Relationship between catch rate of longline albacore (Thunnus alalunga) and environmental factors in South Pacific
-
摘要: 为掌握不同水层的环境因子对长鳍金枪鱼 (Thunnus alalunga) 延绳钓渔获率的影响，根据2015—2017年中国大陆在该海域的长鳍金枪鱼延绳钓渔捞日志资料，结合同期海洋环境数据，采用广义可加模型 (Generalized additive model, GAM) 对渔获率与各因子的关系进行研究。通过相关分析获取各环境因子相关系数，对相关性较大的环境因子分组建模。结果表明：1) 海表面温度与120 m水深温度、海表面温度与海表面高度、120 m水深温度与海表面高度、300 m水深温度与300 m水深盐度为高度相关因子，海表面盐度、叶绿素a浓度、海表风场南北分量与其他环境因子之间的相关性均较小；2) 模型的总解释偏差介于30%~40%，各环境因子重要性依次为120 m水深温度、海表温度、300 m水深温度、120 m水深盐度、海表面高度、300 m水深盐度、海表盐度、混合层深度、海面风场南北分量、海面风场东西分量、叶绿素a浓度；3) 120 m水深温度与单位捕捞努力渔获量 (CPUE) 在15~30 ℃呈负相关。海表温度整体趋势与120 m水深温度类似，其中在25~28 ℃呈正相关。300 m水深温度与CPUE在10~18 ℃呈现明显的正效应关系。Abstract: Based on the data of albacore logbook (Thunnus alalunga) collected by mainland China from 2015–2017 in the South Pacific and the marine environmental data in the same period, we analyzed the relationship between catch rate and environmental factors, so as to examine the effects of environmental factors at different depths on T. alalunga by establishing a GAM (Generalized additive model). In addition, we had obtained the correlation coefficient of each environmental factor (those with large correlation were grouped and modeled) by correlation analysis. The results show that: 1) Sea surface temperature and sea temperature at depth of 120 m, sea surface temperature and sea surface height, sea temperature at depth of 120 m and sea surface height, sea temperature and sea salinity at depth of 300 m were highly correlated factors. However, sea surface salinity, chlorophyll a concentration and northward sea surface wind had no significant correlation with the other environmental factors. 2) The explained cumulative deviance was 30%–40%; the environmental factors sorted by importance are as follows: sea temperature at depth of 120 m, sea surface temperature, sea temperature at depth of 300 m, sea salinity at depth of 120 m, sea surface height, sea salinity at depth of 300 m, sea surface salinity, mixed layer depth, northward sea surface wind, eastward sea surface wind and chlorophyll a concentration. 3) The sea temperature at depth of 120 m was negatively correlated with CPUE (Catch per unit effort) at 15–30 ℃. The trend of sea surface temperature was similar to the sea temperature at depth of 120 m, with a positive correlation at 25–28 ℃. The sea temperature at depth of 300 m and CPUE showed a significant positive relationship at 10–18 ℃.
-
Keywords:
- Thunnus alalunga /
- CPUE /
- Correlation analysis /
- Generalized additive model (GAM) /
- South Pacific
-
亚甲基蓝(methylene blue，MB)又名次甲基蓝、碱性湖蓝、美蓝，是一种人工合成的噻嗪类染料，具有抗菌和消毒的作用，可用于治疗淡水鱼类的小爪虫病、斜管虫病、水霉病和凡纳滨对虾(Penaeus vannamei)幼体粘脏病，也可用作抗真菌药物 [1-3]，降低鱼类运输中的死亡率。由于亚甲基蓝及其代谢物被认为对动物体有毒性并有致突变作用[4-8]，在美国、日本等国家禁止用于水产养殖，在国内也未被批准使用。
亚甲基蓝及其代谢物残留的检测方法有分光光度法[9]、毛细管电泳法[10]、液相色谱法等[11-13]，其中对水产品中的残留检测方法国外研究较少，国内主要是液相色谱法。超高效液相色谱串联质谱方法，可以实现同时对水产品中几种有害物质进行定性并定量检测，具有检测限低、准确度高的优点[14]，是近年来食品中有害物质残留检测的发展趋势[15-17]，笔者在已有研究的基础上[10-11]，建立了使用超高效液相色谱-电喷雾串联质谱仪同时测定水产品中亚甲基蓝及其3种代谢产物——天青A、天青B、天青C含量的方法，具有实际意义和推广前景。
1. 材料与方法
1.1 试验材料
试验用草鱼(Ctenopharyngodon idellus)6尾，体长(60±2)cm，每尾体质量为(2.5±0.3)kg，去鳞、去皮，沿脊背取肌肉；凡纳滨对虾200尾，体长(10±1)cm，每尾体质量为(10±1.2)g，去头、去壳、去肠腺，取肌肉部分；中华绒鳌蟹(Eriocheir sinensis)50只，每只体质量为(100±7.5)g，取可食部分。样品充分绞碎、混匀，于－20 ℃冷冻保藏。试验所用水产品均购自南京市迎宾菜市场。
混合型阳离子交换柱(MCX)、C8/SCX混合模式柱(MCAX)、C18柱(C18)、对丙磺酸柱(PRS)(美国Agilent公司出品)，规格均为500 mg/3 mL。
1.2 仪器
Accela超高效液相色谱、TSQ Quantum Access Max三重四级杆质谱仪(美国Thermo Fisher公司出品)、Allegra 64R高速冷冻离心机(美国Beckman公司出品)、Caliper Turbovap LV全自动浓缩工作站(美国Zymark公司出品)、12通道自动固相萃取装置(德国CNW公司出品)、十万分之一电子天平(德国Sartorius公司出品)、Milli-Q去离子水发生器(美国Millipore公司出品)。
1.3 试剂
亚甲基蓝、天青A和天青C购自美国Fluka公司，纯度均大于95%；天青B购自美国Sigma公司，纯度为89%。甲醇、乙腈、二氯甲烷、甲酸、乙酸铵均为色谱纯试剂(美国TEDIA公司出品)，盐酸羟胺、对甲苯磺酸均为分析纯试剂。
1.4 样品前处理方法
称取5.00 g样品，其中中华绒螯蟹样品2.00 g，于50 mL离心管中分别加入0.5 g·mL-1的盐酸羟胺溶液0.75 mL、2 mol·L-1的对甲苯磺酸溶液1.25 mL、pH 4.5 0.1 mol·L-1的乙酸铵缓冲液5 mL，涡旋1 min；再加入10 mL乙腈涡旋1 min，8 000 r·min-1离心10 min，上清液倒入125 mL分液漏斗中；再用10 mL乙腈重复提取2次；加入25 mL二氯甲烷振荡萃取，静置1 h后取下层溶液用45 ℃氮气吹至近干。用3 mL乙腈溶解残渣，上样于用3 mL乙腈活化好的PRS柱，再用乙腈重复溶解残渣2次，待样液流尽后将柱子吹至近干，用3 mL洗脱液[V(乙酸铵，1 mol·L-1) : V(乙腈) =1 : 1]洗脱，洗脱液收集于10 mL玻璃试管中，用蒸馏水稀释到10 mL。涡旋混匀后过0.22 μm尼龙滤膜供质谱检测。
1.5 色谱条件
色谱柱为Thermo Hypersil Gold C18柱，50 mm×2.1 mm(内径)，粒度1.9 μm；柱温为30 ℃；进样体积10 μL；流动相为甲醇+0.2%甲酸溶液，采用梯度洗脱的方法，梯度洗脱程序见表 1。
表 1 流动相梯度洗脱程序Table 1. Gradient elution with mobile phasest/min 0.2%甲酸(A)
0.2% methanoic acid甲醇(B)
methanol0.0 90 10 1.0 90 10 5.0 10 90 5.1 90 10 9.0 90 10 1.6 质谱条件
电喷雾离子源(ESI)，正离子模式，喷雾电压3 000 V，蒸发器温度300 ℃，鞘气为10.5 L·min-1，辅助气3 L·min-1，毛细管温度270 ℃，碰撞气为氩气(0.2 Pa)，选择反应监测(SRM)扫描模式。SRM模式各离子信息详见表 2。
表 2 亚甲基蓝及代谢物的定性定量特征离子及优化的质谱参数Table 2. Qualitative and quantitative characteristic ions and optimized MS/MS parameters of methylene blue and metabolites标准物
compounds母离子/(m/z)
mother ion子离子/(m/z)
daughter ion碰撞能量/V
collision energy亚甲基蓝 MB 284 268.2* 33 252.1 52 天青A AzuA 256 214.2* 33 199.1 42 天青B AzuB 270 254.1* 35 255.2 28 天青C AzuC 242 200.1* 34 227.2 27 注：*.定量离子
Note: *.MS/MS quantitative ion2. 结果与讨论
2.1 条件优化研究
2.1.1 提取溶液的选择
提取时体系中加入适量浓度的盐酸羟胺溶液可维持还原环境[15]，使亚甲基蓝及其代谢物结构保持稳定；同时，对甲苯磺酸作为离子对试剂，可与离子型化合物结合成为分子型物质[15]，更有利于亚甲基蓝及其代谢物的提取。向空白阴性草鱼样品中添加200 μL质量浓度为100 μg·L-1的4种混和标准溶液，涡旋混匀，放置30 min后分别使用3.0、4.5、5.5、7.0、10.0等5个不同pH的乙酸铵缓冲液提取，每组4个平行，分别测定每次提取所得亚甲基蓝及其代谢物的回收率，采用pH 4.5的乙酸铵缓冲液提取时亚甲基蓝及其代谢物回收率最高(表 3)。
表 3 不同pH值的提取液提取时亚甲基蓝及代谢物的回收率Table 3. Recovery of methylene blue and metabolites extracting in different pH level% 目标物质
target compoundpH 3.0 4.5 5.5 7.0 10.0 亚甲基蓝 MB 80.63 87.38 78.69 73.94 68.13 天青A AzuA 76.32 91.58 83.12 68.35 70.33 天青B AzuB 79.36 90.19 80.39 48.10 77.31 天青C AzuC 78.98 86.71 81.55 57.31 68.96 2.1.2 提取次数的选择
分别使用10 mL的乙腈提取1、2、3、4次，每次4个平行样品，分别测定提取所得亚甲基蓝及其代谢物的回收率，提取1次时亚甲基蓝及其代谢物回收率仅有50%左右，随着提取次数的增多、亚甲基蓝及其代谢物的回收率提高，提取3次和4次的差别不大(图 1)，但综合考虑检测成本和时效性，最终选用提取3次。
![]()
图 1 不同提取次数对亚甲基蓝及代谢物回收率的影响Figure 1. Recovery of methylene blue and metabolites under different extraction times2.1.3 SPE净化小柱的选择
在试管中将200 μL 100 μg·L-1的标准溶液用乙腈稀释到3 mL，加到活化好的对丙磺酸小柱(PRS)、混合型阳离子交换小柱(MCX)、C8/SCX混合模式小柱(MCAX)、C18小柱(C18)4种固相萃取柱上，用3 mL乙腈重复洗涤试管2次，用体积分数为50%的乙酸铵(1 mol·L-1)乙腈洗脱，每组4个平行，考察了不同SPE小柱对亚甲基蓝及其代谢物提取效率的影响。表 4显示MCX过柱速度太快，难以控制流速，目标物损失严重，亚甲基蓝及其代谢物回收率不到40%；C18柱净化效果不理想，过柱后仍有许多杂质；MCAX和PRS柱对目标物质回收率相似，但PRS柱萃取过程中样液流速适中，更易于控制，且加标回收率更稳定，所以采用PRS柱。
表 4 不同的净化小柱对亚甲基蓝及代谢物回收率的影响Table 4. Recovery of methylene blue and metabolites under different solid phase extraction columns% 目标物质
target compounds丙磺酸小柱
PRS column混合型阳离子交换小柱
MCX columnC8/SCX混合模式小柱
MCAX columnC18小柱
C18 column亚甲基蓝 MB 93.2 36.8 90.1 68.3 天青A AzuA 90.3 35.1 80.3 59.2 天青B AzuB 89.2 30.5 87.5 70.5 天青C AzuC 87.1 33.7 79.2 66.9 2.1.4 洗脱剂的选择
在试管中将200 μL 100 μg·L-1的标准溶液用乙腈稀释到3 mL，加到活化好的对丙磺酸小柱(PRS)上，用3 mL乙腈重复洗涤试管2次，分别用甲醇、乙腈、体积分数为50%的乙酸铵(1 mol·L-1)乙腈、体积分数为50%的乙酸铵(1 mol·L-1)甲醇洗脱。结果显示，纯的有机溶剂如甲醇、乙腈等不能将目标物洗脱下来，乙酸铵和甲醇混合液洗脱时仅有部分洗脱下来；采用乙酸铵和乙腈等体积混合洗脱效率明显增强，目标物质峰型良好。此外，试验还考察了采用不同浓度的乙酸铵溶液洗脱对亚甲基蓝及其代谢物回收率的影响(表 5)。结果表明，采用浓度为1 mol·L-1的乙酸铵溶液和等体积的乙腈混和时，亚甲基蓝及其代谢物回收率最高。将洗脱后的溶液稀释到10 mL再进样，使样品中的盐浓度降低，可起到保护质谱仪的作用。
表 5 不同浓度的乙酸铵乙腈洗脱时亚甲基蓝及代谢物的回收率Table 5. Recovery of methylene blue and metabolites with different concentration of eluents% 目标物质
target compoundsc(乙酸铵)/ mol·L-1
ammonium acetate content0.1 0.5 1.0 亚甲基蓝 MB 40.38 73.94 98.13 天青A AzuA 31.58 68.35 95.33 天青B AzuB 30.19 68.10 97.31 天青C AzuC 36.71 87.31 95.96 2.1.5 色谱条件的优化及选择
此试验分别采用5 mmol·L-1乙酸铵-甲醇、5 mmol·L-1乙酸铵-乙腈、0.2%甲酸-甲醇、0.2%甲酸-乙腈4种流动相试验。结果表明，采用0.2%甲酸溶液和甲醇作为流动相时亚甲基蓝及其代谢物峰型最好。甲酸溶液与甲醇的比例不同，对亚甲基蓝及代谢物出峰时间和强度存在明显差异。当流动相中甲醇比例较高时，亚甲基蓝及其代谢物在色谱柱上的保留时间短，峰形也较差；随着甲酸溶液比例增高，亚甲基蓝及其代谢物的出峰时间推迟，且峰形变好。最后形成的梯度洗脱程序见表 1。
2.1.6 质谱条件的优化及确定
取质量浓度为10 mg·L-1的亚甲基蓝及天青标准品用质谱仪检测，采用注射泵以5 μL·min-1的速度进样，调节毛细管电压和碰撞电压，探索亚甲基蓝及代谢物标准品最佳质谱条件。根据亚甲基蓝及天青的结构特征选择正离子模式，优化喷雾电压、辅助气和鞘气等质谱参数，获得亚甲基蓝和天青稳定的分子离子峰，然后以氩气为碰撞气，获得碎片离子的质谱信息，并进一步优化碰撞能量、毛细管温度和蒸发器温度等质谱参数，使碎片离子信号强度达到最大。最后选择相对丰度最高2个离子作为定量和定性离子，第一强的碎片离子作为定量离子，次强的作为定性离子。亚甲基蓝及代谢物的定性与定量特征离子及优化的质谱参数见表 2。优化条件下各种目标物的SRM图见图 2。
![]()
图 2 优化条件下的亚甲基蓝及天青A、天青B、天青C的SRM图Figure 2. SRM mass spectrum of methylene blue and metabolites under optimized conditions2.2 方法学研究
2.2.1 方法的线性范围、检出限、定量限
准确称取4种标准品各5.0 mg，分别以甲醇溶解并定容至100 mL，其质量浓度均为50 mg·L-1的单标储备液。采用逐级稀释的方式，配制成质量浓度为0.50 μg·L-1、2.00 μg·L-1、5.00 μg·L-1、10.00 μg·L-1、50.00 μg·L-1、100.00 μg·L-1的混合标准工作液，按照质量浓度由低到高进样，对各目标物峰面积及其质量浓度进行线性回归分析，得到亚甲基蓝及其代谢物的标样工作曲线。结果表明，4种目标物在0.50~100.00 μg·L-1范围内呈良好的线性关系，相关系数R>0.99。检出限(LOD)采用向空白样品中逐级降低加标浓度的方法来确定，以大于等于3倍信噪比(S/N≥3)对应的目标物浓度为检出限，以S/N≥10对应的浓度为定量限(表 6)。
表 6 0.50~100.00μg·L-1范围内亚甲基蓝及其代谢物的线性关系及相关系数Table 6. Linear relationship and correlation coefficient of methylene blue and metabolites within scope 0.50~100.00 μg·L-1物质
compound线性方程
linear relationship相关系数
R检出限/μg·kg-1
LOD定量限/μg·kg-1
LOQ亚甲基蓝 MB y=45 254x+140 368 0.997 9 0.40 2.00 天青A AzuA y=3 308.3x+16 774 0.995 9 0.60 2.00 天青B AzuB y=49 098x+167 560 0.998 0 0.50 2.00 天青C AzuC y=13 223x+30 124 0.995 3 0.40 2.00 注：y.亚甲基蓝及其代谢物的定量离子的质谱峰面积；x.亚甲基蓝及其代谢物的质量浓度(μg·L-1)
Note: y. mass spectra peak area of methylene blue and metabolites; x. content of methylene blue and metabolites(μg·L-1)2.2.2 样品加标的回收率和精密度
选取空白草鱼、凡纳滨对虾和中华绒螯蟹3种类型的水产品，分别添加2 μg·kg-1、4 μg·kg-1、10 μg·kg-13个水平的亚甲基蓝及其代谢物标准品，按1.4、1.5、1.6所述方法进行加标回收率测定，每个加标水平平行测定6次，计算平均回收率和相对标准偏差。4种目标物的加标回收率为74.23%~94.40%，在各个加标水平下加标回收率比较稳定，相对标准偏差(RSD)为1.13%~10.28%(表 7~表 9)，可满足水产品中亚甲基蓝及代谢物残留的检测要求。
表 7 空白草鱼肉样中亚甲基蓝及代谢物的加标回收率和精密度(n=6)Table 7. Recovery and precision of methylene blue and azures of blank Ctenoparyngodon idellus samples目标物质 target compound 加标量/μg·kg-1 added amount 回收率/% recovery 相对标准偏差/% RSD 亚甲基蓝 MB 2 83.10 1.13 4 81.59 4.09 10 88.35 3.97 天青A AzuA 2 85.47 9.41 4 81.75 5.03 10 87.68 9.76 天青B AzuB 2 82.94 2.53 4 89.65 5.83 10 88.56 8.03 天青C AzuC 2 87.91 9.72 4 90.69 3.61 10 92.60 5.98 表 8 空白凡纳滨对虾样品中亚甲基蓝及代谢物的加标回收率和精密度(n=6)Table 8. Recovery and precision of methylene blue and azures of blank Penaeus vannamei samples目标物质 target compound 加标量/μg·kg-1 added amount 回收率/% recovery 相对标准偏差/% RSD 亚甲基蓝 MB 2 87.94 5.46 4 89.42 4.91 10 80.80 1.46 天青A AzuA 2 78.11 8.97 4 84.86 9.81 10 82.20 6.06 天青B AzuB 2 80.01 5.53 4 83.62 8.58 10 90.83 5.24 天青C AzuC 2 91.49 8.69 4 94.40 5.21 10 92.86 4.10 表 9 空白中华绒螯蟹样品中亚甲基蓝及代谢物的加标回收率和精密度(n=6)Table 9. Recovery and precision of methylene blue and azures of blank Eriocheir sinensis samples目标物质 target compound 加标量/μg·kg-1 added amount 回收率/% recovery 相对标准偏差/% RSD 亚甲基蓝 MB 2 81.85 5.42 4 80.35 6.22 10 81.68 4.20 天青A AzuA 2 74.54 8.75 4 81.05 8.25 10 90.42 9.74 天青B AzuB 2 74.23 6.83 4 85.24 7.84 10 87.05 10.28 天青C AzuC 2 86.69 2.59 4 86.21 6.50 10 88.50 4.24 3. 结论
建立了超高效液相色谱-串联质谱法分析水产品中亚甲基蓝及其代谢物残留量的方法。样品用乙腈提取，经PRS柱固相萃取，乙酸铵乙腈洗脱，以甲醇和0.2%甲酸为流动相进行梯度洗脱分离，质谱条件采用电喷雾离子源(ESI)，正离子模式，选择反应监测(SRM)的扫描模式定量分析。该方法准确度高、实用性强、简便易行，能满足实际样品中亚甲基蓝及其代谢物的检测要求，也可作为亚甲基蓝其他方面研究的参考方法。
-
![]()
图 1 2015—2017年南太平洋长鳍金枪鱼单位捕捞努力渔获量的平均分布
Figure 1. Average distribution of CPUE of T. alalunga in South Pacific during 2015–2017
![]()
图 2 不同环境因子对南太平洋延绳钓渔业长鳍金枪鱼单位捕捞努力渔获量的影响
Figure 2. Effects of different environmental factors on CPUE of longline fishery of T. alalunga in South Pacific
表 1 南太平洋长鳍金枪鱼延绳钓渔业作业天数情况
Table 1 Fishing days of longline fishery of T. alalunga in South Pacific
年份
Year总渔船数
Total vessels累计作业天数
Total fishing days2015 107 18 070 2016 115 20 591 2017 136 26 291 
下载: 导出CSV
表 2 各环境变量相关系数矩阵
Table 2 Correlation coefficients matrix of environmental factors
变量
Variablet120 t300 SSS s120 s300 MLD Uwnd Vwnd Chla SSH SST 0.916 0.005 −0.359 0.545 −0.091 −0.560 −0.541 −0.146 −0.316 0.753 t120 − −0.002 −0.239 0.582 −0.098 −0.307 −0.542 −0.137 −0.221 0.757 t300 − − 0.176 0.165 0.925 −0.152 −0.277 0.428 −0.068 0.440 SSS − − − 0.408 0.097 0.396 −0.056 −0.175 0.128 −0.432 s120 − − − − −0.008 −0.124 −0.504 −0.242 −0.150 0.258 s300 − − − − − −0.117 −0.127 0.451 0.114 0.407 MLD − − − − − − 0.255 0.004 0.326 −0.451 Uwnd − − − − − − − −0.308 0.178 −0.493 Vwnd − − − − − − − − 0.137 0.212 Chla − − − − − − − − − −0.238 注：SST. 海表温度；t120. 120 m水深温度；t300. 300 m水深温度；SSS. 海表盐度；s120.120 m水深盐度；s300. 300 m水深盐度；MLD. 混合层深度；Chla. 海表面叶绿素a浓度；Uwnd. 海表风场东西分量，即纬向风，以东为正；Vwnd. 海表风场南北分量，即经向风，以北为正；SSH. 海表面高度；下同 Note: SST. Sea surface temperature; t120. Sea temperature at depth of 120 m; t300. Sea temperature at depth of 300 m; SSS. Sea surface salinity; s120. Sea salinity at depth of 120 m; s300. Sea salinity at depth of 300 m; MLD. Mixed layer depth; Chla. Sea surface chlorophyll a concentration; Uwnd. Eastward Sea surface wind; Vwnd. Northward Sea surface wind; SSH. Sea surface height. The same case in the following table
下载: 导出CSV
表 3 GAM模型拟合结果的偏差分析
Table 3 Analysis of deviance for generalized additive models (GAM)
分组
Group累加影响因子
Cumulative of influencing factorsP 决定系数
R2累计解释偏差
Cumulative of deviance explained可解释偏差
Deviance explainedAIC值
AIC value第一组 Group 1 +SST <2×10−16*** 0.185 18.5% 18.5% 24 376.49 +t300 <2×10−16*** 0.297 29.9% 11.4% 23 222.20 +SSS <2×10−16*** 0.306 30.8% 0.9% 23 136.20 +Vwnd <2×10−16*** 0.326 32.9% 2.1% 22 908.96 +Chla <2×10−16*** 0.341 34.3% 1.4% 22 746.25 第二组 Group 2 +t120 <2×10−16*** 0.196 19.7% 19.7% 24 265.62 +SSS <2×10−16*** 0.215 21.6% 1.9% 24 087.74 +s300 <2×10−16*** 0.263 26.5% 4.9% 23 599.79 +MLD <2×10−16*** 0.282 28.5% 2.0% 23 410.19 +Vwnd <2×10−16*** 0.295 29.8% 1.3% 23 276.47 +Chla <2×10−16*** 0.307 31% 1.2% 23 147.81 第三组 Group 3 +t300 <2×10−16*** 0.13 13.1% 13.1% 24 881.85 +SSS <2×10−16*** 0.18 18.2% 5.1% 24 428.97 +s120 <2×10−16*** 0.303 30.5% 12.3% 23 165.18 +MLD <2×10−16*** 0.319 32.1% 1.6% 23 000.88 +Vwnd <2×10−16*** 0.337 34% 1.9% 22 795.21 +SSH <2×10−16*** 0.393 39.6% 5.6% 22 110.88 +Chla 0.002 75** 0.394 39.8% 0.2% 22 100.98 第四组 Group 4 +t300 <2×10−16*** 0.13 13.1% 13.1% 24 881.85 +SSS 4.89×10-8*** 0.18 18.2% 5.1% 24 428.97 +MLD <2×10−16*** 0.214 21.7% 3.5% 24 105.96 +Uwnd 0.030 1* 0.231 23.4% 1.7% 23 942.02 +Vwnd <2×10−16*** 0.267 27.1% 3.7% 23 574.18 +SSH <2×10−16*** 0.352 35.5% 8.4% 22 626.40 +Chla 2.51×10−15*** 0.356 36% 0.5% 22 571.78
下载: 导出CSV
-
[1] TREMBLAY B L, HAMPTON J, MCKECHNIE S, et al. Stock assessment of South Pacific albacore tuna (WCPFC-SC14-2018/SA-WP-05)[R]. Busan, Republic of Korea: The Pacific Community (SPC), 2018: 13.
[2] BRIAND K, MOLONY B, LEHODEY P. A study on the variability of albacore (Thunnus alalunga) longline catch rates in the southwest Pacific Ocean[J]. Fish Oceanogra, 2011, 20(6): 517-529. doi: 10.1111/j.1365-2419.2011.00599.x
[3] 宋利明, 谢凯, 赵海龙, 等. 库克群岛海域海洋环境因子对长鳍金枪鱼渔获率的影响[J]. 海洋通报, 2017(1): 96-106. doi: 10.11840/j.issn.1001-6392.2017.01.013 [4] NIKOLIC N, MORANDEAU G, HOARAU L, et al. Review of albacore tuna, Thunnus alalunga, biology, fisheries and management[J]. Rev Fish Biol Fish, 2017, 27: 775-810. doi: 10.1007/s11160-016-9453-y
[5] SAGARMINAGA Y, ARRIZABALAGA H. Spatio-temporal distribution of albacore (Thunnus alalunga) catches in the northeastern Atlantic: relationship with the thermal environment[J]. Fish Oceanogr, 2010, 19(2): 121-134. doi: 10.1111/j.1365-2419.2010.00532.x
[6] DOMOKOS R, SEKI M P, POLOVINA J J, et al. Oceanographic investigation of the American Samoa albacore (Thunnus alalunga) habitat and longline fishing grounds[J]. Fish Oceanogr, 2007, 16(6): 555-572. doi: 10.1111/j.1365-2419.2007.00451.x
[7] 毛江美, 陈新军, 余景. 基于神经网络的南太平洋长鳍金枪鱼渔场预报[J]. 海洋学报, 2016, 38(10): 34-43. [8] 闫敏, 张衡, 伍玉梅, 等. 基于GAM模型研究时空及环境因子对南太平洋长鳍金枪鱼渔场的影响[J]. 大连海洋大学学报, 2015, 30(6): 681-685. [9] GONI N, DIDOUAN C, ARRIZABALAGA H, et al. Effect of oceanographic parameters on daily albacore catches in the Northeast Atlantic[J]. Deep-Sea Res II, 2015, 113: 73-80.
[10] 杨胜龙, 张忭忭, 唐宝军, 等. 基于GAM模型分析水温垂直结构对热带大西洋大眼金枪鱼渔获率的影响[J]. 中国水产科学, 2017, 24(4): 875-883. [11] 王茹琳, 李庆, 封传红, 等. 基于MaxEnt的西藏飞蝗在中国的适生区预测[J]. 生态学报, 2017, 37(24): 8556-8566. [12] 周兆丁, 吕锟, 沈瑾, 等. 统计软件SPSS相关分析及应用[J]. 电脑知识与技术, 2019, 15(20): 301-302. [13] 徐国强, 朱文斌, 张洪亮, 等. 基于GAM模型分析印度洋大眼金枪鱼和黄鳍金枪鱼渔场分布与不同环境因子关系[J]. 海洋学报, 2018, 40(12): 70-82. [14] VENABLES W N, DICHMONT C M. GLMs, GAMs and GLMMs: an overview of theory for applications in fisheries research[J]. Fish Res, 2004, 70(2/3): 319-337.
[15] 王军, 傅伯杰, 邱扬, 等. 黄土丘陵小流域土壤水分的时空变异特征——半变异函数[J]. 地理学报, 2000, 55(4): 428-438. doi: 10.3321/j.issn:0375-5444.2000.04.005 [16] 朱耿平, 刘强, 高玉葆. 提高生态位模型转移能力来模拟入侵物种的潜在分布[J]. 生物多样性, 2014, 22(2): 223-230. [17] YANG X Q, KUSHWAHA S, SARAN S, et al. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills[J]. Ecol Eng, 2013, 51: 83-87. doi: 10.1016/j.ecoleng.2012.12.004
[18] CHEN I C, LEE P F, TZENG W N. Distribution of albacore (Thunnus alalunga) in the Indian Ocean and its relation to environmental factors[J]. Fish Oceanogr, 2005, 14(1): 71-80. doi: 10.1111/j.1365-2419.2004.00322.x
[19] LAN K W, KAWAMURA H, LEE M A, et al. Relationship between albacore (Thunnus alalunga) fishing grounds in the Indian Ocean and the thermal environment revealed by cloud-free microwave sea surface temperature[J]. Fish Res, 2012, 113(1): 1-7. doi: 10.1016/j.fishres.2011.08.017
[20] 储宇航, 戴小杰, 田思泉, 等. 南太平洋延绳钓长鳍金枪鱼生物学组成及其与栖息环境关系[J]. 海洋渔业, 2016, 38(2): 130-139. doi: 10.3969/j.issn.1004-2490.2016.02.003 [21] 樊伟, 张晶, 周为峰. 南太平洋长鳍金枪鱼延绳钓渔场与海水表层温度的关系分析[J]. 大连水产学院学报, 2007, 22(5): 366-371. [22] 郭刚刚, 张胜茂, 樊伟, 等. 南太平洋长鳍金枪鱼垂直活动水层空间分析[J]. 南方水产科学, 2016, 12(5): 123-130. doi: 10.3969/j.issn.2095-0780.2016.05.016 [23] HOYLE S, LANGLEY A, HAMPTON J. Stock assessment of albacore tuna in the south Pacific Ocean (WCPFC-SC4-2008/SA-WP-8)[R]. Port Moresby, Papua New Guinea: The Pacific Community (SPC), 2008: 7.
[24] WILLIAMS A J, ALLAIN V, NICOL S J, et al. Vertical behavior and diet of albacore tuna (Thunnus alalunga) vary with latitude in the South Pacific Ocean[J]. Deep-Sea Res II, 2015, 113: 154-169.
[25] 范永超, 戴小杰, 朱江峰, 等. 南太平洋长鳍金枪鱼延绳钓渔业CPUE标准化[J]. 海洋湖沼通报, 2017(1): 122-132. [26] 蒋汉凌.南太平洋长鳍金枪鱼渔场与环境因素关系的研究[D]. 上海: 上海海洋大学, 2014: 29. [27] 宋婷婷, 樊伟, 伍玉梅. 卫星遥感海面高度数据在渔场分析中的应用综述[J]. 海洋通报, 2013, 32(4): 474-480. doi: 10.11840/j.issn.1001-6392.2013.04.017 [28] 杨晓明, 王学昉, 田思泉, 等. 赤道太平洋中部围网自由群的空间点模式的影响因子[J]. 水产学报, 2018, 42(8): 1220-1228. [29] SAGARMINAGA Y, ARRIZABALAGA H. Relationship of Northeast Atlantic albacore juveniles with surface thermal and chlorophyll-a fronts[J]. Deep-Sea Res II, 2014, 107: 54-63.
[30] 赖诗涵.中西太平洋鲔延绳钓黄鳍鲔潜在栖地分布与预测模式建置之研究[D]. 基隆: 国立台湾海洋大学, 2018: 18. [31] BAKUN A, BLACK B A, BOGRAD S J, et al. Anticipated effects of climate change on coastal upwelling ecosystems[J]. Curr Clim Change Rep, 2015, 1(2): 85-93. doi: 10.1007/s40641-015-0008-4
[32] 陈芃, 陈新军, 雷林. 秘鲁上升流对秘鲁鳀渔场的影响[J]. 水产学报, 2018, 36(9): 1367-1377. -
期刊类型引用(10)
1. 孙良娟，李红权，蔡润斌，庄姜云，唐庆强，唐媛媛，钟键，黄武. 高效液相色谱-串联质谱法测定水产品中9种禁用染料类药物残留. 分析测试学报. 2023(01): 89-95 . 
百度学术
2. 李涛，贾立平，李锋刚，王绿洲. 亚甲基蓝在鲤体内消除规律研究. 水产科技情报. 2022(02): 99-105 . 百度学术
3. 黄宣运，杨光昕，孔聪，黄冬梅，蔡友琼. 间接竞争酶联免疫法测定鱼体中的亚甲基蓝. 食品安全质量检测学报. 2020(22): 8235-8239 . 百度学术
4. 余玮玥，黄冬梅，史永富，孔聪，田良良，韩峰，张政权. 液相色谱-串联质谱法测定水产品中亮绿、亚甲基蓝及其代谢物残留量. 分析测试学报. 2019(01): 58-63 . 百度学术
5. 施雅. 淡水鱼中亚甲基蓝、孔雀石绿类药物残留检测. 广州化工. 2019(14): 131-133 . 百度学术
6. 高平，杨曦，莫彩娜，陈日檬，曾丹丹，刘唤明，洪鹏志，周凯，陈营寿. 通过式固相萃取净化/高效液相色谱-串联质谱法快速测定水产品中6种麻醉剂残留. 分析测试学报. 2019(09): 1059-1065 . 百度学术
7. 杨卫军，张静余，严敏鸣. 亚甲基蓝检测方法及代谢动力学研究进展. 食品安全质量检测学报. 2018(10): 2419-2425 . 百度学术
8. Jin Fan，Zhi-Hai Xie，Xiao-Xiao Teng，Yu Zhang. Determination of methylene blue by resonance light scattering method using silica nanoparticles as probe. Chinese Chemical Letters. 2017(05): 1104-1110 . 必应学术
9. 梁楠，胡鲲，刘腾飞，吴映捷，杨先乐. 亚甲基蓝及其代谢物在异育银鲫体内分布及消除规律的研究. 南方水产科学. 2017(01): 19-25 . 本站查看
10. 龙举，李子孟，喻亮，李佩佩，严忠雍，张小军. 高效液相色谱法测定养殖水体中的亚甲基蓝. 安徽农业科学. 2015(24): 5-6+16 . 百度学术
其他类型引用(5)
计量
- 文章访问数:
- HTML全文浏览量:
- PDF下载量:
- 被引次数: 15
粤公网安备 44010502001741号
