Optimization on calculation method of horizontal illuminance for metal halide fish lamp around fishing boats
-
摘要: 蒙特卡罗模拟是一种有效的计算光场分布的数值模拟方法,通过将光束离散成大量光子,追踪光子路径计算目标区域的光照强度。为准确计算集鱼灯的海面光场分布情况,以金属卤化物集鱼灯为例对蒙特卡罗模拟求解过程中的光子数取值和光子辐射模型展开分析和优化。针对光子数取值问题,通过设定不同光子数进行数值模拟,探讨光子数差异对模拟结果稳定性的影响。针对光子辐射模型问题,根据灯具光度分布数据提出光子辐射优化模型,通过实测数据进行验证。结果显示:1) 模拟光子数取值越大,模拟结果的稳定性越好;以与灯具水平距离5 m的计算点为例,当取值设为108时结果的差异系数为0.07%,光子数取值继续增加至1010,则差异系数为0.05%;2) 模型优化后,模拟计算结果与实测的相对误差均值从0.051 2减少至0.045 3。此外,应用优化模型计算了渔船在实际作业环境的光场照度情况,计算结果与实测值的平均误差约为0.052 3。Abstract: Monte Carlo simulation is an effective numerical simulation approach to calculate illuminance at target region by discretizing beam into photons and calculating illuminance based on tracking photon path. In order to calculate the horizontal illumination distribution of the fish lamp accurately, taking the metal halide fish lamp as an example, we analyzed and optimized the photon number and photon emission model in the process of Monte Carlo simulation. For the photon number, we carried out the numerical simulation by setting different photon numbers to analyze its influence on the stability of simulation results. Meanwhile, we presented a photon emission optimization model based on the luminosity distribution data of fish lamp and verified by the measured data. The results show that: 1) The larger the number of the simulated photon, the better the stability of the simulation result. Taking the calculation point with a horizontal distance of 5 m from the lamp as an example, when the value exceeded 108, the coefficient variance (CV) was 0.07% and when the value exceeded 1010, the CV was 0.05%. 2) Byusing the optimized model, the mean relative error (MRE) between the simulated and measured data reduced from 0.051 2 to 0.045 3. In addition, we calculated the light field illumination of fishing boats in the actual working environment by using the optimized model, and the average error between the calculated value and measured value was about 0.052 3.
-
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。
-
表 1 模型参数表
Table 1 Model parameters
项目 Item 数值 Value 项目 Item 数值 Value 船舶吨位 Tonnage 19.9 金卤灯功率 Metal halide lamp power/kW 2.0 船长 Length/m 22.0 金卤灯光通量 Luminous flux/lm 200 000 船宽 Width/m 4.8 灯组长度 Lamp length/m 17.0 灯与灯间距 Distance between lamps/m 1.1 灯距水面高度 Height of lamp above water/m 3.0 船尾第一个灯与船尾距离 Fist lamp near stern/m 2.8 渔船集鱼灯总功率 Total power/kW 75 -
[1] AN Y, HE P, ARIMOTO T, et al. Catch performance and fuel consumption of LED fishing lamps in the Korea hairtail angling fishery[J]. Fish Sci, 2017, 83(3): 343-352. doi: 10.1007/s12562-017-1072-6
[2] LEE D, LEE K, PYEON Y, et al. Development of a 250-W high-power modular LED fish-attracting lamp by evaluation of its thermal characteristics[J]. J Kor Soc Fish Ocean Technol, 2015, 51(2): 69-74.
[3] BAE J, AN H, KIM M, et al. Simulation of undewater irradiance distribution in coastal squid jigging vessel using the LED and metal halide fishing lamp combination[J]. J Kor Soc Fish Ocean Technol, 2014, 50(4): 513-519.
[4] LI F, HUA C, ZHU Q, et al. Optimization of LED fishing lamp allocation based on numerical modeling in Pacific saury fishery[J]. Fish Sci, 2021, 87(3): 283-296. doi: 10.1007/s12562-021-01513-w
[5] ISLAM N Z M, AZIZ N M A N, ABU N, et al. Underwater fish attraction LED lamp (UFAL) for improving aquaculture productivity[J]. J Adv Res Appl Mech, 2019, 1(53): 8-14.
[6] NGUYEN K Q, TRAN P D, NGUYEN L T, et al. Use of light-emitting diode (LED) lamps in combination with metal halide (MH) lamps reduce fuel consumption in the Vietnamese purse seine fishery[J]. Aquac Fish, 2021, 4(6): 432-440.
[7] 钱卫国, 陈新军, 雷林. 300W型绿光led集鱼灯的光学特性[J]. 大连海洋大学学报, 2012, 27(5): 471-476. doi: 10.3969/j.issn.2095-1388.2012.05.016 [8] 秦华, 冯东太. Matlab在几何光学仿真实验中的应用[J]. 物理实验, 2017, 11(37): 17-21. [9] 钱卫国, 王飞. 集鱼灯海面照度计算方法的比较研究[J]. 浙江海洋学院学报(自然科学版), 2004, 23(4): 285-290. [10] 丁明亮. 海面的光传输衰减分析[J]. 考试周刊, 2013(46): 171-173. [11] 阎旭光. 基于蒙特卡罗模拟的海水光信道特性研究[D]. 武汉: 华中科技大学, 2004: 15-23. [12] 张涤. 基于蒙特卡洛方法的水下可见光通信信道特性分析[D]. 南京: 南京邮电大学, 2016: 24-34. [13] 崔淅珍, 中村善彦, 有元貴文. 集魚灯による小型イカ釣り漁船周辺の海面照度分布[J]. 日本水產學會誌, 1997, 63(2): 160-165. doi: 10.2331/suisan.63.160 [14] 肖启华, 张丽蕊. 光诱渔业中光强分布的理论研究及其应用[J]. 上海水产大学学报, 2007, 16(6): 613-617. [15] LAI M F, QUOC A N D, GAO J Z, et al. Design of multisegmented freeform lens for LED fishing/working lamp with high efficiency[J]. Appl Optics, 2015, 54(28): E69-E74.
[16] 叶超. 有囊灯光围网水上集鱼灯水中照度分布及优化配置研究[D]. 上海: 上海海洋大学, 2017: 10-15. [17] 侍炯, 钱卫国, 杨卢明. 鲐鱼灯光围网渔船合适作业间距的理论研究[J]. 南方水产科学, 2013, 9(4): 82-86. doi: 10.3969/j.issn.2095-0780.2013.04.014 [18] JAN S, HOEHER P A, RÖTTGERS R. Optical underwater communication: the potential of using converted green LEDs in coastal waters[J]. IEEE J Ocean Eng, 2019, 44(2): 535-547. doi: 10.1109/JOE.2018.2816838
[19] 钱卫国, 王飞, 孙满昌, 等. 8154型鱿钓渔船合适作业间距的研究[J]. 浙江海洋学院学报(自然科学版), 2006, 25(1): 34-39. [20] 官文江, 钱卫国, 陈新军. 应用Monte Carlo方法计算水上集鱼灯向下辐照度在一类海水中的分布[J]. 水产学报, 2010, 34(10): 1595-1604. [21] 唐文翰, 韦树贡, 郑鑫. 激光水下通信信号特性分析和优化研究[J]. 激光杂志, 2019, 40(12): 163-166. [22] ELAMASSIE M, MIRAMIRKHANI F, UYSAL M. Performance characterization of underwater visible light communication[J]. IEEE Trans Commun, 2019, 67(1): 543-552. doi: 10.1109/TCOMM.2018.2867498
[23] DING Y, SONG L, LIU Q, et al. Optical signal transmission characteristics in slant path of blue-green laser communication links[C]. International Symposium on Photoelectronic Detection and Imaging 2013: Laser Communication Technologies and Systems: International Society for Optics and Photonics, SPIE, 2013, 8906: 387-391.
[24] 官斌. 基于蒙特卡罗方法的水体光场传输特性研究[J]. 舰船电子工程, 2020, 40(12): 153-157. doi: 10.3969/j.issn.1672-9730.2020.12.035 [25] 朱晓玲, 姜浩. 任意概率分布的伪随机数研究和实现[J]. 计算机技术与发展, 2007, 17(12): 116-118. doi: 10.3969/j.issn.1673-629X.2007.12.033 [26] 程晨. 星载激光雷达辐射传输蒙特卡罗模拟[D]. 合肥: 中国科学技术大学, 2018: 64-69. [27] COX C, MUNK W. Measurement of the roughness of the sea surface from photographs of the sun's glitter[J]. Josa, 1954, 44(11): 838-850. doi: 10.1364/JOSA.44.000838
[28] LUHN S, HENTSCHEL M. Analytical Fresnel laws for curved dielectric interfaces[J]. J Optics, 2020, 22: 015605.
[29] 丁豪杰, 唐迪, 姚琳, 等. 对伪随机数生成算法的随机性评价方法的研究[J]. 上海电机学院学报, 2020, 23(1): 44-49. doi: 10.3969/j.issn.2095-0020.2020.01.007 [30] 孙贤明, 肖赛, 万隆, 等. 蒙特卡罗方法模拟水云对偏振激光雷达的多次散射去极化[J]. 中国激光, 2015, 42(11): 232-239.