Forecasting fishing ground of mackerel (Scomber australasicus) in Arabian Sea based on habitat suitability index
-
摘要:
为了更好地了解和可持续开发利用阿拉伯海澳洲鲐 (Scomber australasicus) 资源，采用2016—2017年1、2、11和12月主渔汛期间我国公海围网渔船在阿拉伯海的鲐鱼生产数据，结合海表温度 (Sea surface temperature, SST)、混合层厚度 (Mixed-layer thickness, MLT)、海面高度异常 (Sea level anomaly, SLA)、叶绿素a浓度 (Chlorophyll-a concentration, CHL) 环境数据，分别构建了以渔获量 (Fish catch, FC) 和作业次数 (Fishing times, FT) 为基础的栖息地指数 (Habitat suitability index, HSI) 模型： FC-HSI和FT-HSI模型。在HIS>0.6的海域，2016和2017年实际渔获量占比分别为76.25%和80.03%。利用2018年的实际生产数据对模型进行预报准确度验证，得出在HIS>0.6的海域，实际渔获量占比分别为45.68%和50.15%，FT-HSI模型的预报结果优于FC-HSI模型。结果表明，基于SST、MLT、SLA、CHL的FT-HSI模型能够较好地预测阿拉伯海鲐鱼的中心渔场。
Abstract:In order to better understand and sustainably develop and utilize the mackerel (Scomber australasicus) resources in the Arabian Sea, according to the Chinese light purse seine production data of mackerel in the high sea of the Arabian Sea during the main fishing seasons (January, February, October and November) from 2016 to 2017, combining with the environmental data of sea surface temperature (SST), sea level anomaly (SLA), mixed-layer thickness (MLT), chlorophyll-a concentration (CHL), we established the habitat suitability index (HSI) models, which were based on catch (FC) and fishing times (FT), FC-HSI model and FT-HSI mo-del. In the sea area with HSI greater than 0.6, the actual catches in 2016 and 2017 accounted for 76.25% and 80.03%, respectively. Using the actual production data in 2018 to verify the prediction accuracy of FC-HSI and FT-HSI models, it is found that in the sea area with HSI greater than 0.6, the actual catches accounted for 45.68% and 50.15%, respectively, which indicates that the prediction result of FT-HSI model was slightly better than that of FC-HSI model. This study shows that the FT-HSI model based on SST, MLT, SLA and CHL can better predict the central fishing ground of mackerel in the Arabian Sea.
-
Keywords:
- Scomber australasicus /
- Habitat suitability index /
- Fishery forecast /
- Arabian Sea
-
卵形鲳鲹(Trachinotus ovatus)俗称金鲳、黄腊鲳、红三等，隶属鲈形目、鲈亚目、鲹科、鲳鲹亚科、鲳鲹属，广泛分布于太平洋、大西洋和印度洋热带及温带海域[1-3]。该鱼体型较大、生长快、食性简单、肉质细嫩鲜美，广受养殖户和消费者喜爱。随着其繁育技术获得突破，且养殖过程中可全程使用人工配合饲料，出口加工市场大等；近年来，卵形鲳鲹养殖产业在我国发展迅速，已成为广东、广西、海南等华南沿海地区网箱主养海水鱼类之一，2017年全国养殖产量超10×104 t[4-6]。
开展鱼类摄食节律研究，通过调整鱼类的摄食活动时间，使其摄食节律与大多数体细胞的生长增殖周期同步，是一种重要的时间生物学策略[7-11]。目前已有多种鱼类的摄食节律被研究，如大鳞副泥鳅(Paramisgurnus dabryanus)[12]、高体革䱨(Scortum barcoo)[13]、牙鲆(Paralichthys olivaceus)[14]、鬼鲉(Inimicus japonicus)[11]、双棘黄姑鱼(Nibea diacanthus)[15]、大口胭脂鱼(Ictiobus Cyprinellus)[16]和塞内加尔鳎(Solea senegalensis)[17]等，但对卵形鲳鲹的相关研究尚未见报道。
鱼类的耗氧率是有氧代谢强度的重要指标之一，耗氧率高低通常与鱼类的大小和摄食水平相对应，鱼类摄食活动的旺盛期通常也是高耗氧率时期。耗氧节律能直接反映出鱼类的新陈代谢规律和生理反应[18-20]，耗氧率低时鱼多处在静止或缓慢运动状态，能量代谢强度低；耗氧率高时多处在剧烈运动状态，能量代谢强度高。胃肠排空是指食物从鱼摄食后至分别经胃、肠消化后排出体外的过程，胃肠排空影响着鱼类的食欲，鱼类胃肠饱满度和胃肠排空速率决定摄食量[21-23]。研究表明，不同鱼类的摄食、耗氧节律和胃肠排空时间存在较大差异。本研究以卵形鲳鲹为实验对象，探究其摄食、耗氧节律和胃肠排空时间的规律性，为确定卵形鲳鲹适宜投喂时间提供理论依据，也为其他水产动物的摄食节律研究和投喂策略提供参考。
1. 材料与方法
1.1 实验材料
本研究实验鱼为深圳大鹏澳海域中国水产科学研究院南海水产研究所深圳试验基地抗风浪网箱养殖的4月龄卵形鲳鲹，2018年9月30日，将实验鱼在露天高位池塘过渡驯养15 d，实验开始前1周，挑选大小一致、活力好且体表无伤的个体暂养于室内养殖桶中，使实验鱼适应实验环境，能在实验条件下正常摄食。养殖和暂养全程使用广东越群海洋生物研究开发有限公司生产的浮性卵形鲳鲹专用配合饲料。实验时挑选60尾用于摄食节律实验，9尾用于耗氧节律实验，90尾用于胃肠排空实验。实验期间水温为25.1~26.3 ℃、盐度32.5、pH 7.6~8.5。
1.2 实验方法
摄食节律实验采用分段式连续投喂法[10, 12]，实验于2018年10月22日，将一昼夜分为12个时间段(00:00、02:00、04:00、06:00、08:00、10:00、12:00、14:00、16:00、18:00、20:00、22:00)，每时段连续投喂，实验设3个平行组，每组20尾实验鱼，总质量(1 532.57±20.64) g，养殖密度约为40尾·m−3。分组后实验鱼停料1 d，从10月23日14:00开始投喂，为尽量排除实验鱼补偿摄食的影响，前3次投喂数据舍去。每次投喂前准确称取过量饲料，确保达到表观饱食，1 h后将残余饵料捞出，收集到各平行组各时段对应的小盒中，−20 ℃冰柜保存，待实验完成后，经60 ℃烘干获得实验鱼实际摄食量。测定残饵的溶失率以校正实验鱼的摄食量，即在实验完成后，将实验鱼捞出，向每组养殖桶中投入10 g实验用饲料，1 h后收集，与10 g未浸泡饲料同时放60 ℃烘干并称质量，求得溶解掉的饲料质量，计算溶失率。实验周期为3.5 d。
耗氧节律实验采用流水呼吸法[18,20]，随机挑9尾卵形鲳鲹，设3个平行组，每组3尾，总质量(227.49±6.04) g，分别放入自制透明玻璃鱼缸中，用封口膜密封，玻璃缸规格为长×宽×高=40 cm×40 cm×50 cm，养殖密度约为38尾·m−3。提前用1 t水体的养殖桶备满沙滤自然海水，确保桶中水溶氧大于6 mg·L−1，调整流速，使流出实验玻璃鱼缸的水溶氧大于4 mg·L−1，实验持续1昼夜，分12次取样读取溶氧数据，取样时间与摄食节律实验相同(00:00、02:00、04:00、06:00、08:00、10:00、12:00、14:00、16:00、18:00、20:00、22:00)，溶解氧用校准后的德国WTW多参数分析仪测定。
胃肠排空实验采用一次饱食投喂法[10,22]，将一昼夜等分为12个时间段，每隔2 h取样1次作为一个处理组，设3个平行组，每组30尾，总质量(2 295.6±48.26) g，养殖密度约为60尾·m−3。分组后实验鱼停料2 d，确保实验鱼胃肠内容物充分排空，实验桶内无其他可食用物，投入的饲料为唯一食物来源。实验鱼饱食投喂后捞出剩饵，分别在饱食后第1、第3、第5、第7、第9、第11、第13、第15、第17、第19、第21和第23小时随机捞出2尾进行解剖取样。解剖前先用丁香酚将实验鱼深度麻醉，以减少胃肠蠕动而造成的实验误差。分别取出胃和肠中内含物并收集到各平行组各时段对应的小盒中，−20 ℃冰柜保存，待实验完成后，经60 ℃烘干称质量，实验均持续1昼夜。
1.3 数据分析
$$ \begin{array}{*{20}{c}} {{K_{\rm{p}}} = {W_{\rm{f}}} \times {W_0}^{ - 1} \times 100\% }\\ {{K_{\rm{a}}} = {W_{\rm{f}}} \times {W_0}^{ - 1} \times {D^{ - 1}} \times 100\% }\\ {{R_{\rm{s}}} = {W_{\rm{s}}} \times {W_{\rm{w}}}^{ - 1} \times 100\% }\\ {{R_{\rm{b}}} = {W_{\rm{b}}} \times {W_{\rm{w}}}^{ - 1} \times 100\% }\\ {{R_{{\rm{OCR}}}} = A \times V \times {W_{\rm{w}}}^{ - 1}\times {t^{ - 1}} \times 100\% } \end{array} $$ 式中Kp为日摄食率；Ka为平均摄食率；Rs为胃内含物比率；Rb为肠内含物比率；ROCR为耗氧率；Wf为摄食量(g)；W0为初始体质量(g)；D为实验天数(d)；Ws为胃内含物干质量(g)；Wb为肠内含物干质量(g)；Ww为鱼体湿质量(g)；A为消耗水溶解氧质量浓度(mg·L−1)；V为容积(L)；t为呼吸时间(h)。
所有统计分析由Excel 2016和SPSS 20.0软件完成，实验数据先做方差齐性检验，然后进行单因素方差分析(One-Way ANOVA)，再对不同处理组进行Duncan's多重比较，取P<0.05为差异显著。
2. 结果
2.1 昼夜摄食节律
在一昼夜的分段式连续投喂下，卵形鲳鲹在上午10:00和下午14:00—16:00期间表现出2个摄食高峰(P<0.05)，凌晨02:00—08:00摄食水平显著低于其他时段(P<0.05)，06:00摄食水平最低(P<0.05)，属于典型的白天摄食类型。第1天的摄食最高峰出现在晚上22:00，之后在上午10:00和下午16:00各出现1个摄食高峰。第2天的摄食率波动较小，凌晨06:00天亮后摄食率逐渐升高，在傍晚18:00出现1个摄食高峰。第3天的摄食节律比前2 d相对稳定，分别在晚上20:00和上午10:00出现2个摄食高峰(图1)。
![]()
图 1 在分段式连续投喂下卵形鲳鲹的昼夜摄食节律变化 ($ \overline X \pm {\rm{SE}}$ ，n=3)图中不同英文字母表示每个取样时间点所得数据之间达到显著差异水平(P<0.05)；后图同此Figure 1. Variation of diet feeding rhythm of T. ovatus by a continuous feeding at a fixed intervalThe values with different lowercase letters are significantly different at P<0.05 at each sampling time; the same case in the following figures.实验测得饲料的溶失率为6.3%，卵形鲳鲹的昼夜平均摄食率为2.33%，算出实验中卵形鲳鲹饲料的日摄食量为鱼体体质量的2.49%。
2.2 昼夜耗氧节律
水温25.1~26.3 ℃，卵形鲳鲹昼夜耗氧率波动较大，凌晨00:00—08:00，耗氧率逐渐升高，08:00达第1个耗氧高峰，之后迅速下降，在10:00—12:00时间段耗氧率达一天的最低值[0.413 mg·(g·h)−1](P<0.05)，午后又迅速上升，在16:00达到第2个耗氧高峰，也是一天耗氧率最高值[0.702 mg·(g·h)−1](P<0.05)，之后逐渐下降，至00:00耗氧率接近最低水平[0.417 mg·(g·h)−1] (P<0.05，图2)。
卵形鲳鲹在白天(8:00—18:00)平均耗氧率为(0.571±0.14) mg·(g·h)−1，夜间(18:00—08:00)平均耗氧率为(0.546±0.07) mg·(g·h)−1，白天与夜间相近(P>0.05)。
2.3 胃肠排空时间
卵形鲳鲹摄食后24 h内胃和全肠排空时间见图3。饱食后胃内含物比率下降迅速(P<0.05)，7 h下降近50%，第15小时出现极低值(P<0.05)，19 h后胃内含物为0。摄食后胃内含物比率呈阶梯下降趋势明显，通过与摄食后时间拟合后获得公式y=0.018 5x2−0.394x+2.071 5 (R2=0.995 5)，y为胃内含物比率，x为摄食后时间。
![]()
图 3 卵形鲳鲹摄食后胃肠内含物比率变化Figure 3. Post-prandial digesta ratios in stomach and bowels of T. ovatus饱食后3 h内全肠内含物比率迅速升高，第9~第11小时达到最大值(P<0.05)，之后逐渐降低，在第21小时出现极低值(P<0.05)。
3. 讨论
3.1 昼夜变化对摄食率的影响
Helfman[24]把鱼类的摄食归纳为白天摄食、晚上摄食、晨昏摄食和无明显节律摄食4种类型。本研究的卵形鲳鲹第1天的摄食率波动大，第1个摄食最高峰出现在晚上22:00，之后在上午10:00和下午16:00各出现1个摄食高峰。第2天的摄食率波动较小，凌晨06:00天亮后摄食率逐渐升高，在傍晚18:00出现1个摄食高峰。第3天的摄食节律比前2天相对稳定，分别在晚上20:00和上午10:00出现2个摄食高峰。综合3 d的摄食率变化发现，其原因可能是实验鱼饥饿1 d后，补偿摄食的影响未完全消除而出现的结果，后两天卵形鲳鲹的摄食节律相对明显，表现为在上午10:00和下午14:00—16:00期间出现2个摄食高峰(P<0.05)，凌晨02:00—08:00摄食水平显著低于其他时段(P<0.05)，06:00摄食水平最低(P<0.05)，这表明卵形鲳鲹属于典型的白天摄食类型。叉尾斗鱼(Macropodus opercularis)仔鱼在12:00—16:00表现出明显的摄食高峰，且在持续光照下摄食活动昼夜均很活跃，表明叉尾斗鱼为白天摄食类型[25]。白天摄食类型的鱼类，其视觉在摄食中具有重要意义，而夜间或晨昏摄食类型的鱼类，主要依靠如化学感觉、触觉等进行捕食[10-12, 26]。如大鳞副泥鳅[12]因长期生活在水体底层，栖息环境光线微弱，眼睛逐渐退化，触须发达，靠触觉和化学感觉来识别食物。因此按照自然摄食节律来确定适宜的喂料时间，可有效提高饲料效率，增加经济效益。可见鱼类的日摄食节律不仅能被规律的人工投喂时间适当调整，同时也受栖息环境和不同种属的影响。
3.2 昼夜变化对耗氧率的影响
鱼类的耗氧率高低通常与鱼类的大小、水温和摄食水平相对应。水温适宜，鱼类摄食活动旺盛时耗氧率也会相应升高。耗氧节律能直接反映出鱼类的新陈代谢规律和生理反应[18-20]。鱼类耗氧率的昼夜节律可分为4种，分别是白天耗氧率高于夜间耗氧率、夜间耗氧率高于白天耗氧率、昼夜耗氧率无差异和某一时间段内出现耗氧率高峰区域等[18]。本实验结果表明，卵形鲳鲹属于昼夜耗氧率基本无差异，白天和夜晚均有耗氧高峰期与低峰期，在06:00—8:00和14:00—18:00出现耗氧率高峰(P<0.05)，说明卵形鲳鲹在这2个时间段呼吸代谢旺盛，活动频繁，结合前面分析的摄食节律，可能与捕食或消化有关。而在22:00—00:00和10:00—12:00出现耗氧率低谷(P<0.05)。自然条件下，22:00—00:00时间段光线微弱，对卵形鲳鲹这种白天摄食类型的鱼类，摄食活动相对减少，而10:00—12:00时间段，正处于一天中阳光直射、光照强烈且水温较高的时候，鱼类因其本性，减少活动以躲避强光。
3.3 胃肠排空时间
胃肠排空影响着鱼类的食欲，鱼类胃肠饱满度和胃肠排空速率决定摄食量[21-23]。本实验发现卵形鲳鲹在摄食7 h后约50%胃内含物已排出，第19小时胃内含物为0，全肠内含物也降至最低。余方平等[27]用相同方法测得眼斑拟石首鱼(Sciaenops ocellatus)摄食28 h后接近排空；马彩华等[28]发现大菱鲆(Scophthalmus maximus)在摄食6 h后开始排粪，20 h排空；董桂芳等[10]的研究发现斑点叉尾鮰 (Ictalurus punctatus)和杂交鲟(Acipenser baeri×A. gueldenstaedtii)胃和肠排空需要24 h。而卵形鲳鲹摄食胃肠排空时间较短，这可能与不同鱼类的胃肠消化及吸收速率有关。在同一时间段，胃内含物的减少量大于肠内含物的增加量，这可能是由于卵形鲳鲹属于游动迅速、活动量大的鱼类，为适应快速游动，身体侧扁，胃相对较小，肠道也相应较短，因此食物在体内被消化和吸收快，甚至可能部分营养物质在胃内已被消化吸收。结合昼夜节律实验发现，卵形鲳鲹在胃肠排空之前就有摄食行为，且全时段都能进行摄食。
3.4 投喂策略
投喂策略是鱼类养殖技术的重要部分，投喂不当不仅浪费饵料和劳动力，而且污染水质导致养殖效益低[26]。科学的投喂策略应符合鱼类摄食、耗氧节律和胃肠排空时间等生活习性和生理变化。研究表明鱼类摄食节律的形成与自然界食物丰度有关，推测长期特定的人工投喂策略可改变鱼类的摄食节律[29]。因此可通过特定时间的投喂来驯化鱼类的摄食时间，从而调整其日摄食节律。Luo等[30]研究了杂交鲟(A. schrenckii ♀×A. baeri ♂)育成阶段的最适投喂频率和投喂率。表明投喂频率和投喂率均对鲟鱼的生长性能指标有极显著影响(P<0.01)，鲟鱼育成阶段最适投喂策略为以3.7%鱼体质量的投喂率，每天投喂6次。郑伟力等[31]通过对大鳞副泥鳅繁育研究表明可通过人工养殖驯化，将大鳞副泥鳅夜间摄食节律调整为晨昏摄食。因此，生产上可根据实际养殖情况对卵形鲳鲹进行定时定点的人工投饵驯化，适当调整其摄食节律，以提高人工养殖效率。
综合卵形鲳鲹昼夜摄食、耗氧节律和胃肠排空的实验结果，建议在卵形鲳鲹网箱养殖生产中，宜在光线较强和耗氧、摄食高峰的上午(09:00—10:00)和下午(14:00—16:00)时段进行投喂，投喂频率2~3次·d−1，投喂间隔7~9 h。
-
![]()
图 1 2016—2018年阿拉伯海鲐鱼月产量
Figure 1. Monthly catches of S. australasicus in Arabian Sea during 2016–2018
![]()
图 2 阿拉伯海鲐鱼渔场海表温度、混合层厚度、海面高度异常、叶绿素 a适应性指数曲线
Figure 2. SI curves of SST, MLT, SLA, CHL for fishing ground of S. australasicus
![]()
图 3 各因子适应值区间和最适值
Figure 3. Suitable value range and most suitable value for each factor
![]()
图 4 2018年阿拉伯海鲐鱼实际作业渔场与以作业次数为基础HSI模型预报结果对比
Figure 4. Comparison of practical fishing ground of S. australasicus and forecast result of HSI model based on fishing times
表 1 2016－2017年以渔获量为基础的各因子适应性指数模型
Table 1 SI model for each factor based on fish catches during 2016–2017
月份
MonthSST的适应性指数
SISSTMLT的适应性指数
SIMLTSLA的适应性指数
SISLACHL的适应性指数
SICHL1 ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 26.192 \; 2} \right)}^2}}}{{{{0.388 \; 0}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 55.864 \; 8} \right)}^2}}}{{{{6.983 \; 6}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 1.287 \; 4} \right)}^2}}}{{{{4.924 \; 3}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 1.216 \; 2} \right)}^2}}}{{{{0.182 \; 6}^2}}}}}$ 2 ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 25.796 \; 2} \right)}^2}}}{{{{0.441 \; 1}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 45.092 \; 5} \right)}^2}}}{{{{12.363 \; 2}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 0.922 \; 1} \right)}^2}}}{{{{5.656 \; 3}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 0.985 \; 1} \right)}^2}}}{{{{0.209 \; 3}^2}}}}}$ 11 ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 27.734 \; 6} \right)}^2}}}{{{{0.541 \; 2}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 28.730 \; 2} \right)}^2}}}{{{{4.532 \; 4}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 4.793 \; 8} \right)}^2}}}{{{{8.247 \; 9}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 1.102 \; 4} \right)}^2}}}{{{{0.286 \; 3}^2}}}}}$ 12 ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 26.582 \; 3} \right)}^2}}}{{{{0.695 \; 6}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 42.042 \; 8} \right)}^2}}}{{{{7.533 \; 1}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 2.482 \; 0} \right)}^2}}}{{{{7.711 \; 7}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 1.140 \; 9} \right)}^2}}}{{{{0.214 \; 3}^2}}}}}$ 
下载: 导出CSV
表 2 2016－2017年以作业次数为基础的各因子适应性指数模型
Table 2 SI model for each factor based on fishing times during 2016–2017
月份
MonthSST的适应性指数
SISSTMLT的适应性指数
SIMLTSLA的适应性指数
SISLACHL的适应性指数
SICHL1 ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 26.061 \; 5} \right)}^2}}}{{{{0.351 \; 9}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 55.604 \; 8} \right)}^2}}}{{{{6.597 \; 4}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 1.691 \; 5} \right)}^2}}}{{{{5.498 \; 3}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 1.150 \; 0} \right)}^2}}}{{{{0.267 \; 2}^2}}}}}$ 2 ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 25.736 \; 0} \right)}^2}}}{{{{0.371 \; 6}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 42.193 \; 5} \right)}^2}}}{{{{9.849 \; 2}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 0.043 \; 3} \right)}^2}}}{{{{5.308 \; 9}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 0.987 \; 1} \right)}^2}}}{{{{0.195 \; 0}^2}}}}}$ 11 ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 27.712 \; 7} \right)}^2}}}{{{{0.533 \; 7}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 28.574 \; 4} \right)}^2}}}{{{{4.453 \; 0}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 5.039 \; 2} \right)}^2}}}{{{{8.235 \; 2}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 1.052 \; 4} \right)}^2}}}{{{{0.312 \; 7}^2}}}}}$ 12 ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 26.418 \; 0} \right)}^2}}}{{{{0.591 \; 5}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x - 44.049 \; 8} \right)}^2}}}{{{{10.173 \; 3}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 0.494 \; 4} \right)}^2}}}{{{{10.509 \; 6}^2}}}}}$ ${\rm{SI}} = {{\rm{e}}^{ - \frac{{{{\left( {x + 1.074 \; 6} \right)}^2}}}{{{{0.210 \; 0}^2}}}}}$
下载: 导出CSV
表 3 以渔获量和作业次数为基础的SI模型的拟合优度和差异性分析
Table 3 Goodness-of-fit of SI models and P values based on fish catches and fishing times
月份
Month以渔获量为基础的SI模型
Based on fish catches以作业次数为基础的SI模型
Based on fishing timesR2 P R2 P 1 SISST 0.807 0.001 04 SISST 0.932 0.000 05 SIMLT 0.823 0.003 93 SIMLT 0.954 0.000 16 SISLA 0.328 0.003 17 SISLA −0.048 0.015 10 SICHL 0.999 <0.000 01 SICHL 0.998 <0.000 01 2 SISST 0.909 0.000 47 SISST 0.843 0.001 65 SIMLT 0.735 0.016 90 SIMLT 0.887 0.003 49 SISLA 0.931 0.000 02 SISLA 0.964 <0.000 01 SICHL 0.968 <0.000 01 SICHL 0.944 <0.000 01 11 SISST 0.979 0.000 03 SISST 0.964 0.000 11 SIMLT 0.752 0.002 25 SIMLT 0.791 0.002 33 SISLA 0.993 <0.000 01 SISLA 0.986 <0.000 01 SICHL 0.909 0.002 15 SICHL 0.821 0.005 06 12 SISST 0.965 0.000 01 SISST 0.893 0.000 19 SIMLT 0.94 <0.000 01 SIMLT 0.948 <0.000 01 SISLA 0.867 0.000 67 SISLA 0.828 0.001 30 SICHL 0.989 <0.000 01 SICHL 0.994 <0.000 01
下载: 导出CSV
表 4 2016—2017年各模型的权重系数
Table 4 Weights for SI of four environment factors during 2016–2017
SI来源
Source of SI权重
Weight1月
January2月
February11月
November12月
December平均
Mean渔获量 Catches d 0.000 0 0.000 0 0.312 6 0.000 0 0.078 1 e 0.113 7 0.000 0 0.000 0 0.380 0 0.123 4 f 0.000 0 0.094 5 0.118 1 0.620 0 0.208 1 g 0.886 3 0.905 5 0.569 3 0.000 0 0.590 3 作业次数 Fishing times d 0.000 0 0.000 0 0.310 5 0.000 0 0.077 6 e 0.110 2 0.000 0 0.000 0 0.004 9 0.028 8 f 0.000 0 0.144 9 0.075 7 0.681 5 0.225 5 g 0.889 8 0.855 1 0.613 8 0.313 6 0.668 1
下载: 导出CSV
表 5 2016—2017年不同综合栖息地指数级别下实际产量所占比重
Table 5 Percentage of practical catches at different levels of HSI during 2016–2017
% HSI来源
Source of HSIHSI级别
HSI level实际渔获产量占比 Proportion of practical fish catches 1月
January2月
February11月
November12月
December平均
Mean渔获量 Catches [0,0.3) 22.26 14.38 0.17 5.51 10.58 [0.3,0.6) 4.67 26.52 5.00 16.47 13.17 [0.6,1] 73.07 59.10 94.83 78.01 76.25 作业次数 Fishing times [0,0.3) 15.51 20.11 0.17 0.25 9.01 [0.3,0.6) 5.88 24.65 2.14 11.15 10.96 [0.6,1] 78.61 55.24 97.69 88.60 80.03
下载: 导出CSV
表 6 2018年不同综合栖息地指数级别下和实际产量所占比重
Table 6 Percentage of practical catches at different levels of HSI in 2018
% HSI 来源
Source of HSIHSI 级别
HSI level实际渔获产量占比 Proportion of practical fish catches 1月
January2月
February11月
November12月
December平均
Mean渔获量 Catches [0,0.3) 13.25 19.45 18.15 2.3 13.29 [0.3,0.6) 31.18 28.02 66.44 38.51 41.04 [0.6,1] 55.57 52.54 15.41 59.19 45.68 作业次数 Fishing times [0,0.3) 1.47 22.00 18.15 19.23 15.21 [0.3,0.6) 28.95 36.79 66.51 6.29 34.64 [0.6,1] 69.58 41.21 15.35 74.47 50.15
下载: 导出CSV
-
[1] 杨胜龙, 范秀梅, 唐峰华, 等. 阿拉伯海鲐鱼渔场时空分布及其与海洋环境的关系[J]. 热带海洋学报, 2019, 38(4): 91-100. [2] 郑元甲, 李建生, 张其永, 等. 中国重要海洋中上层经济鱼类生物学研究进展[J]. 水产学报, 2014, 38(1): 149-160. [3] 李纲, 陈新军. 夏季东海渔场鲐鱼产量与海洋环境因子的关系[J]. 海洋学研究, 2009, 27(1): 1-8. doi: 10.3969/j.issn.1001-909X.2009.01.001 [4] 杨胜龙, 范秀梅, 伍玉梅, 等. 基于GAM模型的阿拉伯海鲐鱼渔场分布与环境关系[J]. 生态学杂志, 2019, 38(8): 2466-2470. [5] 武胜男, 陈新军. 西北太平洋日本鲭渔业生物学和渔业海洋学研究进展[J]. 广东海洋大学学报, 2018, 38(2): 91-100. doi: 10.3969/j.issn.1673-9159.2018.02.013 [6] CHEN X J, LI G, FENG B, et al. Habitat suitability index of chub mackerel (Scomber japonicus) from July to September in the East China Sea[J]. J Ocean, 2009, 65(1): 93-102. doi: 10.1007/s10872-009-0009-9
[7] 杨胜龙, 范秀梅, 张忭忭, 等. 阿拉伯海域围网渔场时空分布及其与海表环境因子的关系[J]. 中国农业科技导报, 2018, 21(9): 149-158. [8] 龚彩霞, 陈新军, 高峰, 等. 栖息地适宜性指数在渔业科学中的应用进展[J]. 上海海洋大学学报, 2011, 20(2): 260-269. [9] LEE D, SON S, LEE C I, et al. Spatio-temporal variability of the Habitat Suitability Index for the Todarodes pacificus (Japanese common squid) around South Korea[J]. Remote Sens, 2019, 11(23): 2720. doi: 10.3390/rs11232720
[10] ZHOU W, XU H, LI A, et al. Comparison of habitat suitability index models for purpleback flying squid (Sthenoteuthis oualaniensis) in the open South China Sea[J]. Appl Ecol Environ Res, 2019, 17(2): 4903-4913. doi: 10.15666/aeer/1702_49034913
[11] 陈新军, 刘必林, 田思泉, 等. 利用基于表温因子的栖息地模型预测西北太平洋柔鱼(Ommastrephes bartramii)渔场[J]. 海洋与湖沼, 2009, 40(6): 707-713. doi: 10.3321/j.issn:0029-814X.2009.06.006 [12] 郭刚刚, 张胜茂, 樊伟, 等. 基于表层及温跃层环境变量的南太平洋长鳍金枪鱼栖息地适应性指数模型比较[J]. 海洋学报, 2016, 38(10): 44-51. [13] 蒋瑞, 陈新军, 雷林, 等. 秋冬季智利竹䇲鱼栖息地指数模型比较[J]. 水产学报, 2017, 41(2): 240-249. [14] KARA A B, ROCHFORD P A, HURLBURT H E. An optimal definition for ocean mixed layer depth[J]. J Geophysical Res (Oceans), 2000, 105(C7): 16803-16821. doi: 10.1029/2000JC900072
[15] HUANG P Q, L U Y Z, ZHOU S Q. An objective method for determining ocean mixed layer depth with applications to WOCE data[J]. J Atmospheric Ocean Technol, 2018, 35(3): 441-458. doi: 10.1175/JTECH-D-17-0104.1
[16] 高璐, 许金电, 丘福文, 等. 阿拉伯海上层海温的双峰特征[J]. 应用海洋学学报, 2018, 37(2): 161-172. doi: 10.3969/J.ISSN.2095-4972.2018.02.002 [17] 雷茜, 罗红霞, 白林燕, 等. 阿拉伯海区域气溶胶时空动态变化及海域叶绿素a浓度特征[J]. 生态学报, 2019, 39(9): 3110-3120. [18] ZHANG Z, ZHANG Y, WANG W. Three-compartment structure of subsurface-intensified mesoscale eddies in the ocean[J]. J Geophysical Res (Oceans), 2017, 122(3): 1653-1664. doi: 10.1002/2016JC012376
[19] 李曰嵩, 潘灵芝, 严利平, 等. 基于个体模型的东海鲐鱼渔场形成机制研究[J]. 海洋学报, 2014, 36(6): 67-74. [20] CHAUHAN P, NAGUR C, MOHAN M, et al. Surface chlorophyll-a distribution in Arabian Sea and Bay of Bengal using IRS-P4 Ocean Colour Monitor satellite data[J]. Curr Sci, 2001, 80(2): 127-129.
[21] 郑宁宁, 孙丽, 丁宁, 等. 有害微藻抑藻细菌多样性及抑藻机制研究进展[J]. 微生物学通报, 2019, 46(5): 1204-1219. [22] 崔雪森, 周为峰, 唐峰华, 等. 基于约束线性回归的柔鱼栖息地指数渔场预报模型构建[J]. 渔业科学进展, 2018, 39(1): 64-72. doi: 10.11758/yykxjz.20161207002 [23] 范江涛, 陈国宝, 陈作志. 基于栖息地指数的南海北部枪乌贼渔情预报模型构建[J]. 南方水产科学, 2017, 12(4): 11-16. doi: 10.3969/j.issn.2095-0780.2017.04.002 [24] MADHUPRATAP M, NAIR K, GOPALAKRISHNAN T, et al. Arabian Sea oceanography and fisheries of the west coast of India[J]. Curr Sci, 2001, 81(4): 355-361.
[25] MADHUPRATAP M, SHETYE S, NAIR K, et al. Fishery, problems and coastal oceanography[J]. Curr Sci, 1994, 66(5): 340-348.
[26] 赵辉, 齐义泉, 王东晓, 等. 南海叶绿素浓度季节变化及空间分布特征研究[J]. 海洋学报, 2005, 27(4): 45-52. [27] 易炜, 郭爱, 陈新军. 不同环境因子权重对东海鲐鱼栖息地模型的影响研究[J]. 海洋学报, 2017, 39(12): 90-97. [28] SINGH R P, PRASAD A K, KAYETHA V K, et al. Enhancement of oceanic parameters associated with dust storms using satellite data[J]. J Geophysical Res (Oceans), 2008, 113, dioi: https://doi.org/10.1029/2008JC004815.
[29] 唐峰华, 杨胜龙, 范秀梅, 等. 基于Argo的西北太平洋公海柔鱼渔场垂直水温结构的变化特征[J]. 上海海洋大学学报, 2019, 28(3): 427-437. [30] 杨胜龙, 张忭忭, 靳少非, 等. 中西太平洋延绳钓黄鳍金枪鱼渔场时空分布与温跃层关系[J]. 海洋学报, 2015, 37(6): 78-87. [31] 王良明, 李渊, 张然, 等. 西北太平洋日本鲭资源丰度分布与表温和水温垂直结构的关系[J]. 中国海洋大学学报(自然科学版), 2019, 49(11): 29-38. -
期刊类型引用(6)
1. 张静，戴佳玥，来新昊，刘旭祥，张浩，王学锋，汤保贵. 卵形鲳鲹应对流速胁迫的代谢组学分析. 海洋学报. 2023(05): 53-63 . 
百度学术
2. 段鹏飞，田永胜，李振通，李子奇，陈帅，黎琳琳，王心怡，王林娜，刘阳，李文升，王晓梅，李波. 棕点石斑鱼(♀)×蓝身大斑石斑鱼(♂)杂交后代与棕点石斑鱼低氧耐受能力初步研究. 中国水产科学. 2022(02): 220-233 . 百度学术
3. 逯云召，于燕光，薄其康，马超，宓慧菁，孙晓旺. 大泷六线鱼幼鱼的摄食节律研究. 渔业现代化. 2021(02): 35-39 . 百度学术
4. 李志成，江飚，钟志鸿，李诗钰，何润真，唐嘉嘉，李安兴. 硫酸铜治疗卵形鲳鲹淀粉卵涡鞭虫病的研究. 南方水产科学. 2021(03): 108-114 . 本站查看
5. 韩明洋，周胜杰，杨蕊，胡静，马振华. 温度胁迫下卵形鲳鲹仔鱼骨骼组织病理及分子表征. 南方农业学报. 2021(11): 3147-3156 . 百度学术
6. 黄小林，戴超，虞为，杨洁，杨育凯，李涛，林黑着，黄忠，孙莘溢，舒琥. 丁香酚对卵形鲳鲹幼鱼的麻醉效果. 广东海洋大学学报. 2020(04): 124-131 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 3179
- HTML全文浏览量: 1428
- PDF下载量: 59
- 被引次数: 9
粤公网安备 44010502001741号
