印度洋大眼金枪鱼的资源评估
发布时间：2021-07-16 18:05
大眼金枪鱼属于暖水性高度洄游型的鱼类,广泛分布于太平洋、大西洋和印度洋的热带和亚热带海域,其渔业资源的养护和管理受到全球区域性金枪鱼渔业管理组织重点关注。作为我国延绳钓渔业中重要的目标经济鱼种,通过深入研究其渔业资源开发状态,能够为我国渔业管理部门在渔业政策制定中提供重要的科学支持。为此,本文根据印度洋金枪鱼委员会（IOTC,Indian Ocean Tuna Commission）网站数据及我国延绳钓渔业的渔捞日志数据,考虑到各种不确定性因素,对印度洋大眼金枪鱼的资源状况进行评估,并对我国CPUE数据进行了标准化。主要研究内容和结果如下:（1）根据1950-2016年的渔获量数据及1955-2016年的单位捕捞努力量（Catch Per Unit Effort,CPUE）数据,采用贝叶斯状态空间剩余产量模型框架JABBA（Just Another Bayesian Biomass Assessment）对印度洋大眼金枪鱼的资源状况进行评估,分析了渔船效应、CPUE数据尺度对评估结果的影响。结果表明,模型拟合效果对于不同时间跨度下CPUE数据的选择比较敏感。当选用时间跨度为1979-2...
【文章来源】：上海海洋大学上海市
【文章页数】：62 页
【学位级别】：硕士
【图文】：
印度洋大眼金枪鱼（拍摄者：刘攀）
技术路线图
上海海洋大学硕士学位论文142.2结果2.2.1模型诊断根据模型中Welch-Heidelberger统计量值均小于1，各参数后验分布左右对称，模型具有较好的收敛效果（图2-2）。对比模型结果发现，使用不同时间跨度和渔船效应的数据结构，直接影响DIC值和RMSE值的大小（表2-2，图2-3）。而R1_ID_7916和R2_ID_7916数据的S4模型获得的DIC值和RMSE值均最小（图2-3），故本文最终选择S4模型作为基础模型，用于评估印度洋大眼金枪鱼的种群状态。图2-2印度洋大眼金枪鱼中剩余产量模型参数的先验与后验分布（基础模型）Fig.2-2PriorandposteriorsdistributionofparametersinthesurplusproductionmodelforIndianOceanbigeyetuna(Basecase)
【参考文献】：
期刊论文
[1]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]. 张嘉容,杨晓明,戴小杰,邹莉瑾. 南方水产科学. 2020(01)
[2]剩余产量模型形状参数对印度洋黄鳍金枪鱼资源评估的影响[J]. 官文江,吴佳文. 上海海洋大学学报. 2019(02)
[3]印度洋长鳍金枪鱼资源评估的影响因素分析[J]. 官文江,朱江峰,高峰. 中国水产科学. 2018(05)
[4]渔获量不确定性对印度洋大眼金枪鱼资源评估的影响[J]. 李亚楠,戴小杰,朱江峰,耿喆,夏萌,何珊. 渔业科学进展. 2018(05)
[5]基于SPiCT模型对数据有限短生命周期阿根廷滑柔鱼的资源评估[J]. 韩青鹏,单秀娟,关丽莎,金显仕,万荣,陈云龙. 中国水产科学. 2018(01)
[6]运用SS3评估东太平洋大眼金枪鱼（Thunnus obesus）资源——复杂模型和简化模型的比较[J]. 朱江峰. 渔业科学进展. 2017(03)
[7]The Relationship Between Fat Content and Biological Parameters of Bigeye Tuna（Thunnus obseus） in the Western Central Indian Ocean[J]. SONG Liming,SHEN Zhibin,LI Jie,LI Dongjing,LI Yuwei. Journal of Ocean University of China. 2016(05)
[8]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]. 储宇航,戴小杰,田思泉,高春霞,李伟文. 海洋渔业. 2016(02)
[9]Application of a Bayesian method to data-poor stock assessment by using Indian Ocean albacore （Thunnus alalunga） stock assessment as an example[J]. GUAN Wenjiang,TANG Lin,ZHU Jiangfeng,TIAN Siquan,XU Liuxiong. Acta Oceanologica Sinica. 2016(02)
[10]应用贝叶斯状态空间建模对东海带鱼的资源评估[J]. 张魁,陈作志. 中国水产科学. 2015(05)
硕士论文
[1]印度洋中南部大眼金枪鱼年龄与生长研究[D]. 李凤莹.上海海洋大学 2014
[2]剩余产量模型的短期预报和模型选择的初步研究[D]. 关丽莎.中国海洋大学 2012
本文编号：3287497
【文章来源】：上海海洋大学上海市
【文章页数】：62 页
【学位级别】：硕士
【图文】：
印度洋大眼金枪鱼（拍摄者：刘攀）
技术路线图
上海海洋大学硕士学位论文142.2结果2.2.1模型诊断根据模型中Welch-Heidelberger统计量值均小于1，各参数后验分布左右对称，模型具有较好的收敛效果（图2-2）。对比模型结果发现，使用不同时间跨度和渔船效应的数据结构，直接影响DIC值和RMSE值的大小（表2-2，图2-3）。而R1_ID_7916和R2_ID_7916数据的S4模型获得的DIC值和RMSE值均最小（图2-3），故本文最终选择S4模型作为基础模型，用于评估印度洋大眼金枪鱼的种群状态。图2-2印度洋大眼金枪鱼中剩余产量模型参数的先验与后验分布（基础模型）Fig.2-2PriorandposteriorsdistributionofparametersinthesurplusproductionmodelforIndianOceanbigeyetuna(Basecase)
【参考文献】：
期刊论文
[1]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]. 张嘉容,杨晓明,戴小杰,邹莉瑾. 南方水产科学. 2020(01)
[2]剩余产量模型形状参数对印度洋黄鳍金枪鱼资源评估的影响[J]. 官文江,吴佳文. 上海海洋大学学报. 2019(02)
[3]印度洋长鳍金枪鱼资源评估的影响因素分析[J]. 官文江,朱江峰,高峰. 中国水产科学. 2018(05)
[4]渔获量不确定性对印度洋大眼金枪鱼资源评估的影响[J]. 李亚楠,戴小杰,朱江峰,耿喆,夏萌,何珊. 渔业科学进展. 2018(05)
[5]基于SPiCT模型对数据有限短生命周期阿根廷滑柔鱼的资源评估[J]. 韩青鹏,单秀娟,关丽莎,金显仕,万荣,陈云龙. 中国水产科学. 2018(01)
[6]运用SS3评估东太平洋大眼金枪鱼（Thunnus obesus）资源——复杂模型和简化模型的比较[J]. 朱江峰. 渔业科学进展. 2017(03)
[7]The Relationship Between Fat Content and Biological Parameters of Bigeye Tuna（Thunnus obseus） in the Western Central Indian Ocean[J]. SONG Liming,SHEN Zhibin,LI Jie,LI Dongjing,LI Yuwei. Journal of Ocean University of China. 2016(05)
[8]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]. 储宇航,戴小杰,田思泉,高春霞,李伟文. 海洋渔业. 2016(02)
[9]Application of a Bayesian method to data-poor stock assessment by using Indian Ocean albacore （Thunnus alalunga） stock assessment as an example[J]. GUAN Wenjiang,TANG Lin,ZHU Jiangfeng,TIAN Siquan,XU Liuxiong. Acta Oceanologica Sinica. 2016(02)
[10]应用贝叶斯状态空间建模对东海带鱼的资源评估[J]. 张魁,陈作志. 中国水产科学. 2015(05)
硕士论文
[1]印度洋中南部大眼金枪鱼年龄与生长研究[D]. 李凤莹.上海海洋大学 2014
[2]剩余产量模型的短期预报和模型选择的初步研究[D]. 关丽莎.中国海洋大学 2012
本文编号：3287497
本文链接：https://www.wllwen.com/kejilunwen/zylw/3287497.html
