Study on diurnal and nocturnal variation of fish resources in marine ranching by fixed-point monitoring based on acoustic technology
-
摘要:
为深入评估海洋牧场人工鱼礁的建设成效,促进海洋资源的有效管理和可持续利用,于2023年7和12月分别在广东珠海大蜘洲和广西北海银滩南部的海洋牧场人工鱼礁区,采用分裂波束式科学探鱼仪 (Simrad EK80) 对其鱼类资源进行渔业声学定点监测,系统分析了监测海域内的目标强度 (Target strength, TS) 分布、海域散射系数 (Nautical area scattering coefficient, NASC) 的昼夜变化及海流状态。结果显示:北海人工鱼礁区的鱼类资源TS变化范围为 −51.9~−31.0 dB,平均为 −44.8 dB;珠海人工鱼礁区的TS变化范围为 −51.7~−25.5 dB,平均为 −45.4 dB;人工鱼礁区的鱼类资源TS变化范围及平均值普遍优于对照区,鱼类资源主要在5 m以深的水层分布,且数量更丰富;北海人工鱼礁区底层的NASC与海流速度之间存在显著的正相关关系 (p<0.05)。研究结果揭示了海洋牧场渔业资源的昼夜变化规律,丰富了海洋牧场渔业资源监测的研究方法,为海洋牧场效果评估提供了参考依据。
Abstract:To thoroughly evaluate the effectiveness of artificial reefs in marine ranching, and to promote the sustainable use and effective management of marine resources, we conducted the fixed-point acoustic monitoring of fish resources by using a split-beam scientific echosounder (Simrad EK80) in two research areas: the artificial reef area of Zhuhai Dazhizhou Marine Ranch in July 2023 and the artificial reef area of the southern Beihai Yintan Marine Ranch in December 2023. The study systematically analyzed the distribution of target strength (TS), diurnal variations in the nautical area scattering coefficient (NASC), and current conditions within the monitored marine areas. The results show that in the Beihai artificial reef area, the TS of fish resources ranged from −51.9 to −31.0 dB, with an average of −44.8 dB. In the Zhuhai Dazhizhou Marine Ranch, the TS of fish resources ranged from −51.7 to −25.5 dB, with an average of −45.4 dB. Diurnal monitoring data indicate that the TS variation range and average values of fish resources in the artificial reef areas were generally better than those in the control areas, with fish resources primarily distributed at depths greater than 5 meters, more abundant in the artificial reef areas. In the Beihai artificial reef area, the correlation coefficient between the bottom NASC and current speed was 0.416 74, indicating a significant positive correlation between them (p<0.05). The results demonstrate the diurnal and nocturnal variation patterns in the fishery resources of marine ranching, further enrich the research methodology for monitoring the fishery resources of marine ranching, and provide a reference basis for the dynamic management of the fishery resources of marine ranching.
-
Keywords:
- Marine ranching /
- Fish resources /
- Fisheries acoustics /
- Target strength /
- Vertical distribution
-
在全球海洋资源面临日益严峻的枯竭形势和渔业活动不断扩张的背景下,海洋牧场作为一种创新的渔业资源养护和管理模式,已受到国际社会的广泛关注。海洋牧场通过建立人工鱼礁、改善海洋生态环境、吸引和增殖渔业资源,为实现海洋渔业资源的可持续利用提供了新思路[1]。然而,对于海洋牧场渔业资源的变化规律,特别是昼夜的动态变化[2-4],目前尚缺乏系统深入的研究。近年来,对海洋牧场渔业资源监测方面的研究,主要是利用遥感技术、地理信息系统 (Geographic Information System, GIS) 技术和传统调查方法等手段,探讨渔业资源的空间分布、数量变化及生物习性等[5-6],但这些研究多侧重于宏观层面的分析。
本研究在前人基础上,采用分裂波束式科学探鱼仪 (Simrad EK80),对广东珠海大蜘洲和广西北海银滩南部的海洋牧场人工鱼礁区进行定点监测[7-10]。通过深入分析监测海域内鱼类资源目标强度 (Target strength, TS) 分布、海域散射系数 (Nautical area scattering coefficient, NASC) 的昼夜变化以及海流状态,揭示海洋牧场渔业资源的昼夜变化规律,旨在进一步丰富海洋牧场渔业资源监测的研究方法,为海洋牧场渔业资源的动态管理提供数据支持,促进海洋资源的有效管理和可持续利用[11]。
1. 材料与方法
1.1 调查区域设置
为了准确分析调查数据,声学监测设定了2个区域4个定点站位,以广西北海和广东珠海的海洋牧场人工鱼礁区为研究区域,并分别选取了对照区,具体监测点位如图1所示。定点A位于北海海洋牧场的人工鱼礁区 (109°8'10.84"E, 21°17'29.56"N);定点B位于北海人工鱼礁区外的对照区 (109°10'46.45"E, 21°17'6.96"N);定点C位于珠海海洋牧场的人工鱼礁区 (113°52'55.1"E, 22°7'15.9"N);定点D位于珠海人工鱼礁区外的对照区 (113°51'33.54"E, 22°8'10.56"N)。地图数据来自全国地理信息资源目录服务系统 (https://www.webmap.cn/,1∶25万全国基础地理数据库,2017公众版)。2个研究区的水深均约为16 m,且气候环境以及主要资源较相似,因此进行2组研究,比较分析人工鱼礁投放后渔业资源的增殖效果。
1.2 声学评估方法
1.2.1 渔业声学数据的获取
在2个地点采集声学数据:第1个为2023年7月在珠海大蜘洲岛海洋牧场的人工鱼礁区;第2个为2023年12月在广西北海银滩海洋牧场人工鱼礁区。在2个区域各设1个点位进行24 h不间断的定点调查,以监测鱼类资源。随后约1 h内,在礁区外相应的对照点继续进行24 h的声学调查。本研究采用分裂式波束科学探鱼仪 (Simrad EK80) 进行渔业声学探测,调查船只 (船长24.5 m,宽5.58 m,型深2.95 m,主机功率135 kW,总吨位114 t) 出发前,通过导流罩将探鱼仪的换能器固定在船舷中部,换能器放入海中的深度约为0.7 m,换能器频率设置为120 kHz[12],调查参数设置见表1。为提高声学评估的准确性,在调查前,采用国际通用的标准球法对科学探鱼仪的收发增益系数进行了现场校正[13-14]。在2个区域均进行24 h不间断调查,以准确评估鱼类资源的丰度及其昼夜垂直变动情况。
表 1 科学探鱼仪 (EK80, Simrad) 的主要技术参数Table 1 Main technical parameter setting of scientific fish finder (EK80, Simrad)技术参数
Technical parameter参数设置
Parameter setting工作频率范围 Operating frequency range/kHz 85~170 换能器频率 Transducer frequency/kHz 120 功率 Transmitting power/W 150 脉冲宽度 Pulse length/ms 0.256 脉冲间隔 Ping interval/s.ping 0.2 探测深度量程 Investigation depth range/m 30 1.2.2 声学映像处理
声学数据应用Echoview Software Pty Ltd公司开发的Echoview 12.0软件进行解析。首先使用“编辑线”功能创建1条水深1 m的表层线,其次使用相同的模块生成符合底部地形的底部线,最后为减少底部噪声的干扰,将生成的底部线向上抬升0.5 m [15]。为排除海底回波信号的干扰,底栖的鲆鲽类、虾虎鱼类等均不参与声学评估[16-17]。将体积反向散射强度 (Volume backscattering strength, Sv) 映像的最大积分阈值设为 −60 dB[18],通过设置阈值、虚拟变量等方法来消除背景噪声,其他非目标信号如气泡、浮游生物、人工鱼礁等在通过映像分析后,手动标注其为坏数据,在分析中予以排除[19],以进一步提升声学映像识别的准确性。但使用排除设置时需谨慎,散乱的底部信号 (与以下排除行相关联) 可能会给计算出的 NASC 造成较大误差[20]。将单体TS的最大积分阈值设为 −70 dB,再利用单体目标探测模块 (Single target detection-split beam method 2) 和鱼类轨迹追踪模块 (Detect fish tracks),对声学数据进行目标单体检测与追踪后获得了单体鱼类的TS和水深[21]。由于本调查是24 h连续进行的,为更直观地展示声学数据,以60 min为1个时间单元进行水平分组设定[22-23]。考虑到调查区域的水深相对较浅,因此按照5 m的深度间隔进行回波积分。在此基础上,将6 m以浅的水层定义为表层,6 m以深的水层定义为底层,获得了表、底层的NASC。这两步操作所取得的数据,可用于分析单体TS的大小组成和垂直分布规律[24]。
1.3 海流数据采集
采用声学多普勒流速剖面仪 (FlowQuest 600,Linkquest,美国) 同步进行海流数据收集和声学调查,选取在北海人工鱼礁礁区内 (109°08'10.837"E, 21°17'29.557"N) 进行24 h不间断调查,每60 min系统反馈1次数据。将水域划分为表层和底层,测量每个分层每小时的流速和流向,通过这种细致的测量,深入研究不同因素对评估对象垂直变动的影响。使用Origin 2021软件对数据进行相关性分析。
2. 结果
2.1 TS垂直分布
对单体目标探测模块和鱼类轨迹追踪模块进行处理之后,获得不同区域的鱼类资源TS分布数据,珠海和北海鱼类资源TS水深分布见图2。2个点位的鱼类TS在不同水层均有所分布。值得注意的是,在6 m以浅的水域中,TS相对较低;当水深超过6 m,TS逐渐增强,表明深水区的鱼类资源更丰富。4个点位的TS情况及变化范围见表2。
表 2 4个点位的目标强度Table 2 Target strength for four points点位
Point平均目标强度
Average TS/dB目标强度变化范围
TS variation range/dB定点A Point A −44.8 −51.9~−31.0 定点B Point B −48.0 −51.9~−33.4 定点C Point C −45.4 −51.7~−25.5 定点D Point D −47.6 −51.7~−34.5 综合4个点位的定点调查数据,可以看出人工鱼礁区的TS变化范围普遍大于对照区,且平均TS也高于对照区,表明人工鱼礁区的鱼类资源活动更频繁,资源量更丰富,显示出人工鱼礁在集鱼、诱鱼上成效显著。
2.2 TS时间分布
根据中国气象网 (www.cma.gov.cn) 的日出、日落数据,将7:00—18:00的数据设为白天组、 18:00至次日7:00的数据设为夜晚组。通过这种划分,可更直观地分析鱼类生物的昼夜活动规律,并更精确地比较昼夜间鱼类资源差异。由图3可见,在18:00日落之后,鱼类的TS呈现逐渐增强的趋势,且相较于白天,夜晚组的更显著。直至次日清晨7:00日出时,鱼类的TS开始逐渐减弱。4个监测点位均反映出日落后鱼类活动增强、日出后活动减弱的特征,充分证明了鱼类活动在夜晚表现得更活跃。
北海人工鱼礁区定点A白天和夜晚的TS变化范围分别为 −51.3~−37.3 dB和 −51.9~−31.0 dB,平均分别为 −48.1和 −44.4 dB;对照区B白天和夜晚的TS变化范围分别为 −50.8~−33.5 dB和 −51.8~−33.1 dB,平均分别为 −48.6和 −46.1 dB;在珠海海洋牧场,人工鱼礁区定点C白天和夜晚的TS变化范围分别为 −51.9~−34.8 dB和 −52.1~−35.1 dB,平均分别为 −47.8和 −47.3 dB;而对照区D白天和夜晚的TS变化范围分别为 −51.7~−33.8 dB和 −51.8~−26.2 dB,平均分别为 −47.6和 −47.3 dB。可以明显观察到,各点位夜晚的平均TS均大于白天,且北海鱼礁区的平均TS也大于其礁外对照区,证明人工鱼礁有良好的诱集效果。
2.3 垂直散射层变化
NASC能够精准地揭示评估对象的垂直分布状况以及昼夜动态变化特征。对北海及珠海海洋牧场人工鱼礁定点调查区域的声学数据处理得到图4。由图可见,底层区域的NASC基本大于表层区域,且自18:00日落之后开始呈现明显的上升趋势。鉴于两地的日落时间均在此之后,这一趋势直接揭示了底层NASC在日落时段的显著增长,同时印证了该海域鱼类垂直迁移的昼夜变化模式。具体来说,日落之后,原本栖息于底部的海洋生物开始逐渐向水体的中下层迁移,这一行为直接导致了底层NASC的显著增长。虽然表层海域的NASC也呈现一定的上升态势,但其变化幅度远低于底层区域,这些结果为深入研究评估对象的动态分布提供了宝贵的数据支持。
2.4 海流与NASC的关系
使用FlowQuest 600剖面仪进行24 h不间断采集,获得了人工鱼礁区定点和礁外对照区定点的24 h海流数据,数据涵盖了表层和底层的详细信息。海流速度与NASC的Pearson相关性分析见表3。由表可知:1) 人工鱼礁区表层Pearson相关系数为0.331 24,表示NASC和海流速度之间存在微弱的正相关关系(p=0.113 85>0.05),但强度较低,可能意味着海流速度对表层NASC的影响并不显著。2) 人工鱼礁区底层的Pearson相关系数为0.416 74,相较于表层,底层NASC与海流速度之间的正相关关系稍强(p=0.042 78<0.05),这可能表明在底层,海流速度对NASC的影响更显著。3) 礁外对照区表层的Pearson相关系数为 −0.161 53,表示NASC和海流速度之间存在微弱的负相关关系(p=0.450 82>0.05),但这种关系的强度很低,可能不具有实际意义。4) 礁外对照区底层的Pearson相关系数为−0.386 02,相较于表层,底层NASC与海流速度之间的负相关关系稍强(p=0.062 44>0.05),但仍然较弱。
表 3 北海人工鱼礁区域海流速度和海域散射系数的相关性分析Table 3 Correlation analysis between sea current and nautical area scattering coefficient in artificial reef area of Beihai区域
Region相关性系数
Correlation coefficientp 值
p-value人工鱼礁区域表层
Artificial reef area surface layer0.331 24 0.113 85 人工鱼礁区域底层
Artificial reef area bottom layer0.416 74 0.042 78 对照区表层
Control area surface layer−0.161 53 0.450 82 对照区底层
Control area bottom layer−0.386 02 0.062 44 总体而言,在人工鱼礁区的底层,NASC与海流速度之间存在显著的正相关关系,表明海流速度可能是影响底层NASC的一个重要因素;在人工鱼礁区的表层和礁外对照区的2个层次中,NASC与海流速度之间的关系均不显著,说明在这些区域的海流速度可能不是影响NASC的主要因素,或者可能存在其他更重要的影响因素。
3. 讨论
3.1 生物垂直昼夜移动规律分析
多数研究普遍认为,NASC的变动反映了整个海域调查点鱼类资源变化的总趋势[25]。但值得注意的是,许多研究在分析时将观察到的垂直移动生物视作该区域所有垂直移动生物的全部组成[26]。本研究的调查海域为水深较浅的区域,垂直移动的这部分生物可能不是NASC的全部组成,还应包括一些不进行昼夜移动的生物,而且生物的垂直移动并不是同时进行,这与各物种的习性不同有关[25]。从获得的数据来看,鱼类的垂直分布并非静态,而是受到海流、温度、光照及食物供应等多种因素影响,呈现出动态变化的趋势。在夜晚,当表层海流流速加快而底层海流相对平稳时,部分表层生物出现向中下层移动的现象。这可能是由于底层水域提供了更稳定的环境条件,或者是中下层有更多的食物资源吸引了鱼类聚集[27]。
通过对TS在垂直和时间分布上的深入分析,在北海人工鱼礁区,白天和夜晚的平均TS分别为−48.1和 −44.4 dB,在珠海的人工鱼礁区,白天和夜晚的平均TS则分别为 −46.0和 −45.1 dB,夜晚的TS普遍高于白天,这清楚地揭示了鱼类在夜晚的活动更频繁。进一步对比NASC的变动趋势,发现自18:00日落之后,NASC呈现相对增长的趋势,且夜晚的底层NASC整体上高于白天。结合TS和NASC的分析可知,大多数生物在夜晚的活动较频繁,且无论在什么时间段,生物多集中于水体的中下层,而表层的分布则相对稀少[28]。
受研究目的和定点调查的限制,本研究无法通过扫海面积法获取拖网渔获物的数据[29]。因此,未来的研究将计划延长调查时间,并覆盖一年四季的4个时间点,以收集更多数据,更深入地研究生物的昼夜垂直移动规律。
3.2 海洋牧场效果分析
人工鱼礁在鱼类资源垂直分布中扮演着重要角色。通过对比2组人工鱼礁区和礁外对照区的数据,发现人工鱼礁对海流具有缓冲作用,使得底层海流波动幅度较小,从而有利于生物资源的集中。从珠海和北海的海洋牧场区域人工鱼礁区和对照区的TS水深分布来看,人工鱼礁区的TS在各个水层均远超礁外对照区 (图2),验证了人工鱼礁的生态修复和集鱼、诱鱼功能[30],这为渔业资源的可持续利用提供了有力支持[31]。
通过对海流速度和NASC的Pearson相关性分析,发现北海人工鱼礁区底层的NASC与海流速度之间存在显著的正相关关系,这支持了海流速度是影响底层NASC的一个重要因素的假设。由于人工鱼礁投放后可能对海流模式产生一定影响[32-33],这种显著的正相关关系进一步证实人工鱼礁在促进鱼类资源聚集方面发挥了积极作用[34]。人工鱼礁通过改善海流环境,为海洋生物提供了更适宜的栖息地和食物来源,这有助于海洋牧场生态系统构建和实现渔业资源的可持续利用[33]。
3.3 渔业声学用于人工鱼礁研究的未来展望
当前人工鱼礁的探测主要依托于两大技术途径:光学探测法与声学探测法。光学法在实际应用中具有明显的局限性,其探测过程耗时长、成本高且效率低,特别是对广阔区域内的大规模人工鱼礁进行宏观监控时,这些局限性尤为突出。相比之下,声学法以其卓越的探测效率、低廉的成本以及在水文环境多样性中的无限制性优势脱颖而出。该技术能够生成高分辨率的声学图像,不仅克服了环境因素的限制,还实现了对人工鱼礁区大规模、高效且全面的监测,极大地提升了探测工作的质量和效率[35]。
现代渔业资源调查越来越依赖声学技术。无论是哪种调查方法,声学仪器都是获取声学映像数据不可或缺的工具,使得声学数据的采集与处理成为每个研究项目的核心环节[35]。在人工鱼礁区域进行声学调查时,使用定点的方法采集数据尤为适宜。这种方法的主要优势是能够对同一地点的鱼类活动进行长期持续的追踪,从而获取每个时间段的精确数据。定点调查特别适合深入研究特定区域的生态环境、鱼类种群结构及其变化规律。
虽然渔业声学已经在渔业资源调查中被广泛应用,但渔业声学技术的发展还不够成熟。该技术长期连续观测系统的稳定性和可持续性较差,受到多种因素的影响,包括设备故障、能源供应、数据传输及数据存储等[36]。确保观测系统在恶劣海洋环境中长期稳定运行,并有效收集、传输和存储数据,是当前亟需解决的关键问题。未来可通过利用太阳能或潮汐能等可持续能源原理,为声学设备提供持续的能源支持[37],显著提升设备的续航能力。此外,开发具有定时传输功能的系统,按照既定的时间规律将声学数据传输至后台数据库,将进一步提高数据管理的效率。
未来的研究应专注于开发更高效的数据整合平台和分析工具,实现多源数据的无缝对接和深度融合。通过稳定能源供应和扩展数据库容量,声学技术在未来人工鱼礁的定点监测中将发挥更加稳定和关键的作用[38-39]。目前声学数据处理技术尚处于发展阶段,特别是影像判读和降噪技术较复杂。首先,现有的影像判读算法在解析复杂水下环境时,通常难以精确识别和划分鱼类[40]。这是由鱼类形态和行为的多样性,以及水下光照、浑浊度和地形的不断变化所致。其次,降噪技术在处理水下背景噪声时也面临挑战,水下声学环境中的船舶噪声、生物噪声和气泡噪声等多种噪声源,干扰了声学数据的采集和分析,降低了判读结果的可靠性[41]。为提高渔业声学影像判读技术的准确性,可以引入更先进的人工智能和深度学习算法,构建更大规模和多样化的训练数据集,使算法能够更有效地学习和识别不同种类和行为的鱼类,从而提升判读精度。此外,通过整合多传感器数据,例如结合光学影像和声学影像,可以克服单一传感器的不足,提供更全面的水下环境信息。在降噪技术方面,未来可以聚焦于自适应滤波和主动降噪技术。前者能够根据实时数据动态调整滤波参数,更有效地消除噪声。后者通过产生与噪声相反的声波来抵消噪声[42],已在多个领域显示出其有效性,未来有望在水下声学应用中得到更广泛的应用。同时,利用大数据分析和云计算技术,可以加速降噪处理过程,提高效率,为实时监测提供强有力的支持。
尽管当前渔业声学影像判读和降噪技术面临一些挑战,但随着人工智能、自适应滤波和大数据分析等新技术的融入,这些难题有望在不久的将来被克服,这将显著提升渔业声学技术在监测鱼类资源方面的应用效果。
-
表 1 科学探鱼仪 (EK80, Simrad) 的主要技术参数
Table 1 Main technical parameter setting of scientific fish finder (EK80, Simrad)
技术参数
Technical parameter参数设置
Parameter setting工作频率范围 Operating frequency range/kHz 85~170 换能器频率 Transducer frequency/kHz 120 功率 Transmitting power/W 150 脉冲宽度 Pulse length/ms 0.256 脉冲间隔 Ping interval/s.ping 0.2 探测深度量程 Investigation depth range/m 30 表 2 4个点位的目标强度
Table 2 Target strength for four points
点位
Point平均目标强度
Average TS/dB目标强度变化范围
TS variation range/dB定点A Point A −44.8 −51.9~−31.0 定点B Point B −48.0 −51.9~−33.4 定点C Point C −45.4 −51.7~−25.5 定点D Point D −47.6 −51.7~−34.5 表 3 北海人工鱼礁区域海流速度和海域散射系数的相关性分析
Table 3 Correlation analysis between sea current and nautical area scattering coefficient in artificial reef area of Beihai
区域
Region相关性系数
Correlation coefficientp 值
p-value人工鱼礁区域表层
Artificial reef area surface layer0.331 24 0.113 85 人工鱼礁区域底层
Artificial reef area bottom layer0.416 74 0.042 78 对照区表层
Control area surface layer−0.161 53 0.450 82 对照区底层
Control area bottom layer−0.386 02 0.062 44 -
[1] 汤勇. 中国渔业资源声学评估研究与进展[J]. 大连海洋大学学报, 2023, 38(2): 185-195. [2] 李哲, 朱文斌, 陈峰, 等. 近年我国渔业资源声学评估研究进展[J]. 浙江海洋大学学报(自然科学版), 2021, 40(1): 80-85, 92. [3] 李淼, 许友伟, 孙铭帅, 等. 拉尼娜事件前后北部湾鱼类群落结构变化研究[J]. 南方水产科学, 2023, 19(2): 1-11. doi: 10.12131/20220144 [4] SMITH J, JONES M. Acoustic monitoring of fish populations in marine protected areas[J]. J Mar Sci Technol, 2020, 25(3): 123-134.
[5] 房恩军, 王宏, 曾祥茜, 等. 天津市大神堂海洋牧场海域人工鱼礁区声学初步调查[J]. 天津农业科学, 2023, 29(10): 42-47, 52. doi: 10.3969/j.issn.1006-6500.2023.10.008 [6] 杨洋, 朱国平, 陈新军. 基于文献计量的渔业声学研究状况分析[J]. 海洋渔业, 2020, 42(4): 476-489. doi: 10.3969/j.issn.1004-2490.2020.04.011 [7] 王炜祺, 童剑锋, 薛铭华. 商业渔船渔业声学数据采集及应用研究进展[J]. 电声技术, 2022, 46(12): 50-53. [8] 张超. 基于多波束测深仪和走航式ADCP的西太平洋声学散射层研究[D]. 青岛: 国家海洋局第一海洋研究所, 2017: 27-33. [9] 屈泰春, 黄洪亮, 汤勇, 等. 渔业声学数据后处理中噪声剔除的研究进展[J]. 渔业信息与战略, 2013, 28(3): 208-213. doi: 10.3969/j.issn.1004-8340.2013.03.006 [10] 马燕芹, 司纪锋. 基于水声技术的黄海近海鱼类活动定点监测研究[J]. 渔业现代化, 2016, 43(4): 70-75. doi: 10.3969/j.issn.1007-9580.2016.04.013 [11] LAWRENCE M J, ARMSTRONG E, GORDON J, et al. Passive and active, predator and prey: using acoustics to study interactions between cetaceans and forage fish[J]. ICES J Mar Sci, 2016, 73(8): 2075-2084. doi: 10.1093/icesjms/fsw013
[12] 王东旭. 南海中部深海散射层声学特性及时空分布研究[D]. 大连: 大连海洋大学, 2017: 29-30. [13] 张丽媛, 杨剑虹, 熊清海, 等. 基于水声学的阳宗海鱼类行为特征及其资源评估[J]. 南方水产科学, 2024, 20(1): 110-119. doi: 10.12131/20230082 [14] 费姣姣, 李成, 张健, 等. 中西太平洋海山特征对延绳钓渔业和围网渔业黄鳍金枪鱼CPUE的影响[J]. 南方水产科学, 2024, 20(2): 1-10. doi: 10.12131/20230200 [15] 吴鹏, 刘永, 肖雅元, 等. 春季珠江口万山群岛毗邻海域渔业生态环境状况评价[J]. 南方水产科学, 2022, 18(5): 1-8. doi: 10.12131/20210332 [16] 武智, 李跃飞, 朱书礼, 等. 基于渔业声学调查的珠江东塔产卵场鱼类栖息地适宜性研究[J]. 南方水产科学, 2023, 19(3): 11-18. doi: 10.12131/20220283 [17] 王普泽, 宋聃, 张尹哲, 等. 基于水声学评估的博斯腾湖鱼类时空分布研究[J]. 中国水产科学, 2023, 30(5): 525-532. doi: 10.12264/JFSC2022-0359 [18] 侯宇伟, 刘世刚, 李渊, 等. 基于声学方法的2019年夏季南海中南部重要中上层经济鱼类资源评估[J]. 海洋渔业, 2022, 44(3): 267-279. doi: 10.3969/j.issn.1004-2490.2022.03.002 [19] 郭禹, 李纯厚, 陈国宝. 南澳白沙湾海藻养殖区内外渔业资源声学评估[J]. 水产学报, 2018, 42(2): 226-235. [20] 张俊. 基于声学数据后处理系统的黄海鳀鱼资源声学评估[D]. 上海: 上海海洋大学, 2012: 14-22. [21] 王腾, 黄洪辉, 张鹏, 等. 珠海桂山风电场水域渔业资源声学评估与空间分布[J]. 中国水产科学, 2020, 27(12): 1496-1504. [22] 张俊, 王新良, 赵宪勇, 等. 渔业声学数据后处理中积分阈的选择与优化I: 目标离散分布状态下积分阈的确定[J]. 渔业科学进展, 2011, 32(4): 41-47. doi: 10.3969/j.issn.1000-7075.2011.04.007 [23] 张俊, 陈丕茂, 陈国宝, 等. 基于Echoview声学数据后处理系统的背景噪声扣除方法[J]. 渔业科学进展, 2014, 35(1): 9-17. doi: 10.3969/j.issn.1000-7075.2014.01.002 [24] 李娜娜, 陈国宝, 于杰, 等. 大亚湾杨梅坑人工鱼礁水域生物资源量声学评估[J]. 水产学报, 2011, 35(11): 1640-1649. [25] 刘世刚, 汤勇, 陈国宝, 等. 南海深海声学散射层垂直分布和昼夜变化初步研究[J]. 海洋科学进展, 2015, 33(2): 173-181. doi: 10.3969/j.issn.1671-6647.2015.02.005 [26] 万树杰, 陈新军. 西南印度洋深海散射层昼夜垂直迁移特征研究[J]. 海洋学报 (中文版), 2024, 46(1): 53-63. [27] BRASSARD S G, RAUTIO M, BERTOLO A. Vertical distribution patterns of zooplankton across a gradient of fish predation in boreal lakes[J]. Freshw Biol, 2023, 68(4): 588-608. doi: 10.1111/fwb.14049
[28] WANG Y C, TSAI S, CHEN W Y. Diel vertical distribution patterns of pelagic fish larvae in Yilan Bay, Taiwan[J]. J Mar Sci Technol, 2022, 29(6): 776-783. doi: 10.51400/2709-6998.2557
[29] 陈丕茂, 舒黎明, 袁华荣, 等. 国内外海洋牧场发展历程与定义分类概述[J]. 水产学报, 2019, 43(9): 1851-1869. [30] PERROT Y, BREHMER P, HABASQUE J, et al. Matecho: an opensource tool for processing fisheries acoustics data[J]. Acoust Aust, 2018, 46(2): 241-248. doi: 10.1007/s40857-018-0135-x
[31] BAO Z. Marine ranching: paving the way for a sustainable blue granary[J]. Anim Res One Health, 2023, 2(2): 119-120.
[32] de ROBERTIS A, HIGGINBOTTOM I. A post-processing technique to estimate the signal-to-noise ratio and remove echosounder background noise[J]. ICES J Mar Sci, 2007, 64(6): 1282-1291. doi: 10.1093/icesjms/fsm112
[33] 陈志坚, 万芃, 李勇航, 等. 水面无人艇侧扫声纳技术在人工鱼礁调查中的应用[J]. 珠江水运, 2024(12): 17-20. [34] WANG L, LIANG Z L, GUO Z S, et al. Distribution of nitrogen (N) and phosphorus (P) in seasonal low-oxygen marine ranching in northern Yellow Sea, China[J]. Environ Sci Poll Res Int, 2023, 30(23): 64179-64190. doi: 10.1007/s11356-023-26932-3
[35] MAEDA R. Analysis of fishery activities by fixed spot method: a case in Fuke District, Misaki Town, Osaka Prefecture[J]. Jpn J Human Geogr, 2020, 72(2): 131-147.
[36] KLEMAS V. Fisheries applications of remote sensing: an overview[J]. Fish Res, 2013, 148: 124-136. doi: 10.1016/j.fishres.2012.02.027
[37] 谢笑艳, 陈丕茂, 佟飞, 等. 珠海外伶仃岛海域海洋牧场选址探讨[J]. 南方水产科学, 2022, 18(5): 18-29. doi: 10.12131/20210241 [38] FERNANDES G P, COPLAND P, GARCIA R, et al. Additional evidence for fisheries acoustics: small cameras and angling gear provide tilt angle distributions and other relevant data for mackerel surveys[J]. ICES J Mar Sci, 2016, 73(8): 2009-2019. doi: 10.1093/icesjms/fsw091
[39] CHEN X J. Effects of global climate changes on marine fishery resources[M]//Theory and method of fisheries forecasting. Singapore: Springer Nature Singapore, 2022: 173-199.
[40] 王雨微, 黄二辉, 许德伟. 海洋生物声散射层研究现状综述[J]. 海洋开发与管理, 2021, 38(9): 43-48. [41] XU S, ZHAI Z G, GAO B T, et al. Mining the distribution of fishery resources to determine the scope of aquatic ecological protection[C]//2021 IEEE International Conference on Electronic Technology, Communication and Information (ICETCI). IEEE, 2021: 30-34.
[42] BROWN T J, GREEN S P. Challenges and advancements in fish species identification using acoustic imagery[J]. Mar Technol Soc J, 2022, 56(4): 78-87.
-
期刊类型引用(15)
1. 郑杰秋,邢东旭,李庆荣,黎尔纳,符兵,廖森泰,邹宇晓,周东来. 沼泽红假单胞菌的生物学功能及其在水产养殖中的研究进展. 中国畜牧兽医. 2025(02): 707-717 . 百度学术
2. 陈凯,魏巍,周瑶. 异养硝化细菌筛分及菌群修复黑臭水体的机制研究. 供水技术. 2024(05): 6-10 . 百度学术
3. 徐煜,胡晓娟,张淞,徐武杰,苏浩昌,文国樑,曹煜成. 5种因子对赤红球菌HDRR2Y去除氨氮和亚硝酸盐效应的影响. 南方水产科学. 2023(01): 67-74 . 本站查看
4. 景学武,乔之怡,柏静,许叶伟,张玟萱. 微生物菌剂净化鱼塘养殖污水的研究进展. 河北渔业. 2023(10): 36-40 . 百度学术
5. 胡晓娟,李秋芬,张洪玉,孙承文,杨移斌,陈凯,罗亮,谢国驷,曹煜成. 中国养殖主产区渔业微生物菌剂市场现状、问题及建议. 中国渔业质量与标准. 2023(06): 32-39 . 百度学术
6. 张淞,胡晓娟,徐煜,徐创文,杨铿,苏浩昌,徐武杰,文国樑,张建设,曹煜成. 响应面法优化赤红球菌HDRR2Y发酵培养参数. 微生物学杂志. 2022(05): 50-57 . 百度学术
7. 阳龙江,韩璐璐,杨成年,翟旭亮,梅会清,朱成科. 一株内循环流水养殖池塘光合细菌的分离鉴定及氮磷去除能力的研究. 渔业现代化. 2021(01): 33-40 . 百度学术
8. 王雨婷,周荣翔,李霁虹,张瑶,周婷婷,陈文才,彭云,汤曼利,马桂珍,许建和. 抗弧菌光合细菌的分离鉴定及对氨氮和亚硝态氮的降解特性. 南方水产科学. 2021(05): 26-33 . 本站查看
9. 叶欣,易春龙,李泰来,杨琳,庄旭超. 水环境微生物制剂的应用研究现状. 四川环境. 2021(06): 240-245 . 百度学术
10. 张瀚艺,张玉蕾,李长玲,朱春华,吴佳玲,卢家政,黄翔鹄. 环境因子对波吉卵囊藻-沼泽红假单胞菌藻菌体系氨氮吸收的影响. 广东海洋大学学报. 2021(06): 1-8 . 百度学术
11. 钟文武,吴敬东,赵树海,符世伟,周睿,杨光清,李志洪,严燕群,刘跃天. 组合型植物浮床对池塘水质的调控作用. 江苏农业科学. 2020(07): 255-259 . 百度学术
12. 张秀霞,张泽龙,孙敬锋,李军涛,王冬梅,郑佩华,鲁耀鹏,冼健安. 不同絮凝剂对光合细菌沉降与净水能力的影响. 水产养殖. 2020(06): 29-35 . 百度学术
13. 刘悦畅,李保珍,王涛,王兰. 2种菌联合修复农田土壤镉污染的研究. 水土保持学报. 2020(04): 364-369 . 百度学术
14. 阿热爱·巴合提,武瑞赟,肖梦圆,李平兰,谭春明. 益生菌的生理功能及作用机理研究进展. 食品与发酵工业. 2020(22): 270-275 . 百度学术
15. 胡晓娟,文国樑,田雅洁,苏浩昌,徐武杰,徐煜,许云娜,曹煜成. 不同培养条件下菌株NB5对氨氮的去除效果研究. 南方水产科学. 2020(06): 89-96 . 本站查看
其他类型引用(13)