共查询到18条相似文献，搜索用时 522 毫秒
1.
黄鳍金枪鱼索饵水层影响延绳钓捕捞效率,而黄鳍金枪鱼索饵水层分布受水温垂直结构的影响,因此本文采用GAM模型分析次表层环境变量对延绳钓黄鳍金枪鱼渔获率的影响,评估黄鳍金枪鱼垂直水层分布对中西太平洋黄鳍金枪鱼延绳钓单位捕捞努力量渔获量(Catch Per Unite Effort, CPUE)的作用。模型结果表明,环境因子对热带中西太平洋延绳钓黄鳍金枪鱼渔获率空间分布影响明显。黄鳍金枪鱼延绳钓CPUE在2012年之后快速增多,高渔获率月份出现在北半球夏季,空间上在10°S,140°E附近区域。温跃层上界温度和深度、温跃层下界深度、18℃等温线深度、△8℃等温线深度及其和温跃层下界深度的深度差对延绳钓渔获率影响较大,是影响热带中西太平洋黄鳍金枪鱼延绳钓渔获率的关键环境因子。随着温跃层上界温度和深度值变大,延绳钓CPUE逐渐递增,对延绳钓CPUE影响密切的温度和深度分别为27～28℃和70～90 m。温跃层下界深度对延绳钓CPUE影响在250～280 m时最大;之后随着下界深度的变大,CPUE快速下降。18℃等温线深度对延绳钓CPUE影响呈现先震荡后递增的趋势,影响密切的区域在230 m深度上下。△8℃等温线深度与温跃层下界深度的差值对热带中西太平洋黄鳍金枪鱼延绳钓CPUE影响呈现先快速递减后缓慢增加的趋势,在深度差为70 m上下时影响最密切。研究结果揭示,在黄鳍金枪鱼活动水层受限或栖息水层和延绳钓作业深度相吻合时,延绳钓渔获率最高。依据黄鳍金枪鱼垂直活动水层调整延绳钓投钩,可以提高渔获率。因此,采用延绳钓CPUE进行渔场和资源评估时要考虑金枪鱼适宜垂直活动空间。 相似文献
2.
采用2007 ～2011年Argo浮标剖面温度资料研究了大西洋黄鳍金枪鱼(Thunnus albacares)和大眼金枪鱼(Thunnus obesus)延绳钓主要作业渔场温跃层的时空变化特征.研究结果表明热带大西洋黄鳍金枪鱼、大眼金枪鱼延绳钓主要作业渔场温跃层的上界深度和温度存在着明显的季节性变化.温跃层上界深度呈现出冬深夏浅的季节性变化特征,大致呈纬向带状分布,12月至翌年4月份,15°N以北海域温跃层上界深度超过80 rn,同期10°S以南海域的多低于50 m;6～10月份的则相反.在赤道纬向区域温跃层上界温度在27℃以上,往南北两侧30°区域温度值依次递减至20℃及以下.温跃层下界深度和温度没有明显的季节性变化.温跃层下界深度高值区域的空间分布呈现“W”形状,深度值在220 m以上.在25°S以南,从南美洲到非洲西沿岸海域并延伸到安哥拉外海,以及10°N非洲西海岸外海,在1a中的大部分月份里,温跃层下界深度浅于150 m.在15°N以北和15°S以南区域下界温度大于15℃,在这之间的纬向区域下界温度低于14℃.全年在大西洋西部的5 °～ 15°N和5 °～15°S区域的温跃层厚度最大,在80～150 m之间,冬季和夏季呈现相反的分布特征;温跃层强度高值在5°S～ 15°N纬向区域,尤其是大西洋东部,介于0.15 ～ 0.25℃/m之间.根据文中揭示的大西洋金枪鱼延绳钓主要作业渔场区温跃层的时空变化特征,作者建议晚上大眼金枪鱼和黄鳍金枪鱼投钩深度应该在温跃层上界深度分布的附近水域;白天捕捞黄鳍金枪鱼投钩深度应该在温跃层下界深度分布的水域附近,大眼金枪鱼投钩深度要比黄鳍金枪鱼的更深. 相似文献
3.
为了解太平洋大眼金枪鱼(Thunnus obesus)和黄鳍金枪鱼(Thunnus albacares)主要作业渔场次表层关键环境变量时空分布特征,作者采用2007~2012年Argo剖面浮标数据,分析了太平洋大眼金枪鱼和黄鳍金枪鱼延绳钓主要作业渔场区温跃层特征参数、12℃和距表层海温8℃(Δ8℃)等值线信息。研究表明,温跃层上界深度和温度以及Δ8℃等深线具有明显的季节性变化。温跃层上界深度呈现出冬深、夏浅的季节性变化特征,大致呈纬向带状分布。1~3月份,北太平洋从东到西温跃层上界深度值都超过90 m,同期10°S以南的海域均低于60 m;7~9月份则相反。在太平洋150°W以西,20°S~20°N区域,温跃层上界温度全年在28℃以上。8℃等深线显示在东部太平洋,一块低值区域(150m)由东海岸向西海岸延伸;在20°N以北和20°S以南的高值区域(250m)表现出冬深、夏浅的季节性变化特征。温跃层下界深度图显示有两块高值区域(深度大于280m)从西向东,由低纬度向高纬度漂移;在东部太平洋,两个高值区域之间的纬向区域常年存在一块下界深度低值区域(140m)。与下界深度类似,温跃层下界温度也有两块低温区域(12℃)从西向东,由低纬度向高纬度漂移。在该低温区域的外侧舌状区域,下界温度超过17℃;东部太平洋在13~15℃。在15°N以北和15°S以南12℃等深线超过400 m,呈舌状;赤道东部太平洋,一块300 m深的细长舌状区域由东向西延伸。在上述区域之间,12℃等深线的深度值低于200 m。温跃层下界深度和温度,以及12℃等深线则没有明显的季节性变化。分析结果初步揭示了太平洋金枪鱼主要作业渔场温跃层上界温度、12℃和Δ8℃等值线信息分布特征,为金枪鱼实际生产作业提供理论参考。 相似文献
4.
热带印度洋黄鳍金枪鱼水平-垂直分布空间分析 总被引：2，自引：0，他引：2
为了解印度洋热带海域黄鳍金枪鱼(Thunnus albacares)延绳钓适宜渔获水温的等温线时空分布,分析黄鳍金枪鱼适宜的垂直和水平空间分布范围,采用Argo浮标剖面温度数据重构印度洋热带海域16°C和距海洋表层水温8°C(Δ8°C)的月平均等温线场,网格化计算了16°C和Δ8°C等温线深度值和下界深度差,并结合印度洋金枪鱼委员会(IOTC)黄鳍金枪鱼延绳钓渔业数据,绘制了16°C和Δ8°C等温线深度与月平均单位捕捞努力量的渔获量(CPUE)的空间叠加图,用于分析热带印度洋黄鳍金枪鱼中心渔场CPUE时空分布和高渔获率水温的等温线时空分布关系。结果表明,高值CPUE的分布表现出明显的季节性变化。16°C等温线,在东北季风期间,高值CPUE出现的地方深度值大多小于200m;西南季风期间,在15°—25°S深度可到达250m,在130—190m深度全年有高值CPUE集中出现,深度值超过300m的地方CPUE普遍较小。Δ8°C等温线,高值CPUE出现的地方深度值大多小于175m,主要在100—170m;西南季风期间,在15oS以南区域,150—300m深度,也有高值CPUE区域出现,全年深度值超过300m的地方CPUE普遍较小。全年在15oS以北纬向区域,高渔获率的垂直分布深度更加集中,在西南季风期间尤其明显。采用频次分析和经验累积分布函数计算其最适次表层环境因子分布,16°C等温线120—209m;Δ8°C等温线80—159m;与下界深度差:16°C等温线0—59m;海表以下8°C等温线50—119m。文章初步得出热带印度洋黄鳍金枪鱼中心渔场适宜的水平、垂直深度值分布区间,结果可以辅助寻找中心渔场位置,同时指导投钩深度,为热带印度洋黄鳍金枪鱼实际生产作业和资源管理提供理论支持。 相似文献
5.
为了解印度洋大眼金枪鱼(Thunnus obesus)和黄鳍金枪鱼(Thunnus albacares)主要作业渔场温跃层上界温度、深度和垂直温差时空变化特征,采用2007～2010年Argo温度剖面浮标资料,计算了印度洋大眼金枪鱼、黄鳍金枪鱼主要作业渔场次表层温度和温跃层特征参数.研究认为,温跃层上界深度、温度和10～200 m温差存在明显的季节性变化.5～9月在15°～25°S纬向区域存在一块季节性较深的温跃层上界深度区域;在20°S以南海域,12月至次年4月份温跃层上界深度非常浅;在15°S至赤道纬向区域,尤其是在西部,常年存在一块温跃层较浅的区域.总体而言,温跃层上界深度较深的地方温度相对较低,在2～5月期间,在阿拉伯海东南和孟加拉湾西南形成一块大面积的暖水区;7～9月期间,在15°～25°S,纬向区域因温跃层上界深度较深,从表层至温跃层上界深度温度变化相对较大,温跃层上界温度显著较低.在20°S以南,温跃层上界温度常年都很低.10°S经线方向将水下10 ～200 m垂直温度分成南北两部分,10°S以南部及以北部海区的垂直温差分别大于和小于10℃.分析结果初步揭示了金枪鱼主要作业渔场温跃层上界温度、深度和垂直温差分布特征,为金枪鱼实际生产作业提供理论参考. 相似文献
6.
采用梯度依赖相关尺度方法构建了1套2004—2017年间,月平均的全球海洋(0~1 500 m)1°×1°的Argo数据集,并在对该数据集进行对比检验的基础上,将其初步应用于中西太平洋黄鳍金枪鱼的渔场分析研究。结果表明,所构建的Argo数据集与WOA13数据集的温、盐偏差在上表层(150 m)稍大,最大值分别约为0.5 ℃和0.1,且偏差均随深度的增加而逐渐减小;其与TAO浮标时间序列的温度偏差,2004—2017年间均小于1 ℃,最大盐度偏差则小于0.5,且大部分海域接近0。中西太平洋海域,黄鳍金枪鱼中心渔场多集中在 28~29 ℃ 等温线范围内,在 22 ℃以下的海域单位捕捞努力量渔获量(catch per unit effort,CPUE)值极小;中心渔场区温跃层上界深度范围在20~120 m之间,且中心渔场在各个深度上形成的频数大体呈正态分布,温跃层上界深度为90 m时,形成中心渔场的可能性达到最大。研究表明所构建的数据集在水文环境分析及资源评估中有一定的应用价值。 相似文献
7.
8.
太平洋延绳钓长鳍金枪鱼及渔场水温分析 总被引：4，自引：0，他引：4
根据收集到的渔获量数据、海水表层温度数据及有关文献资料,应用GIS技术对太平洋长鳍金枪鱼延绳钓渔业进行定量和定性综合分析。结果表明:太平洋延绳钓长鳍金枪鱼渔场分布范围广泛,具纬向分布特征,集中分布在30°N线附近的西北太平洋海域和~40°S之间的西南太平洋海域。对渔获产量同海表温度的分月统计显示:太平洋长鳍金枪鱼渔场最适月平均表层水温约28~29℃,渔场出现频次为偏态分布型。文中结合有关文献综合讨论了海表温度、溶解氧含量、海流等环境因子与金枪鱼渔场分布和形成机制的关系。 相似文献
9.
根据收集到的太平洋延绳钓大眼金枪鱼捕捞产量、海水表层温度(SST)数据等,研究了太平洋延绳钓大眼金枪鱼捕捞产量及渔场区 SST 的统计特征.结果表明:太平洋延绳钓大眼金枪鱼渔场主要分布在较高温度的热带海域,整个太平洋渔场区平均 SST 为 26.56 ℃,中位数为27.28 ℃,高产渔区SST相对较高,其主要渔场区平均表层水温主要位于23.8 ℃～29.3 ℃.渔场区 SST 数据分布为负偏,而产量数据分布为正偏.平均CPUE分布呈双峰分布,但主要捕捞产量多数在大于25 ℃海域捕捞.时间序列分析结果显示:太平洋大眼金枪鱼CPUE呈下降趋势,SSTA自1970年代末开始增加,表明太平洋热带海域处于变暖阶段,CPUE和MEI指数与SSTA 的周期变化具有较好的一致性. 相似文献
10.
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1°×1°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0～300 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12°S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... 相似文献
11.
基于GAM模型分析印度洋大眼金枪鱼和黄鳍金枪鱼渔场分布与不同环境因子关系 总被引：2，自引：0，他引：2
印度洋金枪鱼延绳钓渔业作为我国重要的远洋渔业之一，探究其渔场时空变动及与环境因子之间的关系十分必要。本文根据2016年1—6月收集的印度洋金枪鱼渔业生产数据，并结合卫星遥感获取的环境因子数据，运用ArcGIS和GAM模型分析了印度洋大眼金枪鱼和黄鳍金枪鱼渔场时空变动及与环境因子之间的关系。研究结果表明:大眼金枪鱼和黄鳍金枪鱼1—6月CPUE均呈现先减小后增加的趋势，4月均达最高值，分别为2.45尾/千钩和3.56尾/千钩，各月CPUE均存在显著性差异（P<0.001）；大眼金枪鱼和黄鳍金枪鱼渔场时空变动基本趋于一致，均为先向东北移动，后向西北移动，最后再向东北移动的趋势；GAM模型分析显示，大眼金枪鱼CPUE与模型因子的解释率为32.1%，纬度和250 m水深温度影响最显著，黄鳍金枪鱼CPUE与模型因子的解释率为37.2%，200 m水深温度影响最显著；协同分析表明，1—6月，印度洋金枪鱼延绳钓中心渔场分布于1°S~9.5°N，47°~64°E，且海表温度在29.3~30.8℃的海域。 相似文献
12.
Data collected from a longline fishery in the Indian Ocean were used to evaluate the performance of a deterministic habitat-based
standardization (detHBS) method for catch per unit effort (CPUE) standardization. The habitat preference indices of the yellowfin
tuna (Thunnus albacares) were estimated for different depth, temperature, and dissolved oxygen (DO) classes. The detHBS was applied for standardizing
the yellowfin tuna CPUE based on the habitat preference indices of the yellowfin tuna. Nominal CPUE and normalized nominal
CPUE were compared with the standardized CPUE and normalized standardized CPUE, respectively, using Wilcoxon tests. The results
showed that (1) there was significant difference between nominal CPUE and standardized CPUEs (p < 0.01); (2) there was no significant difference between normalized nominal CPUE and normalized standardized CPUEs estimated
using the data set of depth, temperature, and DO (p > 0.01). This study suggests that detHBS effectively improved the precision of CPUE standardization, and the depth data set
was the optimum data set in standardizing CPUE. 相似文献
13.
长江口涨潮与落潮流速和悬沙输运不对称性研究 总被引：1，自引：0，他引：1
为了量化比较海表层环境及温跃层环境对南太平洋长鳍金枪鱼渔场分布的影响程度;本研究采用2010-2012年南太平洋长鳍金枪鱼延绳钓渔船实际生产统计数据;结合卫星遥感所获取的海表面温度（sea surface temperature;SST）和海表面高度（sea surface height;SSH）数据以及Argo浮标所获取的温跃层上、下界水温和深度数据;运用外包络法分别构建了基于海表层环境变量、温跃层上界环境变量以及温跃层下界环境变量的3种栖息地适应性指数（habitat suitability index;HSI）模型。模型验证结果显示;基于海表层环境变量的HSI模型;HSI>0.6时所占产量比重为70.04%;投钩数量比重为70.86%;HSI>0.8时所占产量比重为24.92%;投钩数量比重为25.79%;基于温跃层上界环境变量的HSI模型;HSI>0.6时所占产量比重为82.17%;投钩数量比重为80.95%;HSI>0.8时所占产量比重为33.24%;投钩数量比重为32.69%;基于温跃层下界环境变量的HSI模型;HSI>0.6时所占产量比重为81.01%;投钩数量比重为81.54%;HSI>0.8时所占产量比重为43.51%;投钩数量比重为43.73%。研究发现;基于温跃层上界和下界环境变量的两个HSI模型预报精度明显高于基于表层环境变量的HSI模型;且基于温跃层下界环境变量的HSI模型预报精度高于基于温跃层上界环境变量的HSI模型。研究结果表明;相较于海表层环境;温跃层环境;尤其是温跃层下界环境特征对南太平洋长鳍金枪鱼资源分布的影响更为显著。 相似文献
14.
基于表层及温跃层环境变量的南太平洋长鳍金枪鱼栖息地适应性指数模型比较 总被引：2，自引：0，他引：2
为了量化比较海表层环境及温跃层环境对南太平洋长鳍金枪鱼渔场分布的影响程度;本研究采用2010-2012年南太平洋长鳍金枪鱼延绳钓渔船实际生产统计数据;结合卫星遥感所获取的海表面温度（sea surface temperature;SST）和海表面高度（sea surface height;SSH）数据以及Argo浮标所获取的温跃层上、下界水温和深度数据;运用外包络法分别构建了基于海表层环境变量、温跃层上界环境变量以及温跃层下界环境变量的3种栖息地适应性指数（habitat suitability index;HSI）模型。模型验证结果显示;基于海表层环境变量的HSI模型;HSI>0.6时所占产量比重为70.04%;投钩数量比重为70.86%;HSI>0.8时所占产量比重为24.92%;投钩数量比重为25.79%;基于温跃层上界环境变量的HSI模型;HSI>0.6时所占产量比重为82.17%;投钩数量比重为80.95%;HSI>0.8时所占产量比重为33.24%;投钩数量比重为32.69%;基于温跃层下界环境变量的HSI模型;HSI>0.6时所占产量比重为81.01%;投钩数量比重为81.54%;HSI>0.8时所占产量比重为43.51%;投钩数量比重为43.73%。研究发现;基于温跃层上界和下界环境变量的两个HSI模型预报精度明显高于基于表层环境变量的HSI模型;且基于温跃层下界环境变量的HSI模型预报精度高于基于温跃层上界环境变量的HSI模型。研究结果表明;相较于海表层环境;温跃层环境;尤其是温跃层下界环境特征对南太平洋长鳍金枪鱼资源分布的影响更为显著。 相似文献
15.
鲐鱼(Scomber japonicus)是西北太平洋的重要捕捞对象,其分布易受环境变化的影响。为定量分析海表温度和叶绿素浓度等影响因子对渔场分布的作用,文章采用产量重心、地统计插值和广义加性模型等方法,结合2017年西北太平洋2艘灯光敷网渔船的渔捞日志和海洋环境数据,探究该海域的渔场分布变化。研究结果表明：鲐鱼产量和单位捕捞努力量渔获量（CPUE）呈先上升后下降的趋势,其中7月的产量最高,9月的CPUE最高;产量重心于4-9月由SW方向向NE方向移动,并于9-12月返回SW方向;鲐鱼渔场的最适海表温度为14℃～16℃,最适叶绿素a浓度为0.4～1.0 mg/m3;叶绿素a浓度对渔场分布无显著影响,可能与鲐鱼摄食对象的特性有关。 相似文献
16.
Cheng Zhou Yuanyuan Hu Jie Cao Liuxiong Xu Xuefang Wang Rong Wan Yu Xiao Jiangfeng Zhu Hao Tang 《海洋学报(英文版)》2022,41(3):1-2
In the western and central Pacific Ocean, upper strata waters exhibit highly dynamic oceanographic features under ENSO variability. This has been proved to be responsible for the dynamic change of both abundance and zonal distribution of skipjack tuna(Katsuwonus pelamis). Although causality has been suggested by researchers using physical–biological interaction models, cumulative evidence needs to be obtained and the tenability of assertion needs to be tested from an ecological habitat perspecti... 相似文献
17.
The current lack of high-precision information on subsurface seawater is a constraint in fishery research. Based on Argo temperature and salinity profiles, this study applied the gradient-dependent optimal interpolation to reconstruct daily subsurface oceanic environmental information according to fishery dates and locations. The relationship between subsurface information and matching yellowfin tuna(YFT) in the western and central Pacific Ocean(WCPO) was examined using catch data from January 1... 相似文献
18.
In order to improve the forecasting ability of the fishery forecast model for the longline bigeye tuna (Thunnus obesus), we proposed a marine environment feature extraction method based on deep convolutional embedded clustering (DCEC), combined with generalized additive model (GAM) for forecasting the longline bigeye tuna fishing grounds in the Southwest Indian Ocean. We used the MODIS-Aqua and MODIS-Terra sea surface temperature (SST) three-level inversion image data (in days) from January to December in 2018 at 0.041 6°×0.041 6° to construct a DCEC model, determined the optimal number of clusters based on the Davies-Bouldi index (DBI), and extracted the category feature value (FM) of each month’s sea surface temperature (SST); we used monthly 1°×1° bigeye tuna longline fishery data from January to December in 2018 generated from the Indian Ocean Tuna Commission (IOTC), and calculated the catch per unit effort (CPUE); we matched the monthly category feature value FM and the monthly average value of Chl a concentration with the CPUE data to construct an improved GAM; we matched the monthly average SST, the monthly average Chl a concentration and CPUE data to build a basic GAM; we used the joint hypothesis test (F test) to verify the influence of model explanatory variables; we used akaike information criterion (AIC), mean square error (MSE), and draw the frequency distribution diagrams and box diagrams of measured and predicted values, etc., to analysis the improvement effect of the improved GAM compared to the basic GAM. The results showed that: (1) the category feature value (FM) extracted based on the DCEC model could better reflect the temporal and spatial dynamic characteristics of SST in the Southwest Indian Ocean, and was related with the climatic conditions, monsoon conditions, and hydrological characteristics in the Southwest Indian Ocean; (2) the factor interpretation of FM was higher than that of the monthly average SST in GAM, which means FM had more significant impact on the CPUE of bigeye tuna. The high catch rate was concentrated in the areas where the FM category was 2, 10, 24 with intersections between the warm and cold currents; (3) the AIC of the improved GAM was reduced by 9.17% than that of the basic GAM and MSE of the improved GAM was reduced by 26.7% than that of the basic GAM; the frequency distribution of the CPUE logarithmic value predicted by the improved GAM was closer to the normal distribution, and the high frequency distribution interval was closer to that of the measured value; the scatter plot showed that the CPUE predicted by the improved GAM had a significant correlation with the measured CPUE, with r equaled to 0.60. This study proves the effectiveness of the DCEC model in extracting marine environmental features, and can provide a reference for the further study on the bigeye tuna fishery forecast. 相似文献