大洋性经济柔鱼类渔情预报与资源量评估研究

发布时间：2017-03-25 04:11

  本文关键词：大洋性经济柔鱼类渔情预报与资源量评估研究，由笔耕文化传播整理发布。

【摘要】：大洋性经济柔鱼类(西北太平洋柔鱼、西南大西洋阿根廷滑柔鱼、东南太平洋茎柔鱼)是我国鱿钓船队的重要捕捞对象,具有重要的经济价值。近年来大洋性经济柔鱼类的资源量波动剧烈,对渔业生产和科学管理带来了一定的难度。目前对柔鱼类的渔情预报技术研究,尤其是柔鱼类资源补充量预报研究和资源量评估的研究还处于起步阶段。开展大洋性经济柔鱼类渔情预报技术研究,掌握它们的资源现状和群体数量的变动规律是实现大洋性经济柔鱼类资源可持续利用和科学管理的关键。本研究基于的科学假设是:(1)由于柔鱼类是短生命周期的种类,具有产完卵即死的特点,没有剩余群体只有补充群体,因此海洋环境是影响柔鱼类渔场分布和资源补充量的关键因子,即产卵场和索饵场环境因子对其资源补充量和渔场分布起到重要的作用;(2)在剩余产量资源评估模型中,同样假设产卵场和索饵场环境因子对其个体生长和资源补充起到重要作用。基于以上2个科学假设,论文重点开展了如何选择最适的时空尺度来建立基于海洋环境因子的中心渔场预报模型;如何选取最适的产卵场和索饵场的环境因子准确预报资源补充量,且预报模型具有稳定性;比较基于索饵场和产卵场环境因子的柔鱼类资源评估模型,同时探讨这一基于环境因子的资源评估模型是否适合上述三个种类。为此,本研究根据我国及相关国家和地区的渔业生产统计数据,结合卫星遥感海洋环境数据(Sea Surface Temperature,SST;Sea Surface Temperature Anomaly,SSTA;Sea Surface Height,SSH;Chlorophyll-a concentration,Chl-a),系统地开展西北太平洋柔鱼(Ommartrephes bartramii)、西南大西洋阿根廷滑柔鱼(Illex argentinus)、东南太平洋茎柔鱼(Dosidicus gigas)三种柔鱼的渔情预报与资源评估技术研究,为中心渔场的准确预报、资源补充量预测以及管理策略的制定提供依据。主要研究结论如下:(1)环境因子对渔场形成的影响。SST或SSTA因子对渔场预报模型的贡献率最大,SST或SSTA对大洋性经济柔鱼类的资源分布或渔场形成机制有重要影响,不同鱼种适宜的SST范围各不相同;其他环境因子SSH、Chl-a也影响大洋性经济柔鱼类的渔场分布,如Chla是大洋性经济柔鱼类食物来源的一个重要指标,是渔场形成的一个基本条件,Chl-a含量高的海域可以提供更高容量的营养素,如浮游植物、浮游动物溶解有机物等,为柔鱼提供良好索饵环境。在西北太平洋海域,SST对西北太平洋柔鱼中心渔场预报模型的贡献率达到26%,适宜SST范围为11-18oC;Chl-a的贡献率为10%。在西南大西洋海域,SST对阿根廷滑柔鱼中心渔场预报模型的贡献率达到40%左右,适宜SST范围为7-15oC;在东南太平洋海域,Nino3.4区SSTA对茎柔鱼中心渔场预报模型的贡献率最高,为29%左右,说明茎柔鱼中心渔场分布极易受ENSO事件影响,其次是SST,适宜SST范围为17-21oC(2)比较不同时空尺度、不同海域对渔场预报模型的影响。每个鱼种都有各自独特的最适时空分辨率和环境因子,从一个鱼种得到的最适渔场时空分辨率和环境因子并不适宜于其他的鱼种;与其他研究者的结论(HSI模型、地统计学模型)比较发现,使用不同的模型也可能得到不同的最适渔场时空分辨率与环境因子。西北太平洋柔鱼中心渔场最适宜的时空分辨率与环境因子是时间分辨率为“月”,空间分辨率为“0.5o×0.5o”,环境因子为SST、SSH;西南大西洋阿根廷滑柔鱼中心渔场最适宜的时空分辨率与环境因子是时间分辨率为“周”,空间分辨率为“1.0o×1.0o”,环境因子为SST;东南太平洋茎柔鱼中心渔场最适宜的时空分辨率与环境因子是时间分辨率为“月”,空间分辨率为“0.5o×0.5o”,环境因子为SST、SSH。在最适渔场时空分辨率与环境因子的基础上,选用人工神经网络(Artificial neural network,ANN)作为渔场预报模型,大幅度提高了中心渔场预报精度,可从两个方面解释:a)ANN的优点,如ANN具有更好的非线性拟合能力等,b)以CPUE levels为拟合目标比以CPUE为拟合目标降低了对模型性能的要求;选用以CPUE level为拟合目标的渔场预报模型可能更适合海上的实际需求。三个海域的柔鱼类中心渔场预报模型精度均在75%以上,模型ARV值均不超过0.4。(3)大洋性经济柔鱼类资源补充量关键影响因子的选择。研究发现:关键影响因子基本位于海洋环境因子等值线密集区或海流交汇区;基于多关键影响因子的资源补充量预报模型,预报精度高,稳定性好。西北太平洋海域,柔鱼资源补充量关键影响因子是产卵场1月份145o-146oE、25o-26oN的SST,3月份168o-169oE、27o-28.5oN的Chl-a,索饵场11月份156.5o-158oE、40o-40.5oN的SST,8月份158o-160oE、38o-39oN的Chl-a,这些关键点处在黑潮或亲潮之上;西南大西洋海域,阿根廷滑柔鱼资源补充量关键影响因子是产卵场6月份38o~39oS、54o~55oW,40.5o~41.5oS、51o~52oW,39.9o~40.4oS、42.6o~43.1oW三处的SST,这些关键点位于巴西暖流与福克兰寒流交汇处;东南太平洋海域,茎柔鱼资源补充量关键影响因子是7月份13oN、102oW和6月份8oN、103.5oW处的SST,9月份11oN、102oW和2月份12oN、97.5oW处的SSH,3月份8oS、107oW和10月份10oS、93.5oW处的Chl-a,这些关键点位于秘鲁海流和加利福尼亚海流上。三个海域的柔鱼类资源补充量预报模型精度均在90%左右。(4)基于产卵场和索饵场关键环境影响因子的Schaefer剩余产量模型的比较与分析。首次利用贝叶斯统计方法,建立了基于产卵场和索饵场关键环境影响因子的Schaefer剩余产量模型。研究发现:目前大洋性经济柔鱼类(西北太平洋柔鱼、西南大西洋阿根廷滑柔鱼、东南太平洋茎柔鱼)处于较好水平,三个海域柔鱼类的年捕捞死亡率均低于Ftar、FMSY,没有遭受过度捕捞,基于环境因子的评估模型要优于原始的评估模型。西北太平洋海域,拟合最好的模型是S-EDSP模型,柔鱼MSY的变化区间为185 600-232 000吨,BMSY变化区间为260 000-325 100吨;西南大西洋海域,拟合最好的模型是S-F-EDSP模型,阿根廷滑柔鱼MSY变化区间为335 700-518 600吨,BMSY变化区间为1 505 000-1 750 000吨;东南太平洋海域,拟合最好的模型是S-F-EDSP模型,茎柔鱼MSY变化区间为141 100-489 200吨,BMSY变化区间为968 300-4 000 000吨。说明环境因子在大洋性经济柔鱼类这种短生命周期种类的资源评估中具有重要影响,由此推测在大洋性柔鱼类资源评估中必须考虑海洋环境因子。
【关键词】：大洋性柔鱼类 渔场预报 资源补充量预报 资源评估
【学位授予单位】：上海海洋大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：S932.4
【目录】：

• 摘要4-9
• Abstract9-16
• 第一章 绪论16-29
• 1.1 研究背景16-19
• 1.2 国内外研究现状及存在问题19-26
• 1.2.1 渔场预报技术国内外研究现状19-22
• 1.2.2 资源补充量预报技术国内外研究现状22-24
• 1.2.3 渔业资源评估国内外研究现状24-25
• 1.2.4 存在的问题25-26
• 1.3 研究的内容和技术路线26-29
• 1.3.1 研究内容26-28
• 1.3.2 技术路线28-29
• 第二章 渔情预报技术的理论和方法29-48
• 2.1 材料来源及预处理方法29-31
• 2.1.1 材料来源29-30
• 2.1.2 预处理方法30-31
• 2.2 CPUE标准化方法31-34
• 2.2.1 Nominal CPUE计算31-32
• 2.2.2 GLM模型32-33
• 2.2.3 GAM模型33
• 2.2.4 CPUE零值处理33-34
• 2.3 中心渔场预报技术研究34-41
• 2.3.1 时空尺度设置34
• 2.3.2 环境因子设置34-36
• 2.3.3 中心渔场预报模型36-41
• 2.3.3.1 模型结构36-37
• 2.3.3.2 模型训练算法37-40
• 2.3.3.3 模型实现40
• 2.3.3.4 预报模型评价方法40-41
• 2.4 基于环境因子的资源补充量预报技术研究41-42
• 2.4.1 影响因子选取方法41-42
• 2.4.2 资源补充量预报模型42
• 2.5 基于环境因子的渔业资源评估模型研究42-48
• 2.5.1 基于环境因子的剩余产量模型43-44
• 2.5.1.1 基于环境因子的剩余产量模型构建方法43-44
• 2.5.1.2 EDSP模型资源管理生物学参考点44
• 2.5.2 贝叶斯评估理论44-48
• 2.5.2.1 似然函数45-46
• 2.5.2.2 先验分布46-47
• 2.5.2.3 贝叶斯法则及计算方法47-48
• 第三章西北太平洋柔鱼渔情预报48-74
• 3.1 柔鱼渔业生物学概述48-49
• 3.2 柔鱼中心渔场预报49-56
• 3.2.1 中心渔场分布49-51
• 3.2.2 模型实现及结果51-53
• 3.2.3 模型分析53-56
• 3.3 柔鱼资源补充量预报56-61
• 3.3.1 年CPUE变化趋势56-57
• 3.3.2 资源补充量影响因子57-61
• 3.3.3 模型实现及结果61
• 3.4 基于环境因子的柔鱼资源量评估61-70
• 3.4.1 评估模型构建62
• 3.4.2 似然函数及先验分布62-63
• 3.4.3 评估结果63-70
• 3.5 讨论与分析70-74
• 第四章 西南大西洋阿根廷滑柔鱼渔情预报74-98
• 4.1 阿根廷滑柔鱼渔业生物学概述74-75
• 4.2 阿根廷滑柔鱼中心渔场预报75-84
• 4.2.1 中心渔场分布75-77
• 4.2.2 模型实现及结果77-79
• 4.2.3 模型分析79-84
• 4.3 阿根廷滑柔鱼资源补充量预报84-87
• 4.3.1 年CPUE变化趋势84
• 4.3.2 资源补充量影响因子84-86
• 4.3.3 预报模型实现及结果比较86-87
• 4.3.3.1 线性预报模型86
• 4.3.3.2 BP预报模型86-87
• 4.4 基于环境因子的阿根廷滑柔鱼资源量评估87-95
• 4.4.1 评估模型构建88
• 4.4.2 似然函数及先验分布88-89
• 4.4.3 评估结果89-95
• 4.5 讨论与分析95-98
• 第五章 东南太平洋茎柔鱼渔情预报98-125
• 5.1 茎柔鱼渔业生物学概述98
• 5.2 茎柔鱼中心渔场预报98-108
• 5.2.1 中心渔场分布98-102
• 5.2.2 模型实现及结果102-105
• 5.2.3 模型分析105-108
• 5.3 茎柔鱼资源补充量预报108-113
• 5.3.1 年CPUE变化趋势108-109
• 5.3.2 资源补充量影响因子109-112
• 5.3.3 模型实现及结果112-113
• 5.4 基于环境因子的茎柔鱼资源量评估113-121
• 5.4.1 评估模型构建114-115
• 5.4.2 似然函数及先验分布115
• 5.4.3 评估结果115-121
• 5.5 讨论与分析121-125
• 第六章 主要结论与展望125-130
• 6.1 主要结论125-127
• 6.1.1 关于影响渔场分布的环境因子125
• 6.1.2 关于中心渔场预报的模型125-126
• 6.1.3 关于资源补充量的预报模型126-127
• 6.1.4 关于短生命周期的渔业资源评估模型127
• 6.2 本文创新点127-128
• 6.3 存在的问题与展望128-130
• 参考文献130-139
• 致谢139-140
• 博士期间科研成果140-143
• 附录 1 FDP软件使用方法143-147
• 附录 2 CPUE标准化代码片段147-148
• 附录 3 贝叶斯资源评估代码片段148-149

  本文关键词：大洋性经济柔鱼类渔情预报与资源量评估研究，由笔耕文化传播整理发布。

，

本文编号：266644