Influence of miniature temperature-depth recorder (TDR-2050) on hook depth of tuna longline fishing hooks
-
摘要:
掌握延绳钓的钓钩深度对提升目标鱼种渔获率及减少兼捕具有重要意义。基于2016年1—8月在波利尼西亚以西公海的金枪鱼延绳钓调查数据,采用有限元理论构建三维动力学模型,通过显式六级五阶龙格库塔法计算钓钩深度,并利用“有”温度深度记录仪 (Temperature-depth recorder, TDR) 水中质量的数值模型对“无”TDR水中质量的模拟深度进行校正。将“有”和“无”TDR水中质量的数值模型所得钓钩深度,与TDR海上实测及校正深度进行单因素方差分析。结果表明:1)“有”和“无”TDR水中质量的数值模型计算得到的钓钩深度与TDR 海上实测和校正后得到的钓钩深度两两之间无显著性差异 (p>0.05),数值模型正确;2) 随着海流减弱,TDR对沉降深度的影响逐渐增大;3) 流速小于0.16 m·s−1时,TDR对延绳钓较浅组、中间组和最深组钓钩深度的影响分别平均加深1.0、2.3 和3.7 m,各组校正因子分别为1.010、1.011和1.016;4) 加拿大RBR公司的TDR (2050) 能够较好地应用于延绳钓钓钩深度的测量,今后可忽略此TDR对钓钩深度的影响。所建立的延绳钓渔具动力学模型能够模拟在三维海流作用下的钓钩沉降深度,探究 TDR 水中质量对延绳钓沉降深度的影响,并进行空间形状变化的三维可视化。
Abstract:Understanding the hook depth of longline fishing gear is crucial for improving the catch rate of target species and reducing the bycatch. Based on the tuna longline survey data collected in the high seas west of Polynesia from January to August of 2016, we employed the finite element method to construct a three-dimensional dynamic model. We used the explicit sixth-order five-stage Runge-Kutta method to calculate hook depths, and utilized a numerical model with temperature-depth recorder (TDR) mass in water was to correct the simulated depths without TDR mass in water. Then we conducted a one-way ANOVA to compare the hook depths obtained from numerical models with and without TDR (2050) mass in water, against the actual TDR measurements and corrected depths at sea. The results show that: 1) There was no significant difference between the hook depth calculated by the numerical models of mass in water with and without TDR and the hook depth measured and corrected by TDR at sea (p>0.05), indicating that the numerical model was correct. 2) As the current weakened, the influence of TDR on the depth of settlement increased gradually. 3) When the flow velocity was less than 0.16 m·s−1, the influence of TDR on the depth of the hooks in the shallow, middle, and deepest groups of longline fishing increased by an average of 1.0, 2.3, and 3.7 m, with correction factors of 1.010, 1.011, and 1.016 for each group, respectively. 4) The TDR (2050) from the Canadian RBR Company can be effectively utilized for measuring the depth of longline fishing hooks, and its impact on the depth of the hook can be disregarded in the future. The dynamic model of longline fishing gear established in this study can simulate the sinking depth of the hook under the action of three-dimensional currents, explore the influence of TDR mass in water on the sinking depth of longline fishing, and perform the three-dimensional visualization of spatial shape changes.
-
罗非鱼 (Oreochromis spp.) 因其肉质鲜美、无肌间刺而成为我国主要的养殖经济鱼类之一,以往多被用于制成冻鱼片和冰鲜鱼片等产品[1]。随着预制菜市场的发展,以鱼肉为原料加工而成的酸菜鱼[2]、罗非鱼香肠[3]、鱼糜制品[4]等产品相继出现,罗非鱼加工业呈现多元化的发展趋势。
油炸作为我国传统饮食烹饪模式之一,也是预制菜产业关注的热点。它是以油为介质,通过热传递的方式对原料进行加热的行为。油炸过程中产品外壳形成的特有脆性对消费者在咬或食用时产生的声音感知具有积极影响,这是油炸类产品受消费者喜爱的关键驱动因素之一[5]。油炸也是用于改善产品质地和感官特性最常见的技术之一,油炸过程中食材在高温环境下会发生一系列物理和化学变化,如淀粉糊化、蛋白质变性、焦糖化反应、水分蒸发等,促使产品形成内核柔软多汁、外壳酥脆、金黄的质感特征[6]。
裹糊是油炸肉制品常见的加工方法,根据需求外层裹或不裹面包屑。裹糊主要是以面粉基类为主要原料,配合淀粉、膨胀剂等组成的多组分体系。产品质量直接取决于煎炸油和面糊成分之间的作用[7],而面粉基差异对产品酥脆品质影响较大[8]。目前对油炸膨化类食品的研究主要集中在减油工艺、特色风味等方面,关于影响裹糊脆性主要因素的研究较少,但油炸类食品普遍存在脆性不佳、质地硬、脆性维持时间短等亟需解决的问题[9]。因此,本研究探究了不同类型面粉对外裹糊的黏度及持水性等物理特性,结合油炸鱼块的感官、质构、色泽及油脂渗透情况,筛选适合油炸裹糊鱼块的面粉种类,为油炸食品生产原料的筛选提供了理论依据和科学指导。
1. 材料与方法
1.1 材料与试剂
罗非鱼片 [(140±10) g·片−1] (海南翔泰渔业股份有限公司);高、中、低、无筋面粉 (广州福正东海食品有限公司);土豆淀粉 (新乡良润全谷物食品有限公司);泡打粉 (安琪酵母股份有限公司);糯米粉 (新乡良润全谷物食品有限公司);吉士粉 (广东佳隆食品股份有限公司);麦芽糊精 (河南万邦实业有限责任公司);花生油 (山东鲁花集团有限责任公司);苏丹红B (上海源叶生物科技有限公司)。
1.2 仪器与设备
XJ-7K115型油炸锅 (中山斯乐得科技有限公司);ZG-L74A型料理均质机 (广东志高科技有限公司);CT3-4500型质构仪 (美国Brookfield有限公司);CR-400型色差仪 (日本柯尼卡美能达公司);NDJ-8S型黏度仪 (邦西仪器科技有限公司);H175R型离心机 (湖南湘仪实验室器材开发有限公司);光学显微镜 (日本奥林巴斯科技有限公司)。
1.3 方法
1.3.1 鱼块制作
将罗非鱼片用流水解冻,取其背部肌肉切成大小厚薄基本一致的小块 (40 mm×30 mm×15 mm),用厨房纸擦干表面水分备用。
1.3.2 裹糊的制备
将60 g面粉、12 g淀粉、20 g糯米粉、5 g泡打粉、2 g吉士粉、1 g麦芽糊精和120 mL水混和。以总粉量为基准加水制成糊液,粉水质量体积比为5∶6,用均质机以1 000 r·min−1搅拌10 min形成均匀的面糊,静止30 min待气泡全部消失后使用。
1.3.3 裹糊鱼块油炸
把鱼块放入面糊中完全浸没5 s后取出静止10 s,待裹浆不再成股滴落时放入面包糠中,使面包糠均匀覆盖在鱼块表面。待油温升至160 ℃时,放入裹糠鱼块炸制5 min,油炸过程中不断用筷子翻动鱼块,使其受热均匀,炸制结束后,取出鱼块沥油备用。
1.3.4 糊液黏度测定
参考姬恒慧等[10]的方法并稍作修改,采用数显黏度计进行测定。将糊液倒入测试容器至转子标位线,使用3号转子在30 r·min−1转速下检测黏度,待数据稳定15 s后开始记录,做3个平行实验。
1.3.5 糊液持水率
参考林楠等[11]的方法并作修改,取20 mL糊液置于已称质量的50 mL试管中,在25 ℃、 7 500 r·min−1的条件下离心15 min,弃去上清液。裹糊液持水率计算公式为:
$$ \mathrm{持}\mathrm{水}\mathrm{率}{\mathrm{=}} \frac{{m}_{2}{\text{−}}{m}_{0}}{{m}_{1}{\text{−}}{m}_{0}}\times 100 {\text{%}} $$ (1) 式中:m0为空白离心管质量;m1和m2分别为离心前后离心管和糊液总质量。
1.3.6 裹糊挂糠率测定
参考马雯雯等[12]的方法并作修改,称取裹糊挂糠前后样品质量,裹糊挂糠率计算公式为:
$$ \mathrm{裹}\mathrm{糊}\mathrm{挂}\mathrm{糠}\mathrm{率}{\mathrm{=}}\frac{{{m}}_{1}{\text{−}}{{m}}_{0}}{{{m}}_{0}}\times 100 {\text{%}} $$ (2) 式中:m0 为鱼块基质的质量;m1为裹糊挂糠后的质量。
1.3.7 膨胀率测定
参考张立彦等[13]和纪蕾等[14]的方法并作修改。将炸制前后鱼块产品置于50 mL圆锥型量筒中,用小米覆盖,振荡摇匀直至小米完全浸没鱼块,记录相应体积数值。膨胀率计算公式为:
$$ 膨胀率{\mathrm{=}} \frac{{{v}}_{1}{\text{−}}{{v}}_{0}}{{{v}}_{0}}\times 100{\text{%}} $$ (3) 式中:$ v $1为炸后体积;$ v $0为鱼块体积。
1.3.8 质构测定
参考潘薇娜[15]的方法,采用质构分析 (Texture profile analysis, TPA) 质地剖析模式,使用直径为5 mm的圆柱形探头,测前速度、测试速度和测后速度分别为 2.0、1.0和2.0 mm·s−1,压缩比为20%,触发力为10 g,触发类型自动,压缩距离为10 mm,每组做6个平行实验。
1.3.9 色泽的测定
参考Jin等[16]的方法,将待测样品置于载样台上,使用色差计测定样品亮度 (L*)、红绿度 (a*) 和黄蓝度 (b*) 值,测前矫正色差计L*、a*和b*值。试样选择3个不同位置进行检测,每组做3个平行,取平均值。
1.3.10 感官评价
评价小组由10名 (男女各5名) 经过培训的人员组成。评价员需在日光灯下进行独立盲评,相互之间无接触交谈。评定不同样品前用清水漱口防止味觉受到干扰,从色泽、形态、风味、滋味、咀嚼感5个方面对产品进行感官评价,评分标准见表1。
表 1 感官评分表Table 1. Sensory evaluation criteria色泽
Color形态
Form风味
Flavor滋味
Taste咀嚼感
Chewing sensation颜色金黄、均匀、无焦糊 (2.0分) 裹糊完整,厚薄一致,无
变形 (1.5分)面包鱼香味明显,无焦味 (2.0分) 肉嫩、香鲜可口(2.0分) 硬度适中,酥松质脆,有明显的咔嚓声 (2.5分) 颜色淡黄或黄褐色,基本均匀,略有焦糊 (1.5分) 裹糊基本完整,厚薄基本一致,略变形 (1.0分) 有油炸香味,有稍许焦味 (1.5分) 肉鲜嫩不足,略有香鲜味 (1.5分) 硬度稍大,略有咔嚓声 (2.0分) 颜色淡黄或暗褐,不均匀,
焦糊明显 (0.5分)裹糊不完整,厚薄不一致,变形明显 (0.5分) 油炸香味不明显,有焦味 (1.0分) 肉不鲜嫩,香鲜味差 (1.0分) 无酥脆感,咀嚼无咔嚓声 (1.0分) 1.3.11 苏丹红染色
参考冯佳奇等[17]的方法,将苏丹红加入油中,苏丹红与油的比例为425 mg·L−1,加热至60 ℃维持4 h,使染料和油充分均匀混合。然后按照1.3.3的油炸步骤对裹糊鱼块进行炸制,冷却后将鱼块样品剖开,用手术刀片切成3 mm×2 mm×1 mm的薄片,用光学显微镜放大4倍,观察染色结果并拍照记录。
1.4 数据处理与分析
采用Microsoft Excel® 2019MSO软件进行数据分析,结果以“平均值±标准差 (x —±s)”表示。采用IBM SPSS Statistics 26软件进行单因素方差分析 (Analysis of variance, ANOVA)和最小显著性差异分析 (Least-significant difference, LSD);采用Duncan's法进行组间多重比较,显著性水平设为p<0.05;使用Origin 2021软件绘图。
2. 结果与分析
2.1 面粉类型对裹糊物理性状的影响
面粉类型对裹糊黏度影响较大。高、中筋粉形成的裹糊黏度显著高于低、无筋粉 (表2,p<0.05),其中无筋粉裹糊黏度仅为119 m.pa.s,约为低筋粉组的1/10。持水率为面糊系统在离心力作用下水分保留的能力[18],反映不同面粉类型的糊液体系中水分的排出能力,是糊液体系中一个重要的物理性状。结果显示,高、中、低和无筋粉的持水率分别为72.5%、70%、69.9%和72%,其中高、无筋粉显著高于中、低筋粉 (p<0.05)。
表 2 不同面粉类型裹糊液的物理性状Table 2. Physical properties of batter of different flour types指标
Index高筋粉
High-gluten flour中筋粉
Medium-gluten flour低筋粉
Low-gluten flour无筋粉
Gluten-free flour黏度Viscosit/(m.pa.s) 2 132±45a 2 067±70a 1 256±12b 119±4c 持水率Water retention/% 72.5±0.02a 70.0±0.73b 69.9±0.13b 72.1±1.07a 注:同行不同小写字母表示显著性差异 (p<0.05)。 Note: Different lowercase letters within the same line represent significant differences (p<0.05). 淀粉和面筋蛋白是面粉中最重要的2种物质,二者存在复杂的相互作用。本研究所用面粉均为小麦粉,在生活中会根据面粉所含面筋含量对面粉类型加以区分。高筋粉的面筋质 (以湿基计)≥30%,而低筋粉面筋质 (以湿基计)≤24%;丰琴和王建国[19]认为无明确的中筋粉的概念,一般将蛋白含量介于高筋和低筋之间的统称为“中筋小麦粉”;无筋粉则为小麦粉洗去面筋蛋白的产物。大量研究表明麦谷蛋白和麦醇溶蛋白作为面粉中主要的蛋白质,约占面粉蛋白质总量的80%,是面筋蛋白的主要成分[20]。小麦粉水化和混合后,麦醇溶蛋白和麦谷蛋白相互作用形成一个连续的黏弹性网络结构,麦醇溶蛋白赋予面团黏度,麦谷蛋白则具有弹性功能[21]。本实验所用的4种面粉表现出的黏性特征与其面筋组成呈一定的正相关,实验结果与Korompokis和Delcour[22]的研究结果一致。
2.2 面粉类型对裹糊挂糠率和膨胀率的影响
裹糊挂糠率与鱼块黏附糊液及挂糠的能力关系密切。裹糊挂糠率越高,相同情况下裹糊越饱满[23]。据市场调查显示,消费者更喜爱裹糊挂糠率高的产品。中筋粉裹糊挂糠率最高为47%,其后依次为高、低和无筋粉 (图1)。膨胀率是面制相关食品关注的热点,反映物体受热水分蒸发体积膨胀的能力。不同面粉类型对膨胀率影响的趋势与裹糊挂糠率一致,均以中筋粉效果最好,膨胀率高达85.5% (图1)。本实验误差较大可能与糊液在受热糊化膨胀过程中内部气室不规则膨胀有关。
图 1 不同面粉类型对油炸裹糊鱼块裹糊挂糠率和膨胀率的影响注:不同小写和大写字母分别表示裹糊挂糠率和膨胀率差异显著 (p<0.05)。Figure 1. Effects of flour types on coating ratio and swelling rate of fried fish meat coated with batterNote: Different lowercase and capital letters represent significant differences in coating and swelling rates, respectively (p<0.05).一定的黏度有利于糊液包裹于鱼块表面。董行等[24]研究认为黏度偏低时,糠粒黏附力弱,导致较低的裹糊挂糠率;但黏度过高可能造成鱼块裹糊困难且不均匀,同样会导致裹糊率偏低[25]。此外,糊液持水率也可能影响其裹糊挂糠效果,持水率低说明糊液的自由水含量高。在裹糊挂糠过程中糊液释放更多水分,有利于提升挂糠效果,从而增加产品裹糊挂糠率。糊液是由淀粉、蛋白质、水及泡打粉等组成的混和体系,在受热过程中水分蒸发,裹糊膨胀形成海绵状的空间结构[26]。对同体积的鱼块而言,裹糊挂糠率越高,其膨胀率也越高。以高筋面粉为基料的裹糊液具有高持水性,与面筋蛋白竞争性吸水,也可能限制面筋蛋白网络的形成,这也是导致高筋粉膨胀率弱于中筋粉的原因之一[27]。
2.3 面粉类型对裹糊鱼块油炸的感官影响
由表3可见,中、高筋粉对产品色泽、形态、风味及滋味影响差异不显著 (p>0.05),但均明显优于低、无筋粉。中筋粉赋予产品较好的咀嚼感,综合评分也明显高于其他3组 (p<0.05),这可能与其糊化形成的空间质构有关[28];高筋粉得分偏低可能是其硬度较大,在一定程度上弱化了其酥脆效果。色泽上,低、无筋组外表金黄色泽偏弱,且咀嚼评分低,可能是由于其裹糊率低或裹糊不足,难以形成致密的外壳。
表 3 不同面粉类型裹糊鱼块油炸感官评价得分Table 3. Score of sensory evaluation of fried fish meat coated with batter of different flour types面粉类型
Flour type色泽
Color (2.0分)形态
Form (1.5分)风味
Flavor (2.0分)滋味
Taste (2.0分)咀嚼感
Chewy (2.5分)总分
Score (10.0分)高筋粉 High-gluten flour 1.54±0.06a 1.36±0.05ab 1.51±0.03ab 1.54±0.07ab 2.03±0.08b 7.98±0.29b 中筋粉 Medium-gluten flour 1.60±0.07a 1.41±0.02a 1.67±0.05a 1.61±0.02a 2.23±0.07a 8.52±0.23a 低筋粉 Low-gluten flour 1.35±0.06b 1.30±0.06b 1.42±0.04b 1.47±0.04b 1.87±0.10c 7.41±0.30c 无筋粉 Gluten-free flour 1.37±0.04b 1.17±0.04c 1.24±0.04c 1.34±0.04c 1.71±0.05d 6.83±0.21d 注:同列不同字母表示具有显著性差异(p<0.05)。Note: Different lowercase letters within the same row represent significant differences (p<0.05). 2.4 面粉类型对裹糊鱼块油炸咀嚼特性的影响
应力-形变曲线是采用质构仪在TPA质地剖析模式下,模拟口腔咀嚼咬合动作,提供与咀嚼相关的感官参数[29]。图2反映了探头下降过程中油炸鱼块应力的感知情况。通常认为脆性是使固态食品破裂所需的力,为应力-形变曲线第1个明显断裂处的峰值[7],而硬度则是使食品变形所需的力,通常为应力-形变曲线图最大力的峰值[30]。由图2可见,中筋粉在探头行进2 mm处出现首个断裂点,此时应力为170 g,随后应力值继续增加,最大应力为238 g。高筋粉裹糊产品则于0.4 mm处形成首个断裂点,其应力值为144 g,最大应力为315 g。有研究认为应力-形变曲线中的正峰数量可能与食品酥脆性有关[31-32],样品在压缩过程中产生的突变峰,反映了咀嚼时可闻噪声的强度,可感觉为悦耳干脆的声音[33]。由图2可见,油炸裹糊挂糠鱼块在模拟咀嚼过程中出现多个断裂点。低、无筋粉制成的产品在应力上升过程中的断裂点不明显;中筋粉有22个断裂点且正峰值普遍高于低、无筋粉,继第1个断裂点后,其制成的产品应力值呈锯齿状上升趋势;高筋粉断裂峰数23个,与中筋粉相近,但其断裂点与中筋粉差异较大,特别是前期断裂点的应力均呈断崖式下降趋势,且在应力上升期间断裂点较少。由此可判定中筋粉制成的产品酥脆特点更突出,而高筋粉制成的产品则表现出较明显的硬度。
2.5 面粉类型对裹糊鱼块油炸脆度和硬度的影响
由图3可见,脆性与硬度呈正相关性。在硬度方面,不同组别有显著性差异 (p<0.05)。高筋粉的硬度值为305 g,中筋粉为275 g (p<0.05),这与感官评价上高筋粉制成的产品口感偏硬、咀嚼感略差相一致。低、无筋粉制成的产品硬度值分别为225、200 g,相较于中筋粉制成的产品显著降低 (p<0.05)。在脆性方面,高、中筋粉制成的产品其脆性值差异不显著 (p>0.05)。鉴于消费者更倾向于选择硬度适中、酥脆口感更明显的食品[34-35],中筋粉制成的产品效果更佳。这可能与不同面粉类型营养组分不同有关。在受热糊化时,面液混合物中的水分 (粉水质量体积比为5∶6) 受热蒸发,水分子在蒸发运动过程中气室膨胀,面筋网络拉伸形成海绵或纤维状空间网状结构[36]。不同面粉类型具有的结构抵抗强度不同,高筋粉因具有较高的面筋质和蛋白,经高温膨化后,蜂窝状的空间网状结构会更密实、牢固;而低筋面粉具有较低的面筋质和蛋白,经高温淀粉膨化后,蜂窝网状结构强度相对较弱[37]。
2.6 不同面粉类型对裹糊鱼块油炸色泽的影响
裹糊鱼块在高温油炸过程中会发生焦糖化、美拉德反应,赋予产品表面特有色泽[37]。国内外常用Lab色彩模型 (由L*、a*和b*值组成) 来表征颜色。L*的值域从0到100表示颜色从深 (黑) 到浅 (白)。由图4可见,产品色泽从高筋组到无筋组发生了微妙变化,由深黄逐渐向浅黄过渡,其中高、中筋粉的裹糊鱼块色泽较深,黄中带淡淡的红褐色,且无筋粉裹糊的鱼块体积较其他3组小。低筋粉组鱼块裹糊和挂糠率低,油炸后可见其内部鱼肉的白色,这也是无筋粉组样品L*值较高的主要原因。除无筋粉a*值较低外,其他3组裹糊鱼块油炸后的a*值差异不明显 (表4,p<0.05),与实拍的视觉差异基本相符。张令文等[38]认为高温导致的褐变和氧化反应是物料色泽变化的主要原因。本研究的原料鱼块表面裹有面包糠,因此淀粉糊化是色泽变化的第一诱因。
表 4 不同面粉类型裹糊鱼块油炸色泽Table 4. Color of fried fish meat coated with batter of different flour types色度
Color高筋粉
High-gluten flour中筋粉
Medium-gluten flour低筋粉
Low-gluten flour无筋粉
Gluten-free flour亮度 L* 70.58±1.94b 71.6±2.43ab 71.3±1.19ab 74.44±0.10a 红绿度 a* 9.28±2.43a 9.05±0.81a 8.28±0.95a 5.92±0.38b 黄蓝度b* 37.90±2.75a 33.87±1.81b 35.42±0.60b 38.02±1.63a 注:同行不同字母表示差异显著 (p<0.05)。Note: Different letters within the same line represent significant differences (p<0.05). 2.7 面粉类型对裹糊鱼块油炸后油脂吸收的影响
苏丹红B是脂溶性物质,与食用油均匀混合后可随油一同进入物料中起到颜色标记的作用,宏观上可反映油脂的吸收状况[39]。如图5所示,裹糊鱼块油炸后油脂主要分布在裹糊及裹糊与肉的交界处,少量油脂可渗入鱼肉。油脂的渗透情况与裹糊淀粉类型有关,低、无筋粉组的裹糊层存在很多大小不等、肉眼可见的气孔,鱼肉部位油脂渗透较明显。高、中筋粉组的裹糊层结构界面交接较紧密,油脂主要集中在裹糊层;中筋粉组的苏丹红染色幅度较小,内部孔隙较少,组织形态较好,说明其裹糊黏附效果较好,这与舒静等[40]的研究结果较一致。翟金玲等[41]认为油炸加工过程,实质是油脂同物料相互之间发生质量交换和热量传递的动态平衡过程。初期物料表面温度逐渐上升,热交换以自然对流传热为主,物料吸油率低;当表面温度达到水的沸点时,热交换过程被食品与油脂的热传导和强制对流共同主导,此阶段食品吸油率增加,其内部蛋白质部分变性、淀粉也开始糊化。中筋粉裹糊在油炸过程中形成致密的凝胶层 (图5),有效减小了外壳形成的孔隙,抑制了水分的蒸发和油脂的渗透,在一定程度上起到控油的作用。
3. 结论
面粉基裹糊黏度特性与原料筋性有一定的相关性。中、高筋面粉的高黏度赋予裹糊较好的裹糊能力和油炸膨胀性能,使裹糊挂糠鱼块油炸后形态更饱满。中筋粉裹糊油炸鱼块的酥脆品质更突出,高筋粉裹糊则使得裹糊油炸鱼块具更明显的硬度特质。苏丹红染色实验表明,中筋粉裹糊在一定程度上能起到控油的作用,但油炸裹糊是以面粉为主要成分,辅以淀粉、泡打粉及其他原料组成的复杂体系,各组分在裹糊中的作用及合理配比还有待进一步的研究。
-
图 6 0.12 m·s−1合成海流工况下单一TDR影响下的延绳钓三维展开形状对比图
注:a. 三维坐标图;b. 俯视图。
Figure 6. Comparison of three-dimensional unfolding shapes of deployment differences in longline under influence of a single TDR at synthetic current of 0.12 m·s−1
Note: a. Three-dimensional detailed coordinate chart; b. Top-down perspective view.
图 7 0.16 m·s−1合成海流工况下单一TDR影响下的延绳钓三维展开形状对比图
注:a. 三维坐标图;b. 俯视图。
Figure 7. Comparison of three-dimensional unfolding shapes of deployment differences in longline under influence of a single TDR at synthetic current of 0.16 m·s−1
Note: a. Three-dimensional detailed coordinate chart; b. Top-down perspective view.
图 8 0.22 m·s−1合成海流工况下单一TDR影响下的延绳钓三维展开形状对比图
注:a. 三维坐标图;b. 俯视图。
Figure 8. Comparison of three-dimensional unfolding shapes of deployment differences in longline under influence of a single TDR at synthetic current of 0.22 m·s−1
Note: a. Three-dimensional detailed coordinate chart; b. Top-down perspective view.
表 1 延绳钓海上实测深度与数值模拟深度对比
Table 1 Comparison between measured and simulated depth of longline
m 钩号
Hook No.2016-03-27 2016-03-29 2016-03-31 2016-04-02 2016-04-06 实测值
Measured
value模拟值
Simulation
value实测值
Measured
value模拟值
Simulation
value实测值
Measured
value模拟值
Simulation
value实测值
Measured
value模拟值
Simulation
value实测值
Measured
value模拟值
Simulation
value3 107.952 116.834 107.157 112.547 109.653 111.398 112.722 116.369 107.163 112.514 5 157.586 154.740 157.022 159.390 160.069 155.779 165.177 166.099 156.719 156.630 7 203.500 192.356 203.495 205.124 206.706 199.361 214.064 214.036 202.721 200.214 9 242.577 228.044 243.414 245.616 246.399 239.128 256.057 254.355 242.042 239.893 11 270.739 258.758 272.443 277.865 275.005 271.828 286.593 280.743 270.497 272.318 13 283.781 278.260 285.893 294.538 294.252 290.990 300.742 286.484 283.676 291.190 方差齐性检验
Homogeneity
of variance
test0.807 0.954 0.974 0.827 0.970 ANOVA/p值
ANOVA/p
value0.873 0.918 0.924 0.945 0.968 钩号
Hook No.2016-04-15 2016-05-16 2016-06-02 2016-07-03 2016-07-23 实测值
Measured
value模拟值
Simulation
value实测值
Measured
value模拟值
Simulation
value实测值
Measured
value模拟值
Simulation
value实测值
Measured
value模拟值
Simulation
value实测值
Measured
value模拟值
Simulation
value2 81.949 82.528 82.437 97.665 81.640 86.560 83.083 89.169 82.505 89.155 4 132.860 134.869 133.078 135.855 132.358 132.060 134.396 133.612 134.164 135.982 6 181.538 185.533 181.179 173.619 180.852 178.610 183.288 177.780 183.759 182.585 8 225.370 231.910 224.128 210.670 224.519 225.380 227.115 220.033 228.653 226.399 10 260.580 269.917 258.302 243.523 259.597 268.300 262.143 255.629 264.942 261.915 12 282.426 284.034 279.365 270.781 281.360 285.770 283.796 284.062 287.559 289.161 方差齐性检验
Homogeneity
of variance
test0.933 0.691 0.927 0.917 0.932 ANOVA/p值
ANOVA/p
value0.931 0.917 0.953 0.960 0.990 表 2 延绳钓校正沉降深度数据验证
Table 2 Numerical verification of longline settling depth
组别
Group“无”TDR的
模拟值
No-TDR
simulation
value钓钩号 Hook No. 影响
因子
Impact
factor组校正
因子
Group
correction
factorTDR
模拟值
TDR
simulation
value校正
数据
Calibration
data实测值
Measured
value1 2 3 4 5 6 7 8 9 10 11 12 13 延绳钓
较浅组
Shallower
group68.269 0.623 0.009 1.011 68.892 68.999 66.555 87.665 0.924 0.011 88.589 88.602 82.437 110.834 1.198 0.011 112.032 112.019 107.952 131.855 1.320 0.010 133.175 133.265 133.078 154.740 2.008 0.013 156.748 156.395 157.586 延绳钓
中间组
Middle
group173.619 2.196 0.013 1.012 175.815 175.775 181.179 192.356 2.415 0.013 194.771 194.744 203.500 210.670 2.447 0.012 213.117 213.286 224.128 228.044 2.930 0.013 230.974 230.876 242.577 延绳钓
最深组
Deepest
group243.523 4.034 0.017 1.016 247.557 247.419 258.302 258.758 4.190 0.016 262.948 262.898 270.739 270.781 4.219 0.016 275.000 275.113 279.365 278.260 4.265 0.015 282.525 282.712 283.781 方差齐性检验
Homogeneity of
variance test0.976 ANOVA/p值
ANOVA/p value0.997 表 3 多重事后比较
Table 3 Multiple ex post comparison
深度值
Depth valuep值
p value实测值
Measured value“无”TDR模拟值
No-TDR simulation value0.826 “有”TDR模拟值
TDR simulation value0.888 校正值
Calibrated value0.892 无TDR模拟值
No-TDR
simulation value实测值
Measured value0.826 “有”TDR模拟值
TDR simulation value0.937 校正值
Calibrated value0.933 有TDR模拟值
TDR
simulation value实测值
Measured value0.888 “无”TDR模拟值
No-TDR simulation value0.937 校正值
Calibrated value0.996 校正值
Calibrated value实测值
Measured value0.892 “无”TDR模拟值
No-TDR simulation value0.933 “有”TDR模拟值
TDR simulation value0.996 -
[1] MOORE B R, BELL J D, EVANS K, et al. Defining the stock structures of key commercial tunas in the Pacific Ocean I: current knowledge and main uncertainties[J]. Fish Res, 2020, 230: 105525. doi: 10.1016/j.fishres.2020.105525
[2] 刘省荣. 中西太平洋海域金枪鱼资源开发与保护现状分析[D]. 上海: 上海海洋大学, 2018: 10-20. [3] CAMPBELL R A, YOUNG J W. Monitoring the behaviour of longline gears and the depth and time of fish capture in the Australian eastern tuna and billfish Fishery[J]. Fish Res, 2012, 119/120: 48-65. doi: 10.1016/j.fishres.2011.12.006
[4] BIGELOW K, MUSYL M K, POISSON F, et al. Pelagic longline gear depth and shoaling[J]. Fish Res, 2006, 77(2): 173-183. doi: 10.1016/j.fishres.2005.10.010
[5] BACH P, GAERTNER D, MENKES C, et al. Effects of the gear deployment strategy and current shear on pelagic longline shoaling[J]. Fish Res, 2009, 95(1): 55-64. doi: 10.1016/j.fishres.2008.07.009
[6] 李灵智, 黄洪亮, 刘健, 等. 大西洋中部金枪鱼延绳钓性能评估初步研究[J]. 渔业信息与战略, 2012, 27(4): 310-315. doi: 10.3969/j.issn.1004-8340.2012.04.009 [7] 郭爱, 林显鹏, 张洪亮, 等. 南太平洋公海长鳍金枪鱼延绳钓钓捕技术及生产分析[J]. 浙江海洋学院学报(自然科学版), 2010, 29(3): 246-253. [8] PARRA H, MACHETE M, SANTOS M, et al. Incidental capture of sea turtles in the Northeast Atlantic Portuguese pelagic longline fishery[J]. Fish Res, 2023, 263: 106673. doi: 10.1016/j.fishres.2023.106673
[9] CURRAN D, BIGELOW K. Effects of circle hooks on pelagic catches in the Hawaii-based tuna longline fishery[J]. Fish Res, 2011, 109(2/3): 265-275.
[10] LOMELI M J M, WAKEFIELD W W, ABELE M, et al. Testing of hook sizes and appendages to reduce yelloweye rockfish bycatch in a Pacific halibut longline fishery[J]. Ocean Coast Manage, 2023, 241: 106664. doi: 10.1016/j.ocecoaman.2023.106664
[11] 刘莉莉, 周成, 虞聪达, 等. 钓钩深度和浸泡时间对东太平洋公海长鳍金枪鱼延绳钓渔获性能的影响研究[J]. 中国海洋大学学报(自然科学版), 2018, 48(1): 40-48. [12] BOGGS C H. Depth, capture time, and hooked longevity of longline-caught pelagic fish: timing bites of fish with chips[J]. Fish Bull, 1992, 90(4): 642-658.
[13] 宋利明, 高攀峰. 马尔代夫海域延绳钓渔场大眼金枪鱼的钓获水层、水温和盐度[J]. 水产学报, 2006, 30(3): 335-340. [14] 张艳波, 戴小杰, 朱江峰, 等. 东南太平洋金枪鱼延绳钓主要渔获种类垂直分布[J]. 应用生态学报, 2015, 26(3): 912-918. [15] 沈智宾, 陈新军, 汪金涛. 基于海表温度和海面高度的东太平洋大眼金枪鱼渔场预测[J]. 海洋科学, 2015, 39(10): 45-51. doi: 10.11759/hykx20140621002 [16] 李杰, 晏磊, 杨炳忠, 等. 罩网兼作金枪鱼延绳钓的钓钩深度与渔获水层分析[J]. 海洋渔业, 2018, 40(6): 660-669. doi: 10.3969/j.issn.1004-2490.2018.06.003 [17] 宋利明, 李轶婷. 基于龙格库塔法的漂流延绳钓沉降过程数值模拟[J]. 中国水产科学, 2022, 29(1): 157-169. doi: 10.12264/JFSC2021-0076 [18] 宋利明, 张智, 袁军亭, 等. 基于最小势能原理的延绳钓渔具作业状态数值模拟[J]. 中国水产科学, 2011, 18(5): 1170-1178. [19] 宋利明, 张智, 袁军亭, 等. 基于有限元分析的漂流延绳钓渔具作业状态数值模拟[J]. 海洋与湖沼, 2011, 42(2): 256-261. doi: 10.11693/hyhz201102014014 [20] WAN T R, TANG W, HUANG D. Real-time simulation of long thin flexible objects in interactive virtual environments[C]//GREEN M. Proceedings of the 18th ACM symposium on virtual reality software and technology. New York: ACM, 2012: 85-92.
[21] 谢海波, 谭晓兰, 甘亮. 基于质量弹簧系统的实时绳索仿真方法[J]. 暨南大学学报(自然科学与医学版), 2013, 34(5): 479-482. [22] SONG L, LI J, GAO P, et al. Modeling the hook depth distribution of pelagic longlining in the equatorial area of Indian Ocean[J]. J Ocean U China, 2012, 11(4): 547-556. doi: 10.1007/s11802-012-2081-9
[23] 王飞, 黄国, 刘天威. 规则波作用下水下拖缆数值分析研究[J]. 海洋工程, 2006, 24(1): 92-97. doi: 10.3969/j.issn.1005-9865.2006.01.015 [24] 詹杰民, 胡由展, 赵陶, 等. 渔网水动力试验研究及分析[J]. 海洋工程, 2002, 20(2): 49-53, 59. doi: 10.3969/j.issn.1005-9865.2002.02.009 [25] 苏志鹏, 许柳雄, 朱国平, 等. 拖速和曳纲长度对南极磷虾中层拖网网位的影响[J]. 中国水产科学, 2017, 24(4): 884-892. [26] 张泓奕. 金枪鱼延绳钓水动力性能与钓钩深度数值模拟研究[D]. 上海: 上海海洋大学, 2023: 19-23. [27] 曹道梅. 金枪鱼延绳钓渔具动力学模拟[D]. 上海: 上海海洋大学, 2011: 16-28. [28] 冯维山. 沉力分布对平面网片沉降特性影响的试验[J]. 大连水产学院学报, 1996, 11(4): 37-44. [29] 梁民仓, 尹勇. 船用柔性绳索的仿真研究[J]. 系统仿真学报, 2016, 28(9): 1945-1949, 1956. [30] ABDULSALAM A, SENU N, MAJID Z A, et al. Development of high-order adaptive multi-step Runge-Kutta-Nyström method for solving special second-order ODEs[J]. Math Comput Simulat, 2024, 216: 104-125. doi: 10.1016/j.matcom.2023.09.006
[31] 刘伟涛, 李萍, 李德豪, 等. 方差分析数据处理系统的设计[J]. 计算机与应用化学, 2015, 32(5): 583-586. [32] 李佐胜, 姚建刚, 杨迎建, 等. 基于方差分析的绝缘子红外热像特征选择方法[J]. 电网技术, 2009, 33(1): 92-96. [33] 杨孟刚, 陈政清. 基于UL列式的两节点悬链线索元非线性有限元分析[J]. 土木工程学报, 2003, 36(8): 63-68. doi: 10.3321/j.issn:1000-131X.2003.08.012 [34] 孟阳君. 不同边界条件矩形薄板受力分析的解析解法[J]. 湖南交通科技, 2021, 47(4): 92-98. doi: 10.3969/j.issn.1008-844X.2021.04.019 [35] ZHANG X F, WANG M F, XU L X. Modeling and visualization of part behavior of purse seine using R language[C]//QIU P H, XIANG Y, DING Y S, et al. The 4th International Congress on Image and Signal Processing. Shanghai: IEEE, 2011: 2080-2083.
[36] 杨阳. 龙格库塔法求模糊微分方程的数值解[D]. 哈尔滨: 哈尔滨工业大学, 2015: 10-18. [37] LEI S X, WANG Y F, WANG X H, et al. A high-accurate time integration method for solving structural vibration responses[J]. Math Probl Eng, 2022, 2022: 563393.
[38] BU S, JUNG W K, KIM P. An error embedded Runge-Kutta method for initial value problems[J]. Kyungpook Math J, 2016, 56(2): 311-327. doi: 10.5666/KMJ.2016.56.2.311
[39] 梁银凡, 邓旭辉, 郭小刚, 等. 面外法向集中力作用下水平悬链线的构形与张力研究[J]. 应用力学学报, 2023, 40(6): 1393-1403. [40] 郭小刚, 周涛, 金星, 等. 水平悬链线中点集中力作用下的非线性分析及计算[J]. 计算力学学报, 2018, 30(4): 514-520. doi: 10.7511/jslx20170304001 [41] 朱瑞景. 基于静力分析的悬链线建模与仿真研究[D]. 大连: 大连海事大学, 2017: 28-31.