Size selectivity of codend-mesh size in single boat bottom otter trawls for Nemipterus virgatus in South China Sea
-
摘要:
金线鱼 (Nemipterus virgatus) 是南海区拖网渔业的重要经济种类。为提高拖网对金线鱼的选择性,在南海区使用套网法对网目尺寸分别为30、35、40和45 mm的4组网囊开展了试验。使用双重拔靴法拟合网囊对金线鱼的选择性参数和选择性曲线,比较网囊间的选择性差异,并估算网囊的捕捞方式指数。结果显示,随着网目尺寸的增大,50%选择体长 (L50) 增大,选择性曲线的置信区间变窄,网囊对金线鱼幼鱼的渔获比例减小。试验网囊的L50均小于金线鱼的开捕规格 (15.0 cm),网囊对金线鱼的抛弃率大于67%。研究表明,增大网目尺寸能够优化网囊的选择性,但选择性仍需进一步提升,才能更好地促进金线鱼拖网渔业的可持续发展。
Abstract:Threadfin bream (Nemipterus virgatus) is an important species in the trawl fishery of the South China Sea. In order to improve the size selectivity and exploitation pattern of single boat bottom otter trawls for N. virgatus, we tested four experimental codends with mesh sizes of 30, 35, 40 and 45 mm by applying the covered codend method in the South China Sea. We analyzed the catch data with double-bootstrapping technique to estimate the selectivity parameters, selectivity curves, delta selectivity curves and exploitation pattern indicators. The results demonstrate that with increasing mesh sizes in codends, 50% retention length (L50) increased, confidence intervals of the selectivity curves became sharper, and retention fraction of undersized individuals decreased. However, when considering the minimum conservation reference size of the target species (15.0 cm), the L50 values of codends tested were less than 15.0 cm, and their discarded percentages were all over 67%. Though the study shows that increasing mesh sizes will improve size selectivity, it should be further improved to achieve a sustainable trawl fishery for threadfin bream.
-
Keywords:
- Trawl /
- Codend mesh /
- Size selectivity /
- Nemipterus virgatus
-
金线鱼 (Nemipterus virgatus) 隶属鲈形目、金线鱼科、金线鱼属,俗称红三、吊三、长尾三,是南海区传统优质经济鱼类[1]。2022年中国金线鱼产量为313 852 t,其中96.70%来自南海区[2]。然而由于渔业资源的整体衰退,金线鱼资源的现状、变化和利用情况也备受关注。据统计,2011年中国金线鱼总产量为323 068 t[3],年产量呈下降趋势。已有研究也显示金线鱼的资源平均密度指数下降[4],资源群体的过度捕捞、捕捞幼鱼等问题突出[5]。
金线鱼的作业渔具包括拖网、刺网、张网和钓具等。南海的单船有袖单囊拖网 (简称单拖网) 操作灵活、作业水域广泛,是捕捞金线鱼的常见作业渔具[6]。但南海的单拖网渔业存在一些亟需解决的问题。其中,最突出的问题是网囊网目尺寸小、选择性差。过去的调查数据显示南海区网囊平均网目尺寸为27 mm[7]。当网囊网目尺寸如此小时,对金线鱼的选择性如何?这需要开展相应的选择性试验和研究。而目前,金线鱼选择性的研究主要集中于刺网[8-10],单拖网网囊选择性的研究还很少[11]。2013年,相关部门规定了南海金线鱼单拖网网囊的最小网目尺寸为40 mm[12]。控制网囊的网目尺寸能否实现对金线鱼资源的合理利用?为探讨该问题,本研究采用4组不同网目尺寸的网囊进行试验,研究其对金线鱼的选择性,为提高单拖网渔业对该种类的资源养护水平提供技术支撑。
1. 材料与方法
1.1 试验时间、渔船和区域
试验于2016年9月租用渔船“粤阳东渔19363”(船长35.18 m,主机功率290 kW) 在南海北部渔场进行 (图1),试验海域水深为35~59 m。
1.2 渔具及实验设计
试验渔具为单拖网,由网衣、纲索和属具构成 (图2)。网口网衣拉直周长为136.80 m,网衣纵向拉直总长为67.36 m;网袖和网口网目尺寸为600 mm,网身第一段网目尺寸为300 mm,之后网目尺寸递减;网囊网目尺寸为30 mm,纵向网目数为400目,圆周网目数为240目。网板为椭圆形综合网板,每块质量约350 kg。
根据渔船所用网囊规格设计4组网目尺寸分别为30、35、40和45 mm的试验网囊,按网目尺寸分别命名为D30、D35、D40和D45 (图2)。试验网囊的网衣材料、线粗、颜色等参数保持一致,区别在于网目尺寸大小;网目内径实测值分别为30.05、34.20、39.42和42.66 mm。使用套网法开展试验,套网的规格参考Wileman等[13]推荐的规范,套网网目内径实测值为12 mm。
将试验网囊逐一安装于渔船所用拖网上进行重复拖曳试验,每个网囊试验8个网次,然后更换网囊。试验中,尽量使渔船的拖速、拖曳时长、曳纲长度等作业参数保持一致。起网后,分别处理试验网囊和套网中的渔获物,对所有金线鱼进行生物学测量。
1.3 选择性的拟合
根据各试验网囊及套网的金线鱼体长和数量数据拟合选择性。按网次为单位,以10 mm为一体长组,统计金线鱼在网囊和套网中各个体长组的数量。因试验方法为套网法,可将渔获数据视为二项分布:金线鱼要么被网囊捕获,要么逃逸到套网。为此,在第j网次中,某一试验网囊对体长为l金线鱼的选择率rj(l)可由网囊和套网的渔获数量计算。但是,由于rj(l)在不同网次中存在不确定性和差异[14],需估算所有试验网次中的平均选择率rav (l, v)。该平均选择率涵盖了所有试验网次的不确定性[15-16],由它代表试验网囊对金线鱼的选择性。rav (l, v)可根据极大似然估算法进行估算,计算公式为:
$$ \begin{array}{c} {\text{−}}{\displaystyle\sum }_{j{\text{=}}1}^{m}\displaystyle\sum _{\mathrm{l}}\left\{n{R}_{jl}\times \mathrm{ln}\left[{r}_{\mathrm{a}\mathrm{v}}\left(l,v\right)\right]{\text{+}}n{E}_{jl}\times \mathrm{ln}\left[1.0{\text{−}}{r}_{\mathrm{a}\mathrm{v}}\left(l,v\right)\right]\right\} \end{array}$$ (1) 式中:m为试验网次数;nRjl为第j网次时网囊中体长为l的金线鱼数量;nEjl为相应套网中体长为l的金线鱼数量。
使用4组备选模型 (Logit, Probit, Gompertz, Richards) 拟合rav (l, v),计算公式为:
$$ {{r}}_{\mathrm{a}\mathrm{v}}\left(l,v\right){\text{=}}\left\{\begin{array}{c}{\rm{Logit}}\left(l,\mathrm{L}50,\mathrm{S}\mathrm{R}\right)\\ {\rm{Probit}}\left(l,\mathrm{L}50,\mathrm{S}\mathrm{R}\right)\\ {\rm{Gompertz}}\left(l,\mathrm{L}50,\mathrm{S}\mathrm{R}\right)\\ {\rm{Richards}}\left(l,\mathrm{L}50,\mathrm{S}\mathrm{R},1/\delta \right)\end{array}\right. $$ (2) 模型Logit、Probit、Gompertz用选择性参数L50 (50%选择体长) 和选择范围 (Selection range, SR) 表达和量化;Richards模型需要增加参数 $ \delta $。这些选择性模型介绍参考Wileman等[13]。
按照如下步骤进行选择性估算和评价:
1) 选择最佳模型:利用公式 (1) 和 (2) 拟合备选模型的赤池信息指数 (Akaike information criterion, AIC) 值[17],AIC值最小者为最佳拟合模型 (简称为最佳模型)。
2) 不确定性拟合:明确最佳模型后,使用双重拔靴法 (Double-bootstrapping technique) 模拟选择性的不确定性,估算选择性参数和选择性曲线的95%置信区间 (Confidence intervals, CI)[15-16,18-21]。
3) 拟合度评价:比较最佳模型的P值 (P-value) 与0.05的大小;当P>0.05时,认为拟合度较好;当P<0.05时,则需要通过观察残差正负数值的分布情况,以确定该结果是由于模型的问题还是数据的过度离散造成[13]。
1.4 选择性的比较
本研究的目标之一在于探讨网目尺寸的变化是否会影响网囊对金线鱼的选择性,这可通过量化网囊选择性之间的差异Δr(l)来评估,计算公式为:
$$ \Delta r(l)=r_a(l)-r_b(l)$$ (3) 式中:ra(l) 和rb(l) 分别表示网目尺寸为a和b的试验网囊对金线鱼的选择性。在实际操作中使用网目尺寸较大的网囊选择性减去网目尺寸小的,以分析网目尺寸的增大对选择性的影响。比如D40与D30网囊对金线鱼的选择性差异可表示为 [rD40(l) – rD30 (l)]或者简写为 (D40−D30)。Δr(l) 的置信区间使用双重拔靴法拟合。
1.5 捕捞方式指数的估算
为了分析不同网目尺寸网囊对金线鱼的捕捞方式,以评价渔业的资源养护水平优劣,本研究估算试验网囊对金线鱼的3个捕捞方式指数,分别为InP−、InP+ 和Rdn,计算公式为:
$$ \begin{array}{c}\begin{array}{c}\begin{array}{c}{I}_{\mathrm{n}\mathrm{P}{\text{−}}}{\text{=}} \dfrac{{\displaystyle\sum }_{l < \mathrm{M}\mathrm{C}\mathrm{R}\mathrm{S}}\left\{{{r}}_{\mathrm{a}\mathrm{v}}\left(l,{v}\right)\times {\mathrm{n}\mathrm{P}\mathrm{o}\mathrm{p}}_{l}\}\right.}{{\displaystyle\sum }_{l < \mathrm{M}\mathrm{C}\mathrm{R}\mathrm{S}}\left\{{\mathrm{n}\mathrm{P}\mathrm{o}\mathrm{p}}_{l}\}\right.} \times 100{\text{%}}\\ {I}_{\mathrm{n}\mathrm{P}{\text{+}}}{\text{=}} \dfrac{{\displaystyle\sum }_{l\ge \mathrm{M}\mathrm{C}\mathrm{R}\mathrm{S}}\left\{{r}_{\mathrm{a}\mathrm{v}}\left(l,{v}\right)\times {\mathrm{n}\mathrm{P}\mathrm{o}\mathrm{p}}_{l}\}\right.}{{\displaystyle\sum }_{l\ge \mathrm{M}\mathrm{C}\mathrm{R}\mathrm{S}}\left\{{\mathrm{n}\mathrm{P}\mathrm{o}\mathrm{p}}_{l}\}\right.} \times 100{\text{%}} \end{array}\\ {R}_{\mathrm{d}\mathrm{n}}{\text{=}} \dfrac{{\displaystyle\sum }_{l < \mathrm{M}\mathrm{C}\mathrm{R}\mathrm{S}}\left\{{r}_{\mathrm{a}\mathrm{v}}\left(l,{v}\right)\times {\mathrm{n}\mathrm{P}\mathrm{o}\mathrm{p}}_{l}\}\right.}{{\displaystyle\sum }_{l}\left\{{r}_{\mathrm{a}\mathrm{v}}\left(l,v\right)\times {\mathrm{n}\mathrm{P}\mathrm{o}\mathrm{p}}_{l}\}\right.} \times 100{\text{%}} \end{array}\end{array} $$ (4) 式中:nPopl表示渔场中金线鱼群体的体长分布;MCRS表示金线鱼的开捕规格 (15.0 cm)[22]。为便于研究,将体长小于15.0 cm的金线鱼个体定为幼鱼,体长等于或大于15.0 cm的个体定为成鱼。在捕捞方式指数中:InP− 表示金线鱼幼鱼被试验网囊捕获的比例;InP+ 表示金线鱼成鱼被试验网囊捕获的比例;Rdn表示金线鱼幼鱼占试验网囊渔获的比例 (也称为抛弃率或理论抛弃率)。InP− 和Rdn小,InP+ 大,说明网囊对金线鱼的捕捞方式比较好、渔业的资源养护水平高[23]。
试验数据的处理利用选择性软件SELNET[16, 19-21, 24]进行。试验区域分布图使用ArcGIS 10.7软件导出地图,套合在标准地图上,渔具作业示意图使用浩辰CAD 2016软件绘制,体长分布和选择性曲线使用R和ggplot2数据包绘制。
2. 结果
2.1 试验概况
试验期间,渔船平均拖速为4.2 kn,平均拖曳时长为4 h;共完成30个有效网次。其中,D40网囊6个网次,其他网囊各8个网次。渔获物总质量为407.63 kg,渔获种类近110种,包括鱼类、虾类、蟹类和头足类等,金线鱼是最主要的渔获种类之一。共测量金线鱼547尾,其中,试验网囊299尾,套网248尾。金线鱼体长介于5~28 cm;众数体长组为11.5~13.5 cm;金线鱼体长小于开捕规格的数量比例为88.30% (图3)。
2.2 选择性参数及选择性曲线
根据最小AIC值准则,D35网囊的最佳模型为Logit,其余网囊的最佳模型为Probit (表1)。最佳模型对试验数据的拟合度较好,因为P值均远大于0.05 (表2)。总体上,随着网目尺寸的增大,网囊对金线鱼的L50逐渐增大。如D30网囊的L50为2.48 cm,D45网囊的L50为13.20 cm。但仅D45与D30网囊的L50在统计学上差异性显著,其余由于置信区间的重叠均不显著 (表2)。随着网目尺寸的增大,SR的变化趋势不明显,差异性在统计学上也不显著。值得注意的是,D30、D40网囊的L50置信区间较宽,同时D30、D35 和D40的SR置信区间也较宽,说明选择性存在较大的不确定性。这些特点在选择性曲线上也有类似的展现:除了D45网囊外,其余网囊的选择性曲线置信区间较宽 (图4)。试验网囊对体长为15.0 cm的金线鱼个体选择率较高;如D30、D35 和D40网囊的选择率均大于87%,D45网囊为81.17%。
表 1 模型拟合的AIC值Table 1. Akaike's information criterion (AIC) values of each model网囊
Codend模型 Model Logit Probit Gompertz Richards D30 64.81 64.75 64.84 66.38 D35 99.26 99.70 100.55 101.23 D40 117.91 117.82 117.83 119.83 D45 262.93 262.49 265.52 263.35 注:最佳模型AIC值加粗。 Note: AIC values of the optimal models are in bold. 表 2 试验网囊的选择性参数及拟合度Table 2. Selective parameters and fit statistics obtained from tested codends网囊
Codend参数 Parameter 模型
Model50%选择体长
L50/cm选择范围
SR/cmP值
P-value残差
Deviance自由度
Degree of freedomD30 Probit 2.48 (1.00~11.47) 14.97 (1.00~20.84) 0.634 5 7.02 9 D35 Logit 9.73 (7.79~13.54) 2.87 (1.00~8.18) 0.868 3 12.39 19 D40 Probit 10.13 (1.00~16.00) 5.68 (2.04~27.44) 0.614 6 4.46 6 D45 Probit 13.20 (11.70~15.03) 2.75 (1.61~3.86) 0.995 4 6.18 18 2.3 选择性的比较
将4组试验网囊对金线鱼的选择性按照“大-小”进行比较,共获取了6组选择性差异曲线。根据置信区间不包含0.0值的原则判断:D45网囊对于体长为1.0~13.7 cm的金线鱼个体的选择率显著小于D30网囊,对于体长为2.0~11.9 cm的金线鱼个体选择率显著小于D40网囊;其他选择性差异在统计学上不显著 (图5)。
2.4 捕捞方式指数
随着网目尺寸的增大,试验网囊对金线鱼的3个捕捞方式指数均呈减少趋势。如D30网囊的InP−、InP+ 和Rdn分别为78.70%、94.56%和86.26%,D45网囊的相应值为27.68%、98.57%和67.94% (表3)。网囊对金线鱼的抛弃率均大于67%。捕捞方式指数差异性中,仅D45网囊的幼鱼渔获比例显著小于D30网囊;其余由于置信区间的相互重叠,差异性在统计学上均不显著 (表3)。
表 3 试验网囊对金线鱼的捕捞方式指数Table 3. Exploitation pattern indicators of experimental codends for N. virgatus网囊
CodendInP−/% InP+/% Rdn/% D30 78.70
(53.10~100.00)94.56
(88.83~100.00)86.26
(77.38~90.54)D35 72.73
(18.96~87.57)99.83
(90.51~100.00)84.61
(58.82~89.02)D40 61.53
(31.29~89.03)97.99
(68.31~100.00)82.57
(74.58~89.04)D45 27.68
(7.88~50.13)98.57
(93.16~99.87)67.94
(38.70~80.43)3. 讨论
为优化拖网渔业的资源养护水平,本研究首次利用套网法开展了4组网囊对金线鱼的选择性试验。总体上,随着网目尺寸的增大,网囊对金线鱼的选择性提高,主要表现在:1) L50的增大;2) 幼鱼选择率的下降;3) 幼鱼渔获比例指数的下降。这些数据表明,增大网囊网目尺寸可在一定程度上优化拖网对金线鱼的捕捞方式、提高其资源养护水平。但从统计学差异显著性的角度看,网目尺寸还需大幅增加,网囊选择性优化的效果才能更加显著。因为数据表明,仅D45网囊的L50显著大于D30网囊,幼鱼选择率和渔获比例指数显著小于D30网囊。说明将网目尺寸从30 mm增大至45 mm,网囊选择性才能显著提升。结合现行的最小网目尺寸和最小可捕规格管理要求,D40网囊的选择性较差,L50远小于最小可捕规格,幼鱼的选择率大于87%,幼鱼的渔获比例 (捕捞方式指数) 大于82%。将网目尺寸从40 mm增大至45 mm,网囊对金线鱼幼鱼的选择性显著降低,表明现行最小网目尺寸管理规定对于金线鱼幼鱼资源的保护效果还不够好。
虽然金线鱼是南海区拖网渔业的重要种类,但是目前该种类在网囊选择性方面的研究还很少。迄今,仅杨吝等[11]研究了2种方形网目网囊 (网目尺寸为40和50 mm) 对金线鱼的选择性,获取的L50为9.0和10.6 cm,SR为5.6和10.2 cm。因杨吝等[11]的试验网囊为方形网目,而本研究采用菱目网囊,网目形状的差异使得试验结果的可比性不高。但两次试验结果的共同点在于网囊对金线鱼的L50均小于现行最小可捕规格,从一定程度上说明网囊的选择性还需要进一步优化。值得注意的是,南海区的金线鱼不仅是拖网的主要捕捞对象,还是很多流刺网渔业的目标种类。张鹏等[9]和杨炳忠等[10]分别研究了漂流单片刺网对金线鱼的网目选择性,认为刺网最小网目尺寸应定为55 mm。虽然刺网的捕捞原理与拖网有一定的差异,但是刺网的选择性研究也可为拖网网囊选择性的优化提供不同方向和视角的参考。
渔具选择性研究除了选择性参数外,还需要关注其置信区间。本研究的数据处理方法优势在于不仅获取了选择参数,还得到了置信区间。总体上,4组试验网囊中D30、D35和D40网囊的选择性参数 (L50和SR) 置信区间较宽,而D45网囊的置信区间相对较窄 (表2)。选择性曲线置信区间的变化趋势与选择性参数类似,即D45网囊的置信区间相对较窄 (图4)。置信区间越宽,说明选择性的不确定性越大。随着网目尺寸的增大,网囊对金线鱼的选择性不确定性有所减小,其潜在原因在于随着网目尺寸的增大,金线鱼的有效逃逸概率增加。这一点也可从D45网囊逃逸的金线鱼数量比其他3组网囊多的信息中得到佐证。相比之下,网目尺寸较小的3组试验网囊由于网目张开不足,仅有少数金线鱼逃逸。这样通过双重拔靴法拟合出的选择性置信区间较宽。
虽然本研究填补了南海区拖网菱目网囊对金线鱼选择性研究的空白,但是为了进一步提高拖网渔业的资源养护水平,仍需开展更加系统和深入的选择性试验。如进一步增大菱目网囊的网目尺寸、使用横目网囊 (T90)[23,25]和方形网目逃逸窗等[26-28]均可以成为今后拖网选择性试验的研究方向和思路。
-
表 1 模型拟合的AIC值
Table 1 Akaike's information criterion (AIC) values of each model
网囊
Codend模型 Model Logit Probit Gompertz Richards D30 64.81 64.75 64.84 66.38 D35 99.26 99.70 100.55 101.23 D40 117.91 117.82 117.83 119.83 D45 262.93 262.49 265.52 263.35 注:最佳模型AIC值加粗。 Note: AIC values of the optimal models are in bold. 表 2 试验网囊的选择性参数及拟合度
Table 2 Selective parameters and fit statistics obtained from tested codends
网囊
Codend参数 Parameter 模型
Model50%选择体长
L50/cm选择范围
SR/cmP值
P-value残差
Deviance自由度
Degree of freedomD30 Probit 2.48 (1.00~11.47) 14.97 (1.00~20.84) 0.634 5 7.02 9 D35 Logit 9.73 (7.79~13.54) 2.87 (1.00~8.18) 0.868 3 12.39 19 D40 Probit 10.13 (1.00~16.00) 5.68 (2.04~27.44) 0.614 6 4.46 6 D45 Probit 13.20 (11.70~15.03) 2.75 (1.61~3.86) 0.995 4 6.18 18 表 3 试验网囊对金线鱼的捕捞方式指数
Table 3 Exploitation pattern indicators of experimental codends for N. virgatus
网囊
CodendInP−/% InP+/% Rdn/% D30 78.70
(53.10~100.00)94.56
(88.83~100.00)86.26
(77.38~90.54)D35 72.73
(18.96~87.57)99.83
(90.51~100.00)84.61
(58.82~89.02)D40 61.53
(31.29~89.03)97.99
(68.31~100.00)82.57
(74.58~89.04)D45 27.68
(7.88~50.13)98.57
(93.16~99.87)67.94
(38.70~80.43) -
[1] 陈国宝, 梁沛文. 南海海洋鱼类原色图谱[M]. 北京: 科学出版社, 2016: 227. [2] 农业部渔业局. 2023中国渔业统计年鉴[M]. 北京: 中国农业出版社, 2023: 39. [3] 农业部渔业局. 2012中国渔业统计年鉴[M]. 北京: 中国农业出版社, 2012: 48. [4] 袁蔚文. 北部湾底层渔业资源的数量变动和种类更替[J]. 中国水产科学, 1995, 2(2): 57-65. [5] 王雪辉, 邱永松, 杜飞雁. 南海北部金线鱼生长、死亡和最适开捕体长研究[J]. 中国海洋大学学报, 2004, 34(2): 224-230. [6] 杨吝. 南海区海洋渔具渔法[M]. 广州: 广东科技术出版社, 2002: 85-86. [7] 杨吝, 张旭丰, 孙典荣, 等. 广东省拖网网囊调查[J]. 湛江海洋大学学报, 2001, 21(4): 22-26. [8] 张鹏, 杨吝, 张旭丰, 等. 刺网网目尺寸对南海区金线鱼选择性研究[J]. 南方水产, 2009, 1(2): 61-66. [9] 张鹏, 杨吝, 张旭丰, 等. 南海区金线鱼刺网网目选择性[J]. 中国水产科学, 2010, 17(5): 1085-1093. [10] 杨炳忠, 张鹏, 谭永光, 等. 基于SELECT模型的南海金线鱼刺网选择性研究[J]. 南方水产科学, 2016, 12(5): 8-15. [11] 杨吝, 谭永光, 张旭丰. 南海底拖网方、菱目网囊选择性研究[J]. 湛江海洋大学学报, 2002, 22(3): 19-25. [12] 中华人民共和国农业农村部. 关于实施海洋捕捞准用渔具最小网目尺寸制度的通告[EB/OL]. (2013-12-20)[2023-08-15]. http://www.moa.gov.cn/nybgb/2013/dseq/201805/t20180510_6141829.htm. [13] WILEMAN D A, FERRO R S T, FONTEYNE R, et al. Manual of methods of measuring the selectivity of towed fishing gear[R]. Copenhagen, Denmark: International Council for the Exploration of the Sea ICES Coop Res Rep, 1996(215): 1-51.
[14] FRYER R J. A model of between-haul variation in selectivity[J]. ICES J Mar Sci, 1991, 48(3): 281-290. doi: 10.1093/icesjms/48.3.281
[15] MILLAR R B. Incorporation of between-haul variation using bootstrapping and nonparametric estimation of selection curves[J]. Fish Bull, 1993, 91(3): 564-572.
[16] HERRMANN B, SISTIAGA M, NIELSEN K N, et al. Understanding the size selectivity of redfish (Sebastes spp.) in North Atlantic trawl codends[J]. J Northw Atl Fish Sci, 2012, 44: 1-13. doi: 10.2960/J.v44.m680
[17] AKAIKE H. A new look at the statistical model identification[J]. IEEE Trans Automat Contr, 1974, 19(6): 716-722. doi: 10.1109/TAC.1974.1100705
[18] EFRON B. Bootstrap methods: another look at the jackknife[J]. Ann Statisti, 1979, 7: 1-26.
[19] HERRMANN B, KRAG L A, KRAFFT B A. Size selection of Antarctic krill (Euphausia superba) in a commercial codend and trawl body[J]. Fish Res, 2018, 207: 49-54. doi: 10.1016/j.fishres.2018.05.028
[20] YANG B Z, HERRMANN B, YAN L, et al. Size selectivity and catch efficiency of diamond-mesh codends in demersal trawl fishery for conger pike (Muraenesox cinereus) of the South China Sea[J]. Ocean Coast Manage, 2021, 211: 105777. doi: 10.1016/j.ocecoaman.2021.105777
[21] 杨炳忠, 万荣. 基于双重拔靴法拟合拖网网囊选择性的不确定性[J]. 中国水产科学, 2023, 30(9): 1166-1175. [22] 陈丕茂. 南海北部主要捕捞种类最适开捕规格研究[J]. 水产学报, 2004, 28(4): 393-400. [23] YANG B Z, HERRMANN B. Simple and effective: T90 codends improve size selectivity and catch efficiency compared with diamond-mesh codends for mantis shrimp (Oratosquilla oratoria) in demersal trawl fishery of the South China Sea[J]. Front Mar Sci, 2022, 9: 939269. doi: 10.3389/fmars.2022.939269
[24] HERRMANN B, SISTIAGA M, LARSEN R, et al. Effect of three different codend designs on the size selectivity of juvenile cod in the Barents Sea shrimp trawl fishery[J]. Fish Res, 2019, 219: 1-8.
[25] YANG B Z, HERRMANN B, WAN R. Effects of codend mesh-shape and size on the size selectivity of demersal trawl targeting banded scad (Alepes djedaba) in the Beibu Gulf, South China Sea[J]. J Mar Sci Eng, 2023, 11(7): 1390. doi: 10.3390/jmse11071390
[26] GRAHAM N, KYNOCH R J, FRYER R J. Square mesh panel in demersal trawls: further data relating haddock and whiting selectivity to panel position[J]. Fish Res, 2003, 62: 361-375. doi: 10.1016/S0165-7836(02)00279-5
[27] GRAHAM N, JONES E G, REID D G. Review of technological advances for the study of fish behavior in relation to demersal fishing trawls[J]. ICES J Mar Sci, 2004, 61: 1036-1043. doi: 10.1016/j.icesjms.2004.06.006
[28] BRCIC J, HERRMANN B, SALA A. Can a square-mesh panel inserted in front of the cod end improve size and species selectivity in Mediterranean trawl fisheries?[J]. Can J Fish Aquat Sci, 2018, 75: 704-713. doi: 10.1139/cjfas-2017-0123