环境因子对3种不同作业类型鲣CPUE的影响研究

马有成, 朱国平, 张健, 王啸, 张鸿霖, 石建高

马有成, 朱国平, 张健, 王啸, 张鸿霖, 石建高. 环境因子对3种不同作业类型鲣CPUE的影响研究[J]. 南方水产科学, 2023, 19(6): 11-20. DOI: 10.12131/20230102
引用本文: 马有成, 朱国平, 张健, 王啸, 张鸿霖, 石建高. 环境因子对3种不同作业类型鲣CPUE的影响研究[J]. 南方水产科学, 2023, 19(6): 11-20. DOI: 10.12131/20230102
MA Youcheng, ZHU Guoping, ZHANG Jian, WANG Xiao, ZHANG Honglin, SHI Jiangao. Influence of environmental factors on CPUE of three different fishing methods in skipjack tuna fisheries[J]. South China Fisheries Science, 2023, 19(6): 11-20. DOI: 10.12131/20230102
Citation: MA Youcheng, ZHU Guoping, ZHANG Jian, WANG Xiao, ZHANG Honglin, SHI Jiangao. Influence of environmental factors on CPUE of three different fishing methods in skipjack tuna fisheries[J]. South China Fisheries Science, 2023, 19(6): 11-20. DOI: 10.12131/20230102

环境因子对3种不同作业类型鲣CPUE的影响研究

基金项目: 农业农村部全球重要鱼种资源监测评估专项;国家重点研发计划项目 (2020YFD0900803)
详细信息
    作者简介:

    马有成  (1998—),男,硕士研究生,研究方向为渔业资源。E-mail: mayc2021shou@163.com

    通讯作者:

    张 健  (1979—),男,副教授,博士,研究方向为渔具选择性。E-mail: j-zhang@shou.edu.cn

  • 中图分类号: S 931

Influence of environmental factors on CPUE of three different fishing methods in skipjack tuna fisheries

  • 摘要:

    鲣(Katsuwonus pelamis)广泛分布于各大洋热带和亚热带海域,在世界金枪鱼渔业中占有重要地位,其资源丰度受多种海洋环境因子的影响。为探明降水对不同鲣群体资源分布及变动的影响机制,利用2017—2019年毛里塔尼亚海域双拖渔业数据、2018—2020年中西太平洋围网渔业数据和2010—2020年美洲热带金枪鱼委员会网站记录的延绳钓渔业数据,结合降水、海表面盐度 (Sea surface salinity, SSS) 和海表面温度 (Sea surface temperature, SST) 等环境数据,通过广义加性模型(Generalized additive model, GAM)分析鲣的3种不同作业方式的单位捕捞努力量渔获量(Catch per unit effort, CPUE)时空分布及其与降水等环境因子之间的关系。结果表明:月份对双拖和延绳钓作业方式鲣CPUE的影响显著(P<0.05);纬度对3种鲣作业方式的CPUE均存在显著性影响(P<0.05);降水对双拖和围网作业方式鲣CPUE分别存在极其显著性(P<0.001)和显著性(P<0.05) 影响,且影响趋势较为一致,即这2种作业方式中高CPUE出现在较为适宜的降水范围内,然而降水对鲣的延绳钓CPUE的影响并不显著;SSS和SST对鲣的3种作业方式CPUE影响显著(P<0.05)。因此,在今后分析环境因子对渔业CPUE的影响效果时,建议将降水放入常规海洋环境因子中。

    Abstract:

    Skipjack tuna (Katsuwonus pelamis) is widely distributed in tropical and subtropical waters around the world and is a key target species in global tuna fishery. The abundance of its resources is influenced by various marine environmental factors. In order to explore the mechanisms by which precipitation affects the distribution and variation of resources in different K. pelamis stocks, based on the data from the pair trawl fishery in Mauritanian waters during 2017−2019, data from the purse seine fishery from the Western and Central Pacific Ocean during 2018−2020, and data from the longline fishery recorded on the IATTC website during 2010−2020, combining with environmental data such as precipitation, sea surface salinity (SSS) and sea surface temperature (SST), we analyzed the spatiotemporal distribution of catch per unit effort (CPUE) for three different fishing methods of skipjack tuna and its relationship with environmental factors such as precipitation by Generalized Additive Model (GAM). The findings indicate that month significantly influenced the CPUE of skipjack tuna for pair trawl and longline fishing methods (P<0.05). Latitude also had a significant effect on all the three fishing methods (P<0.05). Precipitation exhibited an extremely significant effect (P<0.001) on the CPUE of skipjack tuna for pair trawl fishing method and a significant effect (P<0.05) for purse seine fishing method. The trend of this effect was relatively consistent, with higher CPUE occurring within a more suitable range of precipitation. However, the effect of precipitation on the CPUE of skipjack tuna for longline fishing method was not significant. Sea surface salinity and sea surface temperature also had significant effects on the CPUE of skipjack tuna for all the three fishing methods (P<0.05). Hence, when analyzing the effects of environmental factors on fishery CPUE in the future, it is recommended to include precipitation in conventional marine environmental factors.

  • 鲣 (Katsuwonus pelamis) 是广泛分布于世界各大洋热带和亚热带海域的中上层鱼类,具有高度洄游性、渔业作业类型多、管理区域复杂等特点,是金枪鱼渔业的主要目标种类之一[1]。鲣种群分布模式不是随机变化的,而是受到海洋环境因子和气候因素变化的影响。海洋环境因子,如海表面温度 (Sea surface temperature, SST) [2-3]、海表面盐度 (Sea surface salinity, SSS)[4]和叶绿素a浓度 (Chlorophyll a concentration, Chl-a)[5]不仅是鲣种群分布的限制性因素,甚至影响其生存。而气候现象,如厄尔尼诺和拉尼娜现象,也会对其产生消极或积极的影响[6-8]。因此,掌握鲣资源丰度的变化规律,对准确预测其种群分布、评估资源量、合理开发和持续利用资源具有重大意义[9]

    由于气候和海洋环境变化,Putri和Zainuddin[10]预计鲣的丰度将出现小幅度下降,因此,全球对鲣渔业资源的关注进一步提升。在太平洋[11-12]、印度洋[13-14]和大西洋[15]各海域,围绕多种作业方式,各国学者均开展了气候变化和海洋环境变动对鲣资源丰度的影响相关研究,然而鲜有文献提及或关注到降水等因素对于鲣等大洋性高度洄游物种种群分布的影响。大洋中降水量的变化是对厄尔尼诺和拉尼娜现象影响的直观表现,异常的温度变化会改变极端降水事件的发生频率、强度和持续时间[16-18],而降水对不同海洋生物的繁殖[19-20]、生活史变化[21]、迁徙行为[22-23]等均具有不同程度的影响,因此忽视降水对此类生物资源丰度的影响,可能无法全面、真实地反映渔业资源量及其与多种海洋环境因子的关系。

    为了解和掌握降水对不同海域鲣群体分布的影响,本文使用毛里塔尼亚海域双拖渔业数据、中西太平洋围网和延绳钓渔业数据,结合降水、SSS、SST等主要环境因子,分析不同作业方式下鲣单位捕捞努力量渔获量 (Catch per unit effort, CPUE) 的时空分布特征,以及降水等海洋环境因子对不同作业方式下鲣CPUE的影响,以期初步探明降水对不同鲣群体资源分布及变动的影响机制,为今后进一步开展鲣渔业资源评估和养护,实现渔业可持续发展提供科学依据。

    双拖鲣数据来源于宏东国际 (毛塔) 渔业发展有限公司双拖网中上层作业船队统计的2017—2019年的生产渔捞日志,涉及生产渔船共11艘,渔船作业范围为20°W—10°W,16°N—21°N,渔捞日志数据包含渔船作业时间、作业位置、放网数量、鲣渔获量等。围网鲣数据来源于上海开创远洋渔业有限公司围网渔船统计的2018—2020年的生产渔捞日志,涉及生产渔船共7艘,渔船作业范围为155°E—180°E、180°W—165°W,10°S—6°N,渔捞日志数据包含渔船放网时间、收网时间、作业位置、鲣渔获量等。延绳钓鲣数据来源于美洲热带金枪鱼委员会网站http://www.iattc.org,时间为2010—2020年,生产渔船为日本延绳钓渔船,作业范围为77°W—148°W,37.5°S—32.5°N;空间分辨率为5°×5°,时间分辨率为月;数据内容包括作业时间、作业位置、钩数、鲣渔获量。3种鲣捕捞方式作业范围如图1所示。

    图  1  鲣渔业作业范围
    Figure  1.  Scope of operation of skipjack tuna fishery

    海洋环境因子中海表面温度、海表面盐度数据来自哥白尼数据中心网站https://data.marine.copernicus.eu/,空间范围为180°W—180°E,33°S—33°N,空间分辨率为0.25°×0.25°,时间分辨率为月;降水数据来自NCEP/NCAR (美国国家环境预测中心/国家大气研究中心) 的再分析数据集网站https://psl.noaa.gov/,空间范围为180°W—180°E,90°S—90°N,空间分辨率为2.5°×2.5°,时间分辨率为月;利用克里金空间插值法[24]对降水数据进行了不同空间分辨率重采样,根据已知的大尺度数据点赋权重预测小尺度未知点的值。

    使用CPUE作为指示鲣丰度指标[11]。对于3种捕捞方式鲣数据计算月平均CPUE以指示资源相对丰度,同时为了匹配环境数据,使用一个渔区单元 (0.25°×0.25°、0.25°×0.25°、5°×5°) 内月度总渔获量除以捕捞努力量来分别计算双拖、围网和延绳钓鲣CPUE,即:

    $$ {Y}_{y,m,i}=\frac{\sum {C}_{y,m,i}}{\sum {E}_{y,m,i}} $$ (1)

    式中:Yy,m,i表示单元渔区内的月度鲣CPUE;$ \sum {C}_{y,m,i} $表示单元渔区内的月度总渔获量;$ \sum {E}_{y,m,i} $表示单元渔区内月度总捕捞努力量;y为年份;m为月份;i为渔区单元。

    广义加性模型 (Generalized Additive Model, GAM) 是一种非参数化的广义多元线性回归方法,可以直接处理响应变量与多个解释变量之间的非线性关系,有效地提升研究精度[25]。利用广义加性模型分析3种捕捞作业方式鲣CPUE与降水等环境因子的关系,即以鲣CPUE作为响应变量,以年度 (y) 和月份 (m) 作为时间因子解释变量,以渔区经度 (Llon) 和纬度 (Llat) 作为空间因子解释变量,降水量 (Pprec, mm∙d−1)、海表面温度 (TSS, ℃)、海表面盐度 (SSS, ‰) 作为环境因子解释变量,建立模型如下:

    $$ \begin{array}{c} \ln \left(Y_{\mathrm{CPUE}}+1\right)= { {\rm{factor}} }(y)+S(m)+S\left(L_{ {{\rm{lon}} }}\right)+S\left(L_{ {{\rm{lat}} }}\right)+\\S\left(P_{ {{\rm{prec}} }}\right)+S\left(T_{\mathrm{SS}}\right)+S\left(S_{\mathrm{SS}}\right)+\varepsilon \end{array} $$ (2)

    式中:为防止零值的情况,采用YCPUE加上1再进行对数化处理,S表示自然立方样条平滑;ε表示模型误差。

    利用方差膨胀因子 (Variance inflation factor, VIF) 对时空和环境因子进行多重共线性检验,且VIF阈值小于10时认为影响因子间不存在多重共线[26]。采用逐步加入解释变量的方法,结合解释变量拟合的显著性水平和赤池准则信息 (Akaike information criterion, AIC) 对 GAM完整模型进行解释变量筛选;AIC值越小,模型拟合效果越好,以此获得最优模型[27]

    以上模型的构建在R 4.1.3软件中实现,通过R语言mgcv包中的gam函数实现模型拟合和car软件包的VIF函数判断因子的多重共线性。

    时空和环境因子的共线性分析结果如表1所示,所选取的时空和环境因子 VIF值均小于10,表明各因子之间不存在共线性问题,均可作为解释变量用于GAM模型分析。

    表  1  影响因子之间的共线性分析
    Table  1.  Collinearity analysis among influencing factors
    作业方式
    Fishing method
    年份
    Year
    月份
    Month
    经度
    Longitude
    纬度
    Latitude
    降水
    Precipitation
    海表面盐度
    SSS
    海表面温度
    SST
    双拖 Pair trawler1.381.932.203.961.592.892.60
    围网 Purse-seine1.061.521.091.511.791.412.10
    延绳钓 Longline1.031.204.152.961.261.6193.08
    下载: 导出CSV 
    | 显示表格

    将解释变量逐步加入模型,分别构建得到关于3种作业方式鲣CPUE与各解释变量的GAM模型,获得GAM模型统计参数如表2所示。双拖作业方式最优模型保留所有变量;围网作业方式最优模型首先剔除不显著解释因子月份,再进行模型构建;延绳钓作业方式首先剔除不显著解释因子经度和降水,再进行模型构建。

    表  2  GAM模型拟合及最优模型筛选
    Table  2.  GAM model fitting and optimal model screening
    作业方式
    Fishing method
    公式
    Formula
    赤池信息准则
    AIC
    双拖
    Pair trawler
    ln(YCPUE+1)=NULL 17 521
    ln(YCPUE+1)=factor(y) 17 517
    ln(YCPUE+1)=factor(y)+S(m) 17 265
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon) 17 180
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon)+S(Llat) 17 098
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon)+S(Llat)+S(prec) 17 077
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon)+S(Llat)+S(prec)+S(SSS) 17 020
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon)+S(Llat)+S(prec)+S(SSS)+S(TSS) 16 933
    围网
    Purse-seine
    ln(YCPUE+1)=NULL 11 161
    ln(YCPUE+1)=factor(y) 10 481
    ln(YCPUE+1)=factor(y)+S(Llon) 10 473
    ln(YCPUE+1)=factor(y)+S(Llon)+S(Llat) 10 469
    ln(YCPUE+1)=factor(y)+S(Llon)+S(Llat)+S(prec) 10 430
    ln(YCPUE+1)=factor(y)+S(Llon)+S(Llat)+S(prec)+S(SSS) 10 390
    ln(YCPUE+1)=factor(y)+S(Llon)+S(Llat)+S(prec)+S(SSS)+S(TSS) 10 352
    延绳钓
    Longline
    ln(YCPUE+1)=NULL −1 150
    ln(YCPUE+1)=factor(y) −1 200
    ln(YCPUE+1)=factor(y)+S(m) −1 284
    ln(YCPUE+1)=factor(y)+S(m)+S(Llat) −1 462
    ln(YCPUE+1)=factor(y)+S(m)+S(Llat)+S(SSS) −1 483
    ln(YCPUE+1)=factor(y)+S(m)+S(Llat)+S(SSS)+S(TSS) −1 501
    下载: 导出CSV 
    | 显示表格

    双拖捕捞作业方式捕捞到鲣的GAM模型结果如表3图2所示。由表3可见,时空因子 (月份、经度和纬度) 均与鲣CPUE呈极显著关系 (P<0.001)。由图2可见,鲣CPUE在10月到翌年3月增长速度较快,在3月达到最高值,之后开始下降至5月,而后5—10月出现先上升再下降的趋势;在经度上,鲣CPUE在17.5°W—17.0°W上,自西向东呈递减的趋势;而后出现上升趋势,在16.5°W时达到最大,随后出现自西向东递减趋势;纬度与鲣CPUE存在显著正相关关系,即其CPUE自南向北逐渐上升。

    表  3  各影响因子对3种作业方式鲣CPUE的影响
    Table  3.  Effects of environmental factors on CPUE of three fishing methods for skipjack
    作业方式
    Fishing method
    月份
    Month
    经度
    Longitude
    纬度
    Latitude
    降水
    Precipitation
    海表面盐度
    SSS
    海表面温度
    SST
    双拖
    Pair trawler
    自由度 DF 8.93 7.9 2.11 7.05 7.88 8.44
    F 10.59 7.13 12.22 4.44 8.62 8.9
    P <2×10−16 *** <2×10−16 *** 6.61×10−5 *** 1.85×10−5 *** <2×10−16 *** <2×10−16 ***
    围网
    Purse-seine
    自由度 DF 6.27 5.7 5.07 6.93 7.63
    F 3.02 2.72 2.78 6.63 1.86
    P 0.003 50** 0.007 86** 0.014 03* < 2×10−16 *** 0.039 41*
    延绳钓
    Longline
    自由度 DF 6.04 5.57 7.83 4.6 6.01 4.66
    F 3.85 2.75 17.56 2.11 2.36 2.26
    P < 2×10−16 *** < 2×10−16 *** 0.000 698*** 0.000 389***
    注:***. P<0.001;**. P<0.01;*. P<0.05。 Note: ***. P<0.001; **. P<0.01; *. P<0.05.
    下载: 导出CSV 
    | 显示表格
    图  2  双拖鲣CPUE与各因子关系
    Figure  2.  Relationship between CPUE and various factors for skipjack of pair trawl

    环境因子 (降水、SSS和SST) 均与鲣CPUE呈极显著性相关 (P<0.001)。鲣渔场降水范围主要介于0~10 mm∙d−1,降水为0~5 mm∙d−1时,鲣CPUE与其呈正相关;介于5~7 mm∙d−1时,降水与CPUE呈负相关;而后随着降水的增加鲣CPUE升高 (图2-d)。鲣渔场SSS范围主要介于35‰~37‰,鲣CPUE随着SSS的增加而上升,SSS为36‰ 时CPUE最高,其后开始下降 (图2-e);SST在17~18 ℃范围内,鲣CPUE随着温度的升高而降低,在18~20 ℃范围内,鲣CPUE与SST呈正相关关系,而超出此范围时,鲣CPUE随着SST的增加而稍微下降。

    用围网捕捞的鲣的GAM模型结果如表3图3所示。时间因子 (月份) 对鲣CPUE无影响,空间因子 (经纬度) 对鲣CPUE有显著性影响 (P<0.05)。在经度梯度上,鲣CPUE呈现出自西向东逐渐降低的趋势 (图3-a);在纬度梯度上,鲣CPUE自南向北先升高再小幅度下降并趋于平缓,再小幅度增加,最后小幅度降低 (图3-b)。

    图  3  围网鲣CPUE与各因子的关系
    Figure  3.  Relationship between CPUE and various factors for skipjack of seine

    降水和SST对鲣CPUE的影响显著 (P<0.05),SSS对鲣CPUE的影响极其显著 (P<0.001,表3)。渔场主要降水范围为0~15 mm∙d−1,介于0~3 mm∙d−1时,鲣CPUE与降水呈正相关;介于3~6 mm∙d−1时,鲣CPUE与降水呈负相关;超出此范围,则鲣CPUE与降水呈正相关 (图3-c)。SSS介于34‰~34.5‰ 时鲣CPUE较为稳定,超过此范围后,鲣CPUE随着SSS的增加而升高,而后在34.5‰~35.3‰ 时达到最高值,之后逐渐降低 (图3-d)。SST与鲣CPUE呈负相关关系,鲣CPUE较高的SST范围介于23.5~24.5 ℃ (图3-e)。

    用延绳钓捕捞的鲣的GAM模型结果如表3图4所示。月份与鲣CPUE呈极显著相关关系 (表3),在1月鲣CPUE最高,随之开始下降,5—7月稍有回升而后又继续下降,10—12月有上升的趋势 (图4-a);空间因子纬度对鲣CPUE有显著性影响 (表3),整体上由低纬至高纬,鲣CPUE逐渐升高 (图4-b)。

    图  4  延绳钓鲣CPUE与各因子关系
    Figure  4.  Relationship between CPUE and various factors for skipjack of longline

    降水对鲣CPUE无显著性影响 (P>0.05),SSS和SST对鲣CPUE有显著性影响 (表3)。鲣渔场SSS范围主要为34‰~36‰,鲣CPUE与SSS呈正相关关系 (图4-e);鲣渔场SST范围主要为15~29 ℃,鲣CPUE先随着温度升高而增加,当超过22 ℃时鲣CPUE有下降趋势 (图4-d)。

    鱼类通常对较小范围的盐度变化反应剧烈,盐度通过影响鱼体的渗透压调节来改变其分布[28]。作为一种暖水性鱼类,金枪鱼的分布和丰度表现出与盐度变化显著的相关关系[29],鲣属于狭盐性鱼类,喜生活于高盐海域,其种群分布与SSS之间存在很强的相关性[30]。杨胜龙等[31]研究指出鲣生活的盐度范围为34.0‰~35.5‰,本研究结果与其相似,从GAM模型图可以看出,鲣喜好的盐度较高,渔场分布集中在SSS为34‰~36‰ 范围内,双拖作业鲣CPUE较高时的SSS约为36‰,这可能与其生存区域的海洋环境有关,毛里塔尼亚沿岸有加那利寒流自北向南海岸走向流动,带来北部的冷水,与由南向北流动的几内亚暖水在布兰科海峡区域混合,形成显著的涌升流[32],故此区域内的SSS高于其他海域。

    鱼类的生理活动有其最佳的SST范围,SST是影响鱼类繁殖、生长及游泳能力等的一个重要因素[29]。已有研究证明,金枪鱼物种的垂直和水平分布由SST变化所引起[33],且因生理差异,金枪鱼在不同生命阶段对SST的敏感程度也不同,幼鱼随着年龄的增长对SST会更加敏感。本研究发现,SST对3种作业方式鲣的影响极为显著 (P<0.001),且鲣CPUE较高时的SST不同,双拖作业鲣CPUE在SST为20 ℃时最高,围网作业鲣CPUE在SST为24 ℃时最高,延绳钓作业鲣CPUE在SST为22 ℃时最高;3种作业方式鲣CPUE有着不同的SST适宜范围,但当SST超过最适区间后其CPUE均随着SST的升高而降低。说明SST的变化对不同海域的鲣资源有着正面和负面的影响,当赤道区温度升至33~34 ℃时,将超过鲣的耐受范围 (其耐受范围介于20~32 ℃)[14],此时SST对鲣的生存和分布产生了负面影响。

    鲣全年可以进行产卵,繁殖潜力大,每批产卵约100万枚[34],其繁殖所需的能量主要来自食物摄入[35],因此鲣的特点是生长快速和与环境密切相关的产卵行为。鲣迁移距离大,水平迁移距离平均超过1 000 n mile[36],与其他金枪鱼物种相比,鲣的垂直运动有限,仅限于中上层水层,因为其对低溶解氧和低温耐受性有限[37];其体温调节能力也较有限,仅适合栖息于相对温暖、含氧量高的水层,因此温跃层深度变化会对鲣的捕捞产生影响;海洋环流的变化可能会影响海洋中饵料,从而影响鲣的小规模分布[38]。鲣对海洋环境条件变化十分敏感[6],种群分布极易受其影响,降水可以通过影响海洋初级生产中的有机物,导致养分输送和初级生产者物种组成产生变化[39-40],通过改变淡水输送的幅度和时间,影响有机物的输送和海域处理有机物的停留时间和环境条件 (光照、分层、微生物群落等) [41-42],还可能通过改变沉积物、营养物质和有机物的输送以及改变分层和溶解氧浓度等影响海洋的物理和生物地球化学环境[43],从而影响鲣的繁殖、迁徙和摄食来影响其资源的分布。

    本研究发现降水对3种作业方式鲣CPUE的影响不同。降水对双拖和围网作业鲣CPUE的影响显著,且对鲣CPUE的影响较为一致,这2种作业方式的鲣均存在适宜生存的降水范围;而降水对延绳钓作业鲣CPUE的影响不显著 (表3),这可能是因为降水对不同作业方式区域内鲣的栖息地、行为和海洋环境等影响不同所致。本研究中,双拖作业方式捕捞的鲣在毛里塔尼亚沿岸海域,存在着几内亚暖流和加那利寒流相交汇的情况,通常寒暖流的交汇会使得该区域各种渔业资源较为丰富[44],这些环境条件有利于幼鱼存活。降雨的变化会影响沿海地区的盐度、水浑浊度和杀虫剂等污染物的浓度,进而影响生物的繁殖行为,其对高繁殖力和高生长速度的鲣有显著性影响[45]。本研究结果显示,中西太平洋围网鲣CPUE与降水存在显著相关关系,而东太平洋延绳钓鲣CPUE与降水无显著相关关系,这可能由鲣的生物学特性所致,因鲣在洄游过程中会受到海洋坏境变化的性影响[7],对于中西太平洋热带海域,因SST常年在28 ℃以上,形成了西太平洋暖池,其提供了太平洋最大比例的金枪鱼捕捞量,是鲣理想的索饵场[46],且在生物生产力方面显示出显著的动态变化;而对于东太平洋海域,除了最强厄尔尼诺事件期间外,初级生产力和“下游”金枪鱼饵料丰度在空间和时间上都很高且稳定。与东太平洋相比,中西太平洋暖池的次级生产力较低但充足,可补偿温度、氧气和水透明度等环境条件的不足[47],造成降水对两个海域鲣CPUE的影响有差异。

    降水对3种作业方式鲣CPUE影响的差异,还有可能受作业方式的影响,如捕捞效率差异、捕捞鲣生长发育阶段差异、渔业空间分辨率差异以及捕捞海域饵料差异等。双拖和围网渔具捕捞鲣效率高,以鲣作为主捕目标,在空间和时间分布上较为有限[48];延绳钓渔具捕捞鲣效率较低,鲣作为兼捕物种,其CPUE值较低,因此数据的稳定性不高,可能对本研究中降水与鲣CPUE的相关性产生了影响。本文采用延绳钓渔业数据,由于不同作业方式的模型处理和CPUE计算方法一致,且延绳钓渔业可提供大空间尺度和时间尺度相对一致的数据[49],因此仍是优良的数据来源;日本延绳钓船队主要捕捞对象为各个鱼种中体型较大的个体,因此本文使用的是鲣生长发育成熟阶段的数据,预测的资源分布也应被视为成熟鲣的分布变化,此阶段鲣的游泳和觅食能力较强。有研究发现叉长大于45 cm的鲣才可以在黑潮充分觅食后,迁移到黑潮最北端[50],围网和双拖作业方式捕捞的鲣集群性较高,且捕捞的幼鱼对降水影响的响应较高,这可能导致降水对延绳钓作业方式鲣CPUE的影响不显著;本文使用的双拖和围网作业鲣数据均为海上实测渔业数据,空间分辨率较小 (0.25°),而延绳钓作业鲣数据为美洲热带金枪鱼委员会网站记录的组织数据,空间分辨率较大 (5°),随着空间尺度的增大,各个小渔区所包括的海域面积增加,渔区内所包含的环境信息也增多[51],可能会影响降水与鲣CPUE的相关性;在延绳钓渔业作业过程中,用钓线结缚装饵料的钓钩来引诱金枪鱼吞食[52],会造成捕捞海域的鲣饵料较多,从而导致鲣CPUE受降水的影响不显著。

    本研究使用GAM模型对降水、SSS、SST海洋环境因子与鲣CPUE关系进行分析,结果表明降水与常规海洋环境因子一样会对鲣资源变动产生影响。建议在今后分析环境因子对渔业CPUE的影响效果时,将降水纳入常规海洋环境因子中。后续研究需要探讨更多的环境因子,如叶绿素a浓度、海表面高度等,以及大尺度气候变化对渔业资源的影响,从而更全面地解释物种资源丰度变动与环境因子间的关系。

  • 图  1   鲣渔业作业范围

    Figure  1.   Scope of operation of skipjack tuna fishery

    图  2   双拖鲣CPUE与各因子关系

    Figure  2.   Relationship between CPUE and various factors for skipjack of pair trawl

    图  3   围网鲣CPUE与各因子的关系

    Figure  3.   Relationship between CPUE and various factors for skipjack of seine

    图  4   延绳钓鲣CPUE与各因子关系

    Figure  4.   Relationship between CPUE and various factors for skipjack of longline

    表  1   影响因子之间的共线性分析

    Table  1   Collinearity analysis among influencing factors

    作业方式
    Fishing method
    年份
    Year
    月份
    Month
    经度
    Longitude
    纬度
    Latitude
    降水
    Precipitation
    海表面盐度
    SSS
    海表面温度
    SST
    双拖 Pair trawler1.381.932.203.961.592.892.60
    围网 Purse-seine1.061.521.091.511.791.412.10
    延绳钓 Longline1.031.204.152.961.261.6193.08
    下载: 导出CSV

    表  2   GAM模型拟合及最优模型筛选

    Table  2   GAM model fitting and optimal model screening

    作业方式
    Fishing method
    公式
    Formula
    赤池信息准则
    AIC
    双拖
    Pair trawler
    ln(YCPUE+1)=NULL 17 521
    ln(YCPUE+1)=factor(y) 17 517
    ln(YCPUE+1)=factor(y)+S(m) 17 265
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon) 17 180
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon)+S(Llat) 17 098
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon)+S(Llat)+S(prec) 17 077
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon)+S(Llat)+S(prec)+S(SSS) 17 020
    ln(YCPUE+1)=factor(y)+S(m)+S(Llon)+S(Llat)+S(prec)+S(SSS)+S(TSS) 16 933
    围网
    Purse-seine
    ln(YCPUE+1)=NULL 11 161
    ln(YCPUE+1)=factor(y) 10 481
    ln(YCPUE+1)=factor(y)+S(Llon) 10 473
    ln(YCPUE+1)=factor(y)+S(Llon)+S(Llat) 10 469
    ln(YCPUE+1)=factor(y)+S(Llon)+S(Llat)+S(prec) 10 430
    ln(YCPUE+1)=factor(y)+S(Llon)+S(Llat)+S(prec)+S(SSS) 10 390
    ln(YCPUE+1)=factor(y)+S(Llon)+S(Llat)+S(prec)+S(SSS)+S(TSS) 10 352
    延绳钓
    Longline
    ln(YCPUE+1)=NULL −1 150
    ln(YCPUE+1)=factor(y) −1 200
    ln(YCPUE+1)=factor(y)+S(m) −1 284
    ln(YCPUE+1)=factor(y)+S(m)+S(Llat) −1 462
    ln(YCPUE+1)=factor(y)+S(m)+S(Llat)+S(SSS) −1 483
    ln(YCPUE+1)=factor(y)+S(m)+S(Llat)+S(SSS)+S(TSS) −1 501
    下载: 导出CSV

    表  3   各影响因子对3种作业方式鲣CPUE的影响

    Table  3   Effects of environmental factors on CPUE of three fishing methods for skipjack

    作业方式
    Fishing method
    月份
    Month
    经度
    Longitude
    纬度
    Latitude
    降水
    Precipitation
    海表面盐度
    SSS
    海表面温度
    SST
    双拖
    Pair trawler
    自由度 DF 8.93 7.9 2.11 7.05 7.88 8.44
    F 10.59 7.13 12.22 4.44 8.62 8.9
    P <2×10−16 *** <2×10−16 *** 6.61×10−5 *** 1.85×10−5 *** <2×10−16 *** <2×10−16 ***
    围网
    Purse-seine
    自由度 DF 6.27 5.7 5.07 6.93 7.63
    F 3.02 2.72 2.78 6.63 1.86
    P 0.003 50** 0.007 86** 0.014 03* < 2×10−16 *** 0.039 41*
    延绳钓
    Longline
    自由度 DF 6.04 5.57 7.83 4.6 6.01 4.66
    F 3.85 2.75 17.56 2.11 2.36 2.26
    P < 2×10−16 *** < 2×10−16 *** 0.000 698*** 0.000 389***
    注:***. P<0.001;**. P<0.01;*. P<0.05。 Note: ***. P<0.001; **. P<0.01; *. P<0.05.
    下载: 导出CSV
  • [1]

    COLLETE B B. FAO species catalogue, Vol 2. Scombrids of the world: an annotated and illustrated catalogue of tunas, mackerels, bonitos and related species known to date[J]. FAO Fish Synop, 1983, 125: 1-137.

    [2]

    ZAINUDDIN M. Skipjack tuna in relation to sea surface temperature and chlorophyll-a concentration of Bone Bay using remotely sensed satellite data[J]. J Ilmu Teknol Kelaut, 2011, 3(1): 82-90.

    [3] 陈洋洋, 陈新军, 郭立新, 等. 基于捕捞努力量的中西太平洋鲣鱼围网渔业入渔预测分析[J]. 海洋学报, 2017, 39(10): 32-45.
    [4]

    KIM J, NA H, PARK Y G, et al. Potential predictability of skipjack tuna (Katsuwonus pelamis) catches in the Western Central Pacific[J]. Sci Rep, 2020, 10(1): 3193-3199. doi: 10.1038/s41598-020-59947-8

    [5]

    DRUON J, CHASSOT E, MURUA H, et al. Preferred feeding habitat of skipjack tuna in the eastern central Atlantic and western Indian Oceans: relations with carrying capacity and vulnerability to purse seine fishing[C]. Seychelles: IOTC Proceedings, 2016: 18-31.

    [6] YEN K W, LU H J, HSIEH C H. Using remote sensing and catch data to detect ocean hot spots for skipjacks in the western central Pacific Ocean[J]. 台湾水产学会刊, 2012, 39(4): 235-246.
    [7] 朱若雅, 许子安, 汪金涛, 等. 基于捕捞努力量的中西太平洋鲣鱼栖息地适宜性指数模型优化[J]. 广东海洋大学学报, 2022, 42(6): 81-87.
    [8]

    HSU T Y, CHANG Y, LEE M A, et al. Predicting skipjack tuna fishing grounds in the Western and Central Pacific Ocean based on high-spatial-temporal-resolution satellite data[J]. Remote Sens, 2021, 13(5): 861-877. doi: 10.3390/rs13050861

    [9] 方舟, 陈洋洋, 陈新军, 等. 基于不同环境因子的中西太平洋鲣鱼资源丰度灰色预测模型构建[J]. 海洋学研究, 2018, 36(4): 60-67.
    [10]

    PUTRI A, ZAINUDDIN M. Impact of climate changes on skipjack tuna (Katsuwonus pelamis) catch during May–July in the Makassar Strait[J]. IOP Conf Ser: Earth Environ Sci, 2019, 253(1): 1-8.

    [11] 冯虎年, 陆化杰, 汪金涛. 中西太平洋围网鲣鱼CPUE时空分布与环境因子关系[J]. 广东海洋大学学报, 2023, 43(1): 33-40.
    [12]

    LEHODEY P, SENINA I, CALMETTES B, et al. Modelling the impact of climate change on Pacific skipjack tuna population and fisheries[J]. Climatic Change, 2013, 119: 95-109. doi: 10.1007/s10584-012-0595-1

    [13] 李亚楠, 陈新军. 印度洋鲣鱼围网资源渔场时空变化及其与ENSO的关系[J]. 海洋学报, 2017, 39(4): 72-78.
    [14]

    DUERI S, BOPP L, MAURY O. Projecting the impacts of climate change on skipjack tuna abundance and spatial distribution[J]. Global Change Biol, 2014, 20(3): 742-753. doi: 10.1111/gcb.12460

    [15]

    DRUON J N, CHASSOT E, MURUA H, et al. Skipjack tuna availability for purse seine fisheries is driven by suitable feeding habitat dynamics in the Atlantic and Indian Oceans[J]. Front Mar Sci, 2017, 4: 315-332. doi: 10.3389/fmars.2017.00315

    [16]

    ADLER R F, GU G, SAPIANO M, et al. Global precipitation: means, variations and trends during the satellite era (1979–2014)[J]. Surv Geophys, 2017, 38: 679-699. doi: 10.1007/s10712-017-9416-4

    [17]

    TRENBERTH K E, SHEA D J. Relationships between precipitation and surface temperature[J]. Geophys Res Lett, 2005, 32(14): 1-4.

    [18]

    LONG S M, XIE S P, ZHENG X T, et al. Fast and slow responses to global warming: sea surface temperature and precipitation patterns[J]. J Climate, 2014, 27(1): 285-299. doi: 10.1175/JCLI-D-13-00297.1

    [19]

    MEYNECKE J O, LEE S Y, DUKE N C, et al. Effect of rainfall as a component of climate change on estuarine fish production in Queensland, Australia[J]. Estuar Coast Shelf S, 2006, 69(3/4): 491-504.

    [20]

    SOBRINO I, SILVA L, BELLIDO J, et al. Rainfall, river discharges and sea temperature as factors affecting abundance of two coastal benthic cephalopod species in the Gulf of Cadiz (SW Spain)[J]. B Mar Sci, 2002, 71(2): 851-865.

    [21]

    MINTA S O. An assessment of the vulnerability of Ghana's coastal artisanal fishery to climate change[D]. Troms: Universitetet i Tromsø, 2003: 56.

    [22]

    le PAPE O, CHAUVET F, DÉSAUNAY Y, et al. Relationship between interannual variations of the river plume and the extent of nursery grounds for the common sole (Solea solea, L.) in Vilaine Bay. Effects on recruitment variability[J]. J Sea Res, 2003, 50(2/3): 177-185.

    [23]

    GILLSON J, SCANDOL J, SUTHERS I. Estuarine gillnet fishery catch rates decline during drought in eastern Australia[J]. Fish Res, 2009, 99(1): 26-37. doi: 10.1016/j.fishres.2009.04.007

    [24] 罗丽, 戴长雷, 李梦玲, 等. 基于GIS的黑龙江省多年平均降水量空间插值分析比较[J]. 吉林水利, 2021(10): 9-16.
    [25] 方舟, 陈洋洋, 陈新军, 等. 基于不同模型研究环境因子对中西太平洋鲣资源丰度的影响[J]. 中国水产科学, 2018, 25(5): 1123-1130.
    [26]

    RODRIGUES M, de la RIVA J, FOTHERINGHAM S. Modeling the spatial variation of the explanatory factors of human-caused wildfires in Spain using geographically weighted logistic regression[J]. Appl Geogr, 2014, 48: 52-63. doi: 10.1016/j.apgeog.2014.01.011

    [27] 谢笑艳, 汪金涛, 陈新军, 等. 南印度洋长鳍金枪鱼渔获率与水深温度关系研究[J]. 南方水产科学, 2021, 17(5): 86-92.
    [28] 孙健勋. 结合环境因子的基里巴斯鲣鱼围网渔场兼捕现状及对策分析[D]. 上海: 上海海洋大学, 2022: 4.
    [29]

    MAHADURAGE I G R. Environmental effect on the skipjack tuna (Katsuwonus pelamis) fishery in the Sri Lankan waters[D]. Busan: Pukyong National University, 2016: 19.

    [30]

    ROUGERIE F, CHABANNE J. Relationship between tuna and salinity in Tahitian coastal waters[J]. TO-AN, 1983, 17: 12-13.

    [31] 杨胜龙, 周甦芳, 周为峰, 等. 基于Argo数据的中西太平洋鲣渔获量与水温、表层盐度关系的初步研究[J]. 大连水产学院学报, 2010, 25(1): 34-40.
    [32] 韩保平, 方海, 阮雯. 毛里塔尼亚海洋渔业概况[J]. 现代渔业信息, 2011, 26(4): 20-23.
    [33]

    NEILL W H, CHANG R K, DIZON A E. Magnitude and ecological implications of thermal inertia in skipjack tuna, Katsuwonus pelamis (Linnaeus)[J]. Environ Biol Fish, 1976, 1: 61-80. doi: 10.1007/BF00761729

    [34]

    GRANDE M, MURUA H, ZUDAIRE I, et al. Reproductive timing and reproductive capacity of the skipjack tuna (Katsuwonus pelamis) in the western Indian Ocean[J]. Fish Res, 2014, 156: 14-22. doi: 10.1016/j.fishres.2014.04.011

    [35]

    MCBRIDE R S, SOMARAKIS S, FITZHUGH G R, et al. Energy acquisition and allocation to egg production in relation to fish reproductive strategies[J]. Fish Fish, 2015, 16(1): 23-57. doi: 10.1111/faf.12043

    [36]

    FONTENEAU A, HALLIER J P. Fifty years of dart tag recoveries for tropical tuna: a global comparison of results for the western Pacific, eastern Pacific, Atlantic, and Indian Oceans[J]. Fish Res, 2015, 163: 7-22. doi: 10.1016/j.fishres.2014.03.022

    [37]

    GRAHAM J B, DICKSON K A. Tuna comparative physiology[J]. J Exp Biol, 2004, 207(23): 4015-4024. doi: 10.1242/jeb.01267

    [38]

    LOUKOS H, MONFRAY P, BOPP L, et al. Potential changes in skipjack tuna (Katsuwonus pelamis) habitat from a global warming scenario: modelling approach and preliminary results[J]. Fish Oceanogr, 2003, 12(4/5): 474-482.

    [39]

    DONEY S C. The growing human footprint on coastal and open-ocean biogeochemistry[J]. Sci, 2010, 328(5985): 1512-1516. doi: 10.1126/science.1185198

    [40]

    NAJJAR R G, PYKE C R, ADAMS M B, et al. Potential climate-change impacts on the Chesapeake Bay[J]. Estuar Coast Shelf S, 2010, 86(1): 1-20. doi: 10.1016/j.ecss.2009.09.026

    [41]

    RABALAIS N N, TURNER R E, DÍAZ R J, et al. Global change and eutrophication of coastal waters[J]. ICES J Mar Sci, 2009, 66(7): 1528-1537. doi: 10.1093/icesjms/fsp047

    [42]

    WHITEHEAD P G, WILBY R L, BATTARBEE R W, et al. A review of the potential impacts of climate change on surface water quality[J]. Hydrolog Sci J, 2009, 54(1): 101-123. doi: 10.1623/hysj.54.1.101

    [43]

    DONEY S C, RUCKELSHAUS M, EMMETT DUFFY J, et al. Climate change impacts on marine ecosystems[J]. Annu Rev Mar Sci, 2012, 4: 11-37. doi: 10.1146/annurev-marine-041911-111611

    [44] 吴越, 沈建林, 黄洪亮, 等. 毛里塔尼亚头足类资源及渔业现状[J]. 渔业信息与战略, 2017, 32(3): 217-224.
    [45]

    BLABER S, BLABER T. Factors affecting the distribution of juvenile estuarine and inshore fish[J]. J Fish Biol, 1980, 17(2): 143-162. doi: 10.1111/j.1095-8649.1980.tb02749.x

    [46] 胡奎伟, 朱国平, 王学昉, 等. 中西太平洋鲣鱼丰度的时空分布及其与表温的关系[J]. 海洋渔业, 2011, 33(4): 417-422.
    [47]

    LEHODEY P. The pelagic ecosystem of the tropical Pacific Ocean: dynamic spatial modelling and biological consequences of ENSO[J]. Prog Oceanogr, 2001, 49(1/2/3/4): 439-468.

    [48]

    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

    [49]

    ARRIZABALAGA H, DUFOUR F, KELL L, et al. Global habitat preferences of commercially valuable tuna[J]. Deep-Sea Res II, 2015, 113: 102-112. doi: 10.1016/j.dsr2.2014.07.001

    [50]

    NIHIRA A. Studies on the behavioral ecology and physiology of migratory fish schools of skipjack tuna (Katsuwonus pelamis) in the oceanic frontal area [Japan][J]. Bulletin of Tohoku National Fisheries Research Institute (Japan), 1996, 58: 137-233.

    [51] 魏广恩, 陈新军. 不同环境模态下空间分辨率对北太平洋柔鱼CPUE标准化的影响[J]. 海洋科学, 2021, 45(4): 147-158.
    [52] 宋利明, 许回. 金枪鱼延绳钓渔获性能研究进展[J]. 中国水产科学, 2021, 28(7): 925-937.
  • 期刊类型引用(1)

    1. 郭敏,余定坤,李浙,刘涛,金杰锋,王玉玉. 极端干旱对鄱阳湖碟形湖水生植物群落的影响. 生态与农村环境学报. 2024(06): 790-798 . 百度学术

    其他类型引用(1)

图(4)  /  表(3)
计量
  • 文章访问数:  323
  • HTML全文浏览量:  39
  • PDF下载量:  43
  • 被引次数: 2
出版历程
  • 收稿日期:  2023-05-15
  • 修回日期:  2023-07-02
  • 录用日期:  2023-07-26
  • 网络出版日期:  2023-07-30
  • 刊出日期:  2023-12-04

目录

/

返回文章
返回