0第3天
Day 3第6天
Day 6第10天
Day 10第14天
Day 14第16天
Day 16第18天
Day 18蹄形藻 Kirchneriella 11.52 13.41±2.58 25.87±4.29 22.24±12.90 25.39±6.30 18.18±4.27 10.66±1.01 微囊藻 Microcystis – 14.60±6.68 50.57±8.21 58.79±15.41 59.81±10.47 47.67±3.74 55.45±19.59 盘星藻 Pediastrum 38.59 – 6.87±6.15 9.70±8.67 2.42±3.32 – 12.82±11.35 小球藻 Chlorella 42.82 51.25±21.04 – – – – – 栅藻 Scenedesmus 5.34 – – – – – – 空星藻 Coelastrum – 12.66±14.32 – – 2.36±2.35 – – 多芒藻 Golenkinia – – – – – 5.94±6.31 5.75±4.57 四球藻 Tetrachlorella – – 7.25±5.77 – – – – 微芒藻 Micractinium – – – 4.35±0.64 – – – 隐球藻 Aphanocapsa – – – – – 10.50±11.44 – 表 3 处理组湿质量排名前4的优势属湿质量百分比
Table 3 Wet mass proportion to total wet mass of top four dominant genera in treatment group
%; ${\overline {\mathit{\boldsymbol{X}}}} \pm {\bf SD}$ 浮游植物
phytoplankton第0天
Day 0第3天
Day 3第6天
Day 6第10天
Day 10第14天
Day 14第16天
Day 16第18天
Day 18蹄形藻 Kirchneriella 11.52 9.15±2.47 20.98±8.26 10.33±1.57 22.36±10.10 18.07±8.56 16.79±10.09 微囊藻 Microcystis – 31.32±8.96 54.53±11.37 63.26±8.80 59.47±24.50 51.14±20.58 39.06±14.32 盘星藻 Pediastrum 38.59 9.08±12.84 13.23±9.28 – 11.64±12.91 11.64±10.51 16.94±16.68 栅藻 Scenedesmus 5.34 – – – 3.30±1.23 6.90±7.16 – 小球藻 Chlorella 42.82 34.93±20.02 – – – – – 四球藻 Tetrachlorella – – 6.73±2.47 9.01±8.36 – – – 微芒藻 Micractinium – – – 5.03±1.60 – – – 隐球藻 Aphanocapsa – – – – – – 18.08±12.93 -
[1] JACOBY J M, COLLIER D C, WELCH E B, et al. Environmental factors associated with a toxic bloom of Microcystis aeruginosa[J]. Can J Fish Aquat Sci, 2011, 57(1): 231-240.
[2] WANG X, QIN B, GAO G, et al. Nutrient enrichment and selective predation by zooplankton promote Microcystis (Cyanobacteria) bloom formation[J]. J Plankt Res, 2010, 32(4): 457-470. doi: 10.1093/plankt/fbp143
[3] PAERL H W, OTTEN T G. Harmful cyanobacterial blooms: causes, consequences, and controls[J]. Microb Ecol, 2013, 65(4): 995-1010. doi: 10.1007/s00248-012-0159-y
[4] PAERL H W, HÜISMAN J. Blooms like it hot[J]. Science, 2008, 320(5872): 57-58. doi: 10.1126/science.1155398
[5] O'NEIL J M, DAVIS T W, BURFORD M A, et al. The rise of harmful cyanobacteria blooms: the potential roles of eutrophication and climate change[J]. Harmful Algae, 2012, 14: 313-334. doi: 10.1016/j.hal.2011.10.027
[6] JUNGO E, VISSER P M, STROOM J, et al. Artificial mixing to reduce growth of the blue-green alga Microcystis in Lake Nieuwe Meer, Amsterdam: an evaluation of 7 years of experience[J]. Water Sci Technol: Water Supply, 2001, 1(1): 17-23. doi: 10.2166/ws.2001.0003
[7] HUDNELL H K, JONES C, LABISI B, et al. Freshwater harmful algal bloom (FHAB) suppression with solar powered circulation (SPC)[J]. Harmful Algae, 2010, 9(2): 208-217. doi: 10.1016/j.hal.2009.10.003
[8] 王艺兵, 储昭升, 曾清如, 等. 扰动对三种典型藻类生长的影响[J]. 生态科学, 2015, 34(5): 77-83. [9] 吴挺峰, 朱广伟, 秦伯强, 等. 前期风场控制的太湖北部湖湾水动力及对蓝藻水华影响[J]. 湖泊科学, 2012, 24(3): 409-415. doi: 10.3969/j.issn.1003-5427.2012.03.012 [10] 秦伯强, 杨桂军, 马健荣, 等. 太湖蓝藻水华“暴发”的动态特征及其机制[J]. 科学通报, 2016, 61(7): 759-770. [11] WU T, QIN B, ZHU G, et al. Dynamics of cyanobacterial bloom formation during short-term hydrodynamic fluctuation in a large shallow, eutrophic, and wind-exposed Lake Taihu, China[J]. Environ Sci Pollut R, 2013, 20(12): 8546-8556. doi: 10.1007/s11356-013-1812-9
[12] ZHU M, PAERL H W, ZHU G, et al. The role of tropical cyclones in stimulating cyanobacterial (Microcystis spp.) blooms in hypertrophic Lake Taihu, China[J]. Harmful Algae, 2014, 39: 310-321. doi: 10.1016/j.hal.2014.09.003
[13] 邹锐, 周璟, 孙永健, 等. 垂向水动力扰动机的蓝藻控制效应数值实验研究[J]. 环境科学, 2012, 33(5): 1540-1549. [14] 李大命, 周军, 唐晟凯, 等. 河蟹养殖池塘微囊藻水华毒性及其光合作用活性特征[J]. 湖泊科学, 2015, 27(1): 113-118. [15] 李建松. 淡水池塘蓝藻水体细菌群落结构的研究[D]. 上海: 上海海洋大学, 2016: 1-67. [16] ZHU G, QIN B, GAO G. Direct evidence of phosphorus outbreak release from sediment to overlying water in a large shallow lake caused by strong wind wave disturbance[J]. Chinese Sci Bull, 2005, 50(6): 577-582.
[17] 高永霞, 孙小静, 张战平, 等. 风浪扰动引起湖泊磷形态变化的模拟试验研究[J]. 水科学进展, 2007, 18(5): 668-673. doi: 10.3321/j.issn:1001-6791.2007.05.006 [18] 江成. 水体扰动对藻生长机制与QCS水库富营养化控制的影响研究[D]. 上海: 上海交通大学, 2014: 38-91. [19] 王小冬, 秦伯强, 高光. 氮磷的不同供应比例和频度对藻类水华形成的影响[J]. 农业环境科学学报, 2011, 30(12): 2533-2541. [20] GROSS A, BOYD C E. A digestion procedure for the simultaneous determination of total nitrogen and total phosphorus in pond water[J]. J World Aquacult Soc, 1998, 29(3): 300-303. doi: 10.1111/jwas.1998.29.issue-3
[21] EATON A D, CLESCERI L S, GREENBURG A E. Standard methods for the examination of water and wastewater [M]. 19th ed. Washington, D.C.: American Public Health Association, 1995: 4-91.
[22] LORENZEN C J. Determination of chlorophyll and pheopigments: spectrophotometric equations[J]. Limnol Oceanogr, 1967, 12(2): 343-346. doi: 10.4319/lo.1967.12.2.0343
[23] JESPERSEN A M, CHRISTOFFERSEN K. Measurements of chlorophyll-a from phytoplankton using ethanol as extraction solvent[J]. Arch Hydrobiol, 1987, 109(3): 445-454.
[24] PALMER C M, MALONEY T E. A new counting slide for nanoplankton[J]. Limnol Oceanogr, 1954, 21(Special Publ): 1-7.
[25] 胡鸿钧, 魏印心. 中国淡水藻类——系统、分类及生态[M]. 北京: 科学出版社, 2006: 23-903. [26] 章宗涉, 黄祥飞. 淡水浮游生物研究方法[M]. 北京: 科学出版社, 1991: 252-288. [27] UNDERWOOD A J. Experiments in ecology: Their logical design and interpretation using analysis of variance[M]. Cambridge: Cambridge University Press, 1997: 189-192.
[28] 华锦彪, 宗志祥. 洋河水库“水华”发生的实验研究[J]. 北京大学学报(自然科学版), 1994, 30(4): 476-484. [29] GHADOUANI A, PINEL-ALLOUL B, PREPAS E E. Effects of experimentally induced cyanobacterial blooms on crustacean zooplankton communities[J]. Freshw Biol, 2003, 48(2): 363-381. doi: 10.1046/j.1365-2427.2003.01010.x
[30] TANG H, XIE P, XIE L, et al. Effect of enclosure and nutrient enrichment on Microcystis blooms in Donghu Lake[J]. Chin J Oceanol Limnol, 2006, 24(3): 278-284. doi: 10.1007/BF02842628
[31] VISSER P M, IBELINGS B W, van der VEER B, et al. Artificial mixing prevents nuisance blooms of the cyanobacterium Microcystis, in Lake Nieuwe Meer, the Netherlands[J]. Freshw Biol, 1996, 36(2): 435-450. doi: 10.1046/j.1365-2427.1996.00093.x
[32] MORENO-OSTOS E, CRUZ-PIZARRO L, BASANTA A, et al. The influence of wind-induced mixing on the vertical distribution of buoyant and sinking phytoplankton species[J]. Aquat Ecol, 2009, 43(2): 271-284. doi: 10.1007/s10452-008-9167-x
[33] 李亚春, 谢小萍, 杭鑫, 等. 结合卫星遥感技术的太湖蓝藻水华形成风场特征[J]. 中国环境科学, 2016, 36(2): 525-533. doi: 10.3969/j.issn.1000-6923.2016.02.032 [34] CAO H, KONG F, LUO L, et al. Effects of wind and wind-induced waves on vertical phytoplankton distribution and surface blooms of Microcystis aeruginosa in Lake Taihu[J]. J Freshw Ecol, 2006, 21(2): 231-238. doi: 10.1080/02705060.2006.9664991
[35] HUNTER P D, TYLER A N, WILLBY N J, et al. The spatial dynamics of vertical migration by Microcystis aeruginosa in a eutrophic shallow lake: a case study using high spatial resolution time-series airborne remote sensing[J]. Limnol Oceanogr, 2008, 53(6): 2391-2406. doi: 10.4319/lo.2008.53.6.2391
[36] ZHOU J, QIN B, HAN X. Effects of the magnitude and persistence of turbulence on phytoplankton in Lake Taihu during a summer cyanobacterial bloom[J]. Aquat Ecol, 2016, 50(2): 197-208. doi: 10.1007/s10452-016-9568-1
[37] ZHOU J, QIN B, CASENAVE C, et al. Effects of wind wave turbulence on the phytoplankton community composition in large, shallow Lake Taihu[J]. Environ Sci Pollut R, 2015, 22(16): 12737-12746. doi: 10.1007/s11356-015-4535-2
[38] OLIVER R L. Floating and sinking in gas-vacuolate cyanobacteria[J]. J Phycol, 1994, 30(2): 161-173. doi: 10.1111/j.0022-3646.1994.00161.x
[39] HÜISMAN J, SHARPLES J, STROOM J M, et al. Changes in turbulent mixing shift competition for light between phytoplankton species[J]. Ecology, 2004, 85(11): 2960-2970. doi: 10.1890/03-0763
[40] 赵文, 董双林, 李德尚, 等. 盐碱池塘浮游植物初级生产力的研究[J]. 水生生物学报, 2003, 27(1): 47-54. doi: 10.3321/j.issn:1000-3207.2003.01.010 [41] 赵文, 董双林, 张兆琪, 等. 盐碱池塘浮游植物初级生产力日变化的研究[J]. 应用生态学报, 2003, 14(2): 234-236. doi: 10.3321/j.issn:1001-9332.2003.02.017 [42] 卢迈新, 黄樟翰, 吴锐全, 等. 养鳗池塘的初级生产力和能量转换效率[J]. 水产学报, 2000, 24(1): 37-40. -
期刊类型引用(16)
1. 冯雪,戴小杰,袁华荣,成志健,陈丕茂. 外伶仃海洋牧场附近海域游泳生物群落结构及其与环境因子的关系. 上海海洋大学学报. 2024(01): 186-201 . 百度学术
2. 田思泉,柳晓雪,花传祥,王寅,杜涣洋. 南海渔业资源状况及其管理挑战. 上海海洋大学学报. 2024(03): 786-798 . 百度学术
3. 樊菲,郑建丽,吴姗姗,张祝利. 我国伏季休渔制度效果分析与优化探讨. 海洋开发与管理. 2024(04): 152-160 . 百度学术
4. 许罕多,陈园园. 中国近海渔业资源衰退的动态评价研究. 海洋经济. 2024(05): 27-37 . 百度学术
5. 孙康,冯志鹏. 渔民对伏季休渔政策的满意度研究——基于黄、渤海渔村问卷调查的分析. 海洋开发与管理. 2023(01): 29-36 . 百度学术
6. 尹元一,章丽娟,廖东昇,李璐,谢文锋,冯波. 南海北部刺鲳最大可持续产量的评估. 渔业研究. 2023(04): 365-371 . 百度学术
7. 张磊,周艳波,马胜伟,黄应邦,高丽鹏,杜国昱,吴洽儿. 南海伏季休渔期秩序评估体系指标权重分析. 上海海洋大学学报. 2022(02): 491-501 . 百度学术
8. 蒋明峰,陈新军. 中东太平洋赤道公海海域鱿钓渔业自主休渔效果初步评价. 上海海洋大学学报. 2022(03): 670-676 . 百度学术
9. 郭迎香,杨李玲,许友伟,方艺菲,王萌,姜敬哲. 南海近岸硬骨鱼鳃组织的细菌群落及多样性分析. 南方水产科学. 2022(04): 44-53 . 本站查看
10. Qiang Wu,Qingpeng Han,Yue Jin,Tao Yang,Zhongyi Li,Xiujuan Shan,Xianshi Jin. Long-term and monthly changes in abundance, size composition and spatial distribution of the mantis shrimp Oratosquilla oratoria in the Bohai Sea. Acta Oceanologica Sinica. 2022(12): 80-86 . 必应学术
11. 郭琇,麦琳,张泽伟,林冲. 复合载体生物流化床在循环水养殖系统的调控效果. 广东化工. 2021(05): 111-114 . 百度学术
12. 张羽翔,刘维,赵海龙,吴程宏,陈敏. 海南岛近岸春秋季游泳动物多样性分析. 渔业研究. 2021(02): 133-142 . 百度学术
13. 吴程宏,张羽翔,刘维,赵海龙,陈敏. 基于上岸渔获调查的海南岛近海渔场伏季休渔效果评价. 渔业研究. 2021(02): 200-206 . 百度学术
14. 苏雪,陈新军. 渔业管理中投入和产出控制的比较研究. 海洋湖沼通报. 2021(03): 136-144 . 百度学术
15. 史登福,许友伟,孙铭帅,黄梓荣,陈作志,张魁. 广东海洋渔业资源可捕量评估. 海洋渔业. 2021(05): 521-531 . 百度学术
16. 廖维晓,李督. 南海渔业资源发展机制研究. 现代管理科学. 2019(12): 39-41 . 百度学术
其他类型引用(11)