Sensitivity analysis of CMSY method based on varying parameter priorassumptions
-
摘要:
受数据不足的限制，大部分渔业难以采用传统的渔业资源评估方法为渔业管理提供建议。因此，基于数据缺乏方法的评估模型逐渐受到关注，其中CMSY是目前国际上应用广泛的数据缺乏评估方法。然而，现有研究表明，CMSY方法的评估结果对先验假设具有高度依赖性，且不同参数先验对模型输出结果的具体影响尚不明确。为探究CMSY参数先验假设对评估结果的影响，从RAM传统资源评估数据库 (RAM Legacy Stock Assessment Database) 中随机选取200个来自不同海域的鱼类及无脊椎动物种群对CMSY敏感性进行分析。系统分析了内禀增长率 (r) 以及开始、中间、最后年份的资源量水平 (Bstart/K、Bint/K、Bend/K，B为生物量，K为环境容纳量) 的上下限先验假设变化对模型估算结果 [生物量轨迹、最大可持续产量 (MSY)、最大可持续产量对应的生物量 (BMSY)、最大可持续产量对应的捕捞死亡系数 (FMSY)、相对生物量 (B/BMSY)、相对捕捞死亡系数 (F/FMSY)]的影响。结果表明：1) 生物量轨迹、BMSY、FMSY受r下限的影响大，B/BMSY、F/FMSY受Bend/K上限的影响大，而MSY受各参数先验的影响较小。2) 目级分类差异对CMSY方法的敏感性无显著性影响。3) 参数先验的改变易导致Kobe图中的种群资源状况发生象限迁移，其中Bend/K上限对其影响最大。研究表明，CMSY方法对参数先验设置具有较高的敏感性，建议使用该模型时谨慎设定参数和进行结果分析。
Abstract:Due to data limitation, most fisheries find it difficult to use traditional fisheries stock assessment methods to provide recommendations for fisheries management. As a result, data-limited assessment models have gainedincreasing attention, among which CMSY has become a widely used method internationally. However, studies indicate that CMSY is highly dependent on prior assumptions, and the specific impacts of different parameter priors on model outputs remain uncertain. To address this problem, we conducted a sensitivity analysis of CMSY by randomly selecting 200 fish and invertebrate stocks from different sea areas in the RAM Legacy Stock Assessment Database. The model estimation results, including biomass trajectory, MSY, BMSY, FMSY, B/BMSY and F/FMSY were systematically analyzed to examine their variations by incrementally adjusting the upper and lower bounds of the intrinsic growth rate (r), and the biomass levels at the start, middle and end years (Bstart/K, Bint/K, Bend/K). The results indicate that: 1) Biomass trajectory, BMSY, and FMSY were significantly influenced by the lower bound of r, while B/BMSY and F/FMSY were more sensitive to the upper bound of Bend/K. MSY was less affected by the prior settings of the parameters. 2) Taxonomic classification at the order level exhibited no significant influence on the sensitivity of the CMSY method. 3) Variations in parameter priors were observed to induce quadrant transitions in the population stock status depicted in the Kobe plot, among which the upper bound of Bend/K showed the most significant effect. This study reveals that the CMSY method exhibited high sensitivity to parameter prior settings. It is suggested that careful parameter configuration and result interpretation are essential when utilizing this model.
-
Keywords:
- CMSY /
- Sensitivity analysis /
- Parameter prior /
- Stock assessment /
- Data-limited
-
水产品是人类重要的蛋白质来源，并可能在未来全球粮食安全中发挥日益重要的作用[1]。2001—2016年，全球水产养殖以每年5.8%的速度增长，水产养殖在总的渔业生产中的贡献率由2000年的25.7%提高到2017年的46.4%[2]。中国是世界上最大的水产养殖生产国，全国滨海养殖塘面积已从1984年的2 612 km2增加到2016年的13 075 km2[1]。然而，在高密度、集约化养殖过程中，由于虾塘生态系统的特殊性，营养物质[氮 (N) 和磷 (P)]大量积累，导致其水质下降，从而爆发虾病，降低产量。养殖者为了确保养殖水质，经常性的水交换影响着临近水体[3]，有研究表明，我国每年大约有N 4.77×104 t和P 3.75×103 t从滨海养殖塘排入临近海域，这些营养物质的增加势必会对沿海生态系统造成富营养化、赤潮以及生物多样性减少等负面影响[4]，控制这种环境负荷的产生是维持水产养殖可持续发展所必需的策略[5]。因此，了解养虾塘养殖水体营养动态，对调控虾塘水质、提高虾产量、防止水体富营养化具有重要意义。
近年来人们通过养殖塘水体营养盐及水环境指标对水产养殖活动的环境影响研究日益增多。Silva等[3]研究表明，N、P营养盐在养殖过程中不断累积，促进了有害藻类生长繁殖；Yang等[4]在研究中发现，沉积物中营养盐的释放是水体中营养物质主要来源；郭丰等[6]发现，由于浮游植物对无机营养盐的吸收，使得池塘内营养盐浓度低于外部水体，但是池塘较低的富营养化指数并不能忽视其养殖废水对临近水体的不利影响；宋玉芝等[7]在研究中指出，不同的氮磷比 (N/P) 对浮游藻类的生长有重要的影响；杨平等[8]发现，养殖初期和养殖后期藻类生长的限制因子是P，而N是养殖中期的主要限制因子；施沁璇等[9]、高磊[10]、Avnimelech[11]均认为，养殖过程中通过额外添加碳源，在提高养殖水体碳氮比的同时，降低了水体无机氮含量，从而改善了养殖环境。上述研究主要通过N 、P营养盐或碳氮比(C/N)对养殖塘水质、富营养化及浮游藻类生长情况进行了研究，而将C、N、P营养元素同时考虑并结合水体叶绿素a浓度在水环境中影响作用的研究较少，这对于准确评估养殖塘主要营养元素组成及其时空动态特征、制定水环境污染防治措施具有一定的缺陷。
福建省是全国滨海陆基水产养殖的主要区域之一，其对虾养殖面积居全国第四位[12]。本研究通过对福建省闽江河口鳝鱼滩湿地陆基围垦养虾塘养殖过程中养殖水体可溶性有机碳 (DOC)、可溶性无机氮 (DIN)、磷酸盐 (PO4 3−-P) 及叶绿素a浓度进行时空动态监测，考虑水体参数对其影响，并从C、N、P生态化学计量比角度揭示养殖水体营养状况，为当地养殖生产过程中水环境调控、促进养殖的可持续性并预防临近海域水体富营养化提供参考。
1. 材料与方法
1.1 研究区概况
鳝鱼滩是位于福建省闽江河口区最大的天然湿地 (119°34'12"E—119°40'40"E、26°00'36"N—26°03'42"N、图1)，面积约3 120 hm2[13]。该区域属于中亚热带和南亚热带海洋性季风气候过渡区，气候暖热湿润，年平均降雨量和年平均气温分别为1 350 mm和19.6 ℃，降雨多集中在3—9月。该河口区潮汐表现为正规半日潮，潮汐水平均盐度为4.2±2.5[14]。研究区域内主要优势植物群落包括土著种短叶茳芏 (Cyperus malaccensis)、芦苇 (Phragmites australis) 和外来入侵种互花米草 (Spartina alterniflora)。2012年当地政府主要基于治理互花米草，同时兼顾鸟类栖息地和觅食地的目的，将一些潮汐沼泽湿地围垦为陆基养虾塘。闽江河口养虾塘通常在4月底至5月初投放虾苗，10月中下旬对虾收获后进入排水晒塘阶段。养殖品种主要为凡纳滨对虾 (Litopenaeus vannamei)。在鳝鱼滩湿地中偏西部选择3个本底情况较为一致的对虾养殖塘作为实验样地，分别记作Ⅰ、Ⅱ和Ⅲ号塘 (图1)。所选虾塘基本情况见表1。
表 1 养虾塘基本情况Table 1 Basic information of shrimp pondsⅠ号塘
Pond IⅡ号塘
Pond IIⅢ号塘
Pond III虾塘面积 Area/m2 14 000 13 000 12 500 虾苗投放量 Shrimp input/×104 尾 300 280 270 对虾收获量 Shrimp harvest/kg 7 000 9 500 8 000 对虾成活率 Survival rate/% 70 80 75 饲料投喂量 Feed input/kg 5 000 6 000 5 000 1.2 样品采集与测定
为方便采样，并减少人为干扰的影响，于每个养虾塘内搭建一座栈桥 (长×宽：10 m×1.0 m)，沿着由岸边至池塘中央方向布设5个采样点。于2018年5—10月，每月进行2~3次样品采集和测定。利用Sea-Bird II型采水器 (Sea-bird electronics，USA) 采集每个采样点表层 (距水面10~20 cm) 和底层 (距塘底10~20 cm) 水样，将采集的水样装入150 mL白色聚乙烯塑料瓶中。为抑制水样中的微生物活性，需立即加入0.2 mL饱和氯化汞 (HgCl2) 溶液。所有水体样品都置于保温箱中，低温遮光保存带回实验室。样品运回实验室后，测定样品中DIN、PO4 3−-P、DOC和叶绿素a浓度，测定方法见文献[4, 14-15]。
利用HI98121便携式pH计 (IQ Scientific Instruments, Italy) 和便携式盐度计 (Eutech Instruments SALT6+, USA) 分别测定养虾塘水体不同深度的pH和盐度。使用YSI550A水质监测仪 (YSI, USA) 测定不同深度水温和溶解氧 (DO)质量浓度。
1.3 数据处理与统计分析
用Excel 2016软件处理数据，通过SPSS 19.0统计软件中单因素方差分析检验养虾塘之间DOC、营养盐及叶绿素a浓度的差异性，用Pearson相关性分析法检验DOC、营养盐、叶绿素a与测定环境因子间的相关性。以上统计分析中，显著性水平α=0.05，数值以“平均值±标准差 (
$\overline { X}{ \pm {\rm{SD}}} $ )”表示，用Origin Pro 7.5完成数据作图。2. 结果
2.1 养虾塘主要水环境因子时空变化特征
3个养虾塘水体水环境因子变化趋势近乎一致。水温介于19.47~34.08 ℃，均值为 (28.3±4.28) ℃，7、8月水温最高，10月最低 (图2-a)。溶解氧质量浓度介于2.87~7.78 mg·L−1，均值为 (4.88±1.07) mg·L−1 (图2-b)。pH介于7.84~10.22，均值为9.20±0.64，随着养殖过程进行，pH呈上升趋势 (图2-c)。盐度介于1.56~7.87，均值为 4.16±1.54，变化趋势呈“M”形 (图2-d)。方差分析结果显示，虾塘间水体水环境因子均无显著性差异 (n=75，P>0.05)。
![]()
图 2 养虾塘主要水体理化性质时间变化特征Fig. 2 Temporal variation of main physical and chemical properties in shrimp ponds2.2 养虾塘水体DOC和叶绿素a浓度时空变化特征
养虾塘水体DOC和叶绿素a浓度均存在明显的时空变化特征 (表2)。养殖期间虾塘水体DOC介于5.73~16.79 mg·L−1，均值为 (11.54±2.45) mg·L−1，3个虾塘DOC均呈现出波动上升趋势，并且在养殖末期达到最大值，总体表现为Ⅰ号塘>Ⅱ号塘>Ⅲ号塘 (图3-a)。叶绿素a介于15.02~443.08 μg·L−1，均值为 (141.78±77.32) μg·L−1。总体上表现出养殖初期叶绿素a浓度较低，养殖中期快速升高并达到峰值，养殖末期缓慢下降的变化特征，虾塘间叶绿素a浓度表现为Ⅱ号塘>Ⅰ号塘>Ⅲ号塘 (图3-b)。
表 2 养虾塘水体溶解有机碳、氮、磷营养盐及叶绿素a浓度差异性分析Table 2 ANOVA analysis of contents of DOC, nitrogen and phosphorus nutrients and chlorophyll a in shrimp ponds变量
Variable可溶性有机碳
DOC可溶性无机氮
DIN磷酸盐
PO4 3−-P叶绿素 a
Chlorophyll aF P F P F P F P 采样池塘 Sampling pond 4.150 0.017 40.161 <0.001 5.405 0.005 371.082 <0.001 采样日期 Sampling date 31.496 <0.001 63.478 <0.001 4.015 0.001 276.654 <0.001 采样池塘×采样日期
Sampling pond×Sampling date8.476 <0.001 18.110 <0.001 2.766 0.001 33.768 <0.001 注：P<0.05表示存在显著差异；P<0.01表示存在极显著差异 Note: Significant difference at 0.05 level (P<0.05); Very significant difference at 0.01 level (P<0.01) ![]()
图 3 养虾塘水体可溶性有机碳和叶绿素a浓度时间变化特征Fig. 3 Temporal variation characteristics of DOC and chlorophyll a mass concentration in shrimp ponds2.3 养虾塘水体DIN和PO4 3−-P浓度时空变化特征
养虾塘水体DIN和PO4 3−-P均存在明显的时空变化特征 (表2)。养虾塘DIN [硝酸盐氮 (NO3 −-N)、亚硝酸盐氮 ( NO2 −-N)、氨氮 (NH4 +-N) 三者总和] 在整个养殖过程中呈现上升趋势。其中NO3 −-N、NO2 −-N变化趋势一致 (图4-a，图4-b)；NH4+-N呈波动上升趋势 (图4-c)。NO3 −-N、NO2 −-N和NH4 +-N变化分别介于0.01~0.87 mg·L−1，0.00~0.52 mg·L−1和0.03~1.12 mg·L−1，均值分别为 (0.10±0.10) mg·L−1、(0.03±0.05) mg·L−1和 (0.32±0.26) mg·L−1，分别占DIN的21.74%、6.52%和69.57%，DIN总体上表现为Ⅱ号塘>Ⅰ号塘>Ⅲ号塘。PO4 3−-P在观测期内总体呈下降趋势，其变化介于0.03~0.16 mg·L−1，均值为 (0.09±0.02) mg·L−1，整体上表现为Ⅰ号塘>Ⅱ号塘>Ⅲ号塘 (图4-d)。
![]()
图 4 养虾塘水体可溶性无机氮和磷酸盐浓度时间变化特征Fig. 4 Temporal variation characteristics of DIN and PO4 3−-P mass concentration in shrimp ponds2.4 养虾塘水体DOC、DIN、PO4 3−-P化学计量比特征
对比虾塘C/N、C/P及N/P，均表现为C/P>C/N>N/P，分别介于60.29~446.70、7.78~195.00和0.38~40.91，均值分别为152.13±86.35、54.98±47.71、6.22±7.37。C/N表现为Ⅲ号塘>Ⅰ号塘>Ⅱ号塘，均值分别为64.27±55.54、54.45±40.18、46.21±47.56 (图5-a)；C/P表现为Ⅲ号塘>Ⅱ号塘>Ⅰ号塘，均值分别为174.86±102.31、149.08±97.47、132.44±49.88 (图5-b)；N/P表现为Ⅱ号塘>Ⅲ号塘>Ⅰ号塘，均值分别为8.50±10.96、5.25±4.57、4.92±4.62 (图5-c)。3个虾塘C/N/P分别为124.02/4.65/1、122.26/6.20/1、143.73/4.41/1。随着养殖过程的进行，C/N表现为逐渐下降趋势，C/P和N/P表现为上升趋势。
![]()
图 5 养虾塘水体可溶性无机碳、可溶性无机氮、磷酸盐的碳、氮、磷的化学计量比特征Fig. 5 Stoichiometric characteristics of carbon, nitrogen and phosphorus of DOC、DIN、PO4 3−-P in shrimp ponds2.5 养虾塘水体DOC、营养盐及叶绿素a浓度与环境因子间相关关系
综合3个养虾塘对其DOC、DIN、PO4 3−-P、叶绿素a以及水体理化指标进行相关分析 (表3)，结果显示，DOC与盐度和叶绿素a呈显著正相关 (P<0.05)，与水温呈极显著负相关 (P<0.01)；NO3 −-N与pH呈显著正相关 (P<0.05)，NH4 +-N与水温呈极显著负相关 (P<0.01)；PO4 3−-P与pH呈极显著负相关 (P<0.01)；叶绿素a与DO和盐度呈显著正相关 (P<0.05)。
表 3 养虾塘水体可溶性有机碳、营养盐及叶绿素 a浓度与理化指标的相关分析Table 3 Correlation analysis of contents of DOC, nutrients and chlorophyll a in shrimp pond water with physicochemical indices指标
Index水温
Water temperature/℃溶解氧
Dissolved oxygen/(mg·L−1)pH 盐度
Salinity叶绿素 a
Chlorophyll a/
(μg·L−1)可溶性无机碳 DOC/(mg·L−1) −0.416** 0.069 0.175 0.323* 0.413** 硝酸盐氮 NO3 −-N/(mg·L−1) 0.021 0.137 0.332* 0.177 0.181 氨氮 NH4 +-N/(mg·L−1) −0.411** −0.090 0.202 0.099 0.211 亚硝酸盐氮 NO2 −-N/(mg·L−1) 0.109 0.085 0.228 0.227 0.128 磷酸盐 PO4 3−-P/(mg·L−1) −0.033 −0.427 −0.577** 0.000 −0.244 叶绿素 a Chlorophyll a/(μg·L−1) −0.178 0.371* 0.192 0.479** 1 注：*. 显著性相关 (P<0.05)；**. 极显著性相关 (P<0.01) Note: *. Significant at 0.05 level (P<0.05)；**. Very significant at 0.01 level (P<0.01) 3. 讨论
3.1 养虾塘水体DOC、营养盐及叶绿素a浓度时空变化特征
养虾塘水体DOC浓度在观测期内呈上升趋势，并且在养殖后期达到峰值，这与Zhang等[16]和张瑜斌等[17]的研究结果基本一致。张瑜斌等[17]认为，虾塘中较高的叶绿素含量以及有机物质的积累是导致虾塘DOC升高的原因。本研究中，由于养殖初期人工对养殖水体的培肥活动增加了虾塘初始水体的DOC浓度，促进了浮游植物的生长繁殖，虾苗投放后摄食水体中的浮游生物，而此阶段几乎不向池塘投喂饲料，因此，水体DOC浓度总体偏低；而在养殖中期，对虾摄食及新陈代谢活动旺盛，大量饲料投喂以及生物体新陈代谢产物在水中溶解，较高的水温促进了水体和沉积物中的微生物活性[8]，有机物质得到有效分解，释放了大量DOC，但在此阶段，高温容易造成虾塘DO供给不足，导致对虾不摄食、少摄食甚至发病死亡，养殖者根据对虾摄食情况，适当增减饲料投喂量，同时伴随着频繁的降雨过程，导致了DOC呈现出波动较大的特点；到了养殖后期，气温降低，对虾接近成熟收获，为了方便捕捞，养殖者逐渐向外排放水体，水位下降有利于沉积物中积累的有机物质在微生物作用下分解，向水体释放DOC，故此阶段DOC浓度达到最高。从空间上看，Ⅰ号塘和Ⅱ号塘DOC变化趋势接近，而Ⅲ号塘呈现出有规律的波动，这可能与养殖者在养殖过程中进行了水质调节有关。
养虾塘水体DIN在观测期内呈升高趋势，这与NH4 +-N的变化趋势一致。研究结果显示，NH4 +-N占DIN的69.57%，因此，DIN的时间变化特点主要取决于NH4 +-N的变化[18]。研究发现，氨是对虾等甲壳类动物排泄物分解的主要无机化合物，也是生物尸体分解的无机氮初级产物[18-19]。Yang等[4]认为，养虾塘较高的NH4+-N与养殖水体中高度的还原环境不利于氮的氧化有关。研究结果显示，溶解氧浓度与NH4 +-N呈负相关，而与NO3 −-N、NO2 −-N呈正相关。笔者认为，养殖期间较高的水温使得生物体呼吸速率加剧，导致水体中溶解氧浓度不足，从而发生反硝化作用，NO3 −-N、NO2 −-N转变为毒性较大的NH4 +-N[8, 20]；而累积的有机物质通过厌氧分解，也会增加水体NH4 +-N，造成养虾塘水体NH4 +-N呈现出升高趋势。在养殖过程中由于受浮游植物繁殖对NH4 +-N的吸收[21-22]以及养殖者为减轻NH4 +-N对养殖生物的毒害作用而采取相应措施影响[13]，造成NH4 +-N在观测期内产生动态变化。本研究发现Ⅱ号塘NO3 −-N、NO2 −-N在9月发生了较大波动，并且达到了观测期内最大值，这是由于养殖过程中有机物质在底泥中的大量累积以及长期的厌氧环境，导致微生物厌氧分解，使得虾塘后期NO3 −-N、NO2 −-N升高[23]。
PO4 3−-P浓度在养殖过程中呈现逐渐下降的趋势，这可能是因为从周围海域引入的初始水体在人工培肥作用下，使得虾塘水体在养殖初期具有较高的PO4 3−-P浓度[23]，随着养殖过程中浮游生物的大量繁殖对PO4 3−-P的吸收利用以及PO4 3−-P的吸附沉淀作用[24-25]，造成PO4 3−-P逐渐降低。另外，有研究表明，较高的水体pH在削弱微生物活性的同时减弱了沉积物和水体中有机物质的矿化作用，从而减少了P的释放量[8]，本研究显示，3个养虾塘水体pH均较高，并超过对虾最适pH (7.8~8.5)，这可能是导致PO4 3−-P浓度降低的又一原因。
叶绿素a在养殖初期处于较低水平，养殖中期浓度逐渐升高并且达到峰值，在养殖后期逐渐降低，这与以往的研究结果一致[26-28]。叶绿素a是水体浮游植物数量的重要标志[14]，浮游植物数量随虾塘水温和光照强度变化而变化。一般来说，水温是藻类生长、进行光合作用的必要条件[29]，然而在本研究结果中显示两者呈负相关关系。钱昊钟等[29]认为，当水温满足藻类生长需求时，营养盐便成为叶绿素a的主要限制因子。有研究表明，浮游植物有机体组成平均N/P比为16/1[25]，当N/P>16，浮游植物受磷限制，当N/P<16时则表现为氮限制[30]，本文中N/P比介于0.80~17.00，均值为6.22，因此在整个观测期养虾塘中浮游植物的生长总体上表现为氮限制。本研究结果显示，Ⅱ号塘因其较高的N浓度使其叶绿素a高于Ⅰ号塘和Ⅲ号塘，并且在养殖后期，由于虾塘内N累积，N/P比有所升高，使得叶绿素a保持较高水平，这也进一步证明了营养盐的组成情况影响着浮游藻类的生长繁殖。
3.2 养虾塘水体化学计量比与养殖水环境
水体C、N、P化学计量学是生物地球化学循环的一个重要特征[31]，是评价水体营养状态的重要手段[32]。本研究中3个养虾塘水体C、N、P生态化学计量比均表现为C/P>C/N>N/P。本研究中对水体DOC、DIN、PO4 3−-P进行比较，而在已有的土壤、植物相关研究中则多使用TC、TN、TP，虽然结果有所差异，但与王维奇等[33]在闽江河口湿地发现活体植物、枯落物、土壤的生态计量比均表现为C/P>C/N>N/P一致，这说明养殖水体中的C、N、P营养元素组成与植物体、土壤之间具有相似性。而早在1958年，Redfield[30]发现海洋浮游植物有机体成分具有恒定的106/16/1的C/N/P组成，并且与海水中C、N、P的比例相似[34]，这与本研究结果出入较大，本研究结果显示，3个养虾塘养殖水体C/N/P比值分别为124.02/4.65/1、122.26/6.20/1和143.73/4.41/1，表现为碳盈余与氮限制。水体中较高的C和较低的N可能与养虾塘受人工调控有关。养殖过程中，饲料的大量投喂为水体提供了充足的碳源，同时为防止虾NH4 +-N和NO2 −-N中毒，养殖者会根据水体NH4 +-N和NO2 −-N浓度变化情况对水体进行消毒处理，调节水质从而造成养虾塘水体N浓度较低。
养虾塘水体中丰富的养分浓度，容易造成养殖水体恶化，从而影响养殖生物的健康生长以及临近海域生态系统发展。因此，采取有效措施减轻水产养殖对环境的污染十分重要[35]。在传统的水产养殖中，水体中的C主要源于浮游植物光合固碳和饲料投放，而N主要源于饲料[9]。有研究表明，通过向水体中添加碳源 (如木薯粉、糖蜜等) 可以提高水体的C/N，使得异养细菌可以利用更多的无机氮化合物来形成自身菌体成分，促进生物絮团的形成[3]，在降低水体中NH4 +-N和NO2 −-N等有毒无机氮化合物在水体中累积的同时达到净化水质的作用[9]。而细菌生长所产生的菌体蛋白还可以作为额外的天然饵料被对虾利用，从而减少了对人工饵料中蛋白含量的需求，进而降低养殖成本[10-11, 36]。然而水体中有机碳的分解又会消耗大量氧气，对养殖生物造成威胁[37]；因此，寻找养虾塘生态系统合适的C/N，对防止水体恶化、促进对虾健康生长具有重要意义。
大多数研究表明，养殖塘在养殖过程中由于大量饵料投喂容易导致养殖水体富营养化[6, 23]，然而也有些研究认为，养殖并不会对环境造成危害，反而能改善水质[38-39]。有研究发现，投喂的饲料只有1/5被养殖生物有效利用，而池塘底泥通过对水生生态系统的缓冲作用，将有机残留物、生物体排泄物以及藻类代谢物吸附在底泥当中[40]，齐振雄和章曼平[41]研究显示，系统中N、P的主要输出方式是沉积物累积，分别可占N、P总输入量的19.39%~64.63%和39.52%~91.92%，以此来减少对水体的污染。本研究观测到DOC、DIN质量浓度由养殖初期的 (10.06±2.75) mg·L−1和 (0.12±0.08) mg·L−1，增至养殖后期的 (16.28±0.60) mg·L−1和 (1.09±0.24) mg·L−1，而PO4 3−-P质量浓度由养殖初期的 (0.1±0.04) mg·L−1降至养殖后期的 (0.08±0.01) mg·L−1。根据邹景忠等[42]海域营养盐阈值标准，无机氮质量浓度为 0.2~0.3 mg·L−1，无机磷质量浓度为 0.054 mg·L−1，3个养虾塘养殖初期DIN浓度低于阈值，随着养殖过程进行，其浓度逐渐升高，并远超阈值，而PO4 3−-P浓度均超过阈值；综合分析，3个养虾塘均达到富营养化标准。
4. 结论
1) 在整个养殖期，闽江河口鳝鱼滩陆基养虾塘DOC、营养盐、叶绿素a浓度均表现出明显的时空差异。
2) 养虾塘养殖期DOC、营养盐、叶绿素a浓度受到水环境因子影响呈现出不同的变化特征。DOC主要受到水温、叶绿素a的影响；DIN受人为对NH4 +-N浓度的调节影响较大；PO4 3−-P主要受pH和叶绿素a影响；营养盐主要影响叶绿素a浓度。
3) 养虾塘养殖水体C、N、P生态化学计量比表现为C/P>C/N>N/P，与植物、枯落物以及土壤的生态化学计量比一致，表明水体中C、N、P营养元素组成与植物、土壤之间具有相似性。
4) 养虾塘浮游植物的生长总体表现为氮限制，这说明闽江河口鳝鱼滩养虾塘水质较好。在养殖过程中，加强对水体营养盐变化的监测，适时调节水质，对防止养殖水体富营养化、促进养殖生物健康生长、减少临近水域的污染具有重要作用。
-
![]()
图 1 改变参数上限导致Kobe图中种群资源状况发生象限移动的示例
注：PCEE、SWHI和ATKA三个种群代码来源于RAM数据库，分别代表小孔羽鼬鳚、弗氏鱚和单鳍多线鱼。黑色圆点的-0编号代表其初始参数设置情景，黑色三角形的-8编号代表增加Bend/K参数上限的情景。箭头代表这些种群参数先验改变后资源状况移动的方向。
Figure 1. Example of quadrant shift in stock status in Kobe plot caused by changing parameter upper limit
Note: The stock codes PCEE, SWHI, and ATKA originated from the RAM database and represented G. blacodes, S. flindersi and P. monopterygius, respectively. The black circles with a -0 designation represent the initial parameter setting scenarios, while the black triangles with a -8 designation represent scenarios with an increased upper limit for Bend/K parameters. The arrows represent the directional changes in the stock status from adjustments to the parameter prior settings.
![]()
图 2 每个参数先验增加10%时生物量轨迹、MSY、BMSY、FMSY、B/BMSY、F/FMSY与参考值的差异
注：箱型图内部灰色点为均值；图中未显示离群点。横轴坐标：1. r下限；2. r上限；3. 开始年份资源量水平下限；4. 开始年份资源量水平上限；5. 中间年份资源量水平下限；6. 中间年份资源量水平上限；7. 最后年份资源量水平下限；8. 最后年份资源量水平上限。“*”代表显著性差异，p<0.05；“ns”代表非显著性差异，p≥0.05。黑色虚线为0值参考线。
Figure 2. Difference in biomass trajectory, MSY, BMSY, FMSY, B/BMSY, F/FMSY relative to reference values when each parameter prior increased by 10%
Note: Grey points inside the box plot are means; outliers are not shown in the plot. The horizontal coordinates are: 1. r-lower; 2. r-upper; 3. Bstart/K-lower; 4. Bstart/K-upper; 5. Bint/K-lower; 6. Bint/K-upper; 7. Bend/K-lower; 8. Bend/K-upper. "*" represents a significant difference with p< 0.05; "ns" represents a non-significant difference with p≥0.05. The black dashed line is the zero value reference line.
![]()
图 3 不同目的各个种群参数先验增加10%时结果 (生物量轨迹、MSY、BMSY、FMSY、B/BMSY、F/FMSY) 与参考值的差异
注：横坐标中：1. 生物量轨迹；2. 最大可持续产量(MSY)；3. 最大可持续产量对应的生物量(BMSY)；4. 最大可持续产量对应的捕捞死亡系数(FMSY)；5. 相对生物量(B/BMSY)；6. 相对捕捞死亡系数(F/FMSY)。蓝色虚线为0值参考线。
Figure 3. Difference in results (Biomass trajectory, MSY, BMSY, FMSY, B/BMSY, F/FMSY) relative to reference values when parameter prior for stocks from different orders increased by 10%
Noet: The horizontal coordinates are: 1. Biomass trajectory; 2. MSY; 3. BMSY; 4. FMSY; 5. B/BMSY; 6. F/FMSY. The blue dashed line is the zero value.
表 1 r的参数先验
Table 1 Parameter prior of r
恢复力
Resiliencer先验范围
Prior range of r高 High 0.600~1.500 中 Medium 0.200~0.800 低 Low 0.050~0.500 非常低 Very low 0.015~0.100 
下载: 导出CSV
表 2 58个种群中不同参数先验改变对种群资源状况的影响
Table 2 Impact of parameter prior changes on population stock status
参数先验
Parameter priorB/BMSY F/FMSY 向右越过基准线
(个数)
Rightward shift
across baseline
(Number)向左越过基准线
(个数)
Leftward shift
across baseline
(Number)合计
Sum向上越过基准线
(个数)
Upward shift
across baseline
(Number)向下越过基准线
(个数)
Downward shift
across baseline
(Number)合计
Sumr-下限 r-lower 6 1 7 3 10 13 r-上限 r-upper 2 1 3 6 9 15 Bstart/K-下限 Bstart/K-lower 4 2 6 2 8 10 Bstart/K-上限 Bstart/K-upper 4 2 6 3 7 10 Bint/K-下限 Bint/K-lower 3 2 5 4 10 14 Bint/K-上限 Bint/K-upper 5 2 7 2 11 13 Bend/K-下限 Bend/K- lower 4 2 6 4 12 16 Bend/K-上限 Bend/K- upper 30 1 31 1 19 20 合计 Sum 58 13 71 25 86 111
下载: 导出CSV
-
[1] 石永闯, 樊伟, 张衡, 等. 适用于数据缺乏渔业的资源评估方法研究进展[J]. 中国水产科学, 2021, 28(5): 673-691. doi: 10.12264/JFSC2020-0309 [2] COSTELLO C, OVANDO D. Status, institutions, and prospects for global capture fisheries[J]. Annu Rev Environ Resour, 2019, 44(1): 177-200. doi: 10.1146/annurev-environ-101718-033310
[3] 石永闯. 西北太平洋秋刀鱼 (Cololabis saira) 资源评估研究[D]. 上海: 上海海洋大学, 2020: 48. [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] ROSENBERG A A, FOGARTY M J, COOPER A B, et al. Developing new approaches to global stock status assessment and fishery production potential of the seas[R]. Rome: FAO, 2014: 0_1, I, IV, X, XI, 1, 3, 5-25, 27-45, 47-49, 51-81, 83-89, 91-103, 105-175.
[6] FROESE R, DEMIREL N, CORO G, et al. Estimating fisheriesreference points from catch and resilience[J]. Fish Fish, 2017, 18(3): 506-526. doi: 10.1111/faf.12190
[7] VASCONCELLOS M, COCHRANE K. Overview of world status of data-limited fisheries: inferences from landings statistics[C]//Anchorage: University of Alaska Fairbanks. Fisheries assessment and management in data-limited situations, 2005: 1-20.
[8] THORSON J T, MINTO C, MINTE-VERA C V, et al. A new role for effort dynamics in the theory of harvested populations and data-poor stock assessment[J]. Can J Fish Aquat Sci, 2013, 70(12): 1829-1844. doi: 10.1139/cjfas-2013-0280
[9] MACCALL A D. Depletion-corrected average catch: a simple formula for estimating sustainable yields in data-poor situations[J]. ICES J Mar Sci, 2009, 66(10): 2267-2271. doi: 10.1093/icesjms/fsp209
[10] DICK E, MACCALL A D. Depletion-based stock reduction analysis: a catch-based method for determining sustainable yields for data-poor fish stocks[J]. Fish Res, 2011, 110(2): 331-341. doi: 10.1016/j.fishres.2011.05.007
[11] COPE J M. Implementing a statistical catch-at-age model (Stock Synthesis) as a tool for deriving overfishing limits in data-limited situations[J]. Fish Res, 2013, 142: 3-14. doi: 10.1016/j.fishres.2012.03.006
[12] 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
[13] CHEUNG W W, PALACIOS-ABRANTES J, FRÖLICHER T L, et al. Rebuilding fish biomass for the world's marine ecoregionsunder climate change[J]. Glob Change Biol, 2022, 28(21): 6254-6267. doi: 10.1111/gcb.16368
[14] FROESE R, WINKER H, CORO G, et al. Status and rebuilding of European fisheries[J]. Mar Pol, 2018, 93: 159-170. doi: 10.1016/j.marpol.2018.04.018
[15] ZHANG K, ZHANG J, XU Y W, et al. Application of a catch-based method for stock assessment of three important fisheries in the East China Sea[J]. Acta Oceanol Sin, 2018, 37: 102-109.
[16] FROESE R, WINKER H, CORO G, et al. New developments in the analysis of catch time series as the basis for fish stock assessments: the CMSY plus plus method[J]. Acta Ichthyol Piscat, 2023, 53: 173-189. doi: 10.3897/aiep.53.e105910
[17] OVANDO D, FREE C M, JENSEN O P, et al. A history and evaluation of catch-only stock assessment models[J]. Fish Fish, 2022, 23(3): 616-630. doi: 10.1111/faf.12637
[18] LIANG C, XIAN W W, PAULY D. Assessments of 15 exploited fish stocks in Chinese, South Korean and Japanese waters using the CMSY and BSM methods[J]. Front Mar Sci, 2020, 7: 623. doi: 10.3389/fmars.2020.00623
[19] FALSONE F, SCANNELLA D, GERACI M L, et al. How fishery collapses: the case of Lepidopus caudatus (Pisces: Trichiuridae) in the Strait of Sicily (Central Mediterranean)[J]. Front Mar Sci, 2021, 7: 584601. doi: 10.3389/fmars.2020.584601
[20] BOUCH P, MINTO C, REID D G, et al. Comparative performance of data-poor CMSY and data-moderate SPiCT stock assessment methods when applied to data-rich, real-world stocks[J]. ICES J Mar Sci, 2021, 78(1): 264-276. doi: 10.1093/icesjms/fsaa220
[21] 陈镝安, 朱江峰, 耿喆. 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[J]. 上海海洋大学学报, 2024, 33(3): 728-740. [22] FROESE R, DEMIREL N, CORO G, et al. User guide for CMSY++[R]. Kiel: GEOMAR, 2021: 1-17.
[23] RICARD D, MINTO C, JENSEN O P, et al. Examining the knowledge base and status of commercially exploited marine species with the RAM Legacy Stock Assessment Database[J]. Fish Fish, 2012, 13(4): 380-398. doi: 10.1111/j.1467-2979.2011.00435.x
[24] 莫奇龙, 胡世森, 谢君君, 等. 南海北部海鳗资源利用状况评估[J]. 渔业信息与战略, 2022, 37(1): 27-33. [25] MAUNDER M N, AIRE-DA-SILVA A. Evaluation of the kobe plot and strategy matrix and their application to tuna in the EPO[R]. La Jolla, USA: IATTC, 2012.
[26] DE BRUYN P. Report of the 2017 ICCAT shortfin mako assessment meeting[R]. Madrid: ICCAT, 2017.
[27] IOTC SECRETARIAT. Report of the 26th session of the IOTC working party on tropical tunas[R]. Seychelles: IOTC, 2024.
[28] FROESE R, PALOMARES M L D, PAULY D. Estimation of life history key facts[M]//FROESE R, PAULY D. FishBase 2000: Concepts, Design and Data Sources. Philippines: ICLARM, 2000.
[29] 石永闯, 陈云云, 樊伟, 等. 基于Catch-MSY模型的西北太平洋日本鲭资源评估及敏感性分析[J]. 海洋渔业, 2023, 45(1): 26-38. doi: 10.3969/j.issn.1004-2490.2023.01.003 [30] BOX G E P. Robustness in the strategy of scientific model building[M]//Robustness in statistics. Newyork: Academic Press, 1979: 201-236.
[31] WINKER H, CARVALHO F, SHARMA R, et al. Initial results for North and South Atlantic shortfin mako (Isurus oxyrinchus) stock assessments using the Bayesian surplus production model JABBA and the catch-resilience method CMSY[R]. Madrid: ICCAT, 2017: 1836-1866.
[32] FITZGERALD C J, DELANTY K, SHEPHARD S. Inland fish stock assessment: applying data-poor methods from marine systems[J]. Fish Manag Ecol, 2018, 25(4): 240-252. doi: 10.1111/fme.12284
[33] FREE C M, JENSEN O P, ANDERSON S C, et al. Blood from a stone: performance of catch-only methods in estimating stock biomass status[J]. Fish Res, 2020, 223: 105452. doi: 10.1016/j.fishres.2019.105452
-
期刊类型引用(4)
1. 郭丽，邓一深，张文馨，张倩，李凡一，于政达. 底栖动物群落扰动作用对沉积物-水界面生源要素的影响. 生态学报. 2025(07): 3474-3486 . 
百度学术
2. 吴春梅，杨柳明，王维奇，罗欣婕. 闽江河口湿地围垦后土壤微生物残体碳特征. 环境科学学报. 2024(12): 360-368 . 百度学术
3. 洪妍，杨平，仝川，赵光辉，李玲，唐晨，张彦，谭莹莹，阮蔓菁. 亚热带河口区对虾养殖池塘浮游植物初级生产力变化. 湖泊科学. 2022(03): 881-893 . 百度学术
4. 林于蓝，陈钰，尹晓雷，曾庆淞，王维奇. 围垦养殖与退塘还湿对闽江河口湿地土壤铁碳结合特征的影响. 环境科学学报. 2022(07): 466-477 . 百度学术
其他类型引用(4)
-
其他相关附件
-
XLSL格式
20240273附录A 点击下载(28KB)
-
计量
- 文章访问数: 95
- HTML全文浏览量: 20
- PDF下载量: 21
- 被引次数: 8
粤公网安备 44010502001741号
