基于长度数据的南海北部深水金线鱼资源评估

刘子凯, 许友伟, 蔡研聪, 孙铭帅, 张魁, 陈作志

刘子凯, 许友伟, 蔡研聪, 孙铭帅, 张魁, 陈作志. 基于长度数据的南海北部深水金线鱼资源评估[J]. 南方水产科学, 2024, 20(4): 24-33. DOI: 10.12131/20240034
引用本文: 刘子凯, 许友伟, 蔡研聪, 孙铭帅, 张魁, 陈作志. 基于长度数据的南海北部深水金线鱼资源评估[J]. 南方水产科学, 2024, 20(4): 24-33. DOI: 10.12131/20240034
LIU Zikai, XU Youwei, CAI Yancong, SUN Mingshuai, ZHANG Kui, CHEN Zuozhi. Length-based assessment of Nemipterus bathybius in northern South China Sea[J]. South China Fisheries Science, 2024, 20(4): 24-33. DOI: 10.12131/20240034
Citation: LIU Zikai, XU Youwei, CAI Yancong, SUN Mingshuai, ZHANG Kui, CHEN Zuozhi. Length-based assessment of Nemipterus bathybius in northern South China Sea[J]. South China Fisheries Science, 2024, 20(4): 24-33. DOI: 10.12131/20240034

基于长度数据的南海北部深水金线鱼资源评估

基金项目: 广东省重点领域研发计划项目 (2020B1111030001);农业农村部财政项目“南海近海和外海渔业资源调查”(2021—2024);中国水产科学研究院中央级公益性科研院所基本科研业务费专项资金资助 (2023TD05)
详细信息
    作者简介:

    刘子凯(1999—),男,硕士研究生,研究方向为渔业资源评估。E-mail: 775767216@qq.com

    通讯作者:

    张 魁(1987—),男,副研究员,博士,研究方向为渔业资源评估和海洋生态学。E-mail: zhangkui@scsfri.ac.cn

    陈作志(1978—),男,研究员,博士,研究方向为渔业资源和海洋生态。E-mail: zzchen2000@163.com

  • 中图分类号: S 932.4

Length-based assessment of Nemipterus bathybius in northern South China Sea

  • 摘要:

    深水金线鱼 (Nemipterus bathybius) 是南海北部重要的底层经济鱼类,但近年来其资源呈现过度开发的态势。利用2014—2019年在南海北部底拖网调查中采集的3 059尾深水金线鱼生物学数据,使用基于长度的贝叶斯生物量评估 (Length-based Bayesian biomass estimation method, LBB) 和基于长度的繁殖潜力比(Length-based spawning potential ratio, LBSPR) 2种数据缺乏条件下的资源评估模型,对其资源状况进行了评估,为其种群科学管理和可持续利用提供技术支撑。结果表明,2014—2019年南海北部深水金线鱼的渐近体长 (Linf)、相对自然死亡率 (M/K) 和50%性成熟体长 (L50) 分别为23.7 cm、2.33和11.76 cm。LBB模型评估结果显示,其种群资源量水平 (B/BMSY)、50%渔获长度与最适可捕长度的比值 (Lc/Lc_opt) 分别为0.89、0.85,表明深水金线鱼处于轻度过度开发状态和生长型过度捕捞状态。LBSPR模型评估结果显示繁殖潜力比 (SPR) 为0.19,说明深水金线鱼正处于过度捕捞状态。通过先验参数的不确定性分析,发现LBB和LBSPR对参数Linf的设置极为敏感,对参数M/K的设置比较敏感,因此在使用LBB和LBSPR模型进行评估时应谨慎设置以上2种参数。

    Abstract:

    Yellowbelly threadfin bream (Nemipterus bathybius), an economically important demersal fish species in the northern South China Sea, has been overexploited in recent years. To provide technical support for the scientific management and sustainable utilization of N. bathybius stocks, based on the biological data of 3 059 individuals of N. bathybius collected during bottom trawl surveys in the northern South China Sea from 2014 to 2019, we assessed the stock status by using two assessment models [Length-based Bayesian biomass (LBB) and length-based spawning potential ratio (LBSPR)] under data-poor conditions. Results show that the asymptotic fork length (Linf), relative natural mortality (M/K), and 50% sexually mature body length (L50) of N. bathybius in the northern South China Sea from 2014 to 2019 were 23.7 cm, 2.33 and 11.76 cm, respectively. The LBB assessment results show that the relative biomass level (B/BMSY) and ratio of length of 50% of the individuals captured by the gear to optimal length-at-first-capture (Lc/Lc_opt) were 0.89 and 0.85, respectively, indicating that N. bathybius was experiencing moderate overfishing and growth overfishing. The LBSPR results show a spawning potential ratio (SPR) of 0.19, indicating that N. bathybius was experiencing overfishing. Uncertainty analysis of the priori parameters reveals that LBB and LBSPR results were extremely sensitive to the setting of Linf and sensitive to the setting of M/K. Therefore, the above two parameters should be set with caution when using LBB and LBSPR.

  • 北盘江发源于云南宣威马雄山西北麓,流经滇东、黔西南,在贵州省望谟县蔗香双江口与南盘江汇合后称红水河,其水能资源十分丰富,有多处优良水力坝址。随着11座梯级水电站在北盘江上陆续建成运行,势必对该流域鱼类资源产生重要影响。为了防止水利工程对河道鱼类产生不利影响,结合工程实际情况决定采用增殖放流措施来保护鱼类资源。近期正在放流的对象有长臀(Cranoglanis bouderius)、光倒刺鲃(Spinibarbus hollandi)、白甲鱼(Onychostoma sima)、花(Hemibarbus maculatus),其中长臀已被列入《中国濒危动物红皮书—鱼类》[1]。贵州北盘江鱼类增殖放流站已于2009年12月和2010年9月在光照电站库区和董箐电站库区放流光倒刺鲃、长臀、花和白甲鱼共计624 310尾[2]。根据近期的回捕调查报告以及对当地渔民的采访得知,目前白甲鱼的放流效果最好,许多河段都能捕到持有荧光标记的白甲鱼,而效果最差的为长臀

    根据国外研究报道,对于放流的幼鱼,在放流后7 d内能否生存取决于其游泳能力,且有过逃避捕食经验的鱼会比无经验的鱼更好地逃避敌害而幸存下来[3]。其中突进游泳是鱼类在逃避敌害、捕获食物、短暂急促环境刺激、穿越高速水流等情况下表现出的游泳行为[4-6],在一定程度上决定了鱼类野外生存的能力。可以认为放流鱼的突进游速与其野外生存能力之间存在着一定的联系。

    突进游速持续时间在20 s以内,是鱼类无氧运动的重要测量指标[7],是鱼类3种常规判定鱼类游泳能力指标之一[8],而中国学者对鱼的突进游速研究甚少,仅见史航等[9]对许氏平鲉(Sebastods schlegelii)、大泷六线鱼(Hexagrammos otakii)的临界游速与爆发游速及其生理指标的研究和乔云贵等[10]对不同淡水鱼类游泳速度的初步研究。而且中国对于游泳能力的研究主要是为近年来兴起的鱼道建设提供设计参考资料,对于游泳能力与增殖放流之间联系的探索并不多。对已有的长臀以及白甲鱼这些经济鱼类的研究更多侧重于生物特性、养殖繁育方面[11-13],而关于2种鱼类的游泳行为的研究目前还未见报道。文章通过对长臀和白甲鱼2种放流鱼种突进游速的测试,为增殖放流活动以及后期放流效果评估提供基础资料。

    测试研究所用装置为实验室自制装置[14](图 1)。装置的体积为54 L(长×宽×高:86 cm×37 cm×17 cm),观察区体积为4.50 L(长×宽×高:37 cm×11 cm×11 cm)。试验装置通过调频器改变电机的转速来实现水流流速的改变,在水流进入观察区处设置整流器,使得试验鱼能在较为平稳的近似等速的水流中游泳,当试验鱼在迎流的游动中保持相对位置不变时可认为鱼在用一个与水流流速十分接近的游速在游动,最后认为此时水流的流速等于试验鱼的游速。整个装置中的水流处于循环流动中,在螺旋桨的旁边开一圆形小孔,可以补充与大气连接的水体进入密闭空间,使水流获得一定的溶氧,进一步减小溶氧因素对鱼类游泳能力的影响。

    图  1  测试鱼类游泳能力装置示意图
    1.电动机;2.变频器;3.拦网;4.外箱;5.摄像机;6.游泳槽;7.整流器;8. 螺旋桨
    Fig. 1  Device for testing swimming ability of fish
    1. pump; 2. frequency controller; 3. net; 4. tank; 5. camera; 6. swimming tunnel; 7. flow streamer; 8. propeller

    试验鱼由贵州北盘江光照鱼类增殖放流站提供,选取即将要放流的白甲鱼和长臀各20尾,试验前在循环控温水池中(水容量8.50 m3)暂养2 d,暂养期间每天用饵料投足喂饱。采用曝气自来水,水中溶解氧质量浓度大于7 mg·L-1,水温控制在(22±1)℃,光照为室内自然光。2 d后再从中挑出体质状况良好、未受伤的样本各10尾进行测试。其中长臀体长为6.50~15.50 cm,白甲鱼的体长为8.20~23.40 cm。

    通过调节变频器控制电机转速从而改变试验水槽中的水流流速,频率步长为4 Hz。此次试验在游泳槽的观察区选取3个断面,每个断面上选取上、中、下3个点进行测速,水流的速度由Vectrino小威龙点式流速仪(Nortek)测定,每一频率下各个点读取3次读数,最后取平均值。建立流速(y) 与调节频率(x) 之间的线性关系:y=0.035 1x-0.003 9,R2=0.998 2 (图 2)。

    图  2  速度与频率的关系
    Fig. 2  Relationship between speed and frequency

    第一步需要进行临界游速Ucrit预试验。选取1尾体质状况良好的鱼放于水槽游泳区内,给鱼一个极小的流速适应20 min,之后每1min以0.5 BL·s-1(BL:体长)的速度升高水流速度,直到试验鱼疲劳。由频率与速度关系得出临界游速粗略值,作为随后正式试验的调节参数。

    正式试验时,在循环控温水池中选取状况良好、未受伤的2种鱼各10尾进行逐条试验。将每尾试验鱼用直径为20 cm的小塑料盆舀至试验水槽测试区,封上测试区顶盖,开启调频电机,在0.5 BL·s-1的水流速度下适应1 h后,每隔5 min将流速调高0.5 BL·s-1直至60%的Ucrit估计值[15],以后每隔20 s将流速提高15%Ucrit,直到试验鱼达到力竭状态(疲劳判定准则为试验鱼被水冲至游泳槽尾部拦网并停留20 s以上)。整个游泳试验过程溶解氧质量浓度不低于7 mg·L-1,游泳装置内水温控制在(22.0±0.5)℃。记录试验鱼的力竭时刻,并将其从观察区中取出,测定体长、体质量。Uburst计算公式参照临界游速公式[16]

    $$ U_{\text {burst }}=U+(t / T) \Delta U $$ (1)

    式中T为在各速度梯度下设定时间(min),U为鱼力竭前一档速度,ΔU为各速度梯度的速度增量(15% Ucrit估计值),t为未能完成设定时间的实际持续游泳时间(t<20 s)。实测Uburst即为绝对临界游泳速度$U_{\text {burst }}^a$ ,为了消除体长对Uburst的影响、以便更有效地比较各种鱼的游泳能力,一般采用相对临界游泳速度(Ur,单位为BL·s-1),其计算公式表示为:

    $$ U_{\text {burst }}^r=U_{\text {burst }}^a/ B L $$ (2)

    试验测试所得数据用Excel 2003进行计算绘图并用SPSS 19.0软件进行了鱼种之间数据比较,分析比较2种鱼类的突进游速及相对突进游速之间的差异。统计值以平均数±标准差(X ±SD)描述,差异显著以P<0.05表示。通过回归分析对鱼类体长与临界游速、体长与突进游速的关系进行拟合。

    根据鱼类游速公式计算,经分析得出长臀和白甲鱼的突进游速与相对突进游速(表 1)。试验水温控制在(22±1)℃的情况下,白甲鱼的突进游速和相对突进游速都高于长臀的相应游速,大体可看出长臀的突进游泳能力比白甲鱼要弱。经统计检验得出长臀和白甲鱼2种鱼的突进游速和相对突进游速均存在显著差异(P < 0.05)。

    表  1  长臀和白甲鱼的突进游速
    Table  1  Burst swimming speed of C.bouderius and O.sima
    种类
    species
    体长/cm
    length
    突进游速/cm·s-1
    burst swimming speed
    相对突进游速/BL·s-1
    relative burst swimming speed
    长臀(C.bouderius) 11.44±3.31 94.10±10.93a 8.67±1.75a
    白甲鱼(O.sima) 14.99±4.46 153.70±9.97b 10.94±2.71b
    注:表中的值为平均值±标准差(n=10);同一列中具有不同字母标记的数值表示差异显著(P < 0.05)
    Note: Data are shown in X ±SD(n=10);values with different superscript letters in the same column are different from each other(P < 0.05).
    下载: 导出CSV 
    | 显示表格

    2种鱼的突进游速随体长的增长呈递增趋势(图 3),而相对突进游速随体长的增长则呈递减趋势,并且线性关系比较显著(图 4)。其中长臀的突进游速与体长的曲线估计回归拟合关系式为y1=3.209 5x+57.383,R2=0.943 4;白甲鱼的突进游速与体长的曲线估计回归拟合关系式为y2=2.096 8x+122.27,R2=0.878 6;长臀的相对突进游速与体长的曲线估计回归拟合关系式为y3=-0.511 1x+14.512,R2=0.934 4;白甲鱼的相对突进游速与体长的曲线估计回归拟合关系式为y4=-0.579 4x+19.629,R2=0.908 7。

    图  3  长臀(a)和白甲鱼(b)的突进游速与体长关系
    Fig. 3  Relationship between burst swimming speed and body length of C.bouderius (a) and O.sima (b)
    图  4  长臀(a)和白甲鱼(b)的相对突进游速与体长关系
    Fig. 4  Relationship between relative burst swimming speed and body length of C.bouderius (a) and O.sima (b)

    衡量突进游泳行为的指标——突进游速与持续时间,与鱼的规格等因素有关,就绝对速度而言,突进游速与鱼的体长成正比例关系,而相对游速则与鱼的体长成反比例关系[17-18]。此研究结果表明,白甲鱼的突进游速大于长臀,且2种鱼的突进游速随体长增加而近似线性增大,而相对突进游速随着体长的增加而近似线性减小,这与之前其他研究[17-18]所得结论相一致。目前对于鱼类突进游速的研究报道较少。此研究中体长为(11.44±3.31)cm的长臀相对爆发游速为(8.67±1.75)BL·s-1,与乔云贵等[10]研究所得体长为(16.88±1.99)cm的鲫(Carassius auratus)相对爆发游速为(8.64±0.60) BL·s-1的结果相近。史航等[9]研究表明体长为10.00~22.00 cm的许氏平鲉其爆发游速为76.68~118.18 cm·s-1、体长为10.00~22.00 cm的大泷六线鱼其爆发游速为81.69~121.25 cm·s-1,而此研究所得的长臀(体长6.50~15.50 cm)的突进游速范围为79.00~110.00 cm·s-1,与史航等[9]的测试结果相符。笔者研究中白甲鱼的相对突进游速为(10.94±2.71)BL·s-1,这与一般情况下对多数鱼而言突进游泳速度都可近似采用10.00 BL·s-1进行估算的结论[19-20]也相一致。另外,从此研究结果可知在体长基本相同的情况下,白甲鱼的突进游速明显高于长臀的突进游速,并且高于之前中国学者研究的鱼类的突进游速,表现了很强的游泳能力。

    长臀和白甲鱼的突进游速随着体长的增加而增大的现象,可能是由于鱼在水中发生游泳行为时,其单位体质量所需要的前进功率与其体长大小成反比[21],即体长越长的鱼消耗的推进能量越少,体长越短的鱼需要更多的能量来保持推进。笔者研究的试验鱼暂养与试验期间,白甲鱼常从循环水池或游泳槽中跃出,表明白甲鱼具有较强的跳跃能力。有学者认为,采用动量守恒的原理,通过公式Vburst =(2gh)1/2可以看出跳跃能力越高具备的突进游速也越大[22]。笔者认为白甲鱼突出的游泳能力主要体现在体型特征上,白甲鱼呈典型纺锤型体,侧扁,背部在背鳍前方隆起,与大洋性鱼类旗鱼(Histiophorus orientalis)的形体特征十分相似,而据报道旗鱼有很强的游泳能力[23]。因为笔者研究测试的2种鱼苗均为增殖放流鱼种,两者均生活在人工饲养环境下,生活水流都趋于平缓,摄食依靠人工喂养,并未在野外生活过,可认为此研究中2种鱼类游泳能力的差异受培苗期间栖息环境及生活习性等因素的影响较小。而在野外栖息环境中,鱼类游泳速度与众多因素有关,包括温度和溶解氧、生理状况、发育阶段等[24],都会造成长臀与白甲鱼在突进游速上的差异。

    笔者认为,白甲鱼的增殖放流效果显著可能得益于其突出的游泳能力,而其体型特征是突出游泳能力的根本原因;长臀由于突进游速较小再加上环境适应能力较差,可能导致野外成活率降低,从而影响放流效果。因此,在增殖放流活动中,条件允许的情况下选择具备白甲鱼体型特征的鱼类,有利于提高其放流效果。

    研究表明,大规格的放流鱼苗成活率要高于小规格的鱼苗[25],这与鱼类的突进游速随着体长的增大而增加存在一定的关系。可以根据鱼类体长与突进游速的关系得出鱼类在野外生存所需最佳突进游速下的体长参数。由于研究鱼类野外生存所需最佳突进游速涉及众多因素,目前没有相关的概念阐述,笔者研究仅从捕食关系来选定野外生存最佳突进游速。北盘江中分布着一定数量的平均体长在20.00 cm左右的鳜(Simiperca)、鳡(Elopichthys bambusa)、鲶(Silurus)等野生鱼,这些鱼种在遇到尺寸合适的放流幼鱼时会进行猎食,由于绝大多数鱼类的突进游速可近似采用10.00 BL·s-1进行估算,笔者研究采用9.00 BL·s-1估算,认为3种捕食鱼的突进游速为180.00 cm·s-1。则放流鱼类要想逃脱捕食鱼类的攻击至少需要具备180.00 cm·s-1的突进游速,因此选择该游速为放流鱼类野外生存的最佳突进游速。根据笔者研究得出的突进游速与体长的关系,计算出长臀的野外生存最佳突进游速对应的体长为38.20 cm,白甲鱼的野外生存最佳突进游速对应的体长为27.53 cm。放流的2种鱼中白甲鱼的平均体长更接近于其野外生存最佳突进游速对应的体长,长臀的放流鱼体长与相应的最佳突进游速下的体长差距较大,这也很好地解释了实践中白甲鱼显著的放流效果。此研究结论可为增殖放流鱼苗规格的选择提供较好的参考资料。

    目前对于突进游速的测试方法还不成熟,笔者仅参照相对较为成熟的临界游速测试方法测定长臀和白甲鱼的突进游速,结果能否体现2种鱼类的真实突进游速有待深入验证。突进游泳能力在放流后的关键成活阶段所发挥作用的程度也有待在研究北盘江各种鱼类之间的竞争与捕食关系的基础上深入探讨,此外对于文章中关于最佳突进游速下的体长参数的应用也有很多局限,如并未真正地获得北盘江捕食鱼类的突进游速资料,放流鱼苗规格的选择也应考虑成本、遗传效应[26]等因素,需要综合各因素来决定具体鱼苗尺寸。

  • 图  1   南海北部近海研究区域及站点分布

    Figure  1.   Study area and station distribution in offshore northern South China Sea

    图  2   南海北部雄性、雌性、整体深水金线鱼体长-体质量关系

    Figure  2.   Length-body mass relationship among male, female and all N. bathybius in northern South China Sea

    图  3   南海北部深水金线鱼性成熟比例与体长拟合的逻辑斯蒂曲线

    Figure  3.   Logistic model fitted for relationship between body length and percentage of mature N. bathybius in northern South China Sea

    图  4   南海北部深水金线鱼基于LBB方法的分析结果

    注:左图为模型对体长数据的拟合曲线,右图为LBB方法的预测;Lc是50%个体被渔具捕获的体长;Lopt为未开发种群获得最大生物量的捕捞体长。

    Figure  4.   Estimated values for N. bathybius in northern South China Sea by length-based Bayesian biomass assessment model

    Note: The left figure shows the fits of the model to length data, and the right figure shows the predictions of the LBB analysis; Lc. Length of 50% of the individuals captured by the gear; Lopt. Fishing body length for obtaining maximum biomass in undeveloped populations.

    图  5   南海北部深水金线鱼基于LBSPR方法的分析结果

    注:a. 长度-频率分布(柱状图),预测的种群大小组成(折线图);b. LBSPR模型拟合的性成熟和选择性曲线,其中L50=11.76 cm和L95=12.94 cm时;c. 选择性参数($S_{L_{50}}$和 $S_{L_{95}} $)、捕捞死亡率与自然死亡率的比值(F/M)和繁殖潜力比的估计值;d. 在目标SPR=0.4时,观测到的长度-频率数据与预期的大小组成。

    Figure  5.   Length-based spawning potential ratio for N. bathybius in northern South China Sea

    Note: a. Length-frequency distribution (Pillars), and predicted fished size composition (Line chart); b. Maturity and selectivity curves from the fitted LBSPR model when L50 was 11.76 cm and L95 was 12.94 cm; c. Distribution of mean selectivity parameters ($S_{L_{50}} $ and $S_{L_{95}} $), fishing mortality to natural mortality (F/M), and spawning potential ratio; d. Observed length-frequency data against an expected size composition at a target SPR of 0.4.

    表  1   南海北部深水金线鱼的样品信息

    Table  1   Sample information of N. bathybius in northern South China Sea

    年份
    Year
    月份
    Month
    样本数
    Sampling
    number
    体长 Body length/mm
    范围
    Range
    均值±标准差
    Mean±Standard
    deviation
    2014 7 293 93~193 121.2±16.3
    10 225 77~184 119.9±21.6
    2015 1 120 73~172 121.8±18.7
    4 330 75~189 111.4±19.2
    2016 7 304 84~200 121.8±19.4
    10 78 74~178 122.1±23.8
    2017 1 71 72~176 109.3±18.7
    4 197 72~158 115.0±15.3
    2018 3 220 75~176 113.8±19.0
    8 87 78~182 126.0±24.2
    2019 3 524 73~176 106.6±16.8
    9 610 65~192 117.3±19.0
    下载: 导出CSV

    表  2   LBB和LBSPR方法所需数据目录

    Table  2   Data for LBB and LBSPR methods

    参数
    Parameter
    估算值
    Estimated value
    基于长度的繁殖潜力比模型
    Length-based spawning potential ratio
    (LBSPR) assessment model
    基于长度的贝叶斯估计模型
    Length-based Bayesian biomass
    (LBB) assessment model
    长度-频率数据
    Length–frequency data
    /
    渐近体长 (Linf)
    Asymptotic length/cm
    23.7 cm
    生长系数 (K)
    Growth coefficient
    0.326
    自然死亡率 (M)
    Natural mortality
    0.762
    相对自然死亡率M/K 2.33
    50%性成熟体长 (L50)
    Body length at 50% sexual maturity/cm
    11.76
    95%性成熟体长 (L95)
    Body length at 95% sexual maturity/cm
    12.94
    渐近体长的变异系数
    Coefficient of variation of Linf
    0.1
    长度-体质量关系参数 (a)
    Length-body mass relationship parameter
    6.854 0×10−5
    长度-体质量关系参数 (b)
    Length-body mass relationship parameter
    2.797 4
    注:“√” 代表必需数据;“〇”代表可选数据。 Note: "√" represents required data; "〇" represents optional data.
    下载: 导出CSV

    表  3   LBB和LBSPR在不同先验参数下的评估结果

    Table  3   Estimated results of LBB and LBSPR parameters with different priors

    组号
    Group No.
    先验参数
    Prior parameter
    LBSPR结果
    Results of LBSPR
    LBB结果
    Results of LBB
    Linf/mm L50/mm M/K F/M SPR B/BMSY F/M Lc/Lc_opt
    1 237 117.6 2.33 1.71 0.19 0.89 1.00 0.85
    2 232 1.73 0.20 0.99 0.90 0.87
    3 234 1.76 0.20 0.94 0.97 0.86
    4 236 1.71 0.19 0.90 1.00 0.85
    5 238 1.84 0.18 0.87 1.10 0.84
    6 240 1.73 0.19 0.84 1.10 0.83
    7 242 1.94 0.17 0.81 1.10 0.82
    8 237 112.6 2.33 1.71 0.21 0.89 1.00 0.85
    9 114.6 1.71 0.21 0.89 1.00 0.85
    10 116.6 1.71 0.20 0.89 1.00 0.85
    11 118.6 1.71 0.19 0.89 1.00 0.85
    12 120.6 1.71 0.18 0.89 1.00 0.85
    13 122.6 1.71 0.17 0.89 1.00 0.85
    14 237 117.6 2.28 1.77 0.19 0.84 1.10 0.83
    15 2.30 1.75 0.19 0.87 1.00 0.84
    16 2.32 1.73 0.19 0.87 1.00 0.84
    17 2.34 1.70 0.20 0.89 1.00 0.84
    18 2.36 1.68 0.20 0.92 1.00 0.86
    19 2.38 1.66 0.20 0.92 0.99 0.86
    下载: 导出CSV

    表  4   不同时期深水金线鱼种群参数

    Table  4   Population parameters of N. bathybius in different periods

    参数
    Parameter
    年份 Year
    1992 1997 2009 2017
    渐近体长 Asymptotic length (Linf)/mm 242 220 235 237
    生长系数Growth coefficient (K) 0.39 0.45 0.48 0.326
    50%性成熟体长Body length at 50% sexual maturity (L50)/mm 128.6 116.5 110.5 117.6
    下载: 导出CSV
  • [1] 陈再超, 刘继兴. 南海经济鱼类[M]. 广州: 广东科学与技术出版社, 1982: 184-188.
    [2] 宁平. 中国金线鱼科鱼类分类、系统发育及动物地理学研究 [D]. 青岛: 中国科学院海洋研究所, 2012: 25-28.
    [3] 王雪辉, 邱永松, 杜飞雁. 南海北部深水金线鱼生物学及最适开捕体长[J]. 应用生态学报, 2005(12): 2428-2434. doi: 10.3321/j.issn:1001-9332.2005.12.041
    [4] 陈作志, 孔啸兰, 徐姗楠, 等. 北部湾深水金线鱼种群参数的动态变化[J]. 水产学报, 2012, 36(4): 584-591.
    [5] 崔奕波. 鱼类生物能量学的理论与方法[J]. 水生生物学报, 1989, 13(4): 15. doi: 10.3321/j.issn:1000-3207.1989.04.003
    [6] 李忠炉, 卢伙胜, 甘喜萍, 等. 北部湾口海域深水金线鱼生长和死亡研究[J]. 水产科学, 2009, 28(10): 556-562. doi: 10.3969/j.issn.1003-1111.2009.10.002
    [7] 陈作志, 林昭进, 邱永松. 基于AHP的南海海域渔业资源可持续利用评价[J]. 自然资源学报, 2010, 25(2): 249-257. doi: 10.11849/zrzyxb.2010.02.009
    [8] 张魁, 廖宝超, 许友伟, 等. 基于渔业统计数据的南海区渔业资源可捕量评估[J]. 海洋学报, 2017, 39(8): 25-33.
    [9]

    ZHANG K, CAI Y C, LIAO B C, et al. Population dynamics of threadfin porgy Evynnis cardinalis, an endangered species on the IUCN red list in the Beibu Gulf, South China Sea[J]. J Fish Biol, 2020, 97(2): 479-489. doi: 10.1111/jfb.14398

    [10]

    ZHANG K, GUO J Z, XU Y W, et al. Long-term variations in fish community structure under multiple stressors in a semi-closed marine ecosystem in the South China Sea[J]. Sci Total Environ, 2020, 745: 140892. doi: 10.1016/j.scitotenv.2020.140892

    [11]

    ZHANG K, LI J J, HOU G, et al. Length-based assessment of fish stocks in a data-poor, jointly exploited (China and Vietnam) fishing ground, northern South China Sea[J]. Front Mar Sci, 2021, 8: 718052. doi: 10.3389/fmars.2021.718052

    [12] 耿喆, 朱江峰, 夏萌, 等. 数据缺乏条件下的渔业资源评估方法研究进展[J]. 海洋湖沼通报, 2018, 164(5): 130-137.
    [13] 刘维达, 林昭进, 江艳娥, 等. 南海北部陆架区底层渔业资源的空间分布特征[J]. 热带海洋学报, 2011, 30(5): 95-103. doi: 10.3969/j.issn.1009-5470.2011.05.013
    [14]

    MILDENBERGER T K, TAYLOR M H, WOLFF M. TropFishR: an R package for fisheries analysis with length-frequency data[J]. Methods Ecol Evol, 2017, 8(11): 1520-1527. doi: 10.1111/2041-210X.12791

    [15]

    PAULY D. Some simple methods for the assessment of tropical fish stocks. FAO Fisheries Technical Paper No. 234[M]. Rome: FAO, 1983: 50-57.

    [16]

    PAULY D, MUNRO J L. Once more on the comparison of growth in fish and invertebrates[J]. Fishbyte, 1984, 2(1): 1-21.

    [17]

    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

    [18]

    THEN A Y, HOENIG J M, HALL N G, et al. Evaluating the predictive performance of empirical estimators of natural mortality rate using information on over 200 fish species[J]. ICES J Mar Sci, 2015, 72(1): 82-92. doi: 10.1093/icesjms/fsu136

    [19]

    YU Y, ZHANG H R, JIN J B, et al. Trends of sea surface temperature and sea surface temperature fronts in the South China Sea during 2003–2017[J]. Acta Oceanol Sin, 2019, 38(4): 106-115. doi: 10.1007/s13131-019-1416-4

    [20]

    VILA Y, SILVA L, TORRES M A, et al. Fishery, distribution pattern and biological aspects of the common European squid Loligo vulgaris in the Gulf of Cadiz[J]. Fish Res, 2010, 106(2): 222-228. doi: 10.1016/j.fishres.2010.06.007

    [21]

    PRINCE J, VICTOR S, KLOULCHAD V, et al. Length based SPR assessment of eleven Indo-Pacific coral reef fish populations in Palau[J]. Fish Res, 2015, 171: 42-58. doi: 10.1016/j.fishres.2015.06.008

    [22]

    PONS M, COPE J M, KELL L T. Comparing performance of catch-based and length-based stock assessment methods in data-limited fisheries[J]. Can J Fish Aquat Sci, 2020, 77(6): 1026-1037. doi: 10.1139/cjfas-2019-0276

    [23]

    ZHANG K, ZHANG J, ZHANG P, et al. This is what we know: assessing the stock status of the data-poor skipjack tuna (Katsuwonus pelamis) fishery in the South China Sea[J]. Front Mar Sci, 2023, 10: 1095411. doi: 10.3389/fmars.2023.1095411

    [24]

    PALOMARES M L D, FROESE R, DERRICK B, et al. A preliminary global assessment of the status of exploited marine fish and invertebrate populations[R]. Vancouver: The University of British Columbia, 2018: 14-32.

    [25]

    FROESE R, WINKER H, CORO G, et al. A new approach for estimating stock status from length frequency data[J]. ICES J Mar Sci, 2019, 76(1): 350-351. doi: 10.1093/icesjms/fsy139

    [26]

    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, 2014, 72(1): 217-231.

    [27]

    WALTERS C J , MARTELL S J D. Fisheries ecology and management[M]. Princeton: Princeton University Press, 2004: 155-157.

    [28]

    ALAM M S, LIU Q, SCHNEIDER P, et al. Length-based stock assessment for the data-poor Bombay duck fishery from the Northern Bay of Bengal Coast, Bangladesh[J]. J Mar Sci Eng, 2022, 10(2): 213. doi: 10.3390/jmse10020213

    [29]

    RICHARD K, OUSMANE S, FENG W, et al. Length-based assessment methods for the conservation of a pelagic shark, Carcharhinus falciformis from the Tropical Pacific Ocean[J]. Fish Basel, 2022, 7(4): 184.

    [30]

    HORDYK A, ONO K, SAINSBURY K, et al. Some explorations of the life history ratios to describe length composition, spawning-per-recruit, and the spawning potential ratio[J]. ICES J Mar Sci, 2014, 72(1): 204-216.

    [31]

    DOWLING N A, DICHMONT C M, HADDON M, et al. Empirical harvest strategies for data-poor fisheries: a review of the literature[J]. Fish Res, 2015, 171: 141-153. doi: 10.1016/j.fishres.2014.11.005

    [32] 夏恒睿, 王琨, 董秀强, 等. 基于体长-繁殖潜力比方法的海州湾小黄鱼资源状态评估[J]. 中国海洋大学学报(自然科学版), 2022, 52(12): 25-32.
    [33]

    GULLAND J A. Fish stock assessment: a manual of basic method[M]. New York: Wiley, 1983: 87-125.

    [34]

    XU Y W, ZHANG P, PANHWAR S K, et al. The initial assessment of an important pelagic fish, Mackerel scad, in the South China Sea using data-poor length-based methods[J]. Mar Coast Fish, 2023, 15(5): 10258. doi: 10.1002/mcf2.10258

    [35]

    LIAO B C, XU Y W, SUN M S, et al. Performance comparison of three data-poor methods with various types of data on assessing southern Atlantic albacore fishery[J]. Front Mar Sci, 2022, 9: 825461. doi: 10.3389/fmars.2022.825461

    [36]

    CONOVER D O, MUNCH S B. Sustaining fisheries yields over evolutionary time scales[J]. Science, 2002, 297(5578): 94-106. doi: 10.1126/science.1074085

    [37] 耿平, 张魁, 陈作志, 等. 北部湾蓝圆鲹生物学特征及开发状态的年际变化[J]. 南方水产科学, 2018, 14(6): 1-9. doi: 10.12131/20180106
    [38] 史登福, 张魁, 蔡研聪, 等. 南海北部带鱼群体结构及生长、死亡和性成熟参数估计[J]. 南方水产科学, 2020, 16(5): 51-59. doi: 10.12131/20200055
    [39]

    HOMMIK K, FITZGERALD C J, KELLY F, et al. Dome-shaped selectivity in LB-SPR: length-based assessment of data-limited inland fish stocks sampled with gillnets[J]. Fish Res, 2020, 229: 105574. doi: 10.1016/j.fishres.2020.105574

    [40] 王雪辉, 杜飞雁, 邱永松. 南海北部主要经济鱼类体长与体重关系[J]. 台湾海峡, 2006(2): 262-266.
    [41] 王雪辉, 邱永松, 杜飞雁, 等. 基于长度贝叶斯生物量法估算北部湾二长棘鲷种群参数[J]. 水产学报, 2020, 44(10): 1654-1662.
    [42]

    ZHANG K, ZHANG J, SHI D F, et al. Assessment of coral reef fish stocks from the Nansha Islands, South China Sea, using length-based Bayesian biomass estimation[J]. Front Mar Sci, 2021, 7: 610707. doi: 10.3389/fmars.2020.610707

  • 期刊类型引用(4)

    1. 王永猛,柯森繁,林晨宇,张奔,杨国党,雷青松,邓晓川,石小涛. 红河(元江)流域的典型鱼类游泳能力探究及在过鱼设施流速设计中的应用. 湖泊科学. 2021(06): 1820-1831 . 百度学术
    2. 周艳波,陈丕茂,冯雪,袁华荣. 广东主要海洋经济物种增殖放流初期存活率探讨. 安徽农业科学. 2020(22): 103-106+140 . 百度学术
    3. 刘慧杰,王从锋,刘德富,陈明明,朱良康. 不同运动状态下鳙幼鱼的游泳特性研究. 南方水产科学. 2017(02): 85-92 . 本站查看
    4. 刘岩,孙典荣,耿倩,杨长平,赵静,段妍. 茜素红与钙黄绿素标记不同规格黑鲷幼鱼的比较研究. 南方水产科学. 2016(06): 17-24 . 本站查看

    其他类型引用(2)

推荐阅读
3组常用鱼类edna宏条形码通用引物对三亚水环境样品的物种检出效果比较
郭瑶杰 et al., 南方水产科学, 2025
2018—2023年珠江口鱼类群落结构变化及其与环境因子的关系
马菁菁 et al., 南方水产科学, 2024
广西银滩南部海域海洋牧场渔业资源评估
牛麓连 et al., 南方水产科学, 2024
基于声学技术定点监测海洋牧场鱼类资源昼夜变化研究
程高 et al., 南方水产科学, 2024
海洋中尺度涡对南太平洋长鳍金枪鱼延绳钓渔获量的影响
ZHENG Chunwen et al., JOURNAL OF SHANGHAI OCEAN UNIVERSITY, 2025
应用3种数据有限方法对印度洋近海金枪鱼类和马鲛类资源评估
CHEN Di'an et al., JOURNAL OF SHANGHAI OCEAN UNIVERSITY, 2024
Extent of illegal sand mining in the mekong delta
Yuen, Kai Wan et al., COMMUNICATIONS EARTH & ENVIRONMENT, 2024
A coastal wetlands mapping approach of yellow river delta with a hierarchical classification and optimal feature selection framework
Xing, Huaqiao et al., CATENA, 2023
Quantitative analysis of asymmetric flux reversal permanent magnet linear machine for long excursion application
IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, 2024
Data-driven method for predicting long-term underground pipeline settlement induced by rectangular pipe jacking tunnel construction
JOURNAL OF PIPELINE SYSTEMS ENGINEERING AND PRACTICE
Powered by
图(5)  /  表(4)
计量
  • 文章访问数:  172
  • HTML全文浏览量:  81
  • PDF下载量:  74
  • 被引次数: 6
出版历程
  • 收稿日期:  2024-02-06
  • 修回日期:  2024-04-20
  • 录用日期:  2024-05-08
  • 网络出版日期:  2024-06-05
  • 刊出日期:  2024-08-04

目录

/

返回文章
返回