魏廣恩, 陳新軍, 2, 3, 4, 5

不同環(huán)境模態(tài)下空間分辨率對北太平洋柔魚CPUE標(biāo)準(zhǔn)化的影響

魏廣恩1, 陳新軍1, 2, 3, 4, 5

(1. 上海海洋大學(xué) 海洋科學(xué)學(xué)院, 上海 201306; 2. 青島海洋科學(xué)與技術(shù)國家實驗室 海洋漁業(yè)科學(xué)與食物產(chǎn)出過程功能實驗室, 山東 青島 266071; 3. 大洋漁業(yè)資源可持續(xù)開發(fā)省部共建教育部重點實驗室, 上海 201306; 4. 國家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心, 上海 201306; 5. 農(nóng)業(yè)農(nóng)村部大洋漁業(yè)開發(fā)重點實驗室農(nóng)業(yè)農(nóng)村部大洋漁業(yè)資源環(huán)境科學(xué)觀測實驗站, 上海 201306)

單位捕撈努力量漁獲量(catch per unit effort, CPUE)常被假設(shè)與漁業(yè)資源量成正比而被應(yīng)用于漁業(yè)資源評估與管理中, 不同的環(huán)境模態(tài)下, 所選取的空間分辨率對CPUE的標(biāo)準(zhǔn)化會產(chǎn)生影響, 從而影響對該漁業(yè)資源豐度的評價。本研究運(yùn)用廣義加性模型(generalized additive model, GAM), 對中國在北太平洋魷釣漁業(yè)數(shù)據(jù)進(jìn)行CPUE標(biāo)準(zhǔn)化。根據(jù)北太平洋環(huán)境的差異, 以160°E為界將其劃分為不同的環(huán)境模態(tài)。分別對兩種模態(tài)下3種空間尺度(0.25°×0.25°、0.5°×0.5°、1°×1°)的名義CPUE進(jìn)行標(biāo)準(zhǔn)化, 得到各自的最適GAM模型。比較不同環(huán)境模態(tài)下, 各因素對CPUE標(biāo)準(zhǔn)化產(chǎn)生的影響; 相同環(huán)境模態(tài)下, 不同空間尺度對CPUE標(biāo)準(zhǔn)化產(chǎn)生的影響。結(jié)果表明: 不同環(huán)境模態(tài)下, 對CPUE標(biāo)準(zhǔn)化產(chǎn)生影響的變量差異較大: 160°E以西海域分別為年、緯度、SST以及交互項年與緯度、月與緯度; 160°E以東海域分別為緯度、年與緯度的交互項、月與緯度的交互項。同一環(huán)境模態(tài)下, 不同的空間尺度最適GAM模型對CPUE標(biāo)準(zhǔn)化結(jié)果不同, 根據(jù)均方誤差選取0.5°×0.5°和0.25°×0.25°分別為160°E東、西海域CPUE標(biāo)準(zhǔn)化的最適空間尺度。因此, 在對北太平洋柔魚()商業(yè)性漁獲數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化時, 需要考慮因不同的環(huán)境模態(tài)以及不同的空間尺度而導(dǎo)致的CPUE標(biāo)準(zhǔn)化所出現(xiàn)的差異。

北太平洋; 柔魚(); 廣義加性模型; CPUE標(biāo)準(zhǔn)化; 空間分辨率

為確保漁業(yè)資源的可持續(xù)利用, 需要對漁業(yè)資源進(jìn)行合理的資源評估, 從而為實施科學(xué)管理提供決策。由于通過科學(xué)調(diào)查所獲得漁業(yè)數(shù)據(jù)相對較缺乏,商業(yè)性的漁業(yè)數(shù)據(jù)成為漁業(yè)資源評估數(shù)據(jù)的主要來源[1]。漁業(yè)上, 單位捕撈努力量漁獲量(catch per unit effort, CPUE)常被假設(shè)與資源量成正比[2], 并廣泛應(yīng)用于漁業(yè)資源評估和管理[2-4]。已有研究表明[1, 4-5], CPUE與資源量之間的正比關(guān)系常受到眾多因素的影響, 影響因素主要有捕撈能力(漁船噸位和馬力, 漁具, 助漁設(shè)備等)、時間、空間要素(年、月、經(jīng)度、緯度)和環(huán)境條件(海表面溫度、葉綠素濃度、海流、溶解氧等)。為能有效利用CPUE數(shù)據(jù), 需對其進(jìn)行標(biāo)準(zhǔn)化, 以排除相關(guān)影響, 重新構(gòu)建CPUE與資源量之間的正比關(guān)系, 使之真實反映漁業(yè)資源的變化, 而未排除影響因素的CPUE稱為名義CPUE[6]。目前很多統(tǒng)計方法被用于CPUE的標(biāo)準(zhǔn)化, 包括廣義線性模型[3]、廣義加性模型[7]、回歸樹方法[8]以及基于棲息地[9-10]和神經(jīng)網(wǎng)絡(luò)[11]的CPUE標(biāo)準(zhǔn)化。以往的CPUE標(biāo)準(zhǔn)化研究的重點主要集中在模型的選擇: 包括模型變量[3]、模型誤差結(jié)構(gòu)[12]和統(tǒng)計模型的類型[11]的選擇, 而忽略魚類的生活習(xí)性以及漁業(yè)的作業(yè)模式對漁業(yè)數(shù)據(jù)的影響。

北太平洋柔魚()漁業(yè)在不同海域的作業(yè)模式和分布特點存在差異, 這主要是由柔魚自身的生活習(xí)性和捕撈行為引起。柔魚是一種具有生態(tài)機(jī)會主義的大洋性種類, 廣泛分布在北太平洋海域, 極易受環(huán)境的影響[13]。西北太平洋海域因黑潮暖流和親潮寒流的交匯以及黑潮勢力的強(qiáng)弱、路徑變化, 使得該海域的環(huán)境與東部和中部太平洋海域差異較大, 也因此造成西北太平洋和中東太平洋柔魚的種群分布和洄游模式存在差異[14-15]。而西北太平洋海域, 因柔魚種群資源豐度和集群性較高, 漁船通過現(xiàn)代科技尋找漁場并相互聯(lián)系, 使得作業(yè)漁船趨于集中, 從而造成局部海域漁船數(shù)量占總作業(yè)漁船數(shù)量的50%~80%, 該現(xiàn)象主要出現(xiàn)在西北太平洋海域。中東部海域, 柔魚分布海域較廣, 相對分散, 很難形成較大漁場, 作業(yè)漁船不易形成大規(guī)模聚集現(xiàn)象[15], 導(dǎo)致不同海域的作業(yè)模式出現(xiàn)差異。因此, 本研究利用廣義加性模型, 結(jié)合太平洋海域的海洋環(huán)境和柔魚在不同海域的分布、洄游以及作業(yè)漁船的分布特點, 以160°E為分界線, 將北太平洋分為東、西模態(tài), 分別研究不同環(huán)境模態(tài)下, 不同的空間尺度對CPUE標(biāo)準(zhǔn)化的影響, 找出160°E從東、西海域CPUE標(biāo)準(zhǔn)化的最適空間尺度。

1 材料和方法

1.1 數(shù)據(jù)來源

1.1.1 漁業(yè)數(shù)據(jù)

漁業(yè)數(shù)據(jù)來源于中國遠(yuǎn)洋漁業(yè)分會上海海洋大學(xué)魷釣技術(shù)組建立的北太平洋柔魚生產(chǎn)數(shù)據(jù)庫, 時間跨度為2004年—2015年, 空間范圍為36°N~46°N、140°E~180°E。數(shù)據(jù)字段包括日期、經(jīng)度、緯度、產(chǎn)量、作業(yè)次數(shù)。

1.1.2 環(huán)境數(shù)據(jù)

環(huán)境數(shù)據(jù)包括海表面溫度(sea surface temperature, SST)和葉綠素濃度(chlorophyll-a,), 數(shù)據(jù)來源于NOAA(http://pifsc-oceanwatch.irc.noaa.gov/erddap/griddap/ index.html), 時間跨度為2004年—2015年, 時間尺度為月, 空間范圍為36°N~46°N、140°E~180°E。海表面溫度和葉綠素濃度的空間尺度分別包括0.25°× 0.25°、0.5°×0.5°和1°×1° 3種。

1.2 方法

1.2.1 CPUE計算

CPUE定義為每艘船每天的捕撈產(chǎn)量, 則第年、月、經(jīng)度、緯度的平均CPUE為:

1.2.2 統(tǒng)計模型

GAM模型是一種非參數(shù)化的多元線性分析回歸模型, 是GLM模型的延伸。相對于傳統(tǒng)的回歸模型, GAM模型在分析資源豐度與環(huán)境的空間關(guān)系上提供更多的信息, 可以用來表示響應(yīng)變量和解釋變量的非線性關(guān)系, 即CPUE與其他變量之間的非線性關(guān)系。函數(shù)關(guān)系為:

式中,為鏈接函數(shù),μ=(Y),x為第個響應(yīng)變量的解釋變量,Y為第個響應(yīng)變量,f為平滑函數(shù),為適合函數(shù)中的截距,為殘差。本研究假設(shè)CPUE服從對數(shù)正態(tài)分布, 因此, GAM模型表示為:

(3)

式中, CPUE為每艘船每天的捕撈產(chǎn)量, c為常數(shù)項,year為年,month為月,lon為經(jīng)度,lat為緯度,為海表面溫度(℃),為葉綠素濃度(mg/m3),表示時間和空間解釋變量的交互效應(yīng),為樣條平滑(spline smoother)。GAM模型中, 將時間(年、月)、空間(經(jīng)度、緯度)、環(huán)境(、)因素作為解釋變量, 其中年、月、經(jīng)度、緯度為分類離散變量, 其他變量為連續(xù)變量。CPUE加上常數(shù)c(取1), 再作對數(shù)變換后, 作為響應(yīng)變量, 以解決CPUE為零的情況[16-17]。

模型因子的選擇根據(jù)因子的顯著性水平(), 分別選擇不同環(huán)境模態(tài)各空間尺度下GAM模型的解釋變量, 依次加入GAM模型中, 得到包含不同個數(shù)解釋變量的GAM模型。根據(jù)赤池信息準(zhǔn)則(Akaike information criterion, AIC), 選取AIC值最小的為該模態(tài)空間尺度下的最適模型[18]。AIC值得計算方法見式:

式中,為方程中參數(shù)的個數(shù)。分別用上述3種空間尺度下的CPUE數(shù)據(jù)輸入GAM模型進(jìn)行CPUE標(biāo)準(zhǔn)化, 模型的計算通過R語言統(tǒng)計軟件來實現(xiàn)。

1.2.3 標(biāo)準(zhǔn)化CPUE的比較

對上述不同環(huán)境模態(tài)3種空間尺度下的6種模型, 分別計算同一環(huán)境模態(tài)各空間尺度的最適GAM模型的均方誤差(mean squared error, MSE), 作為判斷該環(huán)境模態(tài)下最適空間尺度的標(biāo)準(zhǔn)。

2 結(jié)果

2.1 3種空間尺度下作業(yè)漁場的空間分布

從圖1可以看出, 3種空間尺度下, 作業(yè)漁場的分布模式存在差異: 160°E以西海域, 作業(yè)漁場覆蓋范圍均勻、密集, 160°E以東海域相對分散。隨著空間尺度變大, 作業(yè)漁場覆蓋海域明顯變大, 160°E以東海域更為顯著?？臻g尺度的改變, 對應(yīng)的小漁區(qū)的CPUE的值也會改變, 相應(yīng)的依據(jù)經(jīng)、緯度和時間的一致性進(jìn)行匹配的環(huán)境數(shù)據(jù)也會改變, 從而對CPUE的標(biāo)準(zhǔn)化造成影響。

2.2 響應(yīng)變量Ln(CPUE+1)的統(tǒng)計分布檢驗

K-S檢驗可以看出, Ln(CPUE+1)趨向于服從正態(tài)分布(表1和圖2-a1、a3、b1、b3、c1、c3), Ln (CPUE+1)的數(shù)據(jù)點在正態(tài)q-q中, 都基本形成一條直線(圖2-a2、a4、b2、b4、c2、c4), 說明Ln (CPUE+1)服從正態(tài)分布。結(jié)果表明, 本研究關(guān)于Ln (CPUE+1)服從正態(tài)分布的假設(shè)是合理的。

2.3 解釋變量的顯著性檢驗

以≤0.01來確認(rèn)解釋變量是否具有顯著性,檢驗的結(jié)果表明160°E東、西海域, 顯著性變量差異較大。

160°E以西海域: 空間尺度為0.25°×0.25°時, 除月為不顯著變量, 對CPUE影響不顯著(>0.01), 其余均為顯著性變量, 對CPUE的影響為極顯著(≤0.01)?？臻g尺度為0.5°×0.5°時, 月、經(jīng)度、年*經(jīng)度為不顯著變量?？臻g尺度為1°×1°時, 月、經(jīng)度、年*經(jīng)度、月*經(jīng)度為不顯著變量(表2)。

圖1 2004—2015年北太平洋柔魚作業(yè)漁場分布

表1 Ln(CPUE+1)的統(tǒng)計分布

注：a、b、c分別為0.25°×0.25°、0.5°×0.5°、1°×1° 3種空間尺度, 1和3分別為160°E以西海域和160°E以東海域

160°E以東海域: 空間尺度為0.25°×0.25°時, 緯度、年*緯度, 月*緯度為顯著性變量, 對CPUE的影響為極顯著(≤0.01), 其余均為不顯著變量, 對CPUE影響不顯著(>0.01)?？臻g尺度為0.5°×0.5°時, 僅月、緯度、年*緯度、月*緯度為顯著變量?？臻g尺度為1°×1°時, 僅緯度、SST、年*緯度為顯著變量(表2)。

圖2 2004年—2015年北太平洋柔魚Ln(CPUE+1)的頻次分布及其檢驗

1和3為Ln(CPUE+1)的頻次分布; 2和4為Ln(CPUE+1)的正態(tài)q-q圖; a、b、c分別為0.25°×0.25°、0.5°×0.5°、1°×1° 3種空間尺度; 1和2為160°E以西海域, 3和4為160°E以東海域; 密度、期望累計概率和觀測累計概率均為無量綱數(shù)

a, b, c are 0.25°×0.25°, 0.5°×0.5°, 1°×1° 1 and 3 frequency distribution of Ln(CPUE + 1); 2 and 4 normal q–q plot of Ln(CPUE + 1); three kinds of space scales, respectively. 1 and 2 are the waters west of 160°E, 3 and 4 are the waters east of 160°E; Density, expected cumulative probability and observed cumulative probability are dimensionless numbers

表2 解釋變量顯著性檢驗

續(xù)表

注: 加粗字體為顯著性解釋變量, “*”. 交互項。

2.4 GAM模型分析及最優(yōu)模型選擇

將上述在不同環(huán)境模態(tài)下各空間尺度對CPUE的影響為極顯著(≤0.01)的解釋變量或交互項逐一加入到GAM模型中, 比較同一環(huán)境模態(tài)下相同空間的尺度各模型的AIC值(表3)。確定不同環(huán)境模態(tài)下各空間尺度的最優(yōu)GAM模型。

表3 GAM模型的R2和AIC值

選取AIC值最小,2最大的模型為該環(huán)境模態(tài)下對應(yīng)空間尺度的最適模型, 則各空間尺度最適模型的選擇如表4所示。各模型對CPUE總偏差的解釋: 160°E以西海域各空間尺度分別為35.9%、28.7%、28.7%; 160°E以東海域各空間尺度分別為36.4%、37.6%、28.5%(表4)。

表4 160°E東、西海域不同空間尺度的最適GAM模型

不同環(huán)境模態(tài)下各空間尺度最適GAM模型的殘差擬合圖如圖3所示, 6種模型的殘差和擬合值之間沒有明顯的關(guān)系, 表明上述6種最適GAM模型均可較好地擬合數(shù)據(jù)。

圖3 最適GAM模型殘差圖

a、b、c分別為0.25°×0.25°、0.5°×0.5°、1°×1° 3種空間尺度, 1和2分別為160°E以西海域和160°E以東海域

a, b, c are 0.25°×0.25°, 0.5°×0.5°, 1°×1° three kinds of space scales, respectively. 1 and 2 are the waters of west and east 160°E, respectively

2.5 解釋變量對CPUE的影響

不同環(huán)境模態(tài)下各空間尺度最適模型中的解釋變量, 對總偏差的解釋如圖4所示。結(jié)果表明: 不同環(huán)境模態(tài)下, 同一空間尺度, 解釋變量對CPUE的影響差異較大, 相同環(huán)境模態(tài)下, 不同空間尺度, 解釋變量對CPUE的影響差異較小。

圖4 最優(yōu)GAM模型中各解釋變量對模型的解釋偏差

160°E以西海域, 各空間尺度下, 變量對CPUE的影響較大的主要是年、緯度、海表面溫度, 葉綠素濃度對CPUE的影響均為最弱。0.25°×0.25°空間尺度下, 變量對CPUE的影響強(qiáng)弱依次是年(12.6%)、緯度(5.7%)、年和緯度交互項(5.3%)、SST(3.9%)、經(jīng)度(3.3%), 其余變量影響較弱; 0.5°×0.5°空間尺度下, 變量對CPUE的影響強(qiáng)弱依次是年(9.89%)、緯度(7.41%)、SST(5.8%)、月和經(jīng)度交互項(3.5%), 其余變量影響較弱; 1°×1°空間尺度下, 變量對CPUE的影響強(qiáng)弱依次是緯度(8.96%)、年(8.84%)、SST(6.4%), 其余變量影響較弱。

160°E以東海域, 各空間尺度下, 變量對CPUE的影響較大的主要是緯度、月、年和緯度的交互項。0.25°×0.25°空間尺度下, 變量對CPUE的影響強(qiáng)弱依次是緯度(21.5%)、年和緯度交互項(8.8%)、月和緯度的交互項(6.1%); 0.5°×0.5°空間尺度下, 變量對CPUE的影響強(qiáng)弱依次是月(17.1%)、年和緯度的交互項(10.5%)、月和緯度的交互項(5.3%), 緯度(4.7%); 1°×1°空間尺度下, 變量對CPUE的影響強(qiáng)弱依次是緯度(17.9%)、SST(5.4%)、年和緯度的交互項(5.2%)。

2.6 標(biāo)準(zhǔn)化CPUE的比較

根據(jù)最適模型選擇的結(jié)果, 運(yùn)用該模型分別計算不同環(huán)境模態(tài)下各空間尺度的標(biāo)準(zhǔn)化CPUE。計算各最適模型的均方誤差, 結(jié)果表明: 160°E以西海域, 3種空間尺度下, 0.25°×0.25°對應(yīng)的最適GAM模型的均方誤差最小; 160°E以東海域, 0.5°×0.5°對應(yīng)的最適GAM模型的均方誤差最小(表5)。可分別將對應(yīng)的空間尺度作為該環(huán)境模態(tài)下CPUE標(biāo)準(zhǔn)化的最適尺度。

表5 最適GAM模型的均方誤差

名義CPUE以及各模型對應(yīng)的標(biāo)準(zhǔn)化CPUE如圖5所示。從圖5可以看出, 不同的環(huán)境模態(tài)(160°E東、西海域), 名義CPUE之間存在差異, 表明北太平洋中東部海域和西部海域柔魚資源豐度不同, 且西部海域的柔魚資源豐度明顯優(yōu)于中東部海域。不同空間尺度下的名義CPUE存在差異(圖5)。6種模型得出的年標(biāo)準(zhǔn)化CPUE均低于名義CPUE(160°E以西海域2006年、2009年、2014年除外; 160°E以東海域2009年、2010年、2012年和2014年除外), 且年際變動較小, 表明各模型標(biāo)準(zhǔn)化在一定程度上排除了時間、空間和其他海洋環(huán)境因素對CPUE的影響。

圖5 最優(yōu)GAM模型年標(biāo)準(zhǔn)化CPUE

a、b、c分別為0.25°×0.25°、0.5°×0.5°、1°×1° 3種空間尺度; 1和2分別為160°E以西海域和160°E以東海域

a, b, c are 0.25°×0.25°, 0.5°×0.5°, 1°×1° three kinds of space scales, respectively, 1 and 2 are the waters west and east of 160°E, respectively

160°E以西海域, 2004年—2009年名義CPUE波動較大, 各標(biāo)準(zhǔn)化CPUE相對平穩(wěn), 2010年—2015年各模型的標(biāo)準(zhǔn)化CPUE的波動趨勢和名義CPUE的基本一致。0.25°空間尺度下的標(biāo)準(zhǔn)化CPUE的波動趨勢和名義CPUE更吻合, 而0.5°和1°空間尺度下的標(biāo)準(zhǔn)化CPUE與名義CPUE在2004年—2009年的波動趨勢存在差異, 在2010年—2015年基本一致。最低名義年標(biāo)準(zhǔn)化CPUE出現(xiàn)在2009年, 最高出現(xiàn)在2007年, 與0.25°空間尺度下年標(biāo)準(zhǔn)化CPUE一致, 而0.5°和1°空間尺度下最低和最高年標(biāo)準(zhǔn)化CPUE, 均出現(xiàn)在2015年和2005年。

160°E以東海域的名義CPUE和各模型的標(biāo)準(zhǔn)化CPUE的波動趨勢基本一致。最低名義年CPUE出現(xiàn)在2010年, 最高出現(xiàn)在2014年, 與0.25°和0.5°空間尺度下年標(biāo)準(zhǔn)化CPUE一致, 而1°空間尺度下最低和最高年標(biāo)準(zhǔn)化CPUE, 分別出現(xiàn)在2012年和2014年。

3 討論

北太平洋海域柔魚資源及其時空分布, 因受到環(huán)境因素的影響及其自身的洄游特性, 造成了資源分布在時間和空間上的變動[19]。捕撈量的年間變化主要受到柔魚資源量和漁船的空間分布的影響, 以及環(huán)境變動的影響[20-21]。而北太平洋中東部和西部海域的環(huán)境存在明顯差異[14], 同樣會造成柔魚資源的空間分布模式不同。隨著漁業(yè)技術(shù)的現(xiàn)代化發(fā)展, 魷釣漁船的馬力、探魚和誘魚設(shè)備以及船隊之間的通訊技術(shù)有著明顯的提升, 作業(yè)漁船會根據(jù)漁場的分布而出現(xiàn)響應(yīng)性聚集, 漁船的作業(yè)海域會隨著魚群的分布出現(xiàn)變動。因此, 本研究中對北太平洋不同環(huán)境模態(tài)160°E從東、西海域的CPUE標(biāo)準(zhǔn)化進(jìn)行研究。影響CPUE標(biāo)準(zhǔn)化的因素很多, 本研究以GAM模型對北太平洋柔魚漁業(yè)CPUE進(jìn)行標(biāo)準(zhǔn)化時, 只考慮了時間、空間、環(huán)境因子以及時間和空間的交互項, 而忽略部分其他因子。其一是數(shù)據(jù)的可獲取性, 其二是本研究主要目的在于分析不同的環(huán)境模態(tài)及空間尺度對CPUE標(biāo)準(zhǔn)化的影響。

研究中, 通過解釋變量的顯著性作為篩選條件, 根據(jù)AIC值選取不同環(huán)境模態(tài)和不同空間尺度下的最適GAM, 得到各自的最適模型, 最適模型的構(gòu)建彼此間存在差異。各解釋變量對模型的解釋偏差研究結(jié)果表明: 不同的環(huán)境模態(tài)下, 對CPUE標(biāo)準(zhǔn)化產(chǎn)生影響的解釋變量差異較大。160°E以西海域, 年、緯度、SST以及交互項年與緯度、月與緯度在影響西北太平洋柔魚漁業(yè)CPUE標(biāo)準(zhǔn)化方面起著重要作用; 變量年隨著空間尺度的增大, 對CPUE的影響逐漸減小。變量緯度和SST對CPUE的影響隨著空間尺度的增加而逐漸變大, 這與西北太平洋柔魚的洄游特點一致。西北太平洋柔魚從產(chǎn)卵場向北洄游至索餌場, 后向南洄游至產(chǎn)卵場。整個過程遵循柔魚的洄游模式, 在環(huán)境因素的作用下, 柔魚資源補(bǔ)充量進(jìn)入漁場的時間和緯度都會受到影響, 形成資源量及其分布的年間差異。隨著空間尺度的增大, 漁區(qū)所包括的海域面積增加, 各漁區(qū)所包含的環(huán)境信息增多。相同海域, 用于匹配名義CPUE的環(huán)境指標(biāo)因空間尺度的不同而出現(xiàn)差異。以SST為例, 在不同的空間尺度下, 相同海域用于匹配名義CPUE的SST存在差異, 且隨著空間尺度的增大, 用于表征各漁區(qū)SST間的差異增大, 相鄰漁區(qū)的SST差異也隨之增大(圖6)。從標(biāo)準(zhǔn)化的結(jié)果, 各解釋變量對模型的解釋偏差可以看出: SST對CPUE標(biāo)準(zhǔn)化的影響隨著空間尺度的增大而增大。漁區(qū)面積的增大, 海域內(nèi)所包含的柔魚群落增加, 柔魚整體在緯度上洄游分布變動更加明顯。故變量緯度對CPUE的影響隨著空間尺度的增大而逐漸增大。160°E以東海域, 不同的空間尺度下, 影響柔魚漁業(yè)CPUE標(biāo)準(zhǔn)化的變量存在差異。主要是緯度、年與緯度的交互項、月與緯度的交互項對CPUE標(biāo)準(zhǔn)化產(chǎn)生重要影響。0.5°空間尺度下的變量月和1°空間尺度下的變量SST會對CPUE標(biāo)準(zhǔn)化產(chǎn)生影響, 但很難體現(xiàn)出規(guī)律性。其一, 作業(yè)漁場分布分散, 作業(yè)海域覆蓋范圍小, 未作業(yè)海域柔魚分布信息缺失。其二, 分布在該海域的柔魚較為復(fù)雜, 包括冬春生群和秋生群, 彼此間產(chǎn)卵、索餌和繁殖洄游特性不同, 難以統(tǒng)一其變化規(guī)律。但不同的空間尺度下緯度都對CPUE的標(biāo)準(zhǔn)化產(chǎn)生重要影響。

CPUE標(biāo)準(zhǔn)化的結(jié)果表明: 不同環(huán)境模態(tài)下, 各空間尺度的最適GAM模型對CPUE標(biāo)準(zhǔn)化的結(jié)果通常小于名義CPUE, 且年間波動變小, 說明6種模型均可以在一定程度上排除時間、空間和其他海洋環(huán)境對CPUE標(biāo)準(zhǔn)化的影響。因不同環(huán)境模態(tài)下空間尺度的不同, 輸入模型的名義CPUE不同, 即輸入模型的樣本數(shù)不同。由于AIC值的比較需要模型具有相同的樣本量, 因此將均方誤差作為不同環(huán)境模態(tài)下最適空間尺度的篩選條件。結(jié)果表明: 160°E以西海域, 最適空間尺度為0.25°×0.25°; 160°E以東海域, 最適空間尺度為0.5°×0.5°。不同空間尺度的選擇可以解決柔魚作業(yè)漁船集中而導(dǎo)致CPUE標(biāo)準(zhǔn)化不準(zhǔn)確的問題。由于尋找漁場的高效、燈光誘魚效果明顯和漁船之間的溝通便利, 以及柔魚自身具有集群的特性, 漁船的聚集往往可以獲得更好地漁獲量。因此西北太平洋柔魚的作業(yè)集中在較小的海域內(nèi)[22-23], 名義CPUE適宜空間尺度的選取, 可以在一定程度上降低漁船聚集對CPUE標(biāo)準(zhǔn)化的影響。160°E從東、西海域空間尺度的選取與實際情況較為符合, 160°E以西海域, 柔魚資源豐度明顯優(yōu)于160°E以東海域, 柔魚資源相對集中, 空間尺度越小, 對于降低漁船聚集對CPUE標(biāo)準(zhǔn)化的影響效果越顯著。160°E以東海域柔魚資源分布分散, 很難形成大的漁場, 漁船分布海域較為分散。漁船聚集效應(yīng)影響較低, 適宜空間尺度的選取對CPUE標(biāo)準(zhǔn)化影響較弱。故160°E從東、西海域, 最適空間尺度分別為0.5°×0.5°和0.25°×0.25°的結(jié)果適用于實際情況。

圖6 不同空間尺度下北太平洋SST的分布情況

本研究中使用GAM模型對CPUE進(jìn)行標(biāo)準(zhǔn)化, 能夠較好地解釋北太平洋海域不同的環(huán)境模態(tài)下對CPUE產(chǎn)生影響的解釋變量之間的異同, 以及與CPUE之間的關(guān)系。同時, 它也可以表達(dá)出相同環(huán)境模態(tài), 不同空間尺度對CPUE標(biāo)準(zhǔn)化影響。但是, 商業(yè)性漁獲數(shù)據(jù)受制于眾多因素的影響, 且缺乏一定的對比性, 使得CPUE標(biāo)準(zhǔn)化模型的可靠性降低, 需要科學(xué)調(diào)查數(shù)據(jù)來驗證本研究的結(jié)果是否可靠。不同空間尺度下最適GAM模型對CPUE標(biāo)準(zhǔn)化結(jié)果存在差異, 故不同空間尺度CPUE的選取, 模型得到的結(jié)果可能會影響人們對漁業(yè)資源狀況的誤判, 從而影響后續(xù)資源評估過程中資源開發(fā)管理和保護(hù)的決策制定。因此在對數(shù)據(jù)進(jìn)行CPUE標(biāo)準(zhǔn)化時, 需要考慮空間尺度對CPUE標(biāo)準(zhǔn)化的影響, 以及該漁業(yè)所屬環(huán)境差異的影響。

[1] 官文江, 陳新軍, 高峰, 等. GLM模型和回歸樹模型在CPUE標(biāo)準(zhǔn)化中的比較分析[J]. 上海海洋大學(xué)學(xué)報, 2014, 23(1): 123-130.GUAN Wenjiang, CHEN Xinjun, GAO Feng, et al. Compa-ri-sons of regression tree and GLM performance in CPUE standardization[J]. Journal of Shanghai Ocean University, 2014, 23(1): 123-130.

[2] QUINN T J, DERISO R B. Quantitative fish dyna-mic[M]. New York: Oxford University Press, 1999.

[3] 曹杰. 西北太平洋柔魚資源評估與管理[D]. 上海: 上海海洋大學(xué), 2010. CAO Jie. Stock assessment and risk analysis of management strategies for neon flying squid () in the northwest Pacific Ocean[D]. Shanghai, Shanghai Ocean University, 2010.

[4] HARLEY S J, MYERS R A, DUNN A. Is catch-per- unit-effort proportional to abundance?[J]. Can J Fish Aquat Sci, 2001, 58: 1760-1772.

[5] YE Y, DENNIS D. How reliable are the abundance indices derived from commercial catch–effort standardization?[J]. Can J Fish Aquat Sci, 2009, 66: 1169-1178.

[6] MAUNDER M N, PUNT A E. Standardizing catch and effort data: a review of recent approaches[J]. Fish Res, 2004, 70: 141-159.

[7] 田思泉, 陳新軍. 不同名義CPUE計算法對CPUE標(biāo)準(zhǔn)化的影響[J]. 上海海洋大學(xué)學(xué)報, 2010, 19(2): 240-245.TIAN Siquan, CHEN Xinjun. Impacts of different calculating methods for nominal CPUE on CPUE standardization[J]. Journal of Shanghai Ocean University, 2010, 19(2): 240-245.

[8] WATTERS G, DERISO R B. Catch per unit of effort of bigeye tuna: A new analysis with regression trees and simulated annealing[J]. Inter-American Tropical Tuna Commission Bulletin, 2000, 21(8): 527-571.

[9] HINTON M G, NAKANO H. Standardizing catch and effort statistics using physiological, ecological, or behavioral constraints and environmental data, with an application to blue marlin () catch and effort data from Japanese longline fisheries in the Pacific[J]. Inter- Am Trop Tuna Comm Bull, 1996, 21: 171-200.

[10] MAUNDER M N, HINTON M G, BIGELOW K A. Developing indices of abundance using habitat data in a statistical framework[J]. Bull Mar Sci, 2006, 79(3): 545-559.

[11] DANIEL G, MICHEL D L. Analysis of non-linear relationships between catch per unit. effort and abundance in a purse- seine fishery simulated with artificial neural hetworks[J]. Ices Journal of Marine Science, 2004, 61(5): 812-820

[12] 官文江, 田思泉, 王學(xué)昉, 等. CPUE標(biāo)準(zhǔn)化方法與模型選擇的回顧與展望[J]. 中國水產(chǎn)科學(xué), 2014, 21(4): 852-862.GUAN Wenjiang, TIAN Siquan, WANG Xuefang, et.al. A review of methods and model selection for standardizing CPUE[J]. Journal of Fishery Science of China, 2014, 21(4): 852-862.

[13] RODHOUSE P G. Managing and forecasting squid fisheries invariable environments[J]. Fisheries Research, 2001, 54(1): 3-8.

[14] CAIRISTIONA I H, RODHOUSE P G. Life cycles, ocea-nography and variability: Ommastrephid squid in variable oceanographic environments[J]. Fisheries Research, 2001, 54: 133-143.

[15] CHEN C S, CHIU T S. Variations of life history para-meters in two geographical groups of the neon flying squid,, from the North Pacific[J]. Fisheries Research, 2003, 63: 349-366.

[16] CAMPBELL R A. CPUE standardization and the construction of indices of stock abundance in a spatially varying fishery using general linear models[J]. Fisheries Resarch, 2004, 70: 209-227.

[17] 陸化杰, 陳新軍, 曹杰等. 中國大陸阿根廷滑柔魚魷釣漁業(yè)CPUE標(biāo)準(zhǔn)化[J]. 水產(chǎn)學(xué)報, 2013, 37(6): 951-960.LU Huajie, CHEN Xinjun, CAO Jie, et al. CPUE standar-di-za-tion of Illex argentinus for Chinese mainland squid- jigging fishery in the southwest Atlantic Ocean[J]. Journal of Fisheries of China, 2013, 37(6): 951-969.

[18] AKAIKE H. A new look at the statistical model identi-fication[J]. Automatic Control IEEE Transactions, 1974, 19(6): 716 -723.

[19] CAO J, CHEN X J, CHEN Y. Influence of surface oceanographic variability on abundance of the western winter-spring cohort of neon flying squidin the NW Pacific Ocean[J]. Mar Ecol Prog Ser, 2009, 381: 119-127.

[20] 陳新軍, 田思泉. 西北太平洋柔魚資源豐度時空分布的GAM模型分析[J]. 集美大學(xué)學(xué)報: 自然科學(xué)版, 2006, 11(4): 295-300. CHEN Xinjun, TIAN Siquan. Temp-spatial distribution on abundance index of neon flying squidin the Northwestern Pacific using generalized additive models[J]. Journal of Jimei University(Nature Science), 2006, 11(4): 295-300.

[21] 陳新軍, 田思泉. 西北太平洋海域柔魚的產(chǎn)量分布及其作業(yè)與創(chuàng)漁場與表溫的關(guān)系研究[J]. 中國海洋大學(xué)學(xué)報, 2005, 35(1): 101-107. CHEN Xinjun, TIAN Siquan. Study on the catch distri-bution and relationship between fishing ground and surface temperature forin the Northwestern Pacific Ocean[J]. Periodical of Ocean University of China, 2005, 35(1): 101-107.

[22] 陳新軍, 田思泉. 西北太平洋海域柔魚漁場分析探討[J].漁業(yè)現(xiàn)代化, 2001, 28(3): 3-6. CHEN Xinjun, TIAN Siquan. Analysis and discussion on fishing ground ofin Northwestern Pacific[J]. Fishery Modernization, 2001, 28(3): 3-6.

[23] 魏廣恩. 北太平洋柔魚漁場的時空分析與資源豐度的預(yù)測[D]. 上海: 上海海洋大學(xué), 2018. WEI Guang’en. Spatial and temporal analysis offishing ground and its resource abundance prediction in the North Pacific Ocean[D]. Shanghai: Shanghai Ocean University, 2018.

Impacts of spatial resolution under different environment modes on CPUE standardization in the North Pacific Ocean

WEI Guang-en1, CHEN Xin-jun1, 2, 3, 4, 5

(1. College of Marine Sciences of Shanghai Ocean University, Shanghai 201306, China; 2. Laboratory for Marine Fisheries Science and Food Production Processes, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266071, China; 3. The Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources, Shanghai Ocean University, Ministry of Education, Shanghai 201306, China; 4. National Distant-water Fisheries Engineering Research Center, Shanghai Ocean University, Shanghai 201306, China; 5. Key Laboratory of Oceanic Fisheries Exploration, Ministry of Agriculture and Rural Affairs, Scientific Observing and Experimental Station of Oceanic Fishery Resources, Ministry of Agriculture and Rural Affairs, Shanghai 201306, China)

CPUE (Catch Per Unit Effort) is usually assumed to be proportional to fishery resources and is applied to fishery stock assessment and management. The selected spatial resolution can affect standardized CPUE under different environment modes and the evaluation of resource abundance. In this study, we use the Generalized Additive Model (GAM) to standardize CPUE in the fishery data collected by the Chinese squid-jigging fleets in the North Pacific Ocean. The North Pacific Ocean is divided into different environmental modes by 160°E. The nominal CPUE of three spatial scales (0.25°×0.25°, 0.5°×0.5°, and 1°×1°) under two modes were standardized to obtain the optimal GAM models. The effects of various factors on CPUE standardization under different environment modes and the impact of different spatial scales on CPUE standardization under the same environment mode were compared. The results show that under different environment modes, the variables that have an important impact on CPUE standardization are different. The waters west of 160°E is the year, latitude, and SST and the interactive term year and latitude, month, and latitude; the waters east of 160°E is the latitude, and the interaction term year and latitude, month, and latitude. Under the same environment mode, different spatial scales are optimal for GAM models with different CPUE standardization results. According to the mean square error, 0.5°×0.5°and 0.25°×0.25° were selected as optimal spatial scales for CPUE standardization in the waters east and west of 160°E, respectively. Therefore, it is necessary to consider the differences in CPUE standardization caused by different environment modes and different spatial scales when standardizing the commercial catch data of the North Pacific Ocean.

North Pacific;; generalized additive model; CPUE standardization; spatial resolution

Jul. 22, 2019

S937

A

1000-3096(2021)04-0147-12

10.11759/hykx20190722003

2019-07-22;

2019-12-10

國家重點研發(fā)計劃(2019YFD0901404); 國家自然科學(xué)基金面上項目(NSFC41876141); 上海市科技創(chuàng)新行動計劃(10DZ1207500)

[National Key Research and Development Plan, No. 2019YFD0901404; National Natural Science Foundation of China, No. NSFC41876141; Shanghai Science and Technology Innovation Action Plan, No.10DZ1207500]

魏廣恩(1991—), 男, 安徽淮南人, 研究生, 主要從事漁業(yè)資源研究, E-mail: wge1991@163.com; 陳新軍(1967—),通信作者, E-mail: xjchen@ shou.edu.cn

(本文編輯: 譚雪靜)