Effects of seamount characteristics in Central and Western Pacific Ocean on CPUEs of yellowfin tuna (Thunnus albacares) in longline and purse seine fisheries
-
摘要:
海山是海底重要的生物栖息地类型之一，是研究海洋生物多样性的热点区域。黄鳍金枪鱼 (Thunnus albacares) 广泛分布于中西太平洋，具有极高的生态和经济价值，然而，鲜有关于海山及其相关特征对黄鳍金枪鱼资源丰度和分布影响的研究。基于2010—2021年中西太平洋渔业委员会 (Western and Central Pacific Fisheries Commission, WCPFC) 汇总的延绳钓和围网渔业数据结合海山特征数据，采用广义加性模型 (Generalized additive model, GAM) 分析两种不同捕捞方式的黄鳍金枪鱼单位捕捞努力量渔获量 (Catch per unit effort, CPUE) 与海山相关特征之间的关系。结果表明，中西太平洋两种渔业方式的黄鳍金枪鱼渔获量主要来源于海山区域，海山特征对两种渔业黄鳍金枪鱼的CPUE均产生了极显著性影响 (P<0.001)。在延绳钓渔业中，较高的CPUE出现在山顶深度、粗糙度、底面积和海山密度较小、坡度较缓的区域；而在围网渔业中，较高的CPUE则出现在粗糙度较小、山顶深度较大、底面积较大、较陡峭且密集的海山区域。研究探讨了中西太平洋海山特征对黄鳍金枪鱼不同群体的影响机制，为今后进一步探索黄鳍金枪鱼种群分布和资源丰度变化与海洋环境的关系提供了参考与新思路。
Abstract:Seamounts are one of the important habitat types on the seafloor and a hotspot for marine biodiversity. Yellowfin tuna (Thunnus albacares) is widely distributed in the Western and Central Pacific Ocean (WCPO) with high ecological and economic value. However, there are few studies on the mechanisms by which seamounts and their associated features affect the abundance and distribution of yellowfin tuna resources. In this study, we used longline and purse seine fishery data summarized by the Western and Central Pacific Fisheries Commission (WCPFC) from 2010–2021, in addition with seamount characteristics data, to analyze the impacts of two different types of seamounts on the abundance and distribution of yellowfin tuna resources using a generalized additive model (GAM). GAM was utilized to examine the connection between catch per unit effort (CPUE) and seamounts characteristics of yellowfin tuna in two different fishing methods. The results show that in the WCPO, the yellowfin tuna catches in the two fisheries mainly originated from seamount areas, and seamount characteristics had a highly significant effect on CPUEs of yellowfin tuna in both fisheries (P<0.001). In the longline fishery, higher CPUE occurred in seamount areas with less peak depth, roughness, base area, and seamount density as well as gentler slopes, whereas higher CPUE occurred in the purse seine fishery in seamount areas with less roughness, greater peak depth, greater base area, as well as steeper and denser slopes. In summary, we explore the mechanism of the influence of WCPO seamount characteristics on different populations of yellowfin tuna, which provides new ideas and references for further exploring the relationship between the distribution of yellowfin tuna populations and changes in resource abundance with the marine environment in the future.
-
Keywords:
- Thunnus albacares /
- Seamount /
- Longline /
- Purse seine /
- CPUE /
- Generalized Additive Model (GAM)
-
气候的变化、异常以及振荡驱动着海洋环境因子的变化，从而影响海洋生态系统的生命活动及过程[1]。厄尔尼诺南方涛动 (El Niño Southern Oscillation, ENSO) (包括厄尔尼诺和拉尼娜事件) 起源于赤道太平洋，是太平洋海域气候变化的最强信号，具有年际变动周期[2]，其基本特征是西太平洋暖池的地带性位移以及大气对流，导致了整个太平洋海盆物理性质和生态系统的改变；具体表现为对各种海洋环境参数的影响，包括海表面温度 (Sea surface temperature, SST)、叶绿素a浓度 (Chl-a) 等，以及对由海洋顶级捕食者 (如金枪鱼) 共同构成的相互关联的海洋生态系统的影响[1,3-4]。
鲣 (Katsuwonus pelamis) 广泛分布于各大洋的热带、亚热带海域[5]，中西太平洋热带海域是世界上最大的鲣渔场[6-7]。因而，研究中西太平洋鲣资源的时空分布对掌握渔业生产规律和开发鲣资源尤为重要。鲣种群按集群特点进行划分，可分为自由鱼群 (Free swimming school, FSC) (亦称起水群)、流木鱼群 (Log school) 以及鲸豚附随群 (Marine mammal associated school) 3类[8]；流木鱼群中亦包括人工集鱼装置 (Fish aggregation device, FAD) 鱼群。自20世纪80年代以来，FAD开始被广泛运用于鲣的围网作业中，是一种高效的捕捞模式[9]，但捕捞副渔获物 [非目标种类的幼年大眼金枪鱼 (Thunnus obesus) 以及黄鳍金枪鱼 (T. albacares)等] 严重的问题随之而来[10]。为此，中西太平洋海域的瑙鲁协定方 (Parties to nauru agreement, PNA) 制定了相关海洋管理政策以限制和减少FAD的使用[11]。相较于前者，自由鱼群的个体较大，偏好聚集于浅水层[12]，且围网渔获物中兼捕物种少，但由于其高速游动的特性，捕捞难度较大[13]。因此，掌握围网鲣自由鱼群的时空分布特性，对于集中捕捉该种群以降低对漂浮物鱼群捕捉的依赖，从而并提高渔业生产效率具有积极作用，对保护金枪鱼的栖息环境与种群结构也具有重要意义[14]。
海洋鱼类资源的时空分布极易受海洋环境因子影响，掌握其时空分布有利于鱼类资源的合理开发和利用。鲣的分布模式受海表面温度影响显著[15]，已有研究普遍发现鲣资源主要分布在海表温度28~30 ℃的海域[16-17]，因而该温度区间可作为研究鲣资源时空分布变动的一项参考指标[18]。Lehodey等 [19]研究发现鲣作业渔场随暖池边缘(即与29 ℃等温线重合)发生了空间偏移。同时，气候变化在时空尺度上影响着海洋鱼类的分布模式，李政纬[17]指出，29 ℃等温线东界会受厄尔尼诺与南方涛动影响，进而影响鲣围网渔场的经向分布。受ENSO影响，鲣渔场与暖池的时空分布变动具有相同趋势[19-20]：即厄尔尼诺事件时，渔场重心随暖池东移；拉尼娜事件时，渔场重心随暖池西移[21]。因此，将暖池变动作为研究围网鲣自由鱼群时空分布的参考指标，能够探究鲣渔场的时空分布特性，更好地进行集中、高效的渔业生产活动，为其资源开发提供科学依据。已有研究仅对历史渔场重心与极端气候指标(如南方涛动指数、海表温异常指数)的关系进行了探讨[22-24]，而忽略了暖池相关物理海洋指标空间变动而导致的渔场重心变化，其中包括暖池重心处多出现高产量的鲣围网渔场[25]，以及暖池右边缘经向扩展而具有的潜在东部栖息地[26]。本研究以29 ℃等温线作为暖池边界，针对围网鲣自由鱼群的渔场重心与暖池相关指标进行相关性分析，并基于不同的气候模式下探究其时空分布变动之间的关系。
1. 材料与方法
1.1 数据来源
中西太平洋围网鲣渔业生产数据来源于中西太平洋渔业委员会 (Western and Central Fisheries Commission,WCPFC)，数据包括作业日期、作业位置 (经纬度)、捕捞努力量、自由鱼群的渔获量等信息。其中时间跨度为1995—2019年，空间范围为120°E—150°W、20°S—20°N，空间分辨率为5°×5°，样本数共计7 721个。海洋环境数据为SST，来自哥伦比亚大学气候数据实验室网站 (http://iridl.ldeo.columbia.edu)，空间分辨率为0.5º×0.5°，时间分辨率为月。同时选取1995—2019 年美国国家海洋与大气管理局气候预测中心 (https://origin.cpc.ncep.noaa.gov) 的Nino 3.4区域 (170°W—120°W、5°N—5°S) 的平均海温距平作为海洋尼诺指数 (OceanicNiño Index, ONI)，其中ONI值介于 ±0.5为正常气候模式，大于0.5发生厄尔尼诺事件，小于 −0.5发生拉尼娜事件。
1.2 研究方法
1.2.1 重心计算
渔业研究中，资源丰度指数通常用于量化渔业中种群丰度的时空变化，如单位捕捞努力量渔获量 (Catch per unit effort, CPUE) 和渔获量[27]。由于现代商业渔业的复杂性，常用的CPUE可能无法作为所有物种资源丰度指数的合理表征[28]，因此将二者均纳入考虑来量化围网鲣自由鱼群的时空分布，进而与暖池相关指标进行比较分析，为围网鲣自由鱼群的渔业生产和资源开发提供借鉴。渔获量大小常用于直接表示渔业的资源丰度，而CPUE大小常被认为与渔业资源丰度成正比[29]，因而可作为表示其局部资源丰度的指标[30]。
本研究对1995—2019年间的渔场重心进行分析计算，作为研究其渔场时空分布变化的描述标准，通过使用渔场重心法来描述中西太平洋围网鲣自由鱼群 (以下简称自由鱼群) 的时空分布变化，环境因子SST的重心计算同理。由于鲣渔场与暖池变动间多为经向变化，因而仅对经向维度进行考虑，渔场重心计算范围与原始数据的空间范围 (120°E—150°W、20°S—20°N) 一致，同时为更准确地说明中西太平洋暖池的重心变化，在计算各项指标的重心时，本研究中的海域范围聚焦于110°E—80°W、45°S—45°N，公式如下[31]：
$$ {G}_{{\rm{CPUE}}}=\frac{\sum _{i}^{n}({{{E}}}_{i}\times {{{L}}}_{i})}{\sum _{i}^{n}{{{E}}}_{i}} $$ (1) $$ {G}_{{\rm{Catch}}}=\frac{\sum _{i}^{n}({{{C}}}_{i}\times {{{L}}}_{i})}{\sum _{i}^{n}{{{C}}}_{i}} $$ (2) $$ {G}_{{\rm{SST}}}=\frac{\sum _{i}^{n}({{{S}}}_{i}\times {{{L}}}_{i})}{\sum _{i}^{n}{{{S}}}_{i}} $$ (3) 式中：GCPUE、GCatch分别为自由鱼群渔场两种资源丰度指标的重心经度 (以下简称CPUE重心和Catch重心)；GSST为 SST重心的经度 (以下简称暖池重心经度)；
$ {{E}}_{i} $ 为单位捕捞努力量渔获量；$ {{C}}_{i} $ 为捕捞产量渔获重心；$ i $ 表示经度，$ {{L}}_{i} $ 为第$ i $ 经度的重心经度；Si为第i经度的温度重心。暖池的右边缘通过自中西太平洋西部海盆起选取连续的29 ℃等温线右边缘的经度，记作RSST。
1.2.2 统计方法
采用皮尔森相关性分析[32]，对暖池指标 (暖池重心经度、暖池右边缘经度) 与渔场资源丰度重心经度以及气候环境指标ONI指数进行相关性分析。相关性在0.1~0.3为弱相关性，0.3~0.5间为中度相关性，大于0.5为强相关性；P<0.05表示相关，P<0.01为显著相关，P<0.001为极显著相关，P>0.05则表示相关性不显著。
1.2.3 不同气候模式下鲣资源空间分布
建立不同气候模式 (正常气候模式、厄尔尼诺年份、拉尼娜年份等) 下自由鱼群与暖池间的时空分布图，进一步说明不同气候模式下二者之间的空间相对位置及关系。
2. 结果
2.1 气候变化下暖池指标与鲣资源重心的关系
通过ONI指数对气候变化进行量化，并且采用皮尔森检验对暖池相关指标重心及右边缘、渔场资源丰度重心以及ONI指数进行相关性检验，发现其在统计学上均呈极显著相关性 (图1)。结果显示，渔场资源丰度重心指标，包括渔获量经向重心GCatch与单位捕捞努力量渔获量经向重心GCPUE，二者与暖池经向重心呈中度相关性，其中GCPUE的相关性值略高于GCatch。而在与暖池右边缘进行相关性检验时，GCatch与GCPUE同其呈弱相关性，GCPUE表现仍稍高于GCatch。在渔场资源丰度重心指标与海洋尼诺指数的相关性检验上，GCatch、GCPUE与之均呈中度相关性，此时GCatch表现略高于GCPUE。除主要研究渔场经向重心外，将暖池指标与海洋尼诺指数进行相关性检验，结果表明暖池经向重心GSST和暖池右边缘RSST与之呈强相关性，其中GSST与之相关性值达0.79，RSST为0.68。所有指标间的P均小于0.001，表现为极显著相关性。
资源丰度的表征在渔业研究中尤为重要[28]，经皮尔森相关性检验得出，CPUE与暖池指标间在相关性表现上相较Catch更优。此外，CPUE的计算避免了直接使用渔获量，而未纳入捕捞努力量的影响[33]；因此，可选用CPUE作为围网鲣自由鱼群与暖池指标关系研究的资源丰度指标。
2.2 暖池指标与鲣资源重心的年际变化趋势
将各项指标的经向变化随年月变化进行对比，探究在不同气候条件下，渔场重心经向与暖池指标变动的时空分布变化 (图2)。结果表明，渔场重心指标间的经向年际变化基本一致，GCPUE与暖池指标的相关性表现优于GCatch，因而以下研究均以GCPUE的经向变动进行探究。各项重心经向指标大多集中分布于140°E 以东、180°以西海域，其中GCPUE与GSST主要分布在160°E经线两端，而RSST大多分布在180°以东 (图2-a)。GCPUE、GSST与RSST随海洋尼诺指数的变动而发生变化 (图2-b)。多数情况下，当发生厄尔尼诺事件 (ONI>0.5)时，GCPUE与GSST东移越过160°E，同时RSST向东移动，如1997年的6—10月等；发生拉尼娜事件 (ONI<−0.5)时，GCPUE 与GSST则分布在160°E以西海域，同时RSST向西移动，如1995年8月—1996年3月等。暖池指标GSST与RSST间的经向变动关系随时间变化基本呈相同趋势。
GCPUE与GSST在经向上的变动趋势不完全相同。1995年1—4月、2003年1—4月、2007年1—5月和2016年1—5月等均为GSST在GCPUE以东，且经向变动趋势显著相反，而此时均为由发生厄尔尼诺事件向正常气候模式 (−0.5<ONI<0.5) 转变的月份。当GSST在GCPUE以西且经向变动趋势相反时，如1998年6—12月、1999年5—12月和a2010年6—12月等，此时正发生强烈的拉尼娜事件，受厄尔尼诺事件影响，GSST多位于GCPUE以东，但此时经向的变动趋势基本相同，如1997年6月—1998年4月、2015年6—12月等。GCPUE与RSST之间关系和GSST一致。
2.3 不同气候模式下自由鱼群的分布
为探明上述不同气候模式下，自由鱼群与暖池间的时空分布关系，选取其中个别月建立时空分布 (图3)。拉尼娜事件选取2010年的11—12月，正常气候模式选取2013年11—12月，厄尔尼诺事件选取2015年11—12月，而厄尔尼诺事件转变为正常年份事件的特殊气候模式选取2016年4—5月。
![]()
图 3 不同气候模式下CPUE与暖池的时空分布注：a、b为拉尼娜气候模式；c、d为正常气候模式；e、f为厄尔尼诺气候模式；g、h为厄尔尼诺气候模式向正常气候模式转变。Figure 3. Spatial-temporal distribution of CPUE and warm pool under different climate modesNote: (a) and (b) are the La Niña climate modes; (c) and (d) are the normal climate modes; (e) and (f) are the El Niño climate modes; (g) and (h) are the climate modes shifting from the El Niño to the normal.与ENSO相关的指标的位移发生在整个中西太平洋，发生拉尼娜事件时 (2010年11—12月)，暖池面积最小，右边缘东部抵达距离最短，接近于180°经线，此时CPUE的分布均位于180°经线以西，且集中于太平洋西部美拉尼西亚群岛海域。当正常年份时 (2013年11—12月)，暖池右边缘的位置相较拉尼娜事件时向东偏移，CPUE越过180°以东且少量分布。发生厄尔尼诺事件时 (2015年11—12月)，CPUE的分布随暖池右边缘位置的东移而向东扩展。此外，一个特殊的气候模式变化应当被纳入考虑，即厄尔尼诺事件转变为正常年份事件 (2016年4—5月)，此时暖池右边缘向西收缩，但CPUE的分布仍向东扩展，而相较于厄尔尼诺事件时在热带海域的均匀分布，此时仅在180°以东少量分布，且CPUE的大小和数量均下降。在所有的气候模式下，暖池右边缘均位于自由鱼群以东位置，自由鱼群基本均匀分布于暖池范围内，也同样说明了二者之间的紧密联系。
3. 讨论
不同类型的ENSO事件通过驱动暖池的空间位移从而改变区域内的海洋环境因子，进一步驱动海洋生态系统及其内部物种资源的响应[34]。 位于中西太平洋的暖池是ENSO的基本构成要素[15]，其表面积及位置随ENSO事件的变化而改变[13,35]；即厄尔尼诺事件时，暖池的面积增大，东移到达太平洋中部海域；拉尼娜事件时，暖池的面积减小，西移到西太平洋海盆区域。从暖池指标(本研究中指暖池重心与暖池右边缘)的时空变化入手，可为研究围网鲣自由群对ENSO事件的响应提供依据。鲣的资源丰度以及空间分布受海洋环境因子影响[36]，而海表温度对鲣资源状态的时空分布具有更显著的影响[37]，在本研究中具体表现为资源丰度的大小及重心的空间分布随29 ℃海表温度场的影响而变化。由于ENSO驱动海表温度变化，受其影响，具有高度洄游的鲣自由鱼群会在沿海生态系统和公海海域之间移动[38]。Williams和Ruaia[39]指出，ENSO事件对鲣围网活动空间分布的影响表现为，在厄尔尼诺年份，捕捞活动通常进一步向东扩展，在拉尼娜期间，捕捞活动向西部地区收缩，与本研究的发现(图3)基本一致。捕捞作业活动的变动同暖池变动规律相同，而渔场重心可以表征捕捞作业活动空间的集中分布程度，但渔场重心与暖池间的协同关系也存在着特异性。受ENSO影响，暖池重心的空间变异程度 (变异系数Coefficient of variation，CV= 5.012) 要强于渔场重心 (CV = 2.523)的变化 (图2)，即表现为厄尔尼诺事件时暖池重心位于渔场重心东部，而当拉尼娜事件时暖池重心位于渔场重心西部。这可能是由于受捕捞作业方式影响，围网鲣自由鱼群的渔场重心相较于暖池受气候以及环境变化影响小[40]。此外，自由鱼群多是体型较大的成年鲣，需寻求适宜的温度环境作为首选栖息地和合适的产卵地，厄尔尼诺事件会导致海表温度升高，温跃层变浅(温跃层是富含营养物质的混合层上下界之间交换的障碍)，营养物质更容易向混合层转移，从而促使深层营养盐在海表扩散，形成具有良好饵料的栖息环境[41]。然而强烈厄尔尼诺事件时，温度过高导致暖池的长距离东扩，抑制了鲣在热带中西太平洋的产卵活动[21]；但并未导致渔场范围相应东扩，反而此时在太平洋中部的岛国 (如基里巴斯群岛) 的围网渔获量更高，分布更集中。
而对于厄尔尼诺转变为正常年份这一特殊气候模式的变化，即暖池重心与渔场重心的变化趋势显著相反 (暖池重心向西移动而渔场重心仍向东)，可能由于暖池场的西移，导致了适宜的温度范围增大，以便于鲣适宜栖息地的形成。陈洋洋和陈新军 [23]研究得出，Nino3.4海区指数对CPUE的影响滞后0~2个月，这可能也是造成渔场重心和暖池重心之间变化不同步的原因。此外，暖池的东扩也与温跃层变浅，以及更强于平时的西太平洋信风有关，从而导致赤道西太平洋的初级生产力增加[42]。因此，位于140°E—160°E的所罗门群岛和巴布亚新几内亚的资源丰度在厄尔尼诺现象结束后有所增加，以应对鲣捕捞量的增加以及栖息地收缩的现象，这也进一步解释了渔场重心与暖池重心之间变化的不同步。
本研究对围网鲣自由鱼群的渔场指标，以及暖池指标在不同气候模式下的时空分布变化进行探究发现，通过研究暖池重心的变化可以很好地探索及预测渔场重心变化的规律。而通过构建暖池场与自由鱼群资源丰度的时空分布关系发现，暖池右边缘的范围能够很好地与自由鱼群的空间分布联系起来，可为商业性捕捞围网鲣自由鱼群提供渔场边界的指示，也可为今后研究鲣渔场的分布范围提供一项有利参考。
本研究对不同资源丰度指标对围网鲣自由鱼群的表征的影响进行了研究，但选取的均为名义上的资源丰度指标 (名义的CPUE)，而未对CPUE进行标准化 (以消除人为捕捞等因素对资源丰度的影响)，可能会造成研究结果具有一定误差。且仅研究了自由鱼群对暖池指标的响应关系，未与由人工集鱼装置捕捞获得的流木鱼群进行对比。在未来研究中，将对不同集群种类的鲣对暖池响应的差异性进行更细致的研究，以期为中西太平洋的鲣围网作业提供更丰富详尽的科学依据。
-
![]()
图 1 2010—2021年WCPO延绳钓 (a) 和围网 (b) 黄鳍金枪鱼月平均CPUE的分布
Figure 1. Distribution of monthly average CPUEs of yellowfin tuna of longline (a) and purse seine (b) fisheries in WCPO from 2010 to 2021
![]()
图 2 海山特征对黄鳍金枪鱼CPUE的影响
Figure 2. Effects of seamount characteristics on CPUE of yellowfin tuna
表 1 不同解释变量的多重共线性检验
Table 1 Multicollinearity test for different explanatory variables
变量 Variable VIF (Y) VIF (M) VIF (Lon) VIF (Lat) VIF (ONI) VIF (PD) 延绳钓 Longline 1.024 1.014 1.499 1.717 1.027 1.421 围网 Purse seine 1.011 1.008 3.37 2.111 1.014 1.812 变量 Variable VIF (E) VIF (BA) VIF (SP) VIF (R) VIF (DS) 延绳钓 Longline 1.852 1.58 3.517 2.983 1.097 围网 Purse seine 2.207 1.763 4.812 4.002 1.143 
下载: 导出CSV
表 2 最优GAM模型的筛选及拟合
Table 2 Selection and fitting of optimal GAM
解释变量
Explanatory variable延绳钓 Longline 围网 Purse seine 赤池信息准则
AIC偏差解释率
Deviance explained/%决定系数
R2赤池信息准则
AIC偏差解释率
Deviance explained/%决定系数
R2年 Y 48 437 3.46 0.034 14 789 1.45 0.013 月 M 48 314 4.04 0.039 14 628 4.22 0.039 经度 Lon 45 574 15.10 0.15 12 616 31.10 0.308 纬度 Lat 33 835 49.70 0.496 10 963 47.50 0.472 海洋厄尔尼诺指数 ONI 33 766 49.90 0.498 10 940 47.80 0.475 山顶深度 PD/m 33 422 50.60 0.505 10872 48.50 0.481 高度 E/m 33 115 51.30 0.512 10 806 49.00 0.486 粗糙度 R 33 081 51.40 0.513 10 757 49.50 0.491 底面积 BA/km2 32 900 51.80 0.517 10 727 49.80 0.494 坡度 SP 32 805 52.00 0.519 10 674 50.30 0.498 海山密度 DS/(座·10−4 n mile2) 32 758 52.20 0.52 10 593 51.00 0.505
下载: 导出CSV
表 3 延绳钓和围网渔业黄鳍金枪鱼CPUE的影响因子
Table 3 Factors affecting CPUE of yellowfin tuna in longline and purse seine fisheries
影响因子
Factor延绳钓 Longline 围网 Purse seine 自由度 DF F P 自由度 DF F P 月 M 6.95 38.57 <0.001*** 7.52 25.98 <0.001*** 经度 Lon 8.839 240 <0.001*** 8.689 34.14 <0.001*** 纬度 Lat 8.974 1079.86 <0.001*** 8.854 127.56 <0.001*** 海洋厄尔尼诺指数 ONI 7.46 10.04 <0.001*** 7.079 4.42 <0.001*** 山顶深度 PD/m 3.966 130.31 <0.001*** 3.823 17.55 <0.001*** 高度 E/m 3.765 20.94 <0.001*** 1.962 20.09 <0.001*** 粗糙度 R 3.5 20.81 <0.001*** 3.856 20.16 <0.001*** 底面积 BA/km2 3.481 35.39 <0.001*** 4.805 4.5 0.000 812*** 坡度 SP 3.985 26.73 <0.001*** 3.87 13.94 <0.001*** 海山密度 DS/(座·10−4n mile2) 3.104 15.34 <0.001*** 3.493 24.14 <0.001*** 注：***. 极显著性影响 (P<0.001)。 Note: ***. Very significant effect (P<0.001).
下载: 导出CSV
-
[1] YESSON C, LETESSIER T, NIMMO-SMITH A, et al. Improved bathymetry leads to > 4000 new seamount predictions in the global ocean–but beware of phantom seamounts[J]. UCL Press, 2021, 4: 1-9.
[2] YESSON C, CLARK M R, TAYLOR M L, et al. The global distribution of seamounts based on 30 arc seconds bathymetry data[J]. Deep-Sea Res I, 2011, 58(4): 442-453. doi: 10.1016/j.dsr.2011.02.004
[3] ROGERS A D. The biology of seamounts: 25 years on[J]. Adv Mar Biol, 2018, 79: 137-224.
[4] BO M, COPPARI M, BETTI F, et al. Unveiling the deep biodiversity of the Janua Seamount (Ligurian Sea): first Mediterranean sighting of the rare Atlantic bamboo coral Chelidonisis aurantiaca Studer, 1890[J]. Deep-Sea Res I, 2020, 156: 103186. doi: 10.1016/j.dsr.2019.103186
[5] PITCHER T J, MORATO T, HART P J B, et al. Seamounts: ecology, fisheries & conservation[M]. Oxford: Blackwell Pub, 2007: 85-100, 442-475.
[6] GONZLEZ-IRUSTA J M, DE LA TORRIENTE A, PUNZN A, et al. Living at the top. Connectivity limitations and summit depth drive fish diversity patterns in an isolated seamount[J]. Mar Ecol Prog Ser, 2021, 670: 121-137. doi: 10.3354/meps13766
[7] BRIDGES A E H, BARNES D K A, BELL J B, et al. Depth and latitudinal gradients of diversity in seamount benthic communities[J]. J Biogeogr, 2022, 49(5): 904-915. doi: 10.1111/jbi.14355
[8] MCCLAIN C R, LUNDSTEN L. Assemblage structure is related to slope and depth on a deep offshore Pacific seamount chain[J]. Mar Ecol, 2015, 36(2): 210-220. doi: 10.1111/maec.12136
[9] HANN C H, SMITH T D, AND TORRES L G. A sperm whale's perspective: the importance of seasonality and seamount depth[J]. Mar Mammal Sci, 2016, 32(4): 1470-1481. doi: 10.1111/mms.12320
[10] ROWDEN A A, SCHLACHER T A, WILLIAMS A, et al. A test of the seamount oasis hypothesis: seamounts support higher epibenthic megafaunal biomass than adjacent slopes[J]. Mar Ecol, 2010, 31(1): 95-106.
[11] CAMPANELLA F, COLLINS M A, YOUNG E F, et al. First insight of meso-and bentho-pelagic fish dynamics around remote seamounts in the South Atlantic Ocean[J]. Front Mar Sci, 2021, 8: 693.
[12] VASSALLO P, PAOLI C, ALESSI J, et al. Seamounts as hot-spots of large pelagic aggregations[J]. Mediterr Mar Sci, 2018, 19(3): 444-458. doi: 10.12681/mms.15546
[13] KVILE K , TARANTO G H, PITCHER T J, et al. A global assessment of seamount ecosystems knowledge using an ecosystem evaluation framework[J]. Biol Conserv, 2014, 173: 108-120. doi: 10.1016/j.biocon.2013.10.002
[14] DEARY A L, MORET-FERGUSON S, ENGELS M, et al. Influence of central pacific oceanographic conditions on the potential vertical habitat of four tropical tuna species1[J]. Pac Sci, 2015, 69(4): 461-475. doi: 10.2984/69.4.3
[15] DUFFY L M, KUHNERT P M, PETHYBRIDGE H R, et al. Global trophic ecology of yellowfin, bigeye, and albacore tunas: understanding predation on micronekton communities at ocean-basin scales[J]. Deep-Sea Res II, 2017, 140: 55-73. doi: 10.1016/j.dsr2.2017.03.003
[16] DORTEL E, PECQUERIE L, CHASSOT E. A Dynamic Energy Budget simulation approach to investigate the eco-physiological factors behind the two-stanza growth of yellowfin tuna (Thunnus albacares)[J]. Ecol Model, 2020, 437: 109297. doi: 10.1016/j.ecolmodel.2020.109297
[17] PECORARO C, ZUDAIRE I, BODIN N, et al. Putting all the pieces together: integrating current knowledge of the biology, ecology, fisheries status, stock structure and management of yellowfin tuna (Thunnus albacares)[J]. Rev Fish Biol Fish, 2016, 27(4): 811-841.
[18] 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 [19] SCHAEFER K M, FULLER D W, AND BLOCK B A. Movements, behavior, and habitat utilization of yellowfin tuna (Thunnus albacares) in the Pacific Ocean off Baja California, Mexico, determined from archival tag data analyses, including unscented Kalman filtering[J]. Fish Res, 2011, 112(1/2): 22-37.
[20] WRIGHT S R, RIGHTON D, NAULAERTS J, et al. Yellowfin tuna behavioural ecology and catchability in the South Atlantic: the right place at the right time (and depth)[J]. Front Mar Sci, 2021, 8: 664593. doi: 10.3389/fmars.2021.664593
[21] DAGORN L, HOLLAND K N, HALLIER J P, et al. Deep diving behavior observed in yellowfin tuna (Thunnus albacares)[J]. Aquat Living Resour, 2006, 19(1): 85-88. doi: 10.1051/alr:2006008
[22] CLARK M R, ROWDEN A A, SCHLACHER T, et al. The ecology of seamounts: structure, function, and human impacts[J]. Annu Rev Mar Sci, 2010, 2: 253-278. doi: 10.1146/annurev-marine-120308-081109
[23] PILLING G, SCOTT F, AND HAMPTON S. Minimum target reference points for WCPO yellowfin and bigeye tuna consistent with alternative LRP risk levels, and multispecies implications[R/OL]. [2030-09-10] Pohnpei: Technical Report WCPFC-SC15-2019/MI-WP-01, 2019. https://www.wcpfc.int/doc/wcpfc16-2019-15-update-sc15-mi-wp-01/minimum-target-reference-points-wcpo-yellowfin-and-bigeye.pdf
[24] ZHAO R J, ZHAO F, FENG L, et al. A deep seamount effect enhanced the vertical connectivity of the planktonic community across 1,000 m above summit[J]. J Geophys Res-Oceans, 2023, 128(3): e2022JC018898. doi: 10.1029/2022JC018898
[25] MORATO T, HOYLE S D, ALLAIN V, et al. Seamounts are hotspots of pelagic biodiversity in the open ocean[J]. P Natl Acad Sci USA, 2010, 107(21): 9707-9711. doi: 10.1073/pnas.0910290107
[26] MORATO T, VARKEY D A, DAMASO C, et al. Evidence of a seamount effect on aggregating visitors[J]. Mar Ecol Prog Ser, 2008, 357(4): 23-32.
[27] MAUNDER M N, STARR P J. Fitting fisheries models to standardised CPUE abundance indices[J]. Fish Res, 2003, 63(1): 43-50. doi: 10.1016/S0165-7836(03)00002-X
[28] PEDERSEN E J, MILLER D L, SIMPSON G L, et al. Hierarchical generalized additive models in ecology: an introduction with mgcv[J]. PeerJ, 2019, 7: e6876. doi: 10.7717/peerj.6876
[29] MARN-ENRQUEZ E, RAMREZ-PREZ J S, RUIZ-DOMNGUEZ M, et al. Effect of marine climate and baitfish availability on the tuna baitboat fishery CPUE off northwestern Mexico[J]. Ocean Coast Manag, 2023, 232: 106418. doi: 10.1016/j.ocecoaman.2022.106418
[30] VAIHOLA S, KININMONTH S. Climate change potential impacts on the tuna fisheries in the exclusive economic zones of Tonga[J]. Diversity, 2023, 15(7): 844. doi: 10.3390/d15070844
[31] LEHODEY P, BERTRAND A, HOBDAY A J, et al. ENSO impact on marine fisheries and ecosystems[M]. Washington: Wiley-American Geophysical Union, 2020: 429-451.
[32] BO M, COPPARI M, BETTI F, et al. The high biodiversity and vulnerability of two Mediterranean bathyal seamounts support the need for creating offshore protected areas[J]. Aquat Conserv, 2021, 31(3): 543-566. doi: 10.1002/aqc.3456
[33] HANAFI-PORTIER M, SAMADI S, CORBARI L, et al. Multiscale spatial patterns and environmental drivers of seamount and island slope megafaunal assemblages along the Mozambique channel[J]. Deep-Sea Res I, 2024, 203: 104198. doi: 10.1016/j.dsr.2023.104198
[34] PITCHER T J, MORATO T, HART P J B, et al. Seamounts: ecology, fisheries & conservation[M]. Oxford: Blackwell Pub, 2007: 238-239.
[35] CLARK M R. Deep sea seamount fisheries: a review of global status and future prospects[J]. Lat Am J Aquat Res, 2009, 37(3): 501-512. doi: 10.3856/vol37-issue3-fulltex-16
[36] ITANO D. A summary of operational, technical and fishery information on WCPO purse seine fisheries operating on floating objects[R/OL]. [2023-09-10]Honolulu: Scientific Committee 3rd Regular Session of Western and Central Pacific Fisheries Commission, 2007. https://www.wcpfc.int/system/files/SC3_FT-IP-4_Itano%20FO_complete.pdf
[37] PITCHER T J, MORATO T, HART P J B, et al. seamounts: ecology, fisheries & conservation[M]. Oxford: Blackwell Pub, 2007: 85-100.
[38] PRECIADO I, CARTES J E, PUNZN A, et al. Food web functioning of the benthopelagic community in a deep-sea seamount based on diet and stable isotope analyses[J]. Deep-Sea Res I, 2017, 137: 56-68.
[39] BRILL R W, LUTCAVAGE M E. Understanding environmental influences on movements and depth distributions of tunas and billfishes can significantly improve population assessments[C]//American Fisheries Society Symposium. Phoenix: American Fisheries Society, 2001: 179-198.
[40] AUSCAVITCH S R, DEERE M C, KELLER A G, et al. Oceanographic drivers of deep-sea coral species distribution and community assembly on seamounts, islands, atolls, and reefs within the phoenix islands protected area[J]. Front Mar Sci, 2020, 7: 42. doi: 10.3389/fmars.2020.00042
[41] CLARK M R, BOWDEN D A. Seamount biodiversity: high variability both within and between seamounts in the Ross Sea region of Antarctica[J]. Hydrobiologia, 2015, 761(1): 161-180. doi: 10.1007/s10750-015-2327-9
[42] VASSALLO P, PAOLI C, ALIANI S, et al. Benthic diversity patterns and predictors: a study case with inferences for conservation[J]. Mar Pollut Bull, 2020, 150: 110748. doi: 10.1016/j.marpolbul.2019.110748
[43] LAN K W, SHIMADA T, LEE M A, et al. Using remote-sensing environmental and fishery data to map potential yellowfin tuna habitats in the tropical Pacific Ocean[J]. Remote Sens-Basel, 2017, 9(5): 444. doi: 10.3390/rs9050444
[44] 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. doi: http://en.cnki.com.cn/Article_en/CJFDTOTAL-SEAC201506008.htm [45] HOOLIHAN J, WELLS R, LUO J, et al. Vertical and horizontal movements of yellowfin tuna in the Gulf of Mexico[J]. Mar Coast Fish, 2014, 6(1): 211-222. doi: 10.1080/19425120.2014.935900
[46] LASCELLES B, NOTARBARTOLO DI SCIARA G, AGARDY T, et al. Migratory marine species: their status, threats and conservation management needs[J]. Aquat Conserv, 2014, 24(S2): 111-127. doi: 10.1002/aqc.2512
[47] DUERI S, MAURY O. Modelling the effect of marine protected areas on the population of skipjack tuna in the Indian Ocean[J]. Aquat Living Resour, 2013, 26(2): 171-178.
[48] GRSS A. Modelling the impacts of marine protected areas for mobile exploited fish populations and their fisheries: what we recently learnt and where we should be going[J]. Aquat Living Resour, 2015, 27(3/4): 107-133.
[49] CLARK M R, WATLING L, ROWDEN A A, et al. A global seamount classification to aid the scientific design of marine protected area networks[J]. Ocean Coast Manag, 2011, 54(1): 19-36. doi: 10.1016/j.ocecoaman.2010.10.006
[50] HOWELL K L. A benthic classification system to aid in the implementation of marine protected area networks in the deep/high seas of the NE Atlantic[J]. Biol Conserv, 2010, 143(5): 1041-1056.
[51] FREIWALD A. Cold-water corals and ecosystems[M]. Heidelberg: Springer Science & Business Media, 2005: 259-276.
[52] RAMOS A, SANTIAGO J, SANGRA P, et al. An application of satellite-derived sea surface temperature data to the skipjack (Katsuwonus pelamis Linnaeus, 1758) and albacore tuna (Thunnus alalunga Bonaterre, 1788) fisheries in the north-east Atlantic[J]. Int J Remote Sens, 1996, 17(4): 749-759. doi: 10.1080/01431169608949042
[53] FIEDLER P C, BERNARD H J. Tuna aggregation and feeding near fronts observed in satellite imagery[J]. Cont Shelf Res, 1987, 7(8): 871-881. doi: 10.1016/0278-4343(87)90003-3
[54] CLARK M R, SCHLACHER T A, ROWDEN A A, et al. Science priorities for seamounts: research links to conservation and management[J]. PLoS One, 2012, 7(1): e29232. doi: 10.1371/journal.pone.0029232
[55] BARCKHAUSEN U, ROESER H A, von HUENE R. Magnetic signature of upper plate structures and subducting seamounts at the convergent margin off Costa Rica[J]. J Geophys Res-Sol Ea, 1998, 103(B4): 7079-7093. doi: 10.1029/98JB00163
[56] WRIGHT S R, RIGHTON D, NAULAERTS J, et al. Fidelity of yellowfin tuna to seamount and island foraging grounds in the central South Atlantic Ocean[J]. Deep-Sea Res I, 2021, 172: 103513. doi: 10.1016/j.dsr.2021.103513
[57] LAM C H, TAM C, KOBAYASHI D R, et al. Complex dispersal of adult yellowfin tuna from the main Hawaiian islands[J]. Front Mar Sci, 2020, 7: 138. doi: 10.3389/fmars.2020.00138
[58] MONDAL S, RAY A, LEE M A, et al. Projected changes in spawning ground distribution of mature albacore tuna in the Indian Ocean under various global climate change scenarios[J]. J Mar Sci Eng, 2023, 11(8): 1565. doi: 10.3390/jmse11081565
-
期刊类型引用(2)
1. 巫旗生，宁岳，祁剑飞，郭香，罗辉玉，曾志南，葛辉. 和蔼巴非蛤人工育苗及稚贝培育技术. 福建农业科技. 2024(10): 9-14 . 
百度学术
2. 杨凌，刘一鸣，徐炳杰，王超奇，吴韬，邢清淦，裴琨，韦朝民，曾尚伟，潘英. 钝缀锦蛤在北海、防城港、钦州海区的中培与养成实验. 南方水产科学. 2023(06): 38-50 . 本站查看
其他类型引用(1)
计量
- 文章访问数: 209
- HTML全文浏览量: 51
- PDF下载量: 60
- 被引次数: 3
粤公网安备 44010502001741号
