基于体长世代分析法的秋刀鱼渔业资源评估研究

方磊; 花传祥; 朱清澄

doi:10.12131/20230237

基于体长世代分析法的秋刀鱼渔业资源评估研究

方磊^1,,
花传祥^{1, 2, ,},
朱清澄¹

1.
上海海洋大学海洋生物资源与管理学院，上海 201306
2.
国家远洋渔业工程技术研究中心，上海 201306

基金项目: 国家重点研发计划 (2023YFD2401302)

详细信息

作者简介:
方　磊 (1998—)，男，硕士研究生，研究方向为渔业资源。E-mail: 18139908485@163.com

通讯作者:
花传祥 (1982—)，男，高级工程师，博士，研究方向为远洋渔业系统集成。E-mail: cxhua@shou.edu.cn

中图分类号: S 931
计量
- 文章访问数: 168
- HTML全文浏览量: 97
- PDF下载量: 51
出版历程
- 收稿日期: 2023-12-12
- 修回日期: 2024-01-29
- 录用日期: 2024-03-05
- 网络出版日期: 2024-03-20
- 刊出日期: 2024-06-04

Study on fishery resource assessment of Pacific saury by length-based cohort analysis

1.
College of Marine Living Resource Sciences and Management, Shanghai Ocean University, Shanghai 201306, China
2.
National Engineering Research Centre for Oceanic Fisheries, Shanghai 201306, China

摘要

摘要:
秋刀鱼 (Cololabis saira) 分布于西北太平洋亚热带到温带海域，是中国远洋渔业主要的捕捞对象之一。为探究其资源状况，根据2014—2018年西北太平洋秋刀鱼的渔获体长组成和生物学数据，对体长世代分析 (Length-based cohort analysis, LCA) 模型和基于生物量的体长世代分析 (Biomass-based length-cohort analysis, B-LCA) 模型进行性能检验和敏感性分析，并利用蒙特卡洛 (Monte Carlo) 方法估算模型参数、秋刀鱼资源量、捕捞死亡系数以及最大持续产量。结果表明：1) 在5、10和15 mm体长间隔下，LCA和B-LCA模型均表现出优秀的拟合能力，且在5 mm体长间隔下，2种模型的拟合能力均更强；2) LCA模型对于以尾数为单位的渔业数据表现更佳，B-LCA模型对于以质量为单位的渔业数据表现更佳；3) LCA和B-LCA模型对生长因子(b)、渐近体长(L_∞)的变化均较敏感，且对b的敏感程度更高；4) LCA模型估算的2014—2018年秋刀鱼平均资源质量约为65.93×10⁴~171.51×10⁴ t，捕捞死亡系数为0.529 2，最大持续产量为37.73×10⁴ t，而B-LCA模型估算的平均资源质量约为47.88×10⁴~126.25×10⁴ t，捕捞死亡系数为0.540 5，最大持续产量为33.02×10⁴ t。2种模型估算的最大持续产量均低于北太平洋渔业委员会 (North Pacific Ocean Commission, NPFC)各成员国年均产量 (40.98×10⁴ t)，表明2014—2018年秋刀鱼资源处于过度捕捞状态。
- 秋刀鱼 /
- 渔获体长组成 /
- LCA模型 /
- B-LCA模型 /
- 资源量 /
- 最大持续产量
Abstract:
Being one of the primary fishing targets in Chinese pelagic fishing, Pacific saury (Cololabis saira) is distributed in the subtropical to temperate waters of the northwest Pacific Ocean. In order to explore its resource status, according to the catch at size and biological data of Northwest Pacific saury from 2014 to 2018, we conducted a performance test and a sensitivity analysis on length-based cohort analysis (LCA) model and biomass-based length-cohort analysis (B-LCA) model. Besides, we applied Monte Carlo method to estimate the model parameters, resource quantity, fishing mortality coefficients and maximum sustainable yield of Pacific saury. The results show that: 1) The LCA model and B-LCA model exhibited excellent fitting abilities at 5, 10 and 15 mm length intervals, with stronger fitting abilities at 5 mm interval. 2) LCA model performed better for fishery data in units of number, while B-LCA model performed better for fishery data in units of mass. 3) Both LCA and B-LCA models were sensitive to changes in growth factor ($ b $) and asymptote length ($ {L}_{\infty } $), with higher sensitivity to b. 4) The average resource mass of Pacific saury from 2014 to 2018 estimated by LCA model was about 65.93×10⁴−171.51×10⁴ t; the fishing mortality coefficient was 0.529 2; the maximum sustainable yield was 37.73×10⁴ t. The average resource mass estimated by B-LCA model was about 47.88×10⁴−126.25×10⁴ t; the fishing mortality coefficient was 0.540 5; the maximum sustainable yield was $ 33.02\times {10}^{4} $ t. The maximum sustained production estimated by both models was lower than the average annual production of NPFC (North Pacific Ocean Commission) member countries ($ 40.98\times {10}^{4} $ t), indicating that the Pacific saury resources had been overfished from 2014 to 2018.
- Cololabis saira /
- Catch at size /
- LCA model /
- B-LCA model /
- Resource quantity /
- Maximum sustainable yield

HTML全文

大洋中上层鲨鱼多为顶级捕食者，可通过下行效应影响被捕食者的数量丰度和种群结构，对生态系统的稳定和物种多样性起关键作用^[1]。鲨鱼具有生长缓慢、性成熟晚、繁殖率和种群密度低等特点^[2-4]，易受威胁从而导致数量减少，已成为保护生物学研究的重点关注对象。研究鲨鱼种间的食性差异、营养关系及资源利用模式有助于揭示其物种共存机制。

生物对其饵料资源实际和潜在的占据与利用部分即营养生态位，可反映物种间的营养关系及资源竞争状况^[5]，脂肪酸组成分析 (Fatty acid profiles analysis, FAs) 是研究大型海洋捕食者摄食的有力工具^[6]，摄食所得的外源性脂肪酸常以保守形态沉积于组织中，可反映捕食者一段时间内的摄食信息^[7-8]。某些脂肪酸对生物的食性与营养关系具有特定的指示作用，例如：二十碳五烯酸 (C20:5n3) 的含量可指示以硅藻为基础的食物网，二十二碳酸和二十四碳酸 (C22:0+C24:0) 含量可追溯陆源植物食性^[7]。因此，脂肪酸组成可用于反映鲨鱼与其食物间的动态关系和营养流动，进而指示其营养生态位^[9]。不同组织的脂肪酸周转率存在差异，适用于探究不同时间尺度的摄食生态学信息^[10-11]。肝脏是鲨鱼的一种能量储存器官，其脂肪酸组成随摄食变化周转较快，可反映鲨鱼短期内的摄食生态学信息；而鲨鱼肌肉组织脂肪酸随摄食变化周转较慢，可提供综合的长期摄食生态学信息^[12]。Eduardo等^[13]利用肝脏和肌肉脂肪酸组成的差异分析，探究了秘鲁北部3个海域锤头双髻鲨 (Sphyrna zygaena) 短期和长期营养生态位的差异。Xu等^[10]也应用该技术探究了东太平洋同海域中上层鲨鱼的种间资源分配及利用情况，其中大眼长尾鲨 (Alopias superciliosus) 和镰状真鲨 (Carcharhinus falciformis) 的肝脏生态位重叠较高，而肌肉却不重叠，表明其短期内食性相似，而在较长时间尺度上存在摄食隔离。

目前，对于大西洋中上层鲨鱼摄食生态学的研究仍相对匮乏，不利于鲨鱼种群监测和资源保护。因此，本研究以热带大西洋大青鲨 (Prionace glauca)、长鳍鲭鲨 (Isurus paucus)、拟锥齿鲨 (Pseudocarcharias kamoharai) 和尖吻鲭鲨 (I. oxyrinchus) 为研究对象，通过分析其肌肉和肝脏脂肪酸组成，探讨其营养生态位的种间分化，以进一步掌握热带大西洋中上层鲨鱼的种间关系和生活史，并为相应的保护生物学研究提供参考。

1. 材料与方法

1.1 样品采集

4种鲨鱼样本于2016年5月及2017年5月在大西洋中部热带海域 (1°43'W－41°25'W, 12°33'N－8°88'S) 进行延绳钓渔业资源调查时兼捕所得，捕获点见图1，基础生物学信息见表1。鲨鱼肌肉和肝脏样本分别取自背鳍附近肌肉组织和肝脏任一叶前部，叉长在船上直接测定。将采集的样本真空包装后低温冷冻保存，运回实验室后放入 −80 ℃超低温冰箱保存，以便进行脂肪酸分析。

图 1 热带大西洋鲨鱼样品捕获点

Figure 1. Sampling sites of sharks in tropical Atlantic

下载: 全尺寸图片幻灯片

表 1 鲨鱼样本信息

Table 1. Sample information of sharks

种名 Species	样本 Sample		叉长 Fork length/mm		体质量 Body mass/kg
种名 Species	雄性 Male	雌性 Female	范围 Range	$ \overline { x}\pm s$	范围 Range	$ \overline { x}\pm s$
大青鲨 P. glauca	5	9	790~2 360	1 994.30±374.90	6~80	53.50±18.57
长鳍鲭鲨 I. paucus	2	5	1 100~1 970	1 522.70±271.70	13~68	37.80±18.82
拟锥齿鲨 P. kamoharai	6	2	780~980	902.90±69.00	3~7	4.91±1.36
尖吻鲭鲨 I. oxyrinchus	1	4	1 540~3 150	2 056.00±633.00	34~88	64.20±19.33

下载: 导出CSV

| 显示表格

1.2 样品处理

肌肉样本去除表皮，肌肉和肝脏用超纯水冲洗干净，随后装入5 mL 冻存管，肝脏无需冷冻干燥和研磨。肌肉在冷冻干燥机 (Christ Alpha 1-4) 中−55 ℃干燥24 h，而后用冷冻混合球磨仪 (Mixer mill MM440) 磨碎成粉末 (直径5 µm)。粗脂肪提取参考Folch等^[14]，依据GB/T 17376－2008《动植物油脂脂肪酸甲酯制备》三氟化硼法进行脂肪酸甲酯化。加入4 mL氢氧化钠-甲醇溶液 (0.5 mol·L⁻¹) 复溶后，80 ℃水浴回流加热20 min；随后加入4 mL三氟化硼-甲醇溶液 (0.14 kg·L⁻¹)，水浴加热20 min；冷却至室温，加入4 ml正己烷，震荡30 s；再加入饱和氯化钠溶液定容，静置分层。取正己烷层过0.20 μm有机相滤膜后，移入配有聚四氟乙烯瓶盖的厚壁玻璃进样瓶中；后将正己烷层与50 mg·L⁻¹的十九烷酸甲酯内标以1∶1 (体积比) 混合，移至进样瓶中待测。以对比37种脂肪酸混标的保留时间进行定性分析，并以十九烷酸甲酯标品为内标进行定量分析，脂肪酸采用气相色谱-质谱联用仪 (GC-MS 7890B, Agilent) 进行测定。

1.3 数据处理

每种脂肪酸以占各脂肪酸总含量的百分比表示，为避免可能的分析误差造成影响，在统计分析中剔除百分比小于0.5%的脂肪酸^[15]。使用SPSS 26.0和Excel 2016软件对数据进行统计分析。先将两年样本进行时空差异分析，发现其无差异，故只进行种间差异分析。为检验鲨鱼种间、组织间的脂肪酸差异，利用Shapiro-Wilk检验分析脂肪酸含量数据是否符合正态分布并进行方差齐性检验，符合则采用单因素方差分析 (One-way ANOVA) 检验各脂肪酸含量是否存在显著的种间差异。若不符合，则使用Mann-Whitney U非参数检验。

鲨鱼脂肪酸组成测定结果以“平均值±标准差 ($\overline { x}\pm s $)”表示。依据Meyer等^[16]研究结果，使用C16:0、C18:0、C16:1n7、C18:1n9、C22:1n9、C24:1n9、C18:2n6、C20:4n6、C20:5n3和C22:6n3共10种脂肪酸进行主成分分析，以检验鲨鱼不同组织的种间脂肪酸组成差异。并利用R语言中的SIAR 软件包计算标准椭圆面积 (SEAc) 和重叠百分比，以表征各鲨鱼物种的营养生态位^[17]。使用Origin 2023和R 4.0.2软件绘图。

2. 结果

2.1 两种组织脂肪酸组成结果

4种鲨鱼肝脏中总脂含量均大于肌肉，2种组织中脂肪酸含量差异显著。4种鲨鱼的2种组织中各检测出35种脂肪酸，分别为15种饱和脂肪酸、9种单不饱和脂肪酸和11种多不饱和脂肪酸。C16:0、C18:0、C16:1n7、C18:1n9、C20:4n6、C20:5n3和C22:6n3在脂肪酸中占优势比例。

肌肉和肝脏中含量大于0.5%的脂肪酸各有14种 (表2、表3)。肌肉中的饱和脂肪酸含量介于35.55%~41.97%。其中，C16:0和C18:0含量最高，分别为17.07%~21.71%和8.57%~12.95%，大青鲨与拟锥齿鲨、长鳍鲭鲨的2种饱和脂肪酸的种间差异显著 (P<0.05)。单不饱和脂肪酸含量介于17.01%~27.40%，其中，C18:1n9含量较高 (9.88%~17.87%)，长鳍鲭鲨肌肉中C18:1n9含量最高，拟锥齿鲨最低。长鳍鲭鲨与大青鲨、拟锥齿鲨、尖吻鲭鲨的C18:1n9含量种间差异显著 (P<0.05)。

表 2 鲨鱼肌肉脂肪酸组成

Table 2. Fatty acid profiles of muscle tissue of sharks %

脂肪酸 Fatty acid	大青鲨 P. glauca	长鳍鲭鲨 I. paucus	拟锥齿鲨 P. kamoharai	尖吻鲭鲨 I. oxyrinchus
肉豆蔻酸 C14:0	0.97±0.25	0.97±0.29	0.78 ±0.04	1.04±0.17
十五碳酸 C15:0	0.92±031^a	0.44±0.16^b	0.71±0.03^ab	0.96±0.27^a
棕榈酸 C16:0	17.07±3.73^ac	21.71±2.17^b	21.16±1.23^b	17.61±4.12^bc
十七碳酸 C17:0	1.10±0.33^a	0.69±0.20^b	0.88±0.05^ab	1.19±0.32^a
硬脂酸 C18:0	12.95±2.64^a	8.57±2.25^c	9.85±2.27^bc	12.84±2.01^ab
花生酸 C20:0	0.95±0.32^a	0.40±0.17^b	0.71±0.05^ab	0.99±0.31^a
二十一碳酸 C21:0	1.00±0.36^a	0.39±0.20^b	0.74±0.05^ab	1.03±0.33^a
二十二碳酸 C22:0	1.03±0.36^a	0.40±0.20^b	0.76±0.05^ab	1.06±0.34^a
二十三碳酸 C23:0	0.99±0.47^a	0.42±0.21^b	0.78±0.05^ab	1.10±0.36^a
二十四碳酸 C24:0	1.18±0.42^ab	0.46±0.24^c	0.75±0.33^bc	1.22±0.39^a
饱和脂肪酸 ∑SFA	40.99±2.02^a	35.55±4.61^b	39.22±1.64^ab	41.97±4.15^a
十六碳一烯酸 C16:1n7	1.89±1.22	4.70±4.74	1.80±0.81	1.70±0.38
十七碳一烯酸 C17:1n7	0.97±0.32^a	0.55±0.16^b	0.74±0.04^ab	1.01±0.30^a
油酸 C18:1n9	12.49±3.84^b	17.87±6.30^a	10.68±2.16^b	9.88±1.90^b
二十碳一烯酸 C20:1	1.72±0.60	2.27±1.32	1.39±0.21	1.63±0.19
芥酸 C22:1n9	1.70±0.78	0.93±0.73	0.98±0.30	0.95±0.62
二十四碳一烯酸 C24:1n9	1.11±0.37^ab	0.48±0.19^c	0.81±0.05^bc	1.33±0.65^a
单不饱和脂肪酸 ∑MUFA	21.33±5.14^ab	27.40±11.10^a	17.50±2.01^b	17.01±1.96^b
亚油酸 C18:2n6	2.34±1.36^a	0.72±0.25^b	1.39±0.83^ab	1.70±1.51^ab
二十碳二烯酸 C20:2	1.12±0.33^a	0.60±0.15^b	0.84±0.07^ab	1.13±0.30^a
十八碳三烯酸 C18:3n3	1.11±0.39^a	0.45±0.22^b	0.82±0.06^ab	1.15±0.37^a
γ-亚麻酸 C18:3n6	0.90±0.48	0.38±0.20	0.61±0.27	0.83±0.57
二十碳三烯酸 C20:3n6	1.12±0.35^a	0.44±0.20^b	0.79±0.08^ab	1.12±0.33^a
花生四烯酸 C20:4n6 (ARA)	4.82±0.91^a	4.18±1.18^ab	3.61±0.85^b	5.01±0.60^a
二十碳五烯酸 C20:5n3 (EPA)	3.20±1.30^a	0.82±0.32^b	1.75±0.57^b	1.70±0.32^b
二十二碳二烯酸 C22:2n6	0.71±0.64^ab	0.44±0.22^b	0.69±0.31^ab	1.14±0.37^a
二十二碳六烯酸 C22:6n3 (DHA)	22.30±5.71^b	28.98±6.56^ab	32.70±4.30^a	27.18±6.29^ab
多不饱和脂肪酸 ∑PUFA	37.68±5.41^a	37.05±8.29^ab	43.28±3.22^b	41.02±4.42^ab
二十二碳酸和二十四碳酸 C22:0+C24:0	2.20±0.78^a	0.86±0.44^b	1.50±0.35^c	2.27±0.73^a
二十二碳六烯酸/二十碳五烯酸 DHA/EPA	8.31±5.21^c	39.75±14.58^a	20.94±8.44^b	16.52±5.11^bc
总脂 Total lipid/(mg·g⁻¹)	129.84±61.97	181.50±92.48	151.89±55.95	190.20±40.39
注：同一行不同上标字母代表差异显著 (P<0.05)。 Note: Different superscript letters within the same row represent significant differences (P<0.05).

下载: 导出CSV

| 显示表格

表 3 鲨鱼肝脏脂肪酸组成

Table 3. Fatty acid profiles of liver tissue of sharks %

脂肪酸 Fatty acid	大青鲨 P. glauca	长鳍鲭鲨 I. paucus	拟锥齿鲨 P. kamoharai	尖吻鲭鲨 I. oxyrinchus
肉豆蔻酸 C14:0	4.23±1.32^a	1.30±0.45^b	1.82±0.65^b	5.18±1.82^a
十五碳酸 C15:0	0.93±0.24^b	0.66±0.18^bc	0.51±0.07^c	1.32±0.33^a
棕榈酸 C16:0	20.48±3.52^bc	22.55±3.09^ab	25.75±2.72^a	17.24±2.52^c
十七碳酸 C17:0	1.22±0.35^b	1.49±0.33^ab	1.17±0.31^b	1.89±0.40^a
硬脂酸 C18:0	8.28±1.32^b	11.86±1.59^a	12.01±2.36^a	12.38±1.32^a
饱和脂肪酸 ∑SFA	34.46±5.69^b	38.87±5.12^ab	42.45±5.22^a	39.17±1.94^ab
十六碳一烯酸 C16:1n7	5.94±2.17^b	3.55±1.04^b	5.74±2.18^b	11.22±3.85^a
十七碳一烯酸 C17:1n7	0.49±0.20^a	0.58±0.18^b	0.65±0.07^b	1.24±0.46^b
油酸 C18:1n9	12.07±7.77^b	17.98±3.42^b	25.81±2.75^a	14.39±6.13^b
二十碳一烯酸 C20:1	2.95±2.69	1.24±1.56	1.00±1.47	1.97±2.53
芥酸 C22:1n9	3.91±3.30	1.76±1.13	1.22±0.88	2.78±2.94
二十四碳一烯酸 C24:1n9	0.61±0.55^b	1.22±0.70^ab	0.99±0.78^ab	1.58±1.08^a
单不饱和脂肪酸 ∑MUFA	26.16±7.15^b	26.42±4.21^b	35.57±3.74^a	34.01±2.49^a
亚油酸 C18:2n6	1.24±0.52^b	1.03±0.33^b	1.00±0.20^b	2.07±0.67^a
二十碳二烯酸 C20:2	0.90±0.28^a	0.51±0.09^b	0.49±0.13^b	0.68±0.10^ab
二十碳三烯酸 C20:3n3	0.86±1.12^b	3.24±2.79^a	0.62±0.76^b	0.26±0.06^b
花生四烯酸 C20:4n6 (ARA)	0.85±1.05^b	3.62±2.45^a	0.80±0.77^b	0.27±0.05^b
二十碳五烯酸 C20:5n3 (EPA)	6.01±2.77^a	3.04±1.84^ab	3.06±2.66^ab	1.99±0.56^b
二十二碳二烯酸 C22:2n6	2.73±1.37^ab	1.29±0.85^ab	4.35±5.17^a	0.58±0.59^b
二十二碳六烯酸 C22:6n3 (DHA)	26.21±4.47^a	21.64±5.51^a	11.31±6.15^b	20.31±2.66^a
多不饱和脂肪酸 ∑PUFA	39.38±6.68^a	34.71±7.45^ab	21.98±6.57^bc	26.82±2.68^c
二十二碳酸和二十四碳酸 C22:0+C24:0	0.19±0.11^b	0.40±0.15^a	0.38±0.10^a	0.38±0.14^a
二十二碳六烯酸/二十碳五烯酸 DHA/EPA	5.12±2.00	17.08±27.79	36.89±63.68	11.26±5.34
总脂 Total lipid/(mg·g⁻¹)	332.10±99.59	295.95±66.59	321.03±83.73	273.33±25.39
注：同一行不同上标字母代表差异显著(P<0.05)。 Note: Different superscript letters within the same row represent significant differences (P<0.05).

下载: 导出CSV

| 显示表格

多不饱和脂肪酸含量介于37.05%~43.28%，仅有大青鲨与拟锥齿鲨种间差异显著 (P<0.05)。其中，C20:4n6、C20:5n3和C22:6n3含量较高，分别介于3.61%~5.01%、0.82%~3.20%和22.30%~32.70%。C20:5n3、C20:4n6和C22:6n3分别在大青鲨肌肉、尖吻鲭鲨和拟锥齿鲨中含量最高，其中大青鲨与拟锥齿鲨中的C20:4n6、C20:5n3和C22:6n3含量种间差异显著 (P<0.05)。拟锥齿鲨与尖吻鲭鲨中C20:4n6含量种间差异显著 (P<0.05)，大青鲨与长鳍鲭鲨、尖吻鲭鲨中C20:5n3含量种间差异显著 (P<0.05)。此外，C22:0+C24:0含量介于0.86%~2.27%，种间差异显著 (P<0.05)，在长鳍鲭鲨中含量最低。鲨鱼肌肉中的DHA/EPA介于8.31~39.75，最大值和最小值分别出现在长鳍鲭鲨和大青鲨中。

肝脏中饱和脂肪酸含量介于34.46%~42.45%，其中C16:0和C18:0含量最高，分别介于17.24%~25.75%和8.28%~12.38%。大青鲨与拟锥齿鲨的2种饱和脂肪酸含量存在显著种间差异(P<0.05)。单不饱和脂肪酸含量介于26.16%~35.57%，其中C18:1n9含量较高 (12.07%~25.81%)。拟锥齿鲨肝脏中C18:1n9含量最高，大青鲨中最低，拟锥齿鲨与大青鲨、长鳍鲭鲨、尖吻鲭鲨中C18:1n9含量种间差异显著 (P<0.05)。

多不饱和脂肪酸含量介于21.98%~39.38%，大青鲨与拟锥齿鲨、尖吻鲭鲨，长鳍鲭鲨与尖吻鲭鲨种间差异显著 (P<0.05)，其中，C20:5n3和C22:6n3含量较高，分别介于1.99%~6.01%和11.31%~26.21%。大青鲨肝脏中C20:5n3和C22:6n3含量最高，尖吻鲭鲨中C20:5n3含量最低，拟锥齿鲨中C22:6n3含量最低。大青鲨与尖吻鲭鲨中C20:5n3种间差异显著 (P<0.05)，拟锥齿鲨与大青鲨、长鳍鲭鲨、尖吻鲭鲨中C22:6n3种间差异显著 (P<0.05)。此外，C22:0+C24:0含量介于0.19%~0.40%，大青鲨与长鳍鲭鲨、拟锥齿鲨、尖吻鲭鲨种间差异显著 (P<0.05)，其中，大青鲨中含量最低。鲨鱼肝脏中DHA/EPA介于5.12~36.89，最大值和最小值分别出现在拟锥齿鲨和大青鲨中。

2.2 脂肪酸主成分分析

由主成分分析图可见造成差异的主要脂肪酸种类，肝脏相对于肌肉点的分布更分散 (图2)。尖吻鲭鲨与大青鲨的肌肉组织点基本散布在相同区域，表明其脂肪酸组成相似，两者肌肉中C20:5n3和C20:4n6含量较高；而拟锥齿鲨与长鳍鲭鲨的2种组织点均散布在相同区域，均具有较高的C18:1n9含量。2种组织点中，大青鲨与拟锥齿鲨和长鳍鲭鲨散布在不同区域，表明其脂肪酸组成存在差异，大青鲨的C18:2n6、C20:5n3和C22:1n9含量较高，其余2种鲨鱼的C16:0和C18:1n9含量较高。

图 2 热带大西洋4种鲨鱼肌肉 (a) 和肝脏 (b) 脂肪酸组成的主成分分析

Figure 2. Principal component analysis of fatty acid profiles in muscle (a) and liver (b) for four sharks in tropical Atlantic

下载: 全尺寸图片幻灯片

2.3 营养生态位

营养生态位宽度及重叠见图3，尖吻鲭鲨肌肉组织中的生态位宽度较小 (1.15)，而在肝脏中则较大 (4.71)。大青鲨2种组织营养生态位宽度均较大 (3.43~5.26)，而拟锥齿鲨2种组织营养生态位宽度均相对较小 (0.47~2.71)，长鳍鲭鲨肌肉生态位宽度较大 (5.37)。长鳍鲭鲨与拟锥齿鲨2种组织生态位图谱均存在一定重叠 (39.19%~42.13%)。在2种组织生态位图谱中，大青鲨、尖吻鲭鲨与长鳍鲭鲨、拟锥齿鲨均分离，而尖吻鲭鲨与大青鲨肌肉生态位图谱重叠度较高 (63.90%)，肝脏中则完全分离。

图 3 热带大西洋4种鲨鱼肌肉 (a) 和肝脏 (b)的营养生态位图谱

Figure 3. Trophic niche in muscle (a) and liver (b) of four sharks in tropical Atlantic

下载: 全尺寸图片幻灯片

3. 讨论

3.1 种间脂肪酸组成差异

脂肪酸是鱼类代谢的主要能量来源，是构成鱼体其他化合物的主要原料，影响鱼类的神经和视觉发育^[18]，可促进卵泡成熟，精子和类固醇的产生^[19]，因此鲨鱼不同组织对脂肪酸的吸收以及利用存在差异。4种鲨鱼肝脏中总脂含量大于肌肉，鲨鱼倾向于在肝脏中存储并合成脂质，之后通过血液、淋巴系统等将脂肪酸转移到其他组织^[20]。与鲨鱼肌肉相比，肝脏中的单不饱和脂肪酸含量相对较高，而多不饱和脂肪酸含量较低，这可能由于食物中的多不饱和脂肪酸被优先输送到性腺和肌肉等组织中，供应生长和发育需求^[21]。饱和脂肪酸和单不饱和脂肪酸可为机体提供能量，其中饱和脂肪酸是构成生物细胞膜的重要成分，由于肌肉中稳定的膜结构和功能需要，从而导致肌肉中的饱和脂肪酸含量高。2种组织的饱和脂肪酸中C16:0均含量最高，尤其在肝脏中；单不饱和脂肪酸中均以C18:1n9最为丰富，作为主要的供能物质，C18:1n9与生长、发育、基础代谢和运动关系密切^[22]。

鲨鱼不能依靠自身从头合成C22:6n3、C20:5n3和C20:4n6，只能靠摄食来满足其生长发育所需的必需脂肪酸，可提供鲨鱼的摄食信息。C20:5n3主要由硅藻自身合成，且在头足类体内含量较高^[23]，大青鲨2种组织中含有相对较高水平的C20:5n3，表明大青鲨偏好捕食头足类，所处食物链底端初级生产者可能为硅藻，这与该种鲨鱼的胃含物分析结果一致^[24]。

C20:4n6多由双壳类和甲壳类选择性的保留在体内^[25]，本研究中，长鳍鲭鲨2种组织中C20:4n6含量均较高，表明其倾向于捕食底栖甲壳类。长鳍鲭鲨个体较小且存在垂直洄游模式^[26]，可能捕食垂直迁移的甲壳类^[27]。食物链传递过程中，DHA/EPA会随营养级的上升而升高^[7]，可指示生物营养级。本研究中大青鲨2种组织的DHA/EPA低于其他3种鲨鱼，表明其营养级相对较低，这可能与其较其他3种鲨鱼摄食区域范围更广^[28]、食性更泛化，主要摄食中小型鱼类和头足类有关^[29]，与Mendez等^[30]利用稳定同位素分析加利福尼亚西南海域大青鲨的营养级结果一致。深海物种一般C18:1n9含量丰富，可用来指示生物对深水高压环境的适应性^[31]，本研究中4种鲨鱼C18:1n9含量 (9.88%~25.81%) 高于浅海长尾鲨 (7.20%~13.00%) 与镰状真鲨 (8.80%~12.50%)^[32]，表明其栖息水层较深^[23]。尖吻鲭鲨2种组织的C22:0+C24:0和C18:2n6含量相对较高，这两种脂肪酸可反映食物网主要碳源来自陆源植物^[33]。本研究中尖吻鲭鲨多为未成熟幼鲨，尖吻幼鲨为获得足够的营养会洄游至大陆架等近岸海域^[34-35]，从近岸食物网获取营养物质。

3.2 鲨鱼种间营养生态位分化

营养生态位重叠反映了种间食物资源利用的相似程度及潜在竞争关系^[36]，同域共存的物种可通过生态位分化避免或减少对有限资源的竞争^[37]。拟锥齿鲨和长鳍鲭鲨的肌肉和肝脏生态位均存在重叠，拟锥齿鲨体型较小，喜好捕食小型深海鱼类、底栖甲壳类与头足类^[38]，而本研究中长鳍鲭鲨均为未成熟个体，同样偏好捕食底栖甲壳类和小型硬骨鱼类^[39]，食性相似。由于大青鲨终身大洋性的生活史特征，摄食范围广泛且栖息水层相对较浅^[28]，与其他3种鲨鱼生态位分离，表明种间食物资源及栖息地利用的竞争程度较弱；与应用稳定同位素分析东北太平洋中部海域大青鲨与其他鲨鱼营养生态位分化的结果一致^[40]。尖吻鲭鲨肝脏生态位差异较大且与其他3种鲨鱼完全分离，这可能是因其幼鲨短期内会频繁游向更深、温度更低的海域^[41]的，食物组成与栖息环境较为复杂^[11]。而尖吻鲭鲨肌肉生态位与大青鲨重叠较高可能是因为本研究中大青鲨数量相对尖吻鲭鲨较多所致，在较长时间尺度上两者存在栖息地和摄食竞争。Klarian等^[42]胃含物分析结果显示，大西洋尖吻鲭鲨与大青鲨摄食相似，竞争激烈且有研究表明大青鲨主要以头足类、硬骨鱼类和甲壳类为食^[24]，而尖吻鲭鲨可捕食硬骨鱼类^[43]，两者有一定程度的重合。长鳍鲭鲨与尖吻鲭鲨虽同属，但营养生态位分离，与陈子昂等^[44]应用稳定同位素分析探究其营养生态位的结果一致；这可能因为本研究中长鳍鲭鲨多为雄鲨且体型较小，而尖吻鲭鲨则多为雌鲨且体型较大所致，两种鲨鱼不同体型间存在食性差异^[34,39]，但性间差异仍有待探究。

营养生态位宽度可用于表征不同物种对食物资源的利用和栖息地竞争能力的强弱^[36]。尖吻鲭鲨肌肉营养生态位宽度较小，可能是由于本研究中的尖吻鲭鲨多为未成熟个体，饵料相对单一，Maia等^[45]利用胃含物分析发现尖吻鲭鲨幼鲨偏好捕食硬骨鱼类，其食物的均匀度与多样性^[44]可能低于大青鲨和长鳍鲭鲨。而尖吻鲭鲨肝脏生态位宽度较大，可表明其短期内摄食的食物种类丰富和对资源的利用率较其他鲨鱼高。大青鲨肌肉和肝脏营养生态位宽度相对较大，表明其大洋性生活史特征及摄食饵料种类丰富。而拟锥齿鲨2种组织生态位相对较小，表明其对资源的利用能力不及其他3种鲨鱼。研究显示，体型较大的鲨鱼比较小的鲨鱼有更高的代谢需求，对栖息地利用范围更广，能更有效地捕获食物^[46]。长鳍鲭鲨具有内温性，对环境的适应性较强^[47]，因此其肌肉生态位宽度较大。4种鲨鱼肝脏和肌肉生态位宽度结果存在差异，是由于肝脏内复杂的脂肪酸代谢过程^[10]，导致其脂肪酸组成变异系数较大。

4. 结论

本研究应用多组织脂肪酸组成对中上层鲨鱼在不同时间尺度上的种间摄食、栖息地利用及营养生态位关系变化进行了较为深入的研究。4种鲨鱼存在不同程度的食性或栖息地差异，大青鲨营养生态位宽度较大，表明其对环境的适应性较强，而拟锥齿鲨营养生态位宽度较小，表现为食性特化。鲨鱼在不同时期的资源分配模式存在差异，尖吻鲭鲨与大青鲨肌肉的营养生态位重叠最高，在较长时间尺度上存在摄食竞争。肝脏脂肪酸组成可反映鲨鱼短期摄食信息，而肌肉组织可提供其综合的长期摄食信息；而鱼类的个体大小、性别、成熟度、栖息水层、食物来源等均会影响其脂肪酸组成。为更全面地了解中上层鲨鱼的营养生态学，应将脂肪酸组成分析与稳定同位素分析、DNA条形码技术等多种方法结合，进一步加深对顶级捕食者同域共存关键机制的研究。

图 1 秋刀鱼样本体长频率

Figure 1. Body length frequency of Pacific saury samples

下载: 全尺寸图片幻灯片

图 2 渔获体长组成

Figure 2. Catch at size

下载: 全尺寸图片幻灯片

图 3 基于尾数模拟数据LCA和B-LCA模型的估算值与模拟值对比图

Figure 3. Comparison between estimated and simulated values of LCA and B-LCA models based on number-based simulated data

下载: 全尺寸图片幻灯片

图 4 基于质量模拟数据LCA和B-LCA模型的估算值与模拟值对比图

Figure 4. Comparison between estimated and simulated values of LCA and B-LCA models based on mass-based simulated data

下载: 全尺寸图片幻灯片

图 5 基于LCA和B-LCA模型估算的平均资源质量与捕捞死亡系数在体长组间的变化趋势

Figure 5. Trends of average resource mass and fishing mortality coefficient between body length class estimated based on LCA and B-LCA models

下载: 全尺寸图片幻灯片

图 6 秋刀鱼捕捞死亡系数

Figure 6. Fishing mortality coefficient of Pacific saury

下载: 全尺寸图片幻灯片

表 1 秋刀鱼生物学参数

Table 1 Biological parameters of Pacific saury

参数 Parameter	符号 Symbol	数值 Value
条件因子 Condition factor	a	2.468 4×10⁻⁶
生长因子 Growth factor	b	3.110 7
自然死亡系数 Coefficient of natural mortality	M	0.328 9
捕捞死亡系数 Coefficient of fishing mortality	F	1.271 1
总死亡系数 Total mortality coefficient	Z	1.600 0
渐进体长 Asymptote length	L_∞	360.230 0
生长参数 Growth parameter	K	0.360 0

下载: 导出CSV

表 2 模型性能指标

Table 2 Model performance indicators

间隔 Interval/mm	模拟数据 Simulated data	模型 Model	性能指标 Model efficiency
5	基于资源尾数 Number-based	LCA	1.000 0
	基于资源尾数 Number-based	B-LCA	0.995 9
	基于资源质量 Mass-based	LCA	0.995 5
	基于资源质量 Mass-based	B-LCA	1.000 0
10	基于资源尾数 Number-based	LCA	1.000 0
	基于资源尾数 Number-based	B-LCA	0.986 4
	基于资源质量 Mass-based	LCA	0.983 3
	基于资源质量 Mass-based	B-LCA	1.000 0
15	基于资源尾数 Number-based	LCA	0.999 9
	基于资源尾数 Number-based	B-LCA	0.972 6
	基于资源质量 Mass-based	LCA	0.962 7
	基于资源质量 Mass-based	B-LCA	1.000 0

下载: 导出CSV

表 3 敏感性分析结果

Table 3 Sensitivity analysis results

模拟数据 Simulated data	参数 Parameter	基准方案 Base case		变化 Change	敏感性方案 Sensitivity case		敏感性指数 Sensitivity index
模拟数据 Simulated data	参数 Parameter	$ {W}_{\mathrm{b}\mathrm{a}\mathrm{s}\mathrm{e}}^{\mathrm{L}\mathrm{C}\mathrm{A}} $	$ {W}_{\mathrm{b}\mathrm{a}\mathrm{s}\mathrm{e}}^{\mathrm{B}{\text{-}}\mathrm{L}\mathrm{C}\mathrm{A}} $	变化 Change	$ {W}_{\mathrm{s}\mathrm{e}\mathrm{n}\mathrm{s}\mathrm{i}\mathrm{t}\mathrm{i}\mathrm{v}\mathrm{i}\mathrm{t}\mathrm{y}}^{\mathrm{L}\mathrm{C}\mathrm{A}} $	${W}_{\mathrm{s}\mathrm{e}\mathrm{n}\mathrm{s}\mathrm{i}\mathrm{t}\mathrm{i}\mathrm{v}\mathrm{i}\mathrm{t}\mathrm{y} }^{\mathrm{B}{\text{-}}\mathrm{L}\mathrm{C}\mathrm{A} }$	LCA	B-LCA
基于资源尾数	a	1.604 7	1.487 2	+10%	1.765 2	1.635 9	1.000 0	0.194 6
Number-based		1.604 7	1.487 2	−10%	1.444 2	1.338 5	1.000 0	1.658 9
基于资源质量		0.088 4	0.081 9	+10%	0.088 4	0.081 9	0.000 0	−0.732 2
Mass-based		0.088 4	0.081 9	−10%	0.088 4	0.081 9	0.000 0	0.732 2
基于资源尾数	b	1.604 7	1.487 2	+10%	8.448 0	7.775 2	42.645 3	38.452 7
Number-based		1.604 7	1.487 2	−10%	0.305 6	0.285 2	8.095 7	8.222 6
基于资源质量		0.088 4	0.081 9	+10%	0.095 7	0.088 1	0.831 5	−0.031 2
Mass-based		0.088 4	0.081 9	−10%	0.081 8	0.076 4	0.744 3	1.361 1
基于资源尾数	$ K $	1.604 7	1.487 2	+10%	1.786 5	1.657 7	1.133 1	0.330 0
Number-based		1.604 7	1.487 2	−10%	1.786 5	1.657 7	1.116 8	1.777 6
基于资源质量		0.088 4	0.081 9	+10%	0.098 4	0.091 3	1.135 2	0.331 8
Mass-based		0.088 4	0.081 9	−10%	0.098 4	0.091 3	−1.135 2	−0.331 8
基于资源尾数	$ {L}_{{\infty } } $	1.604 7	1.487 2	+10%	2.080 8	1.935 1	2.966 7	2.058 7
Number-based		1.604 7	1.487 2	−10%	NA	NA	NA	NA
基于资源质量		0.088 4	0.081 9	+10%	0.114 7	0.106 7	2.978 2	2.069 3
Mass-based		0.088 4	0.081 9	−10%	NA	NA	NA	NA
基于资源尾数	$ M $	1.604 7	1.487 2	+10%	1.605 3	1.487 7	0.003 5	−0.728 9
Number-based		1.604 7	1.487 2	−10%	1.604 2	1.486 7	0.003 4	0.735 4
基于资源质量		0.088 4	0.081 9	+10%	0.088 4	0.081 9	0.003 3	−0.729 2
Mass-based		0.088 4	0.081 9	−10%	0.088 4	0.081 9	0.003 1	0.735 1
基于资源尾数	$ F $	1.604 7	1.487 2	+10%	1.764 7	1.635 5	0.997 0	0.191 8
Number-based		1.604 7	1.487 2	−10%	1.444 7	1.338 9	0.997 0	1.656 1
基于资源质量		0.088 4	0.081 9	+10%	0.081 1	0.075 1	−0.827 6	−1.507 9
Mass-based		0.088 4	0.081 9	−10%	0.097 1	0.090 1	−0.981 8	−0.192 1
注：NA表示缺失值。 Note: NA indicates missing values.

下载: 导出CSV

表 4 模型参数的后验分布

Table 4 Posterior distribution of model parameters

参数 Parameter	模型 Model	95%置信区间 95% confidence interval		均值 Mean	标准差 SD	潜在尺度缩减因子 Psrf
参数 Parameter	模型 Model	下限 Lower	上限 Uppe	均值 Mean	标准差 SD	潜在尺度缩减因子 Psrf
$ M $	LCA	0.264 13	0.392 13	0.328 93	0.032 697	1.000 1
$ M $	B-LCA	0.265 26	0.394 98	0.328 75	0.033 046	1.000 0
$ F $	LCA	1.018 6	1.520 7	1.270 8	0.128 04	1.000 1
$ F $	B-LCA	1.018 1	1.516 5	1.270 5	0.127 10	1.000 2
$ K $	LCA	0.292 02	0.432 27	0.360 04	0.035 822	1.000 0
$ K $	B-LCA	0.288 91	0.430 53	0.360 27	0.036 064	1.000 2
$ {L}_{\infty } $	LCA	290.67	429.86	360.24	35.853	1.000 1
$ {L}_{\infty } $	B-LCA	288.41	429.55	360.52	36.011	1.000 1
$ b $	LCA	2.504 2	3.729 1	3.110 8	0.311 77	1.000 1
$ b $	B-LCA	2.505 1	3.722 3	3.111 2	0.310 42	1.000 0
$ a $	LCA	1.99×10⁻⁶	2.96×10⁻⁶	2.47×10⁻⁶	2.47×10⁻⁷	1.000 2
$ a $	B-LCA	1.98×10⁻⁶	2.94×10⁻⁶	2.47×10⁻⁶	2.48×10⁻⁷	0.999 99

下载: 导出CSV

表 5 秋刀鱼平均资源质量、捕捞死亡系数及最大持续产量

Table 5 Average resource mass, fishing mortality coefficient and maximum sustainable yield of Pacific saury

年份 Year	总产量 W_tc/10⁴ t	LCA			B-LCA
年份 Year	总产量 W_tc/10⁴ t	F	W/10⁴ t	W/10⁴ t	F	W/10⁴ t	W_MSY/10⁴ t
2014	63.02	0.422 6	171.51	59.72	0.427 5	126.25	52.26
2015	35.89	0.459 8	86.51	32.17	0.466 4	61.81	28.11
2016	36.17	0.458 7	86.35	32.29	0.462 5	61.68	28.22
2017	26.26	0.667 5	65.93	23.97	0.687 8	47.88	21.00
2018	43.59	0.637 6	113.86	40.52	0.658 1	83.29	35.49
均值 Mean	40.99	0.529 2	104.83	37.73	0.540 5	76.18	33.02

下载: 导出CSV

参考文献(46)

[1]	IWAHASHI M, ISODA Y, ITO S I, et al. Estimation of seasonal spawning ground locations and ambient sea surface temperatures for eggs and larvae of Pacific saury (Cololabis saira) in the western North Pacific[J]. Fish Oceanogr, 2006, 15(2): 125-138. doi: 10.1111/j.1365-2419.2005.00384.x
[2]	王茜, 崔雪森. 国际渔业动态[J]. 渔业信息与战略, 2020, 35(4): 327-332.
[3]	史登福, 张魁, 陈作志. 基于生活史特征的数据有限条件下渔业资源评估方法比较[J]. 中国水产科学, 2020, 27(1): 12-24.
[4]	COSTELLO C, OVANDO D, HILBORN R, et al. Status and solutions for the world's unassessed fisheries[J]. Science, 2012, 338(6106): 517-520. doi: 10.1126/science.1223389
[5]	HORDYK A, ONO K, VALENCIA S, et al. A novel length-based empirical estimation method of spawning potential ratio (SPR), and tests of its performance, for small-scale, data-poor fisheries[J]. ICES J Mar Sci, 2015, 72(1): 217-231. doi: 10.1093/icesjms/fsu004
[6]	RUDD M B, THORSON J T. Accounting for variable recruitment and fishing mortality in length-based stock assessments for data-limited fisheries[J]. Can J Fish Aquat Sci, 2018, 75(7): 1019-1035. doi: 10.1139/cjfas-2017-0143
[7]	WANG J T, YU W, CHEN X J, et al. Stock assessment for the western winter-spring cohort of neon flying squid (Ommastrephes bartramii) using environmentally dependent surplus production models[J]. Sci Mar, 2016, 80(1): 69-78.
[8]	TRUESDELL S B, BENCE J R, SYSLO J M, et al. Estimating multinomial effective sample size in catch-at-age and catch-at-size models[J]. Fish Res, 2017, 192: 66-83. doi: 10.1016/j.fishres.2016.11.003
[9]	JONES R. Assessing the long-term effects of changes in fishing effort and mesh size from length composition data[J]. ICES J Mar Sci, 1974, 33: 1-13.
[10]	詹秉义. 渔业资源评估[M]. 北京: 中国农业出版, 1995: 312-314.
[11]	周永东, 徐汉祥. 应用体长股分析法估算东海海鳗资源量[J]. 浙江海洋学院学报(自然科学版), 2007, 26(4): 399-403.
[12]	周永东, 张洪亮, 徐汉祥, 等. 应用体长股分析法估算东海区日本鲭资源量[J]. 浙江海洋学院学报(自然科学版), 2011, 30(2): 91-94.
[13]	吴斌, 方春林, 贺刚, 等. 运用体长股法初步估算湖口江段短颌鲚资源量[J]. 湖北农业科学, 2014, 53(16): 3866-3869.
[14]	ZHANG C I, SULLIVAN P J. Biomass-based cohort analysis that incorporates growth[J]. Trans Am Fish Soc, 1988, 117(2): 180-189. doi: 10.1577/1548-8659(1988)117<0180:BBCATI>2.3.CO;2
[15]	ZHANG C I, MEGREY B A. A simple biomass-based length-cohort analysis for estimating biomass and fishing mortality[J]. Trans Am Fish Soc, 2010, 139(3): 911-924. doi: 10.1577/T09-041.1
[16]	朱清澄, 花传祥. 西北太平洋秋刀鱼渔业[M]. 北京: 海洋出版社, 2017: 1-2.
[17]	TAMURA T, FUJISE Y. Geographical and seasonal changes of the prey species of minke whale in the Northwestern Pacific[J]. ICES J Mar Sci, 2002, 59(3): 516-528. doi: 10.1006/jmsc.2002.1199
[18]	SHIMIZU Y, TAKAHASHI K, ITO S I, et al. Transport of subarctic large copepods from the Oyashio area to the mixed water region by the coastal Oyashio intrusion[J]. Fish Oceanogr, 2009, 18(5): 312-327. doi: 10.1111/j.1365-2419.2009.00513.x
[19]	SMITH A D, BROWN C J, BULMAN C M, et al. Impacts of fishing low-trophic level species on marine ecosystems[J]. Science, 2011, 333(6046): 1147-1150. doi: 10.1126/science.1209395
[20]	PIKITCH E K, ROUNTOS K J, ESSINGTON T E, et al. The global contribution of forage fish to marine fisheries and ecosystems[J]. Fish Fish, 2014, 15(1): 43-64. doi: 10.1111/faf.12004
[21]	North Pacific Fisheries Commission. 7th Meeting Report[R]. Tokyo: NPFC, 2022.
[22]	NAKAYA M, MORIOKA T, FUKUNAGA K, et al. Growth and maturation of Pacific saury Cololabis saira under laboratory conditions[J]. Fish Sci, 2010, 76: 45-53. doi: 10.1007/s12562-009-0179-9
[23]	BAITALIUK A, ORLOV A, ERMAKOV Y K. Characteristic features of ecology of the Pacific saury Cololabis saira (Scomberesocidae, Beloniformes) in open waters and in the northeast Pacific Ocean[J]. J Ichthyol, 2013, 53(11): 899-913. doi: 10.1134/S0032945213110027
[24]	朱清澄, 杨明树, 高玉珍, 等. 西北太平洋秋刀鱼耳石生长与性成熟度、个体大小的关系[J]. 上海海洋大学学报, 2017, 26(2): 263-270.
[25]	KIMURA N, OKADA Y, MAHAPATRA K. Relationship between saury fishing ground and sea surface oceanographic features determined from satellite data along the northeastern coast of Japan[J]. J Mar Sci Technol, 2004, 2(2): 1-12.
[26]	张孝民, 石永闯, 李凡, 等. 基于MAXENT模型预测西北太平洋秋刀鱼潜在渔场[J]. 上海海洋大学学报, 2020, 29(2): 280-286.
[27]	张培超, 张孝民, 陈丙见, 等. 北太平洋秋刀鱼渔场与水温垂直结构的关系[J]. 河北渔业, 2022(6): 35-39, 44.
[28]	谢斌, 汪金涛, 陈新军, 等. 西北太平洋秋刀鱼资源丰度预报模型构建比较[J]. 广东海洋大学学报, 2015, 35(6): 58-63.
[29]	朱文涛, 陈新军, 汪金涛, 等. 基于灰色系统的西北太平洋秋刀鱼资源丰度预测[J]. 广东海洋大学学报, 2018, 38(6): 13-17.
[30]	孟令文, 朱清澄, 花传祥, 等. 栖息地指数模型在北太公海秋刀鱼渔情预报中的应用[J]. 海洋湖沼通报, 2018(6): 142-149. doi: 10.13984/j.cnki.cn37-1141.2018.06.019
[31]	许巍, 朱清澄, 张先存, 等. 西北太平洋秋刀鱼舷提网捕捞技术[J]. 齐鲁渔业, 2005, 22(10): 43-45.
[32]	石永闯, 朱清澄, 张衍栋, 等. 基于模型试验的秋刀鱼舷提网纲索张力性能研究[J]. 中国水产科学, 2016, 23(3): 704-712.
[33]	PAULY D. On the interrelationships between natural mortality, growth parameters, and mean environmental temperature in 175 fish stocks[J]. ICES J Mar Sci, 1980, 39(2): 175-192. doi: 10.1093/icesjms/39.2.175
[34]	ALLEN M S, WALTERS C J, MYERS R. Temporal trends in largemouth bass mortality, with fishery implications[J]. N Am J Fish Manag, 2008, 28(2): 418-427. doi: 10.1577/M06-264.1
[35]	HUGHES S E. Stock composition, growth, mortality, and availability of Pacific saury, Cololabis saira, of the northeastern Pacific Ocean[J]. Fish Bull, 1974, 72(1): 121-131.
[36]	GUPTA H V, KLING H, YILMAZ K K, et al. Decomposition of the mean squared error and NSE performance criteria: implications for improving hydrological modelling[J]. J Hydrol, 2009, 377(1/2): 80-91.
[37]	MORIASI D N, GITAU M W, PAI N, et al. Hydrologic and water quality models: performance measures and evaluation criteria[J]. Transactions of ASABE, 2015, 58(6): 1763-1785. doi: 10.13031/trans.58.10715
[38]	SUN X, NEWHAM L T, CROKE B F, et al. Three complementary methods for sensitivity analysis of a water quality model[J]. Environ Model Softw, 2012, 37: 19-29. doi: 10.1016/j.envsoft.2012.04.010
[39]	PLUMMER M, BEST N, COWLES K, et al. CODA: convergence diagnosis and output analysis for MCMC[J]. R News, 2006, 6(1): 7-11.
[40]	官文江, 吴佳文, 曹友华. 利用后向预报方法分析印度洋黄鳍金枪鱼资源评估模型[J]. 中国海洋大学学报 (自然科学版), 2020, 50(2): 52-59.
[41]	KIM T K. T Test as a parametric statistic[J]. Korean J Anesthesiol, 2015, 68(6): 540-546. doi: 10.4097/kjae.2015.68.6.540
[42]	RIVARD D. Effects of systematic, analytical, and sampling errors on catch estimates: a sensitivity analysis[J]. Can Spec Publ J Fish Aquat Sci, 1983, 66: 114-129.
[43]	LAI H L, GALLUCCI V F. Effects of parameter variability on length-cohort analysis[J]. ICES J Mar Sci, 1988, 45(1): 82-92. doi: 10.1093/icesjms/45.1.82
[44]	李忠炉, 金显仕, 单秀娟, 等. 小黄鱼体长-体质量关系和肥满度的年际变化[J]. 中国水产科学, 2011, 18(3): 602-610.
[45]	吴斌, 方春林, 贺刚, 等. FiSAT II 软件支持下的体长股分析法探讨[J]. 南方水产科学, 2013, 9(4): 94-98.
[46]	HOLLOWED A B, IANELLI J N, LIVINGSTON P A. Including predation mortality in stock assessments: a case study for Gulf of Alaska walleye pollock[J]. ICES J Mar Sci, 2000, 57(2): 279-293. doi: 10.1006/jmsc.1999.0637

施引文献

资源附件(0)

图(6) / 表(5)

计量

文章访问数: 168
HTML全文浏览量: 97
PDF下载量: 51
被引次数: 0

1. 材料与方法
1.1 样品采集
1.2 样品处理
1.3 数据处理
2. 结果
2.1 两种组织脂肪酸组成结果
2.2 脂肪酸主成分分析
2.3 营养生态位
3. 讨论
3.1 种间脂肪酸组成差异
3.2 鲨鱼种间营养生态位分化
4. 结论

基于体长世代分析法的秋刀鱼渔业资源评估研究

作者简介: 方 磊 (1998—)，男，硕士研究生，研究方向为渔业资源。E-mail: 18139908485@163.com

通讯作者: 花传祥 (1982—)，男，高级工程师，博士，研究方向为远洋渔业系统集成。E-mail: cxhua@shou.edu.cn

计量

出版历程