Study on relationship between albacore catch rate and water depth and temperature in South Indian Ocean
-
摘要: 印度洋金枪鱼延绳钓渔业是我国远洋渔业的重要组成部分，海洋不同深度的水温影响到长鳍金枪鱼 (Thunnus alalunga) 延绳钓渔获率。文章利用2008—2017年延绳钓生产作业数据，并结合Argo浮标水温数据，采用广义加性模型 (Generalized additive model, GAM) 分析长鳍金枪鱼空间分布与不同深度水温之间的关系。结果表明，海表面 (0 m)、200和400 m 3个水层的温度显著影响长鳍金枪鱼的空间分布，最优的GAM模型对渔获率 (单位捕捞努力量渔获量，Catch per unit effort, CPUE) 的方差解释率为53.3%，模型拟合的决定系数为0.527。长鳍金枪鱼渔获率与所选取的3个水层温度均呈非线性关系，高渔获区集中分布于17~30 ℃的表层海域，17~20 ℃的200 m层海域，9~15 ℃的400 m层海域，以及他们的交集海线。文章初步得出了南印度洋长鳍金枪鱼空间分布与水深断面温度的关系，可为指导长鳍金枪鱼的合理生产提供技术支撑。Abstract: Longline tuna fisheries in the Indian Ocean are commerically important for Chinese offshore fisheries. Water temperature at different depths can affect longline albacore catch rates. In this paper, the generalized additive model (GAM) was used to analyze the relationship between the the catch rate of albacore (Thunnus alalunga) and water temperature at different depths based on the fishery data and corresponding Argo buoy data during 2008−2017. The results show that the catch rate of albacore tuna catch rate was significantly affected by the sea surface temperature (0 m), water temperature at depth of 200 and 400 m. The optimal GAM model explained the variance of catch rate (Catch per unit effort) by 53.3%, and the determining coefficient of model was 0.527. The catch rates of albacore tuna had a nonlinear relationship with the temperature of the three selected water layers. High catch areas were concentrated at the surface layer of 17−30 ℃, 200 m deep sea area of 17−20 ℃, and 400 m deep sea area of 9−15 ℃, and their intersection areas. We have derived the relationship between the spatial distribution of albacore tuna catch rate in the South Indian Ocean and the temperature of three water depth sections for the first time, and the results provide technical support for guiding the rational production of albacore tuna in the Indian Ocean.
-
Keywords:
- Thunnus alalunga /
- Generalized additive model /
- Catch rate /
- South Indian Ocean
-
硬骨鱼类的生长主要受生长轴，即生长激素(GH)/胰岛素样生长因子(IGF)的调控，GH为脑垂体分泌的单链肽类激素，通过生长激素受体(GHR)刺激肝脏等组织分泌IGF，进而发生生物学效应。GH居于生长轴的中心位置，在鱼类的个体生长中起关键性作用[1]。研究表明鱼类垂体GH基因的转录和转译水平受性别[2-5]、季节和生理状态[4-7]及外界理化因子[8-10]等因素的影响，且研究结果显示在一定条件下垂体GH基因转录或转译水平高的鱼类其生长速度也快。因此，GH成为研究鱼类生长性能的重要指标。
高密度养殖是提高单位面积产量、实现更大经济效益的有效手段，但不可避免地影响养殖对象的生长速度和健康。而革胡子鲶(Clarias gariepinus)比其他养殖鱼类对高密度养殖的适应性强[11-16]。天津市德仁农业发展有限公司设施化养殖的革胡子鲶，在高密度下仍然能够快速生长(最高产量可达400 kg · m-3水体)，推测与其内在的生长调控因子有关。文章通过分析不同养殖密度下革胡子鲶幼鱼的日增质量和垂体GH基因mRNA的表达水平，初步探讨革胡子鲶幼鱼在不同养殖密度下生长差异和生长差异的内在原因，以期为深入探究革胡子鲶的生长调节以及高密度养殖快速生长的机理奠定基础。
1. 材料与方法
1.1 试验材料
试验用鱼为天津市德仁农业发展有限公司从福建漳州购进约1.5 g的革胡子鲶饲养而成，选取大小规格相近的幼鱼为试验对象，平均体质量为10~12 g。
1.2 养殖试验
试验分组及饲养管理同DAI等[17]。即试验用革胡子鲶幼鱼取回后在天津农学院天津市水产生态及养殖重点实验室于水族箱(70 cm×50 cm×50 cm)中暂养2周后，选取发育良好、体质健康的个体[平均体质量为(30.71±0.89)g]用于该试验。试验鱼随机分为35 kg · m-3、65 kg · m-3、95 kg ·m-3和125 kg · m-3 4个密度组，每组3个重复，饲养于水族箱(70 cm×50 cm×50 cm)中，实际水体积为120 L。模拟天津市德仁农业发展有限公司水泥池饲养革胡子鲶幼鱼的实际养殖条件，每日10: 00和18: 00各换水一次，每次换水量为水体积的3/4；养殖水温保持在(27±1)℃。按体质量的2%每天8: 00和16: 00各投喂一次，所用饲料为天津市天祥水产有限公司生产的鲶鱼膨化配合饲料(粗蛋白35%、粗脂肪5%、粗纤维10%、灰分10%)。养殖试验为期60 d，试验期间水体积保持不变，每30 d取样一次。每天观察并记录鱼的摄食及死亡情况。
1.3 相关指标分析方法
1.3.1 革胡子鲶生长的测定
分别于第30和第60天各分析一次。分析时停饲24 h，并以200 mg · L-1的MS-222麻醉，以水族箱为单位称量鱼体的总质量，同时计数鱼体数量，根据下列公式计算鱼的均质量和日增质量：
鱼的均质量=试验结束时每箱鱼总质量(g)/鱼的数量(尾)
日增质量=[试验结束时鱼的均质量(g · 尾-1)-试验开始时鱼的均质量(g · 尾-1)]/养殖天数
1.3.2 GH基因mRNA表达的半定量分析
养殖第30和第60天时，每个养殖密度各取经MS-222麻醉的鱼18尾(每个水族箱取鱼6尾)，解剖取出垂体后立即放入液氮中，之后于-80 ℃保存备用。以β-肌动蛋白基因作为内参基因分析垂体GH基因mRNA的相对表达量。试验中以个体为单位，根据王晓梅等[18]报道的方法进行垂体总RNA的提取、cDNA第一条链的合成、GH基因ORF区段和β-肌动蛋白基因片段的扩增以及GH基因mRNA相对表达量分析。
1.3.3 数据统计分析
试验数据以“平均值±标准差”(X+SD)表示，数据采用SPSS 11.5统计软件进行单因素方差分析(One-Way ANOVA)，LSD法多重比较各组间数值的差异显著性(P＜0.05)。
2. 结果
2.1 生长分析
根据革胡子鲶在不同密度养殖30 d和60 d后体质量(表 1)计算鱼体在0~30 d以及30~60 d 2个养殖期的日增质量。结果表明，试验期间随着养殖密度的增大出现日增质量降低的趋势(图 1)，统计分析结果显示，在0~30 d的养殖期间，35 kg ·m-3和65 kg · m-3密度组的日增质量差异不显著(P＞0.05)，95 kg · m-3和125 kg · m-3密度组的日增质量差异也不显著(P＞0.05)；但35 kg · m-3和65 kg · m-3密度组的日增质量显著高于95 kg · m-3和125 kg · m-3密度组(P＜0.05)；养殖30~60 d期间，35 kg · m-3和65 kg · m-3密度组的日增质量显著高于125 kg · m-3密度组(P＜0.05)，而其余各密度组间的日增质量差异均不显著(P＞0.05)。
表 1 养殖密度对革胡子鲶体质量的影响Table 1. Effect of stocking density on body weight of juvenile C.gariepinus指标index 养殖密度/ kg·m-3 stocking density 35 65 95 125 初始体质量/g initial body weight 31.01±0.47 29.77±0.32 30.82±1.17 31.22±0.90 第30天体质量/g body weight on 30th day 64.75±1.21a 60.79±0.43ab 57.40±3.38bc 55.38±2.83c 第60天体质重/g body weight on 60th day 100.94±3.42a 96.64±3.84a 90.70±1.19b 82.87±2.71c 死亡率/% mortality 3.69±0.76a 3.68±1.13a 5.13±0.36b 5.40±0.43b 注：部分数据引自文献[17]。同一行肩标字母相同或无肩标字母者表示差异不显著(P＞0.05)，肩标字母不同者表示差异显著(P＜0.05)
Note：Some data in this table are taken from Reference [17].Values with the same letters or no letter within the same row are not significantly different (P＞0.05)；whereas those with different letters are significantly different (P＜0.05).![]()
图 1 不同养殖密度革胡子鲶日增质量同一线上肩标字母不同者为差异显著(P＜0.05)，肩标字母相同者为差异不显著(P＞0.05)Figure 1. Daily weight gain of C.gariepinus reared at different stocking densitiesValues with different superscripts on the same lines are significantly different (P < 0.05), while those with the same superscripts are not significantly different (P > 0.05).2.2 GH基因mRNA表达的半定量RT-PCR分析
2.2.1 总RNA分离结果
经1%琼脂糖凝胶电泳检测表明提取的革胡子鲶脑垂体总RNA完整性较好(图 2显示了4个RNA样本的电泳结果)。用核酸蛋白测定仪(德国Eppendorf公司出品，BioPhotometer型)测定出每个RNA样本光密度比(OD260/OD280)为1.80~2.00，表明总RNA纯度较好，RNA样本可以用于后续的试验。
![]()
图 2 革胡子鲶4个个体脑垂体总RNA电泳结果Figure 2. Electrophoretic patterns of total RNA extracts from pituitary of four individuals of C.gariepinus2.2.2 PCR扩增产物电泳检测结果
图 3-a和图 3-b分别为养殖第30和第60天时革胡子鲶部分个体GH和β-actin基因片段扩增后的电泳检测结果。
![]()
图 3 养殖第30天(a)和第60天时(b)革胡子鲶个体GH和β-actin基因片段PCR产物电泳图泳道1~3、4~6、7~8和9~12分别为养殖密度35 kg · m-3、65 kg · m-3、95 kg · m-3和125 kg · m-3的各3个体GH和β-actin基因片段RCR产物电泳图，泳道M为DNA标准分子量(BBI公司)Figure 3. Electrophoretic patterns of PCR products of GH and β-actin gene fragments of individuals on 30th (a) and 60th day nursing(b)Lanes 1~3, 4~6, 7~8 and 9~12 are electrophoretic patterns of PCR products of GH and β-actin gene fragments separately on three individuals at stocking densities of 35 kg · m-3, 65 kg · m-3, 95 kg · m-3 and 125 kg · m-3, respectively; Lane M is DNA Marker (BBI Company)2.2.3 GH mRNA表达半定量PCR分析的数据统计
利用GeneTools软件分析革胡子鲶个体GH(目标基因)和β-actin(内参基因)基因片段扩增后的电泳图谱，GH与β-actin基因片段扩增产物的信号强度比即为GH基因的相对表达量。
图 4为养殖第30和第60天时不同养殖密度下革胡子鲶GH基因mRNA平均相对表达量的统计分析结果。养殖第30天时，各养殖密度间革胡子鲶GH基因mRNA相对表达量差异均不显著(P＞0.05)；养殖第60天时，革胡子鲶GH基因mRNA相对表达量在35 kg · m-3和65 kg · m-3密度组间差异不显著(P＞0.05)，95 kg · m-3和125 kg · m-3密度组间差异也不显著(P＞0.05)，但35 kg · m-3和65 kg · m-3密度组GH基因mRNA的相对表达量显著高于95 kg · m-3和125 kg · m-3密度组(P＜0.05)。
![]()
图 4 不同养殖密度革胡子鲶GH基因mRNA的相对表达量标有不同字母者为差异显著(P＜0.05)，无字母或字母相同者为差异不显著(P＞0.05)Figure 4. Relative expression of GH mRNA in pituitary of C.gariepinus reared at different densitiesDifferent letters above the bar indicate significant difference (P < 0.05);while the same letters or no letter above the bar indicate no significant difference (P > 0.05)3. 讨论
鱼体的生长状况是水产养殖中备受关注的重要经济性状，而GH与鱼类的生长密切相关，在鱼类的个体生长及生长调节中起关键性作用。马细兰等[2]指出垂体GH基因在转录水平上反映GH的合成速度，是反映动物生长速度的有效指标，生长快速的鱼其垂体GH mRNA表达量高；并且应用半定量RT-PCR法分析得出尼罗罗非鱼(Oreochromis niloticus)雄鱼垂体GH mRNA表达水平明显高于雌鱼，认为这可能是尼罗罗非鱼雄鱼生长快于雌鱼的主要内在原因之一。性成熟的金钱鱼(Scatophagus argus)雌鱼生长快于雄鱼，其生长差异与垂体GH mRNA的水平也呈显著的正相关[3]。同样，生长快速的雌性黄鲈(Perca flavescens)垂体GH mRNA水平显著高于雄鱼，并且在生长快速的春季显著高于秋季[4]。性成熟的鲤(Cyprinus carpio)垂体GH mRNA表达也呈现出季节性的周期变化，生长较快的季节(水温18~20 ℃)垂体GH mRNA表达比生长相对较慢的季节(水温8~10 ℃)高3倍[6]。鲇形目鳠科的大鳍鳠(Mystus macropterus)脑垂体GH的含量分别在3月和8月出现峰值，与该鱼春季和秋季的快速生长一致[7]。该目鲇科的野生鲇(Silurus asotus)垂体GH的含量在3月和7月各出现一个高峰值，研究者认为这可能与野生鲇春季和产卵后生长加快有关；并且雌性鲇鱼垂体GH的周年含量显著高于雄鱼，与雌鱼生长速度显著快于雄鱼的现象相符合[5]。SHIN等[8]研究发现光的波长可影响观赏性鱼类——克氏双带锯齿盖鱼(Amphiprion clarkii)的生长速度和垂体GH mRNA水平、生长速率与垂体GH mRNA的水平呈正相关。李云等[9]研究显示饲料中添加一定量的半胱胺盐酸盐(1 mg · g-1饲料)可显著提高斜带石斑鱼(Epinephelus coioides)的体质量增长率和垂体GH的转录水平。马细兰等[10]发现促黄体素释放激素类似物(LHRH-A)可显著上调尼罗罗非鱼生长轴相关基因(GH、GHR和IGF)的表达，从而促进鱼类的生长。上述研究说明鱼体的生长速度与垂体GH基因的转录水平呈正相关。
由于脑垂体合成GH后经过血液运送至靶器官，再通过GHR和IGF的介导进而达到促进鱼体生长的作用，因此鱼类的生长速度并不能完全通过GH水平来体现，还与GHR和IGF的水平有关。如银大麻哈鱼(Oncorhynchus kisutch)在禁食3周后，比正常投喂组肝脏GHR mRNA水平低，提示长时间禁食可引起肝脏GHR基因表达的下降[19]。SAERA-VILA等[20]报道金鲷(Sparus aurata)肝脏和脂肪组织GHRⅠ基因表达最丰富，但禁食后可引起GHRⅠmRNA水平的下降。斑点叉尾(Ictalurus punctatus)在投喂外源皮质醇或者禁食4周后，与对照组相比，肝脏GHR mRNA的丰度以及血清中IGF的浓度均显著下降，且肝脏GHR mRNA的丰度和血清中IGF的浓度呈正相关；投喂外源皮质醇后鱼的生长显著下降，禁食组鱼的体质量减少[21]。华益民和林浩然[22]报道鲤饥饿32 d导致生长受阻，肝组织IGF-ⅠmRNA表达水平下降；再投喂后，其生长和肝组织IGF-ⅠmRNA丰度都逐渐恢复，表现出鲤的生长状况与肝组织IGF-ⅠmRNA水平的同步变化。尼罗罗非鱼饥饿28 d内血清GH含量反倒显著升高，而血清IGF含量和肝胰脏IGF mRNA表达丰度显著下降，饥饿后再投喂，第14天时血清GH含量显著升高，继续投喂7 d血清GH含量又表现出显著下降，但仍与饥饿第7天时的GH水平相当，而血清IGF含量和肝胰脏IGF mRNA表达丰度在第21天恢复投喂过程中显著升高，并恢复到饥饿前水平[23]。鲮(Cirrhinus molitorella)在投喂不同蛋白水平的饲料时，在8周的养殖期内其特定生长率与肝组织IGF mRNA的表达量呈极显著的正相关[24]。但强俊等[25]在分析温度和饲料蛋白水平对吉富品系尼罗罗非鱼幼鱼生长的影响时则发现血清GH水平与鱼的特定生长率相关性较低。黄国强等[26]研究也发现褐牙鲆(Paralichthys olivaceus)幼鱼在低温胁迫10 d导致的生长减缓能在恢复至最适生长温度的30 d内获得完全补偿生长，但血浆GH和IGF水平与生长率不存在明显的相关性。
该研究通过分析不同养殖密度下革胡子鲶幼鱼的生长以及垂体GH基因的表达，探讨养殖密度对二者的影响以及二者的相关性。该研究的数据统计分析结果显示，0~30 d养殖期内，35 kg · m-3和65 kg · m-3密度组间的日增质量以及95 kg · m-3和125 kg · m-3密度组间的日增质量差异均不显著，但前2个密度组的日增质量显著高于后2个密度组(图 1)。但养殖第30天时各密度组间GH基因mRNA的相对表达量并未受养殖密度的影响，即各密度组间的GH基因的相对表达量差异不显著(图 4)。30~60 d养殖期内，35 kg · m-3和65 kg · m-3密度组间的日增质量与95 kg · m-3密度组差异不显著，但显著高于125 kg · m-3密度组(图 1)。而养殖第60天时，GH mRNA表达量的分析结果显示35 kg · m-3和65 kg · m-3密度组显著高于95 kg · m-3和125 kg · m-3密度组(图 4)。上述结果表明在该研究中革胡子鲶幼鱼的日增质量与垂体GH基因mRNA相对表达量不存在紧密的相关性。结合前人的研究结果，在该研究中笔者推测，仅就生长轴GH-GHR-IGF而言，革胡子鲶在较短的养殖时间内(30 d)，养殖密度增大时，由于空间不足、摄食不均等原因可能影响鱼体生存状态和营养水平，而导致GH下游的生长调控因子，如GHR和IGF的合成与分泌减少，最终使鱼体的日增质量降低。但是随着养殖时间的延长(60 d)，养殖密度增大到一定程度时则会影响处于生长轴中心位置的因子——GH mRNA表达的下降，进而GH的合成与分泌减少，这可能成为影响鱼体生长速度的主要内在因素。对于GH-GHR-IGF这一生长轴在革胡子鲶生长中的调节作用以及三者的相互补偿关系仍需进一步深入探究。
-
![]()
图 1 2008—2017年印度洋长鳍金枪鱼产量累计空间分布
Figure 1. Spatial distribution cumulative production of T. alalunga in Indian Ocean during 2008−2017
![]()
图 2 2008—2017年印度洋长鳍金枪鱼渔获率年间变化及其平均渔获率
Figure 2. Annual catch rate and annual mean catch rate of T. alalunga in Indian Ocean during 2008−2017
![]()
图 3 2008—2017年印度洋长鳍金枪鱼渔获率月间变化及其平均渔获率值
Figure 3. Monthly catch rate and monthly mean catch rate of T. alalunga in Indian Ocean during 2008−2017
![]()
图 4 2008—2017年印度洋长鳍金枪鱼渔获率空间分布
Figure 4. Spatial distribution of T. alalunga catch rate in Indian Ocean during 2008−2017
![]()
图 5 各影响因子与长鳍金枪鱼渔获率关系的广义加性模型分析
Figure 5. Relationship between impact factors and catch rates of T. alalunga based on GAM model
![]()
图 6 2017年南印度洋海域表层、200、400 m水层年平均温度与年平均长鳍金枪鱼渔获率空间叠加图
Figure 6. Overlay map of annual mean temperature and annual mean catch rate of T. alalunga in surface sea water, 200 and 400 m water depths of South Indian Ocean in 2017
表 1 广义加性模型统计参数表
Table 1 Statistical parameters of GAM model
公式
Formula赤池准则
信息
AIC方差
解释率
Deviance
explained决定
系数
R2广义交叉
验证
GCVlog(CPUE)=NULL 15023.60 0 0 2.4984 log(CPUE)=s(Year) 15005.51 0.8 0.00642 2.4871 log(CPUE)=s(Year)+s(Month) 14690.30 8.6 0.0831 2.2988 log(CPUE)=s(Year)+s(Month)+s(Lat, k=5) 13173.10 37.6 0.373 1.5735 log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon) 12602.84 46.1 0.458 1.3645 log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0) 12156.86 52.0 0.516 1.2207 log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+s(Temp_50) 12153.27 52.1 0.516 1.2196 log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+s(Temp_50)+s(Temp_100) 12063.03 53.4 0.528 1.1925 log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+s(Temp_50)+s(Temp_100)+s(Temp_200) 12050.30 53.4 0.528 1.1925 log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+
s(Temp_50)+s(Temp_100)+s(Temp_200)+s(Temp_300)12007.99 54.3 0.536 1.1763 log(CPUE)=s(Year)+s(Month)+s(Lat, k=5)+s(Lon)+s(Temp_0)+s(Temp_50)+s(Temp_100)+
s(Temp_200)+s(Temp_300)+s(Temp_400)11994.66 54.5 0.538 1.1724 
下载: 导出CSV
表 2 广义加性模型模型分析结果
Table 2 Analysis results of GAM model
变量
Variable自由度
dfF P Year 8.588 6.594 0.0003 Month 7.3419 7.332 <0.0001 Lat 4.5165 56.543 <0.0001 Lon 9.1298 37.893 <0.0001 Temp_0 9.2925 14.781 <0.0001 Temp_50 0.9521 2.840 0.0210 Temp_100 11.516 0 9.446 <0.0001 Temp_200 4.8355 3.394 0.0051 Temp_300 7.8455 1.301 0.1981 Temp_400 4.8479 3.261 0.0019
下载: 导出CSV
-
[1] 马璐璐. 印度洋长鳍金枪鱼资源的时空分布和资源评估[D]. 上海: 上海海洋大学, 2017: 2. [2] 马璐璐, 朱江峰, 耿喆, 等. 运用生物量动态模型评估印度洋长鳍金枪鱼资源[J]. 上海海洋大学学报, 2018, 27(2): 259-264. [3] 张亚男, 官文江, 李阳东. 印度洋长鳍金枪鱼栖息地指数模型的构建与验证[J]. 上海海洋大学学报, 2020, 29(2): 268-279. [4] DHURMEEA Z, ZUDAIRE I, CHASSOT E, et al. Reproductive biology of albacore tuna (Thunnus alalunga) in the Western Indian Ocean[J]. PLoS One, 2016, 11(12): e168605.
[5] 张艳波. 东南太平洋长鳍金枪鱼垂直分布与栖息地指数研究[D]. 上海: 上海海洋大学, 2015: 26. [6] 张嘉容, 杨晓明, 田思泉. 基于最大熵模型的南太平洋长鳍金枪鱼栖息地预测[J]. 中国水产科学, 2020, 27(10): 1222-1233. [7] 闫敏, 张衡, 樊伟, 等. 南太平洋长鳍金枪鱼渔场CPUE时空分布及其与关键海洋环境因子的关系[J]. 生态学杂志, 2015, 34(11): 3191-3197. [8] 唐衍力, 徐湛. 中西太平洋长鳍金枪鱼 (Thunnus alalunga) 延绳钓渔场分布的时空变化[J]. 渔业科学进展, 2015, 36(3): 22-29. doi: 10.11758/yykxjz.20150304 [9] 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
[10] 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 [11] 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. [12] 张嘉容, 杨晓明, 戴小杰, 等. 南太平洋长鳍金枪鱼延绳钓渔获率与环境因子的关系研究[J]. 南方水产科学, 2020, 16(1): 69-77. [13] WANG J, CHEN X, STAPLES K W, et al. The skipjack tuna fishery in the west-central Pacific Ocean: applying neural networks to detect habitat preferences[J]. Fish Sci, 2018, 84(2): 309-321. doi: 10.1007/s12562-017-1161-6
[14] GUISAN A, EDWARDS T C, HASTIE T. Generalized linear and generalized additive models in studies of species distributions: setting the scene[J]. Ecol Model, 2002, 157(2): 89-100.
[15] 武胜男, 陈新军, 刘祝楠. 基于GAM的西北太平洋日本鲭资源丰度预测模型建立[J]. 海洋学报 (中文版), 2019, 41(8): 36-42. [16] 张云雷, 徐宾铎, 张崇良, 等. 基于Tweedie-GAM模型研究海州湾小黄鱼资源丰度与栖息环境的关系[J]. 海洋学报, 2019, 41(12): 78-89. [17] 王晓晴, 林宇, 吴锦仁. 东南印度洋长鳍金枪鱼延绳钓渔场探捕浅析[J]. 渔业信息与战略, 2020, 35(3): 198-207. [18] 陈雪忠, 樊伟, 崔雪森, 等. 基于随机森林的印度洋长鳍金枪鱼渔场预报[J]. 海洋学报 (中文版), 2013, 35(1): 158-164. [19] 郭爱, 陈新军. ENSO与中西太平洋金枪鱼围网资源丰度及其渔场变动的关系[J]. 海洋渔业, 2005(4): 338-342. doi: 10.3969/j.issn.1004-2490.2005.04.015 [20] 陈新军, 郑波. 中西太平洋金枪鱼围网渔业鲣鱼资源的时空分布[J]. 海洋学研究, 2007(2): 13-22. doi: 10.3969/j.issn.1001-909X.2007.02.002 [21] 史珩瑜, 张祖强, 任宏利. 近百年来ENSO强度的变化特征[J]. 气候变化研究进展, 2017, 13(1): 1-10. doi: 10.12006/j.issn.1673-1719.2016.117 [22] 孙诗. 南印度洋长鳍金枪鱼黄鳍金枪鱼生物学特性及金枪鱼延绳钓捕捞技术初步分析[D]. 舟山: 浙江海洋大学, 2019: 54. [23] 范永超, 陈新军, 汪金涛. 基于多因子栖息地指数模型的南太平洋长鳍金枪鱼渔场预报[J]. 海洋湖沼通报, 2015(2): 36-44. [24] 刘洪生, 蒋汉凌, 戴小杰. 中西太平洋长鳍金枪鱼渔场与海温的关系[J]. 上海海洋大学学报, 2014, 23(4): 602-607. [25] 范江涛, 陈新军, 钱卫国, 等. 瓦努阿图周边海域长鳍金枪鱼渔场分布及其与表温关系[J]. 海洋湖沼通报, 2011(1): 71-78. doi: 10.3969/j.issn.1003-6482.2011.01.010 [26] MACDONALD J I, FARLEY J H, CLEAR N P, et al. Insights into mixing and movement of South Pacific albacore Thunnus alalunga derived from trace elements in otoliths[J]. Fish Res, 2013, 148: 56-63. doi: 10.1016/j.fishres.2013.08.004
[27] SAITO S. Studies on fishing of albacore, Thunnus alalunga (Bonnaterre) by experimental deep-sea tuna long-line[J]. Mem Fac Fish Hokkaido Univ, 1973, 21(2): 107-184.
[28] 陈雪忠, 杨胜龙, 张禹, 等. 热带印度洋大眼金枪鱼垂直分布空间分析[J]. 中国水产科学, 2013, 20(3): 660-671. [29] 储宇航, 戴小杰, 田思泉, 等. 南太平洋长鳍金枪鱼栖息水层深度的时间变化与空间分布[J]. 海洋通报, 2016, 35(2): 216-224. doi: 10.11840/j.issn.1001-6392.2016.02.013 [30] 曹晓怡, 周为峰, 樊伟, 等. 大眼金枪鱼渔场与环境关系的研究进展[J]. 海洋渔业, 2008(2): 176-182. doi: 10.3969/j.issn.1004-2490.2008.02.012 [31] 翟天晨, 戴小杰, 朱江峰. 东太平洋长鳍金枪鱼个体大小与钓获深度的关系[J]. 海洋渔业, 2015, 37(1): 10-16. doi: 10.3969/j.issn.1004-2490.2015.01.002 [32] 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
计量
- 文章访问数: 1002
- HTML全文浏览量: 300
- PDF下载量: 54
粤公网安备 44010502001741号
