邢 磊， 徐賓鐸， 張崇良， 任一平

(中國海洋大學(xué)水產(chǎn)學(xué)院，山東 青島 266003)

?

環(huán)境因子對(duì)海州灣及鄰近海域大瀧六線魚分布影響的分析?

邢 磊， 徐賓鐸， 張崇良， 任一平??

(中國海洋大學(xué)水產(chǎn)學(xué)院，山東 青島 266003)

根據(jù)2011年在海州灣及其鄰近海域進(jìn)行的5個(gè)航次的漁業(yè)資源和環(huán)境調(diào)查數(shù)據(jù)，分析該海域大瀧六線魚的空間分布特征及其季節(jié)變化，運(yùn)用廣義可加模型(GAM)研究時(shí)空因子和環(huán)境因子對(duì)其分布的影響。結(jié)果表明：海州灣及其鄰近海域的大瀧六線魚主要集中分布于35.0°N～35.6°N，119.6°E～121.2°E海域；7月平均網(wǎng)獲質(zhì)量最高(4 709.19 g/h)，12月平均網(wǎng)獲質(zhì)量最低(66.92 g/h)。大瀧六線魚的空間分布存在明顯的季節(jié)變化，且主要分布于研究海域的東北部。GAM模型分析表明，底層水溫是影響大瀧六線魚空間分布的主要環(huán)境因子。模型篩選出的解釋變量對(duì)大瀧六線魚空間分布的影響從大到小依次為：月份、底層水溫、緯度、底層鹽度和經(jīng)度，GAM模型的總偏差解釋率為75.32%。

大瀧六線魚；空間分布；環(huán)境因子；廣義可加模型；海州灣

研究魚類的時(shí)空分布及其與環(huán)境因子的關(guān)系，對(duì)于魚類資源的保護(hù)、可持續(xù)利用具有重要意義。迄今為止，國內(nèi)外許多學(xué)者對(duì)魚類的時(shí)空分布進(jìn)行了研究，如牛明香等[1]通過趨勢面分析研究了鳀魚(Engraulis japonicus)時(shí)空分布季節(jié)差異；Maravelias等[2]使用GAM模型對(duì)地中海的歐洲鱈魚(Merluccius merluccius)和紅鯔魚(Mullus barbatus)的時(shí)空分布及與環(huán)境因子的關(guān)系進(jìn)行了探究。廣義可加模型(Generaladditivemodel)作為多元線性回歸的擴(kuò)展[3]，可以更加深入探討漁業(yè)資源時(shí)空分布與相關(guān)影響因子之間的響應(yīng)機(jī)制[3-4]，已廣泛運(yùn)用于漁業(yè)生物時(shí)空分布與環(huán)境因子關(guān)系、CPUE標(biāo)準(zhǔn)化等研究[5-8]。

大瀧六線魚(Hexagrammos otakii)隸屬于鲉形目(Scorpaeniformes)、六線魚科(Hexagrammiidae)、六線魚屬(Hexagrammos)[9]，屬近海冷溫性底層魚類，在中國黃、渤海以及日本、朝鮮和俄羅斯遠(yuǎn)東諸海都有分布[10]。迄今，國內(nèi)學(xué)者針對(duì)大瀧六線魚的研究主要側(cè)重于形態(tài)學(xué)、漁業(yè)生物學(xué)、攝食生態(tài)和資源開發(fā)利用等方面[11-13]，而尚未見到有關(guān)利用GAM模型研究大瀧六線魚時(shí)空分布及相關(guān)影響因子的研究報(bào)道。

海州灣及鄰近海域曾是中國著名的漁場之一，是眾多魚類的產(chǎn)卵場和索餌場[14]。然而，由于受到過度捕撈、氣候變化以及環(huán)境污染等因素的影響，海州灣許多重要經(jīng)濟(jì)魚類資源均呈現(xiàn)出明顯的下降趨勢[15]。在此背景下研究海州灣及鄰近海域大瀧六線魚的分布及時(shí)空和環(huán)境因子的影響，有助于深入了解其漁業(yè)資源狀況及其對(duì)環(huán)境變化的響應(yīng)，為進(jìn)一步開展黃海關(guān)鍵物理過程對(duì)漁業(yè)資源補(bǔ)充和產(chǎn)出機(jī)制的研究提供參考。

本文根據(jù)2011年在海州灣及其鄰近海域獲取的5個(gè)航次的漁業(yè)資源和環(huán)境調(diào)查數(shù)據(jù)，研究了大瀧六線魚的空間分布特征及其季節(jié)變化，并運(yùn)用GAM模型分析了其數(shù)量分布與相關(guān)影響因子之間的關(guān)系，旨在為海州灣大瀧六線魚資源的保護(hù)和合理利用提供科學(xué)依據(jù)。

1 材料與方法

1.1 樣品采集

本文所用數(shù)據(jù)來源于2011年3、5、7、9和12月在海州灣及其鄰近海域進(jìn)行的漁業(yè)資源和環(huán)境調(diào)查，調(diào)查海域范圍為119°20′E～121°10′E、34°20′N～35°40′N。采用分層隨機(jī)取樣(Stratifiedrandomsampling)的方法設(shè)計(jì)調(diào)查站位[16]，根據(jù)調(diào)查海域的水深、緯度等因素的差異，將其分為A、B、C、D、E共5個(gè)區(qū)域(見圖1)。每個(gè)航次分別在各區(qū)域內(nèi)隨機(jī)選取一定數(shù)量的站位進(jìn)行調(diào)查，其中A區(qū)3個(gè)，B區(qū)5個(gè)，C區(qū)3個(gè)，D區(qū)9個(gè)，E區(qū)4個(gè)，共24個(gè)站位。由于天氣等因素的影響，7月的調(diào)查僅采集到15個(gè)站位的數(shù)據(jù)。

調(diào)查船為220kW的單拖漁船，拖速為2～3kn。每個(gè)調(diào)查站位拖網(wǎng)時(shí)間約為1h，調(diào)查網(wǎng)具的網(wǎng)口寬度約為25m，網(wǎng)口高度約為6m，囊網(wǎng)網(wǎng)目為17mm。在每個(gè)調(diào)查站位，采用CTD(X2-420-CTD)同步測量水溫、鹽度、水深等環(huán)境參數(shù)，同時(shí)采集各個(gè)站位的水樣帶回實(shí)驗(yàn)室測量葉綠素a、溶解氧、營養(yǎng)鹽、COD和pH等參數(shù)。樣品的采集和分析按照《海洋調(diào)查規(guī)范》[17]和《海洋監(jiān)測規(guī)范》[18]進(jìn)行，大瀧六線魚漁獲樣品的處理分析按照《海洋調(diào)查規(guī)范》[17]進(jìn)行。大瀧六線魚漁獲質(zhì)量數(shù)據(jù)分析前進(jìn)行拖網(wǎng)時(shí)間(1h)以及拖速(2kn)的標(biāo)準(zhǔn)化處理。

圖1 海州灣及其鄰近海域底拖網(wǎng)調(diào)查區(qū)域圖

1.2 數(shù)據(jù)分析

1.2.1 平均網(wǎng)獲質(zhì)量 各月份大瀧六線魚平均網(wǎng)獲質(zhì)量計(jì)算如下[19]：

1.2.2GAM模型 廣義可加模型是廣義線性模型的非參數(shù)化擴(kuò)展，其優(yōu)點(diǎn)是可以處理高維數(shù)據(jù)中響應(yīng)變量與解釋變量之間的非線性關(guān)系[3]。利用非參數(shù)的方法對(duì)數(shù)據(jù)結(jié)構(gòu)進(jìn)行檢測，從而獲得更好的預(yù)測結(jié)果，其一般表達(dá)式為：

式中：函數(shù)g(μ)為聯(lián)合函數(shù)(Linkfunction)；μ為對(duì)數(shù)處理后的大瀧六線魚網(wǎng)獲質(zhì)量(單位為g/h)；β0為常數(shù)截距項(xiàng)；fi(xi)為解釋變量關(guān)系的非參數(shù)函數(shù)；ε為誤差，與解釋變量xi無關(guān)，E(ε)=0，變量ε=σ2。模型采用樣條平滑法，對(duì)數(shù)據(jù)圖進(jìn)行平滑化處理[20]。

在建模過程中，考慮到各時(shí)空和環(huán)境因子之間的相關(guān)性會(huì)影響到模型的方差估計(jì)，進(jìn)而影響到各變量的顯著性估計(jì)。因此，建模前首先對(duì)各因子間進(jìn)行Pearson相關(guān)分析，結(jié)果顯示，底層和表層的水溫、鹽度和溶解氧數(shù)值間存在顯著的相關(guān)性(P<0.01)。由于大瀧六線魚屬于底層魚類，故本文分析中保留底層的水溫、鹽度和溶解氧作為引入模型的相關(guān)因子。

根據(jù)研究所采集的數(shù)據(jù)以及因子間Pearson相關(guān)分析的結(jié)果，將大瀧六線魚網(wǎng)獲質(zhì)量作為響應(yīng)變量，時(shí)空因子(月份、經(jīng)度、緯度)和環(huán)境因子(底層水溫、底層鹽度、底層溶解氧、葉綠素a、水深、pH)作為解釋變量，并引入模型中進(jìn)行分析。

在模型分析的過程中，不同的因子組成的模型會(huì)得到相應(yīng)的AIC(AkaikeInformationCriterion)得分，AIC得分越低，說明模型擬合度越高。模型的AIC得分根據(jù)AIC準(zhǔn)則[20]計(jì)算，表達(dá)式如下：

AIC=D+2dfφ。

式中：D為偏差(參差平方和)；df為有效自由度；φ為離差參數(shù)(方差)[21]。

本文采用逐步分析法對(duì)解釋變量進(jìn)行篩選[20]，選取AIC得分最低者，得到最終的最適模型。模型的誤差分布估計(jì)為高斯分布，自然對(duì)數(shù)作為連接函數(shù)[22]。應(yīng)用R軟件(R2.11.1)完成GAM模型的構(gòu)建及其檢驗(yàn)[22-23]。

2 結(jié)果

2.1 大瀧六線魚的空間分布特征

海州灣及其鄰近海域的大瀧六線魚的漁獲量總體上呈東部高于西部，北部高于南部的分布特征，且35.0°N～35.6°N，119.6°E～121.2°E海域的漁獲量顯著高于其它區(qū)域(見圖2)。大瀧六線魚的分布狀態(tài)存在明顯的季節(jié)變化，其中3與12月平均網(wǎng)獲質(zhì)量分別為(88.98±42.52)和(66.92±27.90)g/h，主要分布于西部海域；5月平均網(wǎng)獲質(zhì)量為(1 324.88±351.30)g/h，分布較為集中，在該調(diào)查區(qū)域的北部密度較大；7月平均網(wǎng)獲質(zhì)量(4709.19±1598.40)g/h，主要集中分布于該海域的東北部，且該海域的底層水溫明顯低于其他海域；9月的分布較為分散，平均網(wǎng)獲質(zhì)量為(432.90±221.28)g/h(見表1、圖2)。

2.2 構(gòu)建GAM模型

將各影響因子加入GAM模型篩選，選取AIC得分最低者，得到的最適模型的解釋變量為月份、底層水溫、緯度、底層鹽度和經(jīng)度。各因子的偏差解釋率分別為36.07%、19.55%、12.20%、3.98%和3.52%，所有因子對(duì)網(wǎng)獲質(zhì)量的總偏差解釋率為75.32%(見表2)。

F檢驗(yàn)表明，大瀧六線魚的網(wǎng)獲質(zhì)量與底層水溫、緯度以及經(jīng)度顯著相關(guān)(P<0.05)，而與底層鹽度相關(guān)性不顯著(P>0.05)。由于在模型中加入底層鹽度后，AIC的值有所下降，說明模型擬合程度提高，因此將該因子予以保留。由于月份是表征型數(shù)據(jù)，因而模型中未計(jì)算其相關(guān)系數(shù)(見表2)。GAM模型的Q-Q殘差圖表明，預(yù)測值接近正態(tài)分布，說明模型擬合度高(見圖3)。

圖2 各月份海州灣及其鄰近海域大瀧六線魚網(wǎng)獲質(zhì)量的空間分布底層水溫等溫線圖

月份①采樣站位數(shù)②平均網(wǎng)獲質(zhì)量③/g·h-1最大網(wǎng)獲質(zhì)量④/g·h-132488.98±42.52917.045241324.88±351.305650.417154709.19±1598.4019741.72924432.90±221.282413.80122466.92±27.90491.54

Note： ①M(fèi)onth；②Numberofsamplingstations；③Meanweightperhaul(Mean±SE)；④Maximumweightperhaul

2.3 時(shí)空和環(huán)境因子對(duì)大瀧六線魚網(wǎng)獲質(zhì)量的影響

在影響大瀧六線魚網(wǎng)獲質(zhì)量分布的因子中，月份是最重要的影響因子，各月的大瀧六線魚網(wǎng)獲質(zhì)量變化明顯，且7和9月的影響明顯高于其他月份(見表1和

圖3 GAM模型的Q-Q殘差圖

圖4(a)，偏差解釋率達(dá)36.07%(見表2)。緯度對(duì)大瀧六線魚網(wǎng)獲質(zhì)量分布有極顯著的影響(P<0.01)(見表2)，在本研究海域內(nèi)，當(dāng)緯度小于35.1°N時(shí)，其網(wǎng)獲質(zhì)量隨緯度的增加呈快速上升的趨勢；當(dāng)緯度大于35.1°N時(shí)，網(wǎng)獲質(zhì)量呈緩慢下降的趨勢(見圖4(b))。經(jīng)度對(duì)網(wǎng)獲質(zhì)量分布有極顯著的影響(P<0.01)(見表2)。在本研究海域內(nèi)，當(dāng)經(jīng)度小于120.1°E時(shí)，網(wǎng)獲質(zhì)量隨經(jīng)度的增加呈快速上升的趨勢；在120.1°E～120.4°E范圍內(nèi)隨著經(jīng)度的增加，網(wǎng)獲質(zhì)量呈下降的趨勢；在120.4°E～120.7°E的范圍內(nèi)隨經(jīng)度的增加，網(wǎng)獲質(zhì)量呈平緩的下降趨勢；而在120.7°E以后，隨著經(jīng)度的增加，網(wǎng)獲質(zhì)量又呈上升的趨勢(見圖4(c))。底層水溫對(duì)其網(wǎng)獲質(zhì)量的影響極顯著(P<0.01)(見表2)。當(dāng)?shù)讓铀疁匦∮?1 ℃時(shí)，網(wǎng)獲質(zhì)量上升極為緩慢；在11～16 ℃網(wǎng)獲質(zhì)量隨底層水溫的增加呈急劇下降趨勢，16 ℃以后下降趨勢減緩(見圖4(d))。底層鹽度對(duì)網(wǎng)獲質(zhì)量分布無顯著影響(P>0.05)(見表2，圖4(e))。

表2 海州灣及鄰近海域大瀧六線魚漁獲質(zhì)量分布GAM模型擬合結(jié)果的偏差分析

Note：①M(fèi)odelfactors;②Residualdegreeoffreedom;③Residualdeviance;④Deviancevariation;⑤Accumulationofdevianceexplanation;⑥AICvalues;⑦Pr(F);⑧Initialstatus;⑨Month;⑩Seabottomtemperature;Latitude;Longitude;Seabottomsalinity

**表示顯著性水平α=0.01(雙尾)。**correlationissignificantatthe0.01level(2-tailed).

圖4 時(shí)空和環(huán)境因子對(duì)海州灣及其鄰近海域大瀧六線魚網(wǎng)獲質(zhì)量空間分布影響

3 討論

海州灣及鄰近海域大瀧六線魚數(shù)量分布呈現(xiàn)明顯的時(shí)空變化，這可能主要與其生態(tài)習(xí)性以及環(huán)境因子的季節(jié)變化有關(guān)[6,8,24]。首先，本研究海域大瀧六線魚5、7和9月的漁獲量遠(yuǎn)高于3和12月，這可能與大瀧六線魚的深淺水洄游的習(xí)性有關(guān)[24]；其次，大瀧六線魚在產(chǎn)卵期(9～11月)多分布于近岸巖礁區(qū)[10,25-26]，底拖網(wǎng)調(diào)查難以捕獲，這可能也是造成9月大瀧六線魚的漁獲量明顯減少的原因之一；第三，本研究中，海州灣大瀧六線魚多分布于35°N以北海域，這可能與大瀧六線魚屬底層冷溫性魚類有關(guān)；此外，研究表明，黃海冷水團(tuán)于仲春季節(jié)形成，至春末完全成型，7～8月是冷水團(tuán)的鼎盛時(shí)期；仲秋季節(jié)冷水團(tuán)處于衰消期，至12月冷水團(tuán)消失；且從初春至盛夏，南黃海東、西2個(gè)冷中心皆向黃海槽中心區(qū)方向推移，在冷中心位置變更的過程中，附近水體的溫鹽性質(zhì)也因其所處位置的不同而有所變化[27]。本研究中，5、7和9月大瀧六線魚多分布于研究海域的東北部，上述海域位于黃海冷水團(tuán)邊緣地區(qū)，受其影響較大，底層水溫較低，這也是大瀧六線魚(冷溫性魚類)多分布于該海域的原因之一；另外，上述海域由于受南黃海冷水團(tuán)及其熱生環(huán)流的影響，夏季混合層營養(yǎng)環(huán)境良好、水溫低，鷹爪蝦(Trachypenaeuscurvirostris)和鳀魚等餌料生物的數(shù)量較多，可以為大瀧六線魚的生長和發(fā)育提供充足的食物[25]。相關(guān)研究表明水深也是影響魚類數(shù)量分布的主要因子[28]，由于研究對(duì)象不同和研究區(qū)域的水深范圍相對(duì)較小，本研究發(fā)現(xiàn)底層水溫是影響大瀧六線魚數(shù)量分布的主要環(huán)境因子，而水深等其他環(huán)境因子對(duì)大瀧六線魚數(shù)量分布的影響則不顯著。

GAM模型已被證實(shí)是一種研究物種與環(huán)境變量之間關(guān)系的較好模型[22,24-25]。與傳統(tǒng)回歸分析的方法相比，該模型可以將多個(gè)因子進(jìn)行綜合分析，定量評(píng)估各因子的影響及其重要程度[22]。GAM模型分析顯示月份對(duì)大瀧六線魚數(shù)量影響最大，表明該魚種的數(shù)量季節(jié)變化明顯，這與大瀧六線魚具有洄游性的研究結(jié)果相吻合[24]。迄今為止，國內(nèi)外已有許多學(xué)者利用GAM模型對(duì)魚類的時(shí)空分布進(jìn)行了探究[2,29-31]，相對(duì)于趨勢面分析、資源密度重心法、GLM模型等研究方法，其具有能更好地處理非線性關(guān)系并對(duì)其關(guān)系進(jìn)行預(yù)測分析的優(yōu)勢。本文研究發(fā)現(xiàn)，GAM模型所得結(jié)果與調(diào)查結(jié)果基本一致，說明該模型可以研究物種與時(shí)空及環(huán)境變量之間的關(guān)系，但是魚類的空間分布受多種因素的影響，在今后的研究中，將深入分析捕撈壓力、底質(zhì)類型、海流等更多因子對(duì)大瀧六線魚空間分布的影響，旨在為其資源的養(yǎng)護(hù)和合理利用提供科學(xué)依據(jù)。

[1] 牛明香, 王俊, 袁偉，等. 黃海鳀魚時(shí)空分布季節(jié)差異分析 [J]. 生態(tài)學(xué)雜志, 2013, 32(1): 114-121.

[2] Christos D Maravelias, Efthymia V Tsitsika, Costas Papaconstantinou. Environmental influences on the spatial distribution of European hake (Merlucciusmerluccius) and red mullet (Mullusbarbatus) in the Mediterranean [J]. Ecol Res, 2007, 22: 678-685.

[3] Hastie T J, Tibshirani R J. Generalized Additive Models [M]. London: Chapman and Hall, 1990.

[4] 牛明香, 李顯森, 徐玉成. 基于廣義可加模型的時(shí)空和環(huán)境因子對(duì)東南太平洋智利竹筴魚漁場的影響 [J]. 應(yīng)用生態(tài)學(xué)報(bào), 2010, 21(4): 245-251.

[5] George Tserpes, Chrissi-Yianna Politou, Panagiota Peristeraki, et al. Identification of hake distribution pattern and nursery grounds in the Hellenic seas by means of generalized additive models [J]. Hydrobiologia, 2008, 612: 125-133.

[6] 李增光, 葉振江, 張弛， 等. 黃海南部春季帆張網(wǎng)黃鯽CPUE分布及其影響因素分析 [J]. 中國海洋大學(xué)學(xué)報(bào)： 自然科學(xué)版, 2013, 43(5): 30-36.

[7] 陳新軍, 田思泉. 西北太平洋海域柔魚的產(chǎn)量分布及作業(yè)漁場與表溫的關(guān)系研究 [J]. 中國海洋大學(xué)學(xué)報(bào)： 自然科學(xué)版, 2005, 35(1): 101-107.

[8] Burnham K P, Anderson D R. Model Selection and Multimodel Inference: A Practical Information Theoretic Approach[M]. 2nd Ed. New York: Springer, 2002.

[9] 黃宗國. 中國海洋生物種類與分布 [M]. 北京: 海洋出版社, 1994: 741.

[10] 中國科學(xué)院海洋研究所. 中國經(jīng)濟(jì)動(dòng)物志(海產(chǎn)魚類) [M]. 北京: 科學(xué)出版社, 1962: 135-137.

[11] 馮昭信, 韓華. 大瀧六線魚資源合理利用的研究 [J]. 大連水產(chǎn)學(xué)院學(xué)報(bào), 1998, 13(2): 24-28.

[12] 劉奇, 王亮, 高天翔, 等. 北黃海大瀧六線魚主要生物學(xué)特征比較研究 [J]. 中國海洋大學(xué)學(xué)報(bào)：自然科學(xué)版, 2009, 39(S1): 13-18.

[13] 邱麗華, 姜志強(qiáng), 秦克靜. 大瀧六線魚仔魚攝食及生長的研究 [J]. 中國水產(chǎn)科學(xué), 1999, 6(3): 2-5.

[14] 中國海灣志編纂委員會(huì). 海灣志 [M]. 北京: 海洋出版社, 1993: 354-416.

[15] 唐峰華, 沈新強(qiáng), 王云龍， 等. 海州灣附近海域漁業(yè)資源的動(dòng)態(tài)分析 [J]. 水產(chǎn)科學(xué), 2011, 30(6): 335-341.

[16] Cochran W G. Sampling Techniques [M]. New York： John Wiley & Sons, Inc, 1977.

[17] 國家質(zhì)量技術(shù)監(jiān)督局. 海洋調(diào)查規(guī)范 GB/T12763-2007 [M]. 北京: 中國標(biāo)準(zhǔn)出版社, 2007.

[18] 國家質(zhì)量技術(shù)監(jiān)督局. 海洋監(jiān)測規(guī)范 GB17378 [M]. 北京: 中國標(biāo)準(zhǔn)出版社, 1998.

[19] Chen Y, Sherman S, Wilson C, et al. A comparison of two fishery-independent survey programs used to define the population structure of American lobster (Homarusamericanus) in the Gulf of Maine [J]. Fishery Bulletin, 2006, 104(2): 247-255.

[20] Wood S N. Stable and efficient multiple smoothing parameter estimation for generalized additive models [J]. Journal of the American Statistical Association, 2004, 99(467): 673-686.

[21] Burnham K P, Anderson D R. Model Selection and Multimodel Inference: A Practical Information Theoretic Approach[M]. 2nd Ed. New York: Springer, 2002.

[22] Wood S N. Generalized Additive Models: An Introduction with R [M]. London: Chapman and Hall, 1990.

[23] R Development Core Team. R: A language and environment for statistical computing[EB/OL].(2003-04-03)[2013-12-05]. https://stat.ethz.ch/pipermail/r-announce/2003/000385.html.

[24] Jung Hwa Ryu, Jeong Bae Kimand, Jin Koo Kim, et al. Temporal and Spatial variation in Fish Larvae in Gamak Bay and Yeoja Bay, South Sea of Korea [J]. Fish Aquat Sci, 2011,14(1): 55-62.

[25] 唐啟升, 葉懋中, 唐元德， 等. 山東近海漁業(yè)資源開發(fā)與保護(hù) [M]. 北京： 農(nóng)業(yè)出版社, 1990.

[26] 童玉和, 郭學(xué)武. 兩種巖礁魚類的食物競爭實(shí)驗(yàn) [J]. 中國水產(chǎn)科學(xué), 2009, 16(4): 541-549.

[27] 任慧軍, 詹杰民. 黃海冷水團(tuán)的季節(jié)變化特征及其形成機(jī)制研究 [J]. 水動(dòng)力學(xué)研究與進(jìn)展, 2005, 20(Sup): 887-896.

[28] 沈偉, 程家驊. 東海區(qū)短鱷齒魚數(shù)量分布及其與環(huán)境因子的關(guān)系 [J]. 海洋漁業(yè), 2008, 30(4): 31-38.

[29] 李增光, 葉振江, 張弛， 等. 環(huán)境因子對(duì)黃海南部春季帆張網(wǎng)小黃漁和黃鮟鱇漁獲分布的影響 [J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2012， 23(10)： 2887-2892.

[30] 陳新軍, 田思泉. 西北太平洋海域柔魚的產(chǎn)量分布及作業(yè)漁場與表溫的關(guān)系研究 [J]. 中國海洋大學(xué)學(xué)報(bào): 自然科學(xué)版, 2005, 35(1): 101-107.

[31] 鄭波, 陳新軍, 李綱. GLM和GAM模型研究東黃海鮐資源漁場與環(huán)境因子的關(guān)系 [J]. 水產(chǎn)學(xué)報(bào), 2008, 32(3): 61-68.

責(zé)任編輯 朱寶象

Environmental Influence on the Distribution ofHexagrammosotakiiInhabiting Haizhou Bay and Its Adjacent Waters

XING Lei，XU Bin-Duo，ZHANG Chong-Liang，REN Yi-Ping

(College of Fisheries, Ocean University of China, Qingdao 266003, China)

Based on the data collected from bottom trawl surveys in Haizhou Bay and its adjacent waters in 2011, the spatial distribution and its seasonal variation of fat greenlingHexagrammosotakiiwere determined and the influence of spatiotemporal and environmental factors on the distribution pattern ofH.otakiiwas studied using generalized additive model (GAM). The results showed thatH.otakiimainly concentrated in an area (35.0°N～35.6°N and 119.6°E～121.2°E). Mean weight per haul ofH.otakiiwas the largest in July (4 709.19 g/h) and the lowest in December (66.92 g/h). The spatial distribution ofH.otakiishowed an obvious seasonal variation. In general,H.otakiimainly distributed in northeastern Haizhou Bay. GAM analysis showed that sea bottom temperature was the main environmental factor that had a primary impact on the spatial distribution ofH.otakii. The results of stepwise GAM showed that the five most important explanatory variables affecting the spatial distribution ofH.otakiiwere month, sea bottom temperature, latitude, sea bottom salinity and longitude, and the deviance explanation by these explanatory variables was 75.32% in total.

Hexagrammosotakii; spatial distribution; environmental factors; general additive model; Haizhou Bay

國家海洋公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)項(xiàng)目(201305030)資助

2014-03-17；

2014-05-12

邢 磊(1989-)，男，碩士生。E-mail: xinglei0726@126.com

?? 通訊作者： E-mail: renyip@ouc.edu.cn

P723;S931.4

A

1672-5174(2015)06-045-06

10.16441/j.cnki.hdxb.20140091