Effect of Oceanic Niño index on interannual CPUE of yellowfin tuna (Thunnus albacares) in Western and Central Pacific Ocean based on ARIMA model
-
摘要: 黄鳍金枪鱼 (Thunnus albacares) 为高度洄游的大洋性鱼类,有较高的生态和经济价值,中西太平洋 (Western and Central Pacific Ocean, WCPO) 是全球金枪鱼捕捞产量最高的海区。为了解和预测中西太平洋黄鳍金枪鱼不同渔业对气候变化的反应,根据1990—2020年世界各国在中西太平洋的围网和延绳钓作业以及海洋尼诺指数 (Oceanic Niño index, ONI) 数据,分析了常规自回归积分滑动平均模型 (Autoregressive Integrated Moving Average Model, ARIMA) 和加入ONI标准差为协变量的动态ARIMA模型在渔业资源量研究中的适用性,以及ONI对中西太平洋黄鳍金枪鱼年际单位捕捞努力量渔获量 (Catch per unit effort, CPUE) 的影响。结果表明:1) 常规ARIMA模型能够充分考虑中西太平洋黄鳍金枪鱼年CPUE的变化特征,可用于黄鳍金枪鱼年CPUE的长期拟合;2) 相比常规ARIMA模型,动态ARIMA模型的拟合度更好,拟合值和真实值的相关性更高,同时平均绝对误差、均方根误差更小;3) ONI对中西太平洋赤道南北海域黄鳍金枪鱼的年CPUE影响不同,相对而言,在赤道以北,ONI的影响因素更关键,模型的拟合度更高;4) ONI对中西太平洋不同渔业的黄鳍金枪鱼的年CPUE影响有差别,对中西太平洋黄鳍金枪鱼延绳钓渔业存在滞后1~2年的影响,而在强厄尔尼诺和强拉尼娜现象时,对围网渔业的影响速度较快,不存在滞后。Abstract: As a highly migratory pelagic fish, yellowfin tuna (Thunnus albacares) has high ecological and economic value. The Western and Central Pacific Ocean (WCPO) is the sea area with the highest tuna production of all oceans. In order to understand and predict the response of yellowfin tuna to climate change at different life stages in WCPO, we used the catch data of yellowfin tuna in purse seining and pelagic longlining and Oceanic Niño index (ONI) data from 1990 to 2020 in the WCPO to validate the applicability of general ARIMA (Autoregressive integrated moving average) model and dynamic ARIMA model, so as to explore the influence of the ONI on the interannual CPUE (Catch per unit effort) of yellowfin tuna. The results show that: 1) General ARIMA models could be used for long-term fitting of annual CPUE of yellowfin tuna in the WCPO, taking full account of the variability characteristics of annual CPUE of yellowfin tuna. 2) Compared with the general ARIMA model, the dynamic ARIMA model provided a better fit and a higher correlation between the fitted and true values, as well as smaller mean absolute and root mean square errors. 3) The influence of the ONI on the annual CPUE of yellowfin tuna differed between the northern and southern equatorial regions of the WCPO, with the ONI being a more critical factor and a better model fit relatively north of the equator. 4) The ONI had different impacts on the annual CPUE of yellowfin tuna in different fisheries in the WCPO, with a 1–2 years' lag in the ONI for the yellowfin tuna longline fishery in the WCPO, and a faster impact on the purse seine fishery during strong El Niño and strong La Niña events, without a lag.
-
Keywords:
- Thunnus albacares /
- Dynamic ARIMA /
- CPUE /
- Oceanic Niño index /
- Western and Central Pacific Ocean
-
大黄鱼 (Larimichthys crocea) 是中国重要的海水养殖经济鱼类,2022年养殖产量达257 683 t,连续多年位居海水养殖鱼类之首[1]。随着产量激增、养殖环境恶化和集约化程度的不断提高,养殖大黄鱼出现了风味下降、肉质松软等品质劣化特征,严重影响了其市场接受度[2-4]。Ma等[5]研究表明,养殖大黄鱼的形体、颜色、肌肉质地和风味均与野生大黄鱼存在较大差异。因此,如何在维持养殖产量的同时提升肌肉品质是大黄鱼养殖产业需要关注的重要课题。
肌肉品质是一个复杂的概念,一般以风味、口感、营养价值和安全性作为评价指标[6]。鲜味是肌肉风味的重要决定因素,其来源主要有呈味氨基酸和核苷酸类物质,前者主要包括谷氨酸和氨基酸酰胺等,后者包括肌苷酸 (Inosine monophosphate, IMP) 和鸟苷酸 (Guanosine monophosphate, GMP)[7]。IMP的鲜味强度达谷氨酸的近40倍,且能与谷氨酸协同作用,提升谷氨酸鲜味30倍[8]。相比IMP,GMP在肌肉中的含量很低,对鲜味贡献有限。因此,IMP被认为是水产动物重要的鲜味物质,也是评估其肌肉品质的重要指标之一[9-10]。品种、性别、气候条件、养殖环境、饲喂方法、养殖动物年龄与体质量以及屠宰后的储存条件等均能影响肉制品中IMP的含量[11-12]。
IMP又称次黄嘌呤核苷酸,其在生物活体中有两条合成途径:第一种是“从头合成”,是机体IMP的主要合成途径;另一种为“补救合成”,其主要在骨髓、脑等组织中进行[7]。“从头合成”共有十几种酶参与,其中腺苷酸琥珀酸裂解酶 (Adenylosuccinate lyase, ADSL) 是催化合成嘌呤核苷酸起始与循环的双功能酶,既能催化从头合成的第8步反应,又能转化腺苷酸琥珀酸单磷酸生成腺苷酸单磷酸,在IMP合成过程中发挥关键的调控作用[13-14]。目前,关于adsl基因的特性及其与养殖动物IMP含量的相关性研究主要集中在家禽和家畜上。徐善金等[15]发现,在鸭的不同品种、相同品种的不同性别和同一性别的不同部位间,adsl基因的表达量和对应的IMP含量呈显著正相关关系;陈晨等[16]通过比较不同猪种间IMP含量和adsl基因表达的相关性发现,二者呈极显著正相关关系。在水生动物中,斑马鱼 (Danio rerio)[17]和草鱼 (Ctenopharyngodon idella)[18]的adsl基因已被克隆,但相关研究主要集中于基因的分子特性,对于其表达量与IMP含量的对应关系研究尚未见报道。本研究克隆了大黄鱼adsl基因序列,并分析了其基因结构与进化特征。利用实时荧光定量PCR (Real-time quantitative PCR, qPCR) 检测了其在各组织中的表达情况。同时,对不同规格养殖大黄鱼肌肉组织中的IMP含量和adsl基因的表达进行了检测。研究结果可为后续深入探明adsl基因在大黄鱼肌苷酸合成及风味形成中的作用机制奠定基础。
1. 材料与方法
1.1 实验用鱼与采样
不同养殖规格的健康大黄鱼采集于福建省宁德市三都澳海域的同一养殖鱼排,以确保其养殖环境和饲喂条件一致。分别选取平均体质量为 (243.08±7.32) g (组1)、(281.80±6.70) g (组2) 和 (460.44±19.86) g (组3) 的大黄鱼用于IMP含量测定和基因表达分析,每组取5尾鱼,使用MS-222将大黄鱼麻醉后在冰盘上解剖,组1取肌肉、心脏、肝脏、鳃、脑、前肠、中肠、后肠、胃、皮肤、肾脏、脾脏和头肾组织 (用于基因的组织分布特性分析),组2和组3仅取肌肉组织。其中,将全部3组中取样的肌肉组织分成2份,一份用于总RNA提取,另一份用于IMP含量的测定,将取样的所有组织迅速置于液氮冷冻后转移至−80 ℃冰箱保存。
1.2 大黄鱼adsl基因cDNA的克隆
按照操作说明书,使用Eastep® Super总RNA提取试剂盒 (Promega,美国) 提取大黄鱼肌肉组织总RNA。2% (w) 琼脂糖凝胶电泳检测提取总RNA的质量后,使用Nano Drop One (Thermo,美国) 测定其浓度。按照Eastep® RT Master反转录试剂盒 (Promega,美国) 操作说明书配制反应体系,获得cDNA模板,−20 ℃保存备用。
根据GenBank中预测的大黄鱼adsl基因序列 (XM_019265987.2),使用Primer 5设计上下游引物对Lcadsl-F/R (表1) 扩增其开放阅读框 (Opening reading frame, ORF) 序列。以肌肉组织cDNA为模板,设置退火温度为55 ℃,PCR扩增目的基因。2% (w) 琼脂糖凝胶电泳对PCR扩增结果验证后,使用产物回收试剂盒对扩增片段进行回收并连接至pMD 19T载体 (TaKaRa,日本),重组载体转化DH5α感受态细胞后,经氨苄青霉素和菌落PCR筛选阳性克隆,送福州博尚 (尚辰) 生物技术有限公司测序验证。
表 1 大黄鱼adsl基因的扩增和qPCR引物Table 1 Primers used for gene cloning and qPCR of adsl in L. crocea引物名称
Primer name引物序列 (5'—3')
Sequence (5'−3')GenBank登录号
Accession No.用途
ApplicationLcadsl-F TGACCGGCTTTCGCGAACATG XM_019265987.2 adsl基因扩增 Lcadsl-R GTTCGTCAAAGCTCAAGCTCAA qLcadsl-F CATGCTGCGTGATGGATTCG OQ126879.1 qPCR qLcadsl-F GCTTTCCAACCGTGGTCAAC qLcβactin-F GACCTCACAGACTACCTCATG GU584189.1 qPCR qLcβactin-R TGTTGTAGGTGGTCTCGTGGA 1.3 大黄鱼adsl基因的序列特性分析
使用NCBI在线工具ORF Finder (https://www.ncbi.nlm.nih.gov/orffinder/) 分析大黄鱼adsl基因的ORF序列,并推导其氨基酸序列。使用Expasy在线工具 (https://web.expasy.org/compute_pi/) 分析其蛋白质的分子量和等电点,SMART软件 (http://smart.embl-heidelberg.de/) 预测其蛋白质的结构域。使用NCBI在线比对工具BLAST (https://blast.ncbi.nlm.nih.gov/Blast.cgi) 对大黄鱼ADSL进行同源性比对,并选取不同种属的ADSL序列用于多序列比对,以MEGA 7.0 软件采用邻位相连法构建其系统进化树。使用NCBI在线工具Splign (https://www.ncbi.nlm.nih.gov/sutils/splign/splign.cgi) 分析大黄鱼adsl的基因结构。
1.4 大黄鱼adsl基因mRNA的组织分布
为探究大黄鱼adsl基因mRNA在各组织中的表达特性,按照1.2中方法提取组1中5尾大黄鱼的各组织总RNA,并反转录为cDNA模板。使用NCBI程序Primer-BLAST (https://www.ncbi.nlm.nih.gov/tools/primer-blast/) 设计用于adsl基因扩增的qPCR引物 (表1)。按照ChamQ Universal SYBR qPCR Master Mix (2×) (诺唯赞,中国) 说明书配制反应体系,于荧光定量PCR仪QuantStudio 3 (Thermo Fisher Scientific,美国) 中进行扩增,实验以β-actin为内参[19] (表1),每个样品设置3个平行。qPCR扩增程序为:95 ℃ 30 s;95 ℃ 15 s,55 ℃ 15 s,72 ℃ 30 s,共40个循环。扩增程序结束后绘制熔解曲线以评估引物的特异性。根据qPCR各反应孔测得的目的基因adsl和内参基因β-actin的Ct值,以2−∆∆Ct法计算adsl基因mRNA在各组织中的相对表达量[20]。
1.5 不同规格养殖大黄鱼肌肉肌苷酸含量的测定
参考Jiang等[21]和刘旭等[22]的研究,采用高效液相色谱 (High performance liquid chromatography, HPLC) 法测定大黄鱼肌肉组织的IMP含量。使用流动相 [V (磷酸盐缓冲液)∶V (甲醇)=1 000∶40)] 将IMP标准品 (上海源叶生物科技有限公司) 进行梯度稀释,获得质量浓度分别为1.00、5.00、10.00、50.00、100.00和200.00 mg·L−1的IMP稀释液,经0.22 μm微孔滤膜过滤并超声处理30 min后,取10 μL上样于高效液相色谱仪 (Agilent,美国) 中,使用Agilent C18 (4.6 mm×250 mm×5 μm) 色谱柱和DAD检测器,设置流动相流速为1.0 mL·min−1,检测波长为254 nm。根据色谱图中不同浓度IMP样品对应的峰面积,拟合标准曲线,用于后续大黄鱼肌肉组织的IMP含量测定。
取不同规格养殖大黄鱼肌肉组织,准确称量并剪碎后,加入10% (φ) 的高氯酸5 mL,随后于超声波破碎仪 (Sonics,美国) 中处理30 min,破碎液经离心后收集上清液;向破碎液沉淀中继续加入5% (φ) 的高氯酸5 mL,并按上步方法获得上清液后,合并两次实验所得上清液,用氢氧化钾 (KOH)调节溶液pH为6.5,并以超纯水定容至20 mL,过0.22 μm微孔滤膜后上机检测。检测参数与标准曲线建立步骤中一致,根据各样品获得的峰面积,以标准曲线方程计算得到样品中IMP的质量分数,其计算公式为:
$$ W{\text{=}}\left[\left(C{\text{−}}C_0\right) \times V \times N\right] / m $$ 式中:W为肌肉中IMP的质量分数 (mg·kg−1);C为样品测定液中IMP的质量浓度 (mg·L−1);C0为空白对照中IMP的质量浓度 (mg·L−1),即0;V为定容体积,即20 mL;N为稀释倍数,即1;m为各组中称量的肌肉质量 (g)。
1.6 不同规格养殖大黄鱼肌肉组织adsl表达分析
按照1.2的方法分别提取组1、组2和组3中大黄鱼肌肉组织总RNA,并反转录为cDNA模板。qPCR检测adsl基因mRNA在3组大黄鱼肌肉组织中的表达,具体方法同1.4。利用2−∆∆Ct法计算3组不同规格大黄鱼肌肉组织中adsl基因的相对表达量。
1.7 数据统计与分析
实验数据以“平均值±标准误 ($\overline { x}\pm s_{\overline { x}} $)”表示,采用SPSS Statistics 27软件对健康大黄鱼中adsl基因mRNA的组织分布、3组不同规格大黄鱼中adsl基因mRNA的表达差异及IMP含量差异进行单因素方差 (One-way ANOVA) 及Duncan's多重比较分析,显著性水平α为0.05。采用皮尔逊 (Pearson) 相关法对3组大黄鱼中adsl基因表达量和对应的IMP含量进行相关性分析,以P<0.05代表二者总体线性相关,以Pearson相关系数r>0代表二者正相关。用GraphPad Prism 8软件绘图。
2. 结果
2.1 大黄鱼adsl基因的克隆与序列分析
以大黄鱼肌肉组织cDNA为模板,PCR扩增adsl基因的ORF片段,序列全长1 446 bp,编码481个氨基酸 (图1)。序列已提交至NCBI数据库,登录号为OQ126879.1。ADSL蛋白相对分子质量为54.6 kD,等电点为6.19;包含2个主要结构域,分别为N端的裂解酶1 (Pfam Lyase_1) 结构域 (Ala24—Leu309) 和C末端ADSL_C结构域 (Leu374—Leu458) (图2),此外,在裂解酶1结构域内还包含一段典型的延胡索酸家族结构域 (Ser286—Glu299) (图1)。
2.2 大黄鱼adsl基因的进化与结构
将大黄鱼ADSL的氨基酸序列与其他物种进行同源性比对,结果显示:其与棘头梅童鱼 (Collichthys lucidus, TKS91682)、金头鲷 (Sparus aurata, XP_030263577.1)、黑点青鳉 (Oryzias melastigma, KAF6719572.1)、草鱼 (ACB72735.1) 和斑马鱼(NP_956193.2) 等硬骨鱼类的相似性较高,分别达到98.54%、95.63%、93.14%、92.53%和91.08%;与热带爪蟾 (Xenopus tropicalis, NP_001005457.1) 和原鸡 (Gallus gallus, NP_990860.2) 的相似度分别为76.74%和78.97%;与小鼠 (Mus musculus, NP_033764.2)、猪 (Sus scrofa, ADA82235.1)、牛 (Bos taurus, NP_001095847.1) 和人 (Homo sapiens, AAC21560.1) 等哺乳动物的相似度相对较低,分别为76.24%、77.07%、75.10%和75.83%。
系统进化树显示,大黄鱼与棘头梅童鱼聚为一小支 (置信度为98%),之后与其他海水硬骨鱼类聚为一支,再与鲤 (Cyprinus carpio) 等淡水鱼类聚为一大支 (图3),与同源性比对结果一致。基因结构分析显示:大黄鱼adsl基因的结构与黄鳍棘鲷 (Acanthopagrus latus) 和欧洲舌齿鲈 (Dicentrarchus labrax) 等海水鱼类一致,均由12个外显子和11个内含子组成,而草鱼等淡水鱼类和其他高等生物的adsl基因则由13个外显子和12个内含子组成 (图4),表明在进化过程中adsl基因的结构发生了改变。
2.3 大黄鱼adsl基因的组织分布
应用qPCR检测adsl基因mRNA在健康大黄鱼各组织中的分布,通过对模板进行梯度稀释并构建标准曲线计算adsl和β-actin基因的扩增效率,其数值介于0.95~1.05;扩增产物的单峰熔解曲线也显示了基因的特异性扩增。大黄鱼adsl基因mRNA在肌肉组织中有最大表达量,显著高于其他组织 (P<0.05),心脏组织中的表达量次之,其余组织中的表达量均较低 (图5)。
2.4 不同规格养殖大黄鱼肌肉IMP含量比较
应用HPLC法检测不同规格养殖大黄鱼肌肉组织的IMP含量。通过对IMP标准品进行梯度稀释,获得峰面积关于IMP的线性方程:y=0.271 5x−0.073 4,R2 (决定系数) 为0.999 8,拟合回归效果良好,可用于后续实验分析 (图6-a)。使用构建的标准曲线测定不同规格养殖大黄鱼肌肉组织中IMP的质量分数 (图6-b),组1大黄鱼肌肉组织中IMP质量分数为 (2 663.93±54.52) mg·kg−1;组2为 (2 996.43±24.10) mg·kg−1,显著高于组1 (P< 0.001);组3达 (3 313.00±54.89) mg·kg−1,显著高于组1和组2 (P<0.01)。
图 6 HPLC法检测不同规格大黄鱼肌肉组织中的肌苷酸含量注:a. 标准曲线的建立;b. 不同规格大黄鱼肌肉组织IMP含量;**. P<0.01;***. P<0.001。Fig. 6 IMP content in muscles of L. crocea with different sizesNote: a. Construction of a standard curve to determine the IMP content; b. IMP content in muscles of L. crocea with different sizes; **. P<0.01; ***. P<0.001.2.5 大黄鱼adsl基因在不同规格养殖大黄鱼肌肉组织中的表达分析
qPCR检测不同养殖规格大黄鱼肌肉组织中adsl基因的相对表达量,结果显示:与组1的小规格大黄鱼相比,adsl基因mRNA在组2大黄鱼肌肉中的表达量显著上调 (P<0.01),达到组1中的3.11倍;组3中adsl基因表达量显著高于组1和组2 (P<0.01),达到组1的4.95倍 (图7-a)。
由图7-b可知,不同规格大黄鱼肌肉组织中adsl基因表达的变化与IMP含量变化趋势一致。对二者进行Pearson相关性分析,P<0.000 1,表明二者显著线性相关;相关系数r为0.962,表明二者呈强正相关性。
3. 讨论
ADSL在嘌呤核苷酸合成和嘌呤核苷酸循环中均发挥重要作用[23],解析ADSL的分子特征与表达特性将为研究IMP合成机制打下基础。本研究克隆的大黄鱼adsl基因ORF序列为1 446 bp,编码481个氨基酸,与草鱼的adsl基因分子大小相近[24]。ADSL蛋白包含N末端的裂解酶1和C末端的ADSL_C两个保守结构域,这与其他物种如鹅[14]、驴[23]等的ADSL结构一致。研究表明,II型延胡索酸酶、天冬氨酸酶、精氨基琥珀酸裂解酶和ADSL超家族均包含一段组成为“SSxxPxKxNxxxxE”的14个氨基酸的保守结构域[18,25],大黄鱼的典型延胡索酸结构域为“SSAMPYKRNPMRAE”。同源比对结果显示,大黄鱼ADSL与其他硬骨鱼类的相似性达90%以上,与两栖类、鸟类和哺乳类的相似性较低,仍达75%以上。Yuan等[18]使用抗人源ADSL蛋白的抗体能特异性识别草鱼的ADSL。上述结果均表明,ADSL具有高度的保守性。在基因结构方面,小鼠和智人等高等生物的adsl基因由13个外显子和12个内含子组成,淡水鱼类如草鱼和斑马鱼的adsl基因结构也与之相同,而大黄鱼等海水鱼类的adsl基因则由12个外显子和11个内含子组成,表明adsl基因在进化过程中结构发生了改变。
ADSL是嘌呤核苷酸代谢的关键酶,在真核生物能量代谢中发挥重要作用,因此,其在肌肉和脑组织中具有很强的活性[26]。草鱼的adsl基因在肌肉组织中有最大表达量,其次为心脏和脑组织,表明这些组织中嘌呤核苷酸合成最为活跃[18]。大黄鱼adsl基因mRNA在各组织中呈组成型表达,其在肌肉中表达量最高,心脏组织次之,而在其他组织中的表达量均较低,这与草鱼adsl基因的表达趋势基本一致。不同的是,草鱼adsl基因在各组织中的相对表达量差异较小,肌肉组织中adsl基因的表达量约为心脏的2.5倍,约为其他组织的3~7倍;而大黄鱼肌肉组织中adsl基因的表达量则为心脏组织的15.8倍,约为脑等其他组织的近百倍。这些差异可能与鱼种、鱼体规格和养殖环境等因素相关,具体原因还有待进一步研究。
ADSL在肌肉风味物质IMP的合成过程中发挥至关重要的作用。许多研究表明,养殖动物肌肉组织adsl基因的表达量与肌肉IMP含量呈正相关关系[15-16,27]。本研究应用HPLC法测定了相同养殖条件下不同规格大黄鱼肌肉组织中的IMP含量,发现大规格鱼体肌肉组织中的IMP含量显著高于小规格鱼 (P<0.01),而对应的adsl基因表达量也呈类似趋势,相关性分析显示二者存在显著正相关关系。这些结果均表明,与畜禽等高等生物类似,大黄鱼肌肉组织中adsl基因的表达量与IMP含量也存在正相关关系。本研究仅对3种不同规格的养殖大黄鱼进行了采样检测,后续拟通过检测同批次大黄鱼不同生长阶段的adsl基因表达量和对应的IMP含量,进一步揭示二者的关联性。此外,除鱼体规格外,养殖环境和饲料组成也能显著影响IMP的合成和代谢相关基因的表达,并进一步影响肌肉中的IMP含量[11,28]。因此,本研究采样的3组不同规格大黄鱼均源于同一养殖网箱,以确保结果的准确性。
-
图 1 一阶差分后的自相关函数 (ACF) 和偏相关函数 (PACF) 图
注:a—b. 延绳钓赤道以北;c—d. 延绳钓赤道以南;e—f. 围网赤道以北;g—h. 围网赤道以南;图2—图4同此。
Figure 1. ACF and PACF diagrams after first difference
Note: a–b. North of the equator for longline; c–d. South of the equator for longline; e–f. North of the equator for purse seine; g–h. South of the equator for purse seine. The same case in Fig. 2–Fig. 4.
图 5 1990—2020 年中西太平洋不同渔业黄鳍金枪鱼年 CPUE 模型拟合值与实际值关系
a. 延绳钓赤道以北;b. 延绳钓赤道以南;c. 围网赤道以北;d. 围网赤道以南。
Figure 5. Relationship between fitted and actual values of annual CPUE model for yellowfin tuna from different fisheries in Western and Central Pacific during 1990−2020
a. North of the equator for longline; b. South of the equator for longline; c. North of the equator for purse seine; d. South of the equator for purse seine.
表 1 不同区域渔业的水平时间序列和一阶拆分序列的单位根检验表
Table 1 Unit root test of horizontal sequence and difference sequence for various regional fisheries
时间序列
Time series数据处理
Data processing单位根检验
Unit root test显著性水平 Significance level 1% 5% 10% 延绳钓赤道以北
North of equator for longline水平序列 −1.296 −2.62 −1.95 −1.61 一阶差分序列 −4.922 −4.15 −3.50 3.18 延绳钓赤道以南
South of equator for longline水平序列 −0.586 −2.62 −1.95 −1.61 一阶差分序列 −5.571 −4.15 −3.50 3.18 围网赤道以北
North of equator for purse seine水平序列 −0.746 −2.62 −1.95 −1.61 一阶差分序列 −4.818 −4.15 −3.50 3.18 围网赤道以南
South of equator for purse seine水平序列 −0.808 −2.62 −1.95 −1.61 一阶差分序列 −4.818 −4.15 −3.50 3.18 注:粗体字表示该序列为平稳时间序列。 Note: The boldface numbers indicate that the series is a stationary time series. 表 2 ARIMA 时间序列全部可能模型以及参数评价
Table 2 All possible models and evaluation of parameters of ARIMA time series
时间序列
Time series一般 ARIMA 模型
General ARIMA model模型赤池信息量准则
AIC小样本校正的 AIC
AICc贝叶斯信息准则
BIC延绳钓赤道以北
North of equator for longline(0,1,0) 81.60 81.74 83.00 (0,1,1) 83.06 83.51 85.87 (1,1,0) 83.29 83.73 86.09 (1,1,1) 83.69 84.62 87.9 延绳钓赤道以南
South of equator for longline(0,1,1) 98.58 99.03 101.39 (0,1,4) 97.14 99.64 104.15 (1,1,1) 100.57 101.49 104.77 (1,1,4) 98.51 102.16 106.92 围网赤道以北
North of equator for purse seine(0,1,0) 116.51 116.65 117.91 (0,1,1) 110.06 110.51 112.86 (1,1,0) 109.95 110.39 112.75 (1,1,1) 111.62 112.54 115.82 围网赤道以南
South of equator for purse seine(2,1,0) 103.42 104.35 107.63 (0,1,2) 102.8 103.72 107.00 (2,1,2) 103.93 106.43 110.94 (0,1,0) 110.24 110.39 111.64 注:粗体字表示该模型为最优模型。 Note: The boldface numbers indicate the optimal model. -
[1] WU Y L, LAN K W, TIAN Y. Determining the effect of multiscale climate indices on the global yellowfin tuna (Thunnus albacares) population using a time series analysis[J]. Deep Sea Res II, 2020, 175: 104808-104819. doi: 10.1016/j.dsr2.2020.104808
[2] MCCLATCHIE S. Sardine biomass is poorly correlated with the Pacific decadal oscillation off California[J]. Geophysical Res Lett, 2012, 39(13): 1-6.
[3] BRUCE F P, MONICA P R. Climate change impacts on fisheries and aquaculture: a global analysis[M]. New York: John Wiley & Sons, 2017: 523-568.
[4] 王雅萌, 陈芃, 陈新军. 气候变化下西北太平洋大海洋生态系海表面温度特征分析[J]. 上海海洋大学学报, 2021, 30(5): 875-883. doi: 10.12024/jsou.20200603074 [5] 郭爱, 陈新军, 范江涛. 中西太平洋鲣鱼时空分布及其与ENSO关系探讨[J]. 水产科学, 2010, 29(10): 591-595. doi: 10.3969/j.issn.1003-1111.2010.10.006 [6] 周为峰, 陈亮亮, 崔雪森, 等. 异常气候下温跃层及时空因子中西太平洋黄鳍金枪鱼渔场分布的影响[J]. 中国农业科技导报, 2021, 23(10): 192-201. [7] SYAMSUDDIN M L, SAITOH SI, HIRAWAKE T, et al. Effects of El Niño-Southern Oscillation events on catches of bigeye tuna (Thunnus obesus) in the Eastern Indian Ocean off Java[J]. Fish Bull, 2013, 111(2): 175-188. doi: 10.7755/FB.111.2.5
[8] ERAUSKIN-EXTRAMIANA M, ARRIZABALAGA H, HOBDAY A J, et al. Large-scale distribution of tuna species in a warming Ocean[J]. Global Change Biol, 2019, 25(6): 2043-2060. doi: 10.1111/gcb.14630
[9] Food and Agriculture Organization of the United Nations. FAO STAT statistics database[R]. Roma: FAO, 2018: 284-290.
[10] Western and Central Pacific Fisheries Commission. Tuna fishery yearbook[R]. The Federated States of Micronesia: WCPFC, 2019: 139-144.
[11] OLSON R J, YOUNG J W, MENARD F, et al. Bioenergetics, trophicecology, and niche separation of tunas[J]. Adv Mar Biol, 2016, 74: 199-344.
[12] 杨胜龙, 靳少非, 吴祖立, 等. 太平洋金枪鱼渔场关键次表层环境变量的季节变化[J]. 海洋科学, 2015, 39(5): 36-46. [13] 朱国平, 许柳雄. 东太平洋金枪鱼延绳钓大眼金枪鱼渔场与表层温度之间的关系[J]. 海洋环境科学, 2007(4): 333-336. doi: 10.3969/j.issn.1007-6336.2007.04.009 [14] 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, 30(2): 176-182. doi: 10.3969/j.issn.1004-2490.2008.02.012 [15] 杨胜龙, 张胜茂, 蒋兴伟, 等. 热带大西洋大眼金枪鱼和黄鳍金枪鱼渔场温跃层的时空变化特征[J]. 应用海洋学学报, 2013, 32(3): 349-357. doi: 10.3969/J.ISSN.2095-4972.2013.03.007 [16] 李鹏, 许柳雄, 周成, 等. 中西太平洋金枪鱼围网自由鱼群渔场重心变动及其与南方涛动指数的关系[J]. 南方水产科学, 2020, 16(2): 20-27. [17] 宋利明, 李玉伟, 高攀峰. 帕劳群岛附近海域延绳钓渔场大眼金枪鱼 (Thunnus obesus)的环境偏好[J]. 海洋与湖沼, 2009, 40(6): 768-776. doi: 10.3321/j.issn:0029-814X.2009.06.015 [18] SOYKAN C U, EGUCHI T, KOHIN S, et al. Prediction of fishing effort distributions using boosted regression trees[J]. Ecol Appl, 2014, 24(1): 71-83. doi: 10.1890/12-0826.1
[19] 周永东, 徐汉祥, 潘国良, 等. 东海区鲳鱼、小黄鱼资源量及其持续渔获量的估算[J]. 浙江海洋学院学报(自然科学版), 2013, 32(1): 1-5. [20] 宋大德, 汪金涛, 陈新军, 等. 时间序列分析模型在黄海南部小黄鱼资源量预测中的应用[J]. 海洋学报, 2020, 42(12): 26-33. [21] MONLLOR-HURTADO A, PENNINO M G, SANCHEZ-LIZASO J L. Shift in tuna catches due to ocean warming[J]. PLoS One, 2017, 12(6): 178-196.
[22] ROBERT H S, DAVID S S. 时间序列分析及其应用[M]. 李红成, 译. 北京: 机械工业出版社, 2020: 202-230. [23] 李颖若, 韩婷婷, 汪君霞, 等. ARIMA 时间序列分析模型在臭氧浓度中长期预报中的应用[J]. 环境科学, 2021, 42(7): 3119-3126. [24] 乔宇, 闫振飞, 冯承莲, 等. 几种典型模型在物种敏感度分布中的应用和差异分析[J]. 环境工程, 2021, 39(10): 85-95. doi: 10.13205/j.hjgc.202110012 [25] FOSTER R G, ROENNEBERG T. Human responses to the geophysical daily, annual and lunar cycles[J]. Curr Biol, 2008, 18(17): R784-R794. doi: 10.1016/j.cub.2008.07.003
[26] 袁红春, 高子玥, 张天蛟. 基于改进的XGboost模型预测南太平洋长鳍金枪鱼资源丰度[J]. 海洋湖沼通报, 2022, 44(2): 112-120. [27] 杨旭, 黄进, 秦泽宇, 等. 基于多尺度特征融合的人群计数算法[J]. 计算机系统应用, 2022, 33(1): 226-235. [28] 章贤成, 汪金涛, 陈新军. 基于BP神经网络的阿根廷滑柔鱼资源CPUE标准化研究[J]. 渔业科学进展, 2022, 43(2): 11-20. [29] 杨彩莉, 杨晓明, 朱江峰. 不同类型厄尔尼诺事件中环境因子对中西太平洋金枪鱼围网鲣分布响应[J]. 南方水产科学, 2021, 17(3): 8-18. doi: 10.12131/20210014 [30] 王少琴, 许柳雄, 朱国平, 等. 中西太平洋金枪鱼围网的黄鳍金枪鱼CPUE时空分布及其与环境因子的关系[J]. 大连海洋大学学报, 2014, 29(3): 15-18. [31] WHITNEY J E, AL-CHOKHACHY R, BUNNELL D B, et al. Physiological basis of climate change impacts on North American inland fishes[J]. Fisheries, 2016, 41(7): 332-345. doi: 10.1080/03632415.2016.1186656
[32] LEHODEY P, ALHEIT J, BARANGE M, et al. Climate variability, fish, and fisheries[J]. J Climate, 2006, 19(20): 5009-5030. doi: 10.1175/JCLI3898.1
[33] BRANDER K M. Global fish production and climate change[J]. Proc Nat Acad Sci USA, 2007, 104(50): 19709-19714. doi: 10.1073/pnas.0702059104
[34] LEHODEY P, SENINA I, CALMETTES B, et al. Modelling the impact of climate change on Pacific skipjack tuna population and fisheries[J]. Climatic Change, 2012, 119(1): 95-109.
[35] 石肖飞, 王啸, 王佚兮, 等. 热带中西太平洋海域黄鳍金枪鱼的摄食生物学特性[J]. 南方水产科学, 2022, 18(1): 43-51. doi: 10.12131/20210140 [36] TREMBLAY-BOYER L, MCKECHNIE S, PILLING G, et al. Stock assessment of yellowfin tuna in the Western and Central Pacific Ocean, WCPFC-SC13-2017/SA-WP-06[R]. Rarotonga, Cook Islands: WCPFC, 2017: 20-32.
[37] 代丹娜, 刘洪生, 戴小杰, 等. ENSO现象与东太平洋黄鳍金枪鱼围网CPUE时空分布的关系[J]. 上海海洋大学学报, 2011, 20(4): 571-578. [38] SUMAILA U R, CHEUNG W W, LAM V W, et al. Climate change impacts on the biophysics and economics of world fisheries[J]. Nat Climate Change, 2011, 1(9): 449-456. doi: 10.1038/nclimate1301
[39] SUN C, WANG W R, YEH S. Reproductive ecology of yellowfin tuna in the Central and Western Pacific Ocean, WCPFC-SC1 BI WP-1[R]. Noumea New Caledonia: WCPFC, 2005: 15-26.
[40] MUHLING B A, LAMKIN J T, ALEMANY F, et al. Reproduction and larval biology in tunas, and the importance of restricted area spawning grounds[J]. Fish Pacific, 2017, 27(4): 697-732.
[41] 蔡格菁, 傅海彬, 蒋仁斌, 等. 基于ARIMA模型的渔业经济预测及其优化[J]. 计算机与现代化, 2019(4): 88-91. [42] 李勇, 冯家成, 李娜, 等. 太湖水体 Chl-a 预测模型 ARIMA 在引排水方案优化中的应用[J]. 环境工程, 2022, 40(10): 72-79. [43] FREE C M, THORSON J T, PINSKY M L, et al. Impacts of histori-cal warming on marine fisheries production[J]. Science, 2019, 363(6430): 979-983. doi: 10.1126/science.aau1758
[44] PLAGANYI E. Climate change impacts on fisheries[J]. Science, 2019, 363(6430): 930-931. doi: 10.1126/science.aaw5824
[45] HAZEN E L, JORGENSEN S, RYKACZEWSKI R R, et al. Predicted habitat shifts of Pacific top predators in a changing climate[J]. Nat Climate Change, 2013, 3(3): 234-238. doi: 10.1038/nclimate1686
-
期刊类型引用(2)
1. 丁鹏,邹晓荣,丁淑仪,白思琦. 基于CNN-BiLSTM模型的黄鳍金枪鱼渔获量与气候因子关系研究. 南方水产科学. 2024(02): 19-26 . 本站查看
2. 柴和平,沈雪,季英杰,马和平. 基于货量预测与优化调度的电商物流网络问题研究. 科技创新与生产力. 2024(10): 22-27 . 百度学术
其他类型引用(0)