论文部分内容阅读
太平洋海域拥有丰富的金枪鱼资源,同时也是我国远洋金枪鱼延绳钓船队重要的捕捞区域之一,但近年来各个国家之间远洋捕捞竞争激烈,资源的减少、金枪鱼管理组织对捕捞规定越来越严格、入渔条件越发苛刻,加之船只老旧、油价上涨等都成为国内外企业不得不面对的问题。了解太平洋大眼金枪鱼(Thunnus obesus)渔场分布与海洋环境因子的联系,对于如何准确预报渔场的方位,在不同季节不同月份调整作业方式使得公司效益最大化,具有非常重要的意义。本文根据上海蒂尔远洋渔业有限公司船队(海上“38”、海上“88”、海上“98”)在中东太平洋生产的渔业数据,结合卫星遥感获取的海表面温度异常值(Sea Surface Temperature Anomalies,SSTA)、叶绿素a浓度(chlorophyll a concentration,Chl-a)、海表面温度(Sea Surface Temperature,SST)和盐度(Sea Surface Salinity,SSS),其次使用数理统计方法对大眼金枪鱼的渔获率进行统计分析;使用地理信息系统软件了解大眼金枪鱼资源变动和空间变化,同时构建广义可加模型(Generalized Additive Model,GAM)分析影响中东太平洋大眼金枪鱼CPUE(Catch Per Unit Effort)的因素以及渔场的变动,最后利用灰色系统理论进行验证环境因子的影响程度大小,同时寻找出一种最适合大眼金枪鱼产量预测模型,为以后实际生产提供参考。主要研究结果如下:(1)对海上“88”号各钩位渔获组成进行统计分析,结果显示2017年8月14号-12月6号大眼金枪鱼渔获率最高的水层310-380m,对应的渔获率为6.682尾/千钩,其中各钩位的渔获率最高是10号普通料卡,对应数值为15.42尾/千钩,10号海灯渔获率为11.74尾/千钩,4、7号荧光钩位渔获率对应数值为4.19尾/千钩、4.95尾/千钩;在2017年8月14号至12月6号,大眼金枪鱼渔获率最高的水层310-380m,对应的渔获率为4.47尾/千钩,渔获率最低的水层是100-170m,对应的渔获率为1.428尾/千钩,各钩位的渔获率最高是6号普通料卡,对应数值为7.01尾/千钩,6号海灯渔获率为3.5尾/千钩,4、7号荧光钩位渔获率对应数值为3.7尾/千钩、6.75尾/千钩。在投钩深度310m-380m的7-10钩位使用荧光鱿鱼,能够明显吸引大眼金枪鱼的上钩率;海灯在一定程度上吸引大眼金枪鱼,提高同水层钩位的上钩率,所以在渔场可以适当加入使用海灯吸引目标鱼种和其他经济鱼种。(2)中东太平洋大眼金枪鱼捕捞区域主要集中分布在2°N-5°S,161°W-174°W和5°S-12°S,147°W-157°W海域内。每年的1-6月渔场主要分布在1°S-10°N,172°W-180°W海域,从6月-12月渔场移动方向可以看出,2015、2016年渔场主要分布在5°S以南,155°W以东,2017、2018年渔场向西北方向移动,主要分布在5°S-0,160°W-170°W海域,2019年渔场向东南方向移动,集中分布5°S-9°S,150°W-155°W海域。各年7月中心渔场主要分布在9°S-2°N、141°W-172°W海域;各年8月中心渔场主要分布在11°S-2°N、142°W-166°W海域;各年9月中心渔场主要分布在1°S-11°S、144°W-166°W海域,其他月份不能准确确定。每年2-4月渔船作业次数少,CPUE值较低为淡季;5-6月CPUE趋于平缓状态;8月-隔年1月渔船作业密集CPUE数值高,为旺季。(3)中东太平洋大眼金枪鱼最适宜的海表面温度范围为27.5℃-28.5℃,最适宜的盐度范围为35-35.5‰,最适合捕捞的叶绿素a浓度范围为0.12-0.16 mg/m3。各年7月海表面温度范围为27.86℃-29.16℃,盐度范围为34.82-35.53‰,叶绿素a浓度范围为0.12-0.14 mg/m3;各年8月海表面温度范围为27.98℃-28.58℃,盐度范围为34.93-35.96‰,叶绿素a浓度范围为0.12-0.17 mg/m3;各年9月海表面温度范围为27.23℃-28.66℃,盐度范围为35.36-35.51‰,叶绿素a浓度范围为0.11-0.16 mg/m3,其他月份不能准确确定。作业的渔场发生厄尔尼诺时,CPUE的值普遍高于相邻年同月份的CPUE值,而在拉尼娜月份,CPUE的值是比相连的上月份CPUE有所下降,下月份若同样是拉尼娜月份时,CPUE值将会有所提高。(4)利用GAM模型分析得出对中东太平洋大眼金枪鱼渔获率的影响:在时空因子中,年份对CPUE的影响效果最为显著,其次是经度、纬度和月。在环境因子中,对CPUE影响效果最显著的是SSTA,其次是SST、SSS、然后是Chl-a。(5)环境因子与CPUE关联大小为SSTA>SST>SSS>Chl-a。同时GM(1,n)预测模型分别建立了5种组合模型中,根据平均绝对误差、平均相对误差的值判断环境因子对CPUE影响得出SSTA>SST>SSS>Chl-a的结论,这与关联度值、GAM解释率相符。而且预测渔场资源丰度时采用模型1:包含所有环境因子的GM(1,8)模型,影响因子包括Chl-a、SSTA、经度重心、纬度重心、SSS、船速和SST,预测效果最好。