基于GAM的库克群岛海域长鳍金枪鱼CPUE时空分布与海洋环境的关系.pdf

42卷海洋通报http:/基于GAM的库克群岛海域长鳍金枪鱼CPUE时空分布与海洋环境的关系许回1，宋利明1,2，沈介然3，李玉伟1,2，张敏1,2（1.上海海洋大学海洋科学学院，上海201306；2.上海海洋大学国家远洋渔业工程技术研究中心，上海201306；3.深圳市联成远洋渔业有限公司，广东深圳518035）摘要：长鳍金枪鱼（Thunnus alalunga）是金枪鱼延绳钓的主要捕捞对象之一，而库克群岛海域则是重要的长鳍金枪鱼渔场。探究长鳍金枪鱼资源量的时空分布与海洋环境的关系，有利于提高长鳍金枪鱼渔场预报的精确性。根据2017年1月1日至2021年5月31日中国远洋渔业企业的船舶监测系统（Vessel Monitor Systems,VMS）数据，将长鳍金枪鱼渔获尾数和延绳钓放钓钩数匹配到11的网格中，得出名义单位捕捞努力量渔获量(Catch Per Unit Effort，CPUE)。对CPUE作正态性检验，以天为时间分辨率，选取月份、经纬度、叶绿素a浓度、海表面高度，以及0300 m水层的温度、盐度、溶解氧浓度等26个时空与环境因子作为变量，对CPUE与时空环境因子作相关性分析，对环境变量进行多重共线性诊断，按照季度分析长鳍金枪鱼渔场的分布变化，利用GAM评价各因子对长鳍金枪鱼CPUE的影响。结果显示：（1）第二季度12S以南渔场的CPUE明显高于以北的区域，第三季度渔场分散且CPUE值不高，第四季度CPUE为年中最高。（2）GAM结果显示，对长鳍金枪鱼CPUE影响最显著的为海表面温度，适宜的温度为26.7128.20。（3）不同水层对CPUE影响的环境因子不同，表层影响因子为温度、叶绿素a浓度、海表面高度；次表层的影响因子为200 m水层温度、150 m水层溶解氧浓度、250 m水层温度、200 m水层盐度。（4）影响长鳍金枪鱼CPUE的水层深度最大为250 m，建议在库克群岛海域捕捞长鳍金枪鱼时，应使钓钩深度沉降到200 m以深，以提高渔获率。关键词：库克群岛；长鳍金枪鱼；GAM；环境因子；时空分布中图分类号：S931.1文献识别码：A文章编号：1001-6932(2023)04-0444-12Doi:10.11840/j.issn.1001-6392.2023.04.008收稿日期：2022-08-18；修订日期：2022-11-02基金项目：国家自然科学基金（32273185）；国家重点研发项目（2020YFD0901205）；2021年农业农村部海洋渔业资源调查与探捕项目（D-8006-21-0215）作者简介：许回（1995），硕士，主要从事远洋渔业系统集成研究，电子邮箱：通信作者：宋利明，博士，教授，主要从事金枪鱼渔业和渔具数值模拟研究，电子邮箱：The relationship between the spatial-temporal distribution of albacoretuna CPUE and the marine environment variables in waters near theCook Islands based on GAMXU Hui1,SONG Liming1,2,SHEN Jieran3,LI Yuwei1,2,ZHANG Min1,2（1.College of Marine Sciences,Shanghai Ocean University,Shanghai 201306,China;2.National Engineering Research Center for Oceanic Fisheries,Shanghai 201306,China;3.Liancheng overseas fishery(Shenzhen)group,Shenzhen 518035,China）Abstract:Albacore tuna(Thunnus alalunga)is an important target species in tuna longline fisheries.The Cook Islands seaarea is an important albacore tuna fishing ground.Understanding the relationship between the spatial-temporal distributionof its CPUE(catch per unit effort)and the marine environment variables contributes to better accuracy of albacore tuna fishinggrounds forecasting.According to vessel monitor systems(VMS)data of Chinas pelagic fishery enterprises from January 1,2017 to May 31,2021,the nominal CPUE(unit:inds./thousand hooks)was obtained by matching the catch individuals of海洋通报MARINE SCIENCE BULLETIN第42卷第4期2023年8月Vol.42,No.4Aug.20234期http:/albacore tuna and the number of longline hooks to the unit grid(11).CPUE was tested for normality.Days were taken asthe time resolution,and 26 spatiotemporal and environmental variables,i.e.chlorophyll a concentration,sea surface height,temperature,salinity,dissolved oxygen concentration of 0300 m water layer,month,longitude and latitude as variables.Thecorrelation between CPUE and spatiotemporal environmental factors was analyzed,followed by the multicollinearity diagnosisof environmental variables.This study analyzed the quarterly distribution of albacore tuna CPUE by the statistical method.Theeffects of environmental variables on CPUE of albacore tuna were evaluated by generalized additive model(GAM).The resultsshowed that:(1)In the second quarter,the CPUE of fishing grounds south of 12 S was significantly higher than that of the northof 12 S.In the third quarter,the CPUE value was comparatively low,due to scattered fishing grounds;and in the fourth quarter,the CPUE was the highest among the four quarters.(2)The results from GAM showed that the most significant impact on CPUEof albacore tuna was the sea surface temperature,preferably 26.7128.20.(3)The environmental variables that influencethe albacore tuna CPUE in different water layers were different.The temperature,chlorophyll-a concentration in the seasurface,and sea surface height were the main variables.The influence factors of the subsurface layer included the temperatureof the 200 m water layer,the dissolved oxygen concentration of the 150 m water layer,the temperature of the 250 m waterlayer,and the salinity of the 200 m water layer.(4)The deepest layer affecting albacore tuna CPUE was 250 m.The resultssuggested that the hook depth should be set over 200 m to increase the catch rate when targeting albacore tuna in waters nearthe Cook Islands.Keywords:Cook Islands;Thunnus alalunga;GAM;environmental variables;spatiotemporal distribution长鳍金枪鱼（Thunnus alalunga）具有高度洄游性，分布在各大洋的温带、热带及亚热带区域1-2，食用价值和商业价值较高，资源量较为丰富3，中西太平洋是其最重要的产区之一，产量每年增加4。库克群岛海域是我国长鳍金枪鱼渔业的重要渔场之一，对长鳍金枪鱼资源量的时空分布特征及其与海洋环境关系的研究，有利于提高长鳍金枪鱼渔情预报的精确性。国内外对于太平洋长鳍金枪鱼的研究主要包括种群动态分析、资源评价和渔情预报等，但对库克群岛海域长鳍金枪鱼单位捕捞努力量渔获量(Catch Per Unit Effort，CPUE)研究较少，且在分析资源量时空分布特征及其与海洋环境的关系研究时存在海洋环境因子考虑不全的情况。Briand等5探究环境与南太平洋长鳍金枪鱼资源的关系时环境数据来源于模型计算；Senina等6利用空间生态系统和种群动力学模型预测了南太平洋长鳍金枪鱼种群的动态；Nieto等7利用增强回归树（BRT）模型来预测北太平洋长鳍金枪鱼 CPUE的时空分布模式，得出的空间分布与观察结果一致，但无法预测某些地区的高CPUE。在研究太平洋长鳍金枪鱼渔场时空分布和预测资源时，闫敏等8只考虑了海表面温度、叶绿素 a 浓度和海面高度异常；刘洪生等9研究中西太平洋海水温度对长鳍金枪鱼渔场的影响，得出 CPUE分布与季节相关；杨嘉樑等10考虑了不同水层的环境因素，但未能得出各环境因子对CPUE的具体影响；Xu等11以季节和年际为尺度，研究了东北太平洋长鳍金枪鱼分布与亚热带锋的关系。实际上决定长鳍金枪鱼分布的环境因子很多，如叶绿素a浓度、海水温度、溶解氧浓度等12。广义加性模型（GAM）在渔业研究中较为常见，常用来分析 CPUE与不同环境变量之间的非线性关系13。本文根据库克群岛海域2017年1月1日至2021年5月31日长鳍金枪鱼的渔业数据，对CPUE进行网格化精确计算；选取与长鳍金枪鱼渔场相关的叶绿素a浓度、海表面高度、0300 m水层（从表层开始每50 m水层取对应的环境因子，共7层）的溶解氧浓度、温度、盐度共23个环境因子作为环境变量，选取经度、纬度和月份作为3个时空因子变量。利用GAM研究库克群岛海域长鳍金枪鱼 CPUE 时空分布与海洋环境的关系，以期为渔业生产、资源利用和渔场预报提供参考。1材料与方法1.1数据来源1.1.1延绳钓渔船本文所用的渔业相关数据来自深圳市联成远洋渔业有限公司在库克群岛海域生产的29艘金枪鱼延绳钓渔船。延绳钓渔船船型参数大致相同：总长 42.28 m，型宽 5.70 m，型深 2.60 m，总吨位许回 等：基于GAM的库克群岛海域长鳍金枪鱼CPUE时空分布与海洋环境的关系44542卷海洋通报http:/97.00 t，净吨位34.00 t，主机功率400 kW。1.1.2作业参数与渔具参数渔船作业期间，投绳时长平均为6.5 h，投绳时的平均船速为9.0 kn；起绳时长平均为11 h，起绳时的平均船速为 5.6 kn。相邻两浮子间钓钩通常设置为28枚，投钩时间间隔平均为6 s。各渔船每次作业时投放的钓钩总数为2 5004 200枚。1.1.3数据类型、特征及来源文章所用的渔业数据来源于公司的船舶监测系统（Vessel Monitor Systems，VMS）数据。公司已对该系统的功能进行了改造，该系统记录的渔获信息有：鱼种、具体渔获时间、渔获位置（经纬度）、捕捞该渔获的渔船船名、渔船开展一次捕捞投放的钓钩总数等，源数据类型如图1所示。VMS系统中鱼的种类由手工输入，下载所有数据后可根据不同时间或鱼种筛选渔获信息。环境数据从CopernicusMarine Environment Monitoring（CMEMS，网 址：http:/marine.cope rnicus.eu)下载，为卫星遥感数据，精度为0.250.25，时间分辨率为d。为保证环境数据与渔业数据空间分辨率的一致，将各环境因子的空间分辨率统一为11。利用MATLAB将CPUE按照天和单位格网进行匹配。图1船舶监控系统中的源数据示意图1.1.4时间及研究海域为保证研究数据的统一性和最新性，选取2017 年 1 月 1 日至 2021 年 5 月 31 日共 1 134 天的渔业数据，研究海域为 7.4S17.6S，156W168W（库克群岛海域）。1.1.5环境数据选择依据金枪鱼渔获率受钓钩深度直接影响14，长鳍金枪鱼高渔获率在150 m以深的水层15-16。水层温度、溶解氧等对金枪鱼渔获率影响很大；环境因素与渔获率的关系因水层不同而异17。研究长鳍金枪鱼分布若区域范围小且时间离散，则难以得到可靠的结论18，所以环境数据应具有不同深度且有一定地理跨度。Maunder等19指出时空建模应采用精细的空间尺度（如11）。综上，本文选择11的叶绿素a浓度（Chl-a）、海表面距平高度（SSH）、0300 m水层的溶解氧浓度（DO）、温度（T）、盐度（S）作为环境因子，选择经度（Lon）、纬度（Lat）和月份（Month）作为时空因子。1.2名义CPUE的计算方法CPUE在渔业研究中常代表资源量丰度（假设与渔业资源量成正比）20-21，已在金枪鱼渔业资源研究中得到应用22，可作为渔场和资源丰度的重要评价依据23，科学合理地计算出CPUE是保证金枪鱼渔场相关研究准确率的先决条件。利用 VMS 数据库，根据研究时间及研究对象，筛选出长鳍金枪鱼的渔获信息，将渔获尾数分配至0.50.5的格网中，按天汇总每个格网里的钓钩数量。名义 CPUE的网格化计算方法示意如图2，其中AK表示某渔船当天长鳍金枪鱼的渔获位置；L、M分别为推测出的延绳钓渔船起绳开始与起绳结束时的位置；O、P、Q表示两渔获位置的连线与所在格网的交点，N表示推测出的渔船起绳开始位置和第一尾渔获位置两点连线与所在格网的交点，R表示起绳结束时的位置和最后一尾渔获位置两点连线与所在格网的交点。161.5W注：代表落在网格中的渔获位置，表示两渔获位置的连线与网格交点。13.0S13.5S14.0S14.5S15.0S161.0W 160.5W 160.0W 159.5W 159.0W158.5W图2CPUE网格化计算示意图4464期http:/具体计算步骤如下：（1）根据某船当天放钩总数和两个浮子间的钓钩数得出浮子数（式1），根据相邻两钓钩间的投放时间间隔，得出放钩总时长（式 2），进而由已知船速得到投绳总航程（式 3）；（2）实际生产作业中，在海流等影响下延绳钓会漂移，投绳航程和起绳航程并不相等，本研究假设投绳航程和起绳航程相等；（3）假设两渔获点之间为直线，且投绳初始点和第一个渔获点间 LA也为直线，由 VMS记录的每两尾渔获间的距离累加得到已知航程（式4），由投绳总航程与已知航程之差得到剩余航程；（4）剩余航程（即起绳开始位置到第一尾渔获位置的距离及最后一尾渔获到起绳结束位置的距离之和）平均分为两段（式5）；（5）按照格网内相邻点间距离占总航程的比例分配钓钩数量（如LN所在格网的钓钩数为SiLNSiLM NiH），计入0.50.5的经纬度格网中（式68）。不同渔船在每个格网中的渔获总尾数和放钩总数利用R匹配得到，并进行分辨率转换，由此得出 11长鳍金枪鱼各天在单位格网的名义CPUE。名义CPUE的计算见式8。NF=NHnd+1（1）式中：NF表示浮子数；NH表示某渔船某次作业的放钩总数（范围在 2 5004 200）；nd为 28，代表两浮子间的钓钩数。TH=（NH+NF+1）*td（2）式中：TH表示放钩总时长；NH表示某渔船某次作业的放钩总数；NF表示浮子数；td表示放钩时间间隔，取平均值6 s。St=TH3 600*v（3）式中：St表示放钩总航程；TH表示放钩总时长；v表示渔船放钩时的平均速度，取9 kn。Sk=sAB+sBC+sCD+sJK（4）式中：Sk表示已记录渔获位置的总航程；sAB表示捕捞到前两尾渔获时渔船所在位置间的距离；sBC表示捕捞到第二尾和第三尾渔获时渔船所在位置间的距离；sJK表示捕捞到最后两尾渔获时渔船所在位置间的距离。SLA=SKM=St-Sk2（5）式中：sLA表示起绳开始到捕捞第一尾渔获时渔船所在位置间的距离，sKM表示捕捞最后一尾渔获到起绳结束时渔船所在位置间的距离。理论计算中，将剩余航程首尾平均分为两段sLA和sKM。H=SLNSLM*NH（6）H=SNA+SAB+SBC+SCOSLM*NH（7）式中：H表示网格中的钓钩总数；H表示网格中的钓钩总数；SLN表示LN段距离；SNA表示NA段距离；SCO表示CO段距离。CPUEx,y=CxyHxy 1 000（8）式中：CPUEx,y代表某网格中心（经纬度为x,y）的实际 CPUE；Cxy为以点（x,y）为中心的 0.50.5的格网内的渔获尾数；Hxy为某天作业时（x,y）内的钓钩总数，Cxy和Hxy计算公式如下：Cxy=Ca+Cb+Cc+（9）Hxy=Ha+Hb+Hc+（10）式中：Ca、Cb、Cc分别表示某天渔船a、b、c在网格（x,y）区域的渔获尾数；Ha、Hb、Hc分别表示某天渔船a、b、c在网格（x,y）区域的钓钩数。按照季度统计分析11格网中长鳍金枪鱼的 CPUE，并用 Arcgis 画出其季度分布图。以 15尾/千钩为基准，将CPUE值低于15尾/千钩的定义为低产区（即低CPUE渔区），CPUE范围在1520尾/千钩为中产区（即中CPUE渔区），CPUE高于20尾/千钩的区域定义为高产区（即高CPUE渔区）。1.3海洋环境数据处理方法1.3.1数据正态分布检验应用 GAM 模型需要响应变量满足正态分布24，相关性检验等对数据服从正态分布也有要求。文章采用作图法与参数法结合，检验 CPUE是否服从正态分布。当数据样本量较大（一般超过100）时，采用Kolmogorov-Smirnov检验(即K-S检验)25。作Q-Q图时，CPUE取自然对数。1.3.2CPUE与环境因子相关性检验利用统计学软件 SPSS 23.0 对长鳍金枪鱼CPUE 与26组时空环境因子进行双变量相关分析，计算其Pearson 相关系数并进行显著性检验，相关系数R的值域为-1，1，其绝对值代表两变量间相关性的强弱。删除相关性较低的环境因子后用许回 等：基于GAM的库克群岛海域长鳍金枪鱼CPUE时空分布与海洋环境的关系44742卷海洋通报http:/于后续的多重共线性分析。1.3.3环境变量多重共线性分析相关性检验之后，对环境变量进行多重共线性诊断以排除海洋环境因子（叶绿素a浓度、SSH以及 0300 m 水层的温度、盐度、溶解氧浓度）与时空因子（月份、经度、纬度）之间可能存在的高相关性。多重共线性诊断的依据为VIF数值是否低于1026-27，当所有变量的VIF都小于10时，多重共线性诊断结束。1.4GAM评价环境因子对CPUE的影响GAM能分析解释变量和长鳍金枪鱼CPUE的非线性关系28。表达式为：R=s()xChl+s()xSSH+s()xO2+s()xS+s()xT+（11）式中：R 为 CPUE 的对数值；s 为自然立方样条平滑函数；表示残差，E()=0，=2符合正态分布。根据赤池信息准则（Akaikeinformationcriterion，AIC）的信息统计量，逐步去除或添加变量以得到最佳模型（AIC最小）29。F检验评价解释变量对CPUE的影响显著程度，方法同宋利明等30。2结果2.1CPUE正态分布检验2017年1月1日至2021年5月31日29艘延绳钓渔船共钓获长鳍金枪鱼 460 191 尾，下钓总数为2 818.86万枚，长鳍金枪鱼的平均CPUE为16.325尾/千钩。对20172021年长鳍金枪鱼CPUE进行K-S检验，P 值为 0.060.05，CPUE 自然对数的正态Q_Q分布图见图3，lgCPUE的散点几乎呈一条直线，证明此期间的lgCPUE服从正态分布。上述结果表明，长鳍金枪鱼的 CPUE服从正态分布，也证明了后续相关性检验及GAM建模的合理性。2.2CPUE与时空环境因子相关性检验结果CPUE 与时空环境因子的相关性检验结果见表1，P0.05（认为与CPUE相关性较低）的时空环境因子为 150 m 水层的温度，100 m、150 m 和250 m水层的盐度，剔除与这些与CPUE相关性较低的环境因子。2.3多重共线性分析结果剔除与CPUE相关性较低的时空环境因子后，根据VIF作多重共线性诊断，结果见表2。可用于GAM 建模的因子为月份、经度、叶绿素 a浓度、海 表 面 高 度、溶 解 氧 浓 度（0150 m）、盐 度（200 m）、温度（0100 m、200250 m）。2.4长鳍金枪鱼CPUE的季节性分布长鳍金枪鱼CPUE季度空间变化如图4所示。变量MonthLonLatChl-aSSHDO0DO50DO100DO150DO200DO250DO300S0S50S100S150S200S250S300T0T50T100T150T200T250T300P0.0010.0010.0010.0090.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.3580.1700.0010.9890.0010.0010.0010.0010.4700.0050.00130168W166W164W162W 160W158W156W168W166W164W162W 160W158W156W168W 166W164W162W 160W158W156WCPUE10101515202030306S8S10S12S14S16S18S20S22S6S8S10S12S14S16S18S20S22SCPUE1010151520203030CPUE10101515202030306S8S10S12S14S16S18S20S22S（a）第一季度（13月）（b）第二季度（46月）（c）第三季度（79月）（d）第四季度（1012月）图4各季度长鳍金枪鱼CPUE分布许回 等：基于GAM的库克群岛海域长鳍金枪鱼CPUE时空分布与海洋环境的关系44942卷海洋通报http:/区开始向北迁移，且整体上CPUE都处于较高水平。2.5GAM模型结果2.5.1最优GAM模型环境因子对GAM模型的影响统计结果见表3，最佳模型选择和偏差分析结果见表 4。在所有环境因子当中，由叶绿素a浓度、海表面高度、水层 温 度（0 m、50 m、100 m、200 m、250 m）、200 m水层盐度、0150 m水层溶解氧浓度所组成的模型为GAM最优模型。在P=0.05的显著性水平下，上述环境变量均通过显著性检验，此时AIC值最小；最终上述变量对 CPUE的方差解释率为59.4%，模型拟合的决定系数为 0.676（P0.05）。根据AIC准则，GAM的最优模型表达式为：lnCPUE=+s()Chl-a+s()SSH+s()T0+s()T50+s()T100+s()T200+s()T250+s()S200+s()DO0+s()DO50+s()DO100+s()DO150+（12）2.5.2海洋环境因子对CPUE的影响由 F 检验（表 3）和偏差解释（表 4）表明，海表面温度是影响 CPUE最关键的因子，其次是200 m 水层温度、150 m 水层溶解氧浓度、250 m水层温度、叶绿素a浓度、海表面高度、200 m水层盐度；海表面溶解氧浓度、50 m 水层温度、100 m 水层溶解氧浓度、50 m 水层溶解氧浓度、100 m水层温度对长鳍金枪鱼CPUE的影响较小。基于GAM长鳍金枪鱼CPUE与影响较为显著的海洋环境因子关系见图5。由图 5 可得，随着海表面温度（SST）的升高，CPUE 总体呈下降趋势，适宜的温度范围介于 26.7128.20，且置信区间误差较小；SST的范围在 25.827.1 时，对 CPUE 的影响最大（图5（a）；CPUE在150 m水层深度随着溶解氧浓度增大而增大，溶解氧浓度在0.1560.195 mol/m时对CPUE影响较大（图5（b）；在200 m水层深度，随着温度的升高 CPUE 缓慢下降，16.0020.00 对CPUE影响很大（图5（c）；当叶绿素a浓度低于0.20 mg/m3时，CPUE随着叶绿素a的增大而减小，适宜的叶绿素a浓度介于0.040.14 mg/m3，对 CPUE 影响较大；当叶绿素 a 浓度介于 0.200.30 mg/m3时，CPUE 值变化不明显；当叶绿素 a浓度大于0.30 mg/m3时，CPUE随着叶绿素a的增大而增大（图5（d）；在200 m水层深度，CPUE随着盐度的增大而减小，适宜的盐度范围为35.3336.39（图5（e）；在250 m水层深度，随着温度的增加，CPUE总体缓慢上升，适宜的温度范围在 21.8129.4 （图 5（f）；随着 SSH 的增加，加入模型的因子+Chl-a+SSH+T0+T50+T100+T200+T250+S200+DO0+DO50+DO100+DO150广义交叉验证2.3502.2232.1122.2642.2961.7461.3791.7371.4831.6251.5011.506决定系数0.0130.1930.3900.3830.3860.4850.5610.5920.6070.6120.6300.676AIC173.630166.566142.463141.642139.251121.271112.342106.365106.060103.921101.38598.832累计解释偏差/%5.79.127.227.828.338.646.852.153.255.558.759.4模型因子Chl-aSSHT0T50T100T200T250S200DO0DO50DO100DO150自由度8.5796.0548.6326.8345.7934.9578.2905.2454.6984.7225.6417.860P0.024 60.043 10.000 10.001 20.003 20.000 10.000 40.000 10.021 00.034 20.001 80.000 1F7.4564.57954.2621.4161.21153.46311.8152.1271.4321.2401.31143.301表4CPUE的GAM拟合结果的偏差分析及最佳模型的选择表3环境因子对CPUE影响的GAM统计结果4504期http:/CPUE总体呈缓慢下降趋势，SSH在4954 cm时，对CPUE的影响最大（图5（g）。基于GAM的结果可得，影响长鳍金枪鱼CPUE的海洋环境因子因水层而异。在海洋表层，影响CPUE的关键因子是温度、叶绿素a浓度、海表面高度，50 m水层主要的影响因子是溶解氧浓度，100 m水层对CPUE影响较小，150 m水层主要的影响因子是溶解氧浓度，200 m水层主要的影响因子是温度和盐度，250 m水层主要的影响因子是温度，300 m水层的环境因子对CPUE的影响较小。图5基于GAM各海洋环境因子与长鳍金枪鱼CPUE的关系分析图注：表示可信区间。（a）T0（b）DO150（c）T200（d）Chl-a（e）S200（f）T250（g）SSHE（T0）3210-1-2-326.7127.6128.5029.4030.30T0DO150156167178189201T20017.3620.2823.2126.1329.05Chl-a0.070.140.210.280.35S20035.3335.6836.0436.3936.74T25014.2018.0021.8125.6129.41SSH0.540.630.730.820.91E/（T200）3210-1-2-3E/（S200）3210-1-2-3E（DO150）3210-1-2-3E（Chl-a）3210-1-2-3E（T250）3210-1-2-3E（SSH）3210-1-2-3许回 等：基于GAM的库克群岛海域长鳍金枪鱼CPUE时空分布与海洋环境的关系45142卷海洋通报http:/3讨论3.1CPUE网格化计算的必要性CPUE作为衡量鱼类资源丰度的重要指标，科学地计算出单位格网中的尾数和钩数，对于渔情预报的精度非常重要。以往的研究中，金枪鱼类CPUE的计算往往利用渔捞日志上每天记录的投绳开始位置和渔获总尾数，这样的结果精度不够，因为投放的钓钩和渔获尾数不是集中在这一位置，往往是分布在60海里左右的航迹线上，不能真实地反映出钓钩和渔获物分布的实际情况。VMS记录的数据翔实，涵盖了每一尾渔获物捕获时的经纬度，合理地推算出单位格网的下钩数，能科学地计算出CPUE。本文结合金枪鱼延绳钓渔业实际情况估算 CPUE比利用渔捞日志数据计算得出的CPUE更为合理，有利于提高渔场预报的精度。3.2相关性分析和多重共线性诊断的必要性海洋由于其环境的复杂性，各个环境因子之间可能相互影响，由此导致变量间出现多重共线性，从而引起预测结果出现误差31-32。相关性分析能解释因变量和自变量的关系，海洋环境因子间存在相关性33，且相关性过高时说明环境变量之间可能存在多重共线性，因此需要相关性分析和多重共线性诊断。本文利用Pearson相关系数分析时空环境因子与 CPUE的相关性，剔除相关性不强的环境因子，利用VIF检验去掉环境因子的多重共线性可以提高模型的预测准确率和运行效率，进而提高模型的预测效果。3.3长鳍金枪鱼CPUE时空分布特征本文得出长鳍金枪鱼的平均 CPUE 在第四季度最高。第二季度长鳍金枪鱼渔场以12S为分界线，在12S以南渔场的CPUE明显要高于12S以北的渔场，第三季度渔场分散且 CPUE 值不高，第四季度渔场分布较为密集。唐衍力等34发现中西太平洋长鳍金枪鱼渔场的变动是个往复过程（由14S北迁至26S再南下回归至14S），这解释了本文的研究结果，14S与12S的差异可能是由于气候变化或具体的研究海域不同而引起产卵场变化造成的。宋利明等35-36得出库克群岛海域纬向 11S12S是长鳍金枪鱼 CPUE较高的区域之一；SENINA等6在研究中证实了南太平洋长鳍金枪鱼有限向北迁移的假设，本文结果与其结论一致。而 SAITO 等37发现在太平洋 1012 月期间，长鳍金枪鱼在纬向15S20S及200300 水层渔获效率最高，与本研究的结果一致。3.4海洋环境因子对CPUE的影响对库克群岛海域长鳍金枪鱼 CPUE 影响最显著的是海表面温度，其次是 200 m 水层温度、150 m水层溶解氧浓度、250 m水层温度、叶绿素a浓度、海表面高度和200 m水层盐度。金枪鱼在垂直方向的分布受海洋环境及饵料生物的影响很大，海水温度对其分布影响显著5。海洋环境和饵料生物有时空变化的特征，因此延绳钓渔船在捕捞金枪鱼时 CPUE也因之呈现出时空变化的规律。本文得出海表面温度为最显著的影响因素，且在25.827.1 时对CPUE的影响很大。这与其他研究中得出的结论一致38。闫敏等8得出20092012年南太平洋长鳍金枪鱼中心渔场最适海表温为 27.03，刘洪生等9得出 20082010 年 26 左右是南太平洋主要渔场的表层水温，与本研究结果一致，且本文针对特定海域，因此本研究结果对于库克群岛海域更可靠、实用。海表面高度对 CPUE也有影响，因为海表面高度实时反映了众多海洋动力环境参数，包括海水流速、流向以及冷暖水团，这些海洋动力环境参数影响着渔场的形成，影响了长鳍金枪鱼的分布。叶绿素a浓度与海洋水体浮游生物有关，可在渔业研究中作为重点环境变量纳入并显示出与CPUE具有较高的相关性10,39-40。本文得出叶绿素a浓度是影响库克群岛海域长鳍金枪鱼 CPUE的关键因子，适宜的叶绿素a浓度介于0.040.14 mg/m3，与宋利明等36的结论一致。本文得出，叶绿素a浓度 较 低 时，长 鳍 金 枪 鱼 CPUE 较 高，这 与ARRIZABALAGA 等41的 结 论 一 致。NOVIANTO等42得出盐度也会影响长鳍金枪鱼的分布。本文得出200 m水层的盐度影响CPUE，适宜的盐度范围为35.3336.39。因金枪鱼资源在垂直方向的分布受海洋环境影响很大，溶解氧浓度也是重要的海洋环境因子43。本文得出150 m水层的溶解氧浓度对 CPUE 的影响很大，且处于 0.1560.195 mol/m范围时对 CPUE影响明显。之前的研究中很少将溶解氧浓度作为变量，一些学者指出溶解氧浓度同样是影响金枪鱼渔场分布的重要因子44-45，因4524期http:/此今后在分析海洋环境对金枪鱼渔场影响时应增加溶解氧浓度作为变量之一。不同水层对长鳍金枪鱼 CPUE 的主要影响因子存在差异：海水表层的主要影响因子为温度、叶绿素a浓度、海表面高度；150 m水层的主要影响因子为溶解氧浓度；200 m水层的主要影响因子为温度和盐度；250 m 水层的主要影响因子为温度。长鳍金枪鱼栖息地取决于溶解氧浓度，而溶解氧浓度与所在水层的海流速度和方向关系很大46，150 m水层或许有适宜的海流使得溶解氧浓度较高。盐度值在各水层变化不大，200 m水层有较为适宜的温度和盐度构成了长鳍金枪鱼偏好的水层。250 m水层温度降低，但仍在长鳍金枪鱼的偏好范围内，因此250 m附近仍有其分布8,10。海洋表层，50 m水层，200 m水层和250 m水层都对长鳍金枪鱼的 CPUE产生影响，原因在于钓钩所处的深度是否投放在金枪鱼的垂直分布水层，直接关系到金枪鱼类的渔获效率47。杨嘉樑等10也得出长鳍金枪鱼在库克群岛海域偏好的水层深度为 160240 m。因此根据本研究的结果及延绳钓沉降特性，建议我国延绳钓渔船在库克群岛海域捕捞长鳍金枪鱼时，钓钩深度应沉降到200 m以深，以提高生产效率。4结论及建议本文通过网格化计算将VMS数据的渔获尾数和钓钩数匹配至单位格网中，从而计算出名义CPUE，虽存在一定误差，但比渔捞日志数据计算得出的结果更为科学。建议今后计算 CPUE 时，可在本文提出的方法的基础上进一步提高精度，并应完整统计整个起绳作业过程。模