本文關鍵詞：大洋性經濟柔魚類漁情預報與資源量評估研究，由筆耕文化傳播整理發(fā)布。

【摘要】：大洋性經濟柔魚類(西北太平洋柔魚、西南大西洋阿根廷滑柔魚、東南太平洋莖柔魚)是我國魷釣船隊的重要捕撈對象,具有重要的經濟價值。近年來大洋性經濟柔魚類的資源量波動劇烈,對漁業(yè)生產和科學管理帶來了一定的難度。目前對柔魚類的漁情預報技術研究,尤其是柔魚類資源補充量預報研究和資源量評估的研究還處于起步階段。開展大洋性經濟柔魚類漁情預報技術研究,掌握它們的資源現(xiàn)狀和群體數(shù)量的變動規(guī)律是實現(xiàn)大洋性經濟柔魚類資源可持續(xù)利用和科學管理的關鍵。本研究基于的科學假設是:(1)由于柔魚類是短生命周期的種類,具有產完卵即死的特點,沒有剩余群體只有補充群體,因此海洋環(huán)境是影響柔魚類漁場分布和資源補充量的關鍵因子,即產卵場和索餌場環(huán)境因子對其資源補充量和漁場分布起到重要的作用;(2)在剩余產量資源評估模型中,同樣假設產卵場和索餌場環(huán)境因子對其個體生長和資源補充起到重要作用�；谝陨�2個科學假設,論文重點開展了如何選擇最適的時空尺度來建立基于海洋環(huán)境因子的中心漁場預報模型;如何選取最適的產卵場和索餌場的環(huán)境因子準確預報資源補充量,且預報模型具有穩(wěn)定性;比較基于索餌場和產卵場環(huán)境因子的柔魚類資源評估模型,同時探討這一基于環(huán)境因子的資源評估模型是否適合上述三個種類。為此,本研究根據(jù)我國及相關國家和地區(qū)的漁業(yè)生產統(tǒng)計數(shù)據(jù),結合衛(wèi)星遙感海洋環(huán)境數(shù)據(jù)(Sea Surface Temperature,SST;Sea Surface Temperature Anomaly,SSTA;Sea Surface Height,SSH;Chlorophyll-a concentration,Chl-a),系統(tǒng)地開展西北太平洋柔魚(Ommartrephes bartramii)、西南大西洋阿根廷滑柔魚(Illex argentinus)、東南太平洋莖柔魚(Dosidicus gigas)三種柔魚的漁情預報與資源評估技術研究,為中心漁場的準確預報、資源補充量預測以及管理策略的制定提供依據(jù)。主要研究結論如下:(1)環(huán)境因子對漁場形成的影響。SST或SSTA因子對漁場預報模型的貢獻率最大,SST或SSTA對大洋性經濟柔魚類的資源分布或漁場形成機制有重要影響,不同魚種適宜的SST范圍各不相同;其他環(huán)境因子SSH、Chl-a也影響大洋性經濟柔魚類的漁場分布,如Chla是大洋性經濟柔魚類食物來源的一個重要指標,是漁場形成的一個基本條件,Chl-a含量高的海域可以提供更高容量的營養(yǎng)素,如浮游植物、浮游動物溶解有機物等,為柔魚提供良好索餌環(huán)境。在西北太平洋海域,SST對西北太平洋柔魚中心漁場預報模型的貢獻率達到26%,適宜SST范圍為11-18oC;Chl-a的貢獻率為10%。在西南大西洋海域,SST對阿根廷滑柔魚中心漁場預報模型的貢獻率達到40%左右,適宜SST范圍為7-15oC;在東南太平洋海域,Nino3.4區(qū)SSTA對莖柔魚中心漁場預報模型的貢獻率最高,為29%左右,說明莖柔魚中心漁場分布極易受ENSO事件影響,其次是SST,適宜SST范圍為17-21oC(2)比較不同時空尺度、不同海域對漁場預報模型的影響。每個魚種都有各自獨特的最適時空分辨率和環(huán)境因子,從一個魚種得到的最適漁場時空分辨率和環(huán)境因子并不適宜于其他的魚種;與其他研究者的結論(HSI模型、地統(tǒng)計學模型)比較發(fā)現(xiàn),使用不同的模型也可能得到不同的最適漁場時空分辨率與環(huán)境因子。西北太平洋柔魚中心漁場最適宜的時空分辨率與環(huán)境因子是時間分辨率為“月”,空間分辨率為“0.5o×0.5o”,環(huán)境因子為SST、SSH;西南大西洋阿根廷滑柔魚中心漁場最適宜的時空分辨率與環(huán)境因子是時間分辨率為“周”,空間分辨率為“1.0o×1.0o”,環(huán)境因子為SST;東南太平洋莖柔魚中心漁場最適宜的時空分辨率與環(huán)境因子是時間分辨率為“月”,空間分辨率為“0.5o×0.5o”,環(huán)境因子為SST、SSH。在最適漁場時空分辨率與環(huán)境因子的基礎上,選用人工神經網絡(Artificial neural network,ANN)作為漁場預報模型,大幅度提高了中心漁場預報精度,可從兩個方面解釋:a)ANN的優(yōu)點,如ANN具有更好的非線性擬合能力等,b)以CPUE levels為擬合目標比以CPUE為擬合目標降低了對模型性能的要求;選用以CPUE level為擬合目標的漁場預報模型可能更適合海上的實際需求。三個海域的柔魚類中心漁場預報模型精度均在75%以上,模型ARV值均不超過0.4。(3)大洋性經濟柔魚類資源補充量關鍵影響因子的選擇。研究發(fā)現(xiàn):關鍵影響因子基本位于海洋環(huán)境因子等值線密集區(qū)或海流交匯區(qū);基于多關鍵影響因子的資源補充量預報模型,預報精度高,穩(wěn)定性好。西北太平洋海域,柔魚資源補充量關鍵影響因子是產卵場1月份145o-146oE、25o-26oN的SST,3月份168o-169oE、27o-28.5oN的Chl-a,索餌場11月份156.5o-158oE、40o-40.5oN的SST,8月份158o-160oE、38o-39oN的Chl-a,這些關鍵點處在黑潮或親潮之上;西南大西洋海域,阿根廷滑柔魚資源補充量關鍵影響因子是產卵場6月份38o~39oS、54o~55oW,40.5o~41.5oS、51o~52oW,39.9o~40.4oS、42.6o~43.1oW三處的SST,這些關鍵點位于巴西暖流與�？颂m寒流交匯處;東南太平洋海域,莖柔魚資源補充量關鍵影響因子是7月份13oN、102oW和6月份8oN、103.5oW處的SST,9月份11oN、102oW和2月份12oN、97.5oW處的SSH,3月份8oS、107oW和10月份10oS、93.5oW處的Chl-a,這些關鍵點位于秘魯海流和加利福尼亞海流上。三個海域的柔魚類資源補充量預報模型精度均在90%左右。(4)基于產卵場和索餌場關鍵環(huán)境影響因子的Schaefer剩余產量模型的比較與分析。首次利用貝葉斯統(tǒng)計方法,建立了基于產卵場和索餌場關鍵環(huán)境影響因子的Schaefer剩余產量模型。研究發(fā)現(xiàn):目前大洋性經濟柔魚類(西北太平洋柔魚、西南大西洋阿根廷滑柔魚、東南太平洋莖柔魚)處于較好水平,三個海域柔魚類的年捕撈死亡率均低于Ftar、FMSY,沒有遭受過度捕撈,基于環(huán)境因子的評估模型要優(yōu)于原始的評估模型。西北太平洋海域,擬合最好的模型是S-EDSP模型,柔魚MSY的變化區(qū)間為185 600-232 000噸,BMSY變化區(qū)間為260 000-325 100噸;西南大西洋海域,擬合最好的模型是S-F-EDSP模型,阿根廷滑柔魚MSY變化區(qū)間為335 700-518 600噸,BMSY變化區(qū)間為1 505 000-1 750 000噸;東南太平洋海域,擬合最好的模型是S-F-EDSP模型,莖柔魚MSY變化區(qū)間為141 100-489 200噸,BMSY變化區(qū)間為968 300-4 000 000噸。說明環(huán)境因子在大洋性經濟柔魚類這種短生命周期種類的資源評估中具有重要影響,由此推測在大洋性柔魚類資源評估中必須考慮海洋環(huán)境因子。
【關鍵詞】：大洋性柔魚類 漁場預報 資源補充量預報 資源評估
【學位授予單位】：上海海洋大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：S932.4
【目錄】：

• 摘要4-9
• Abstract9-16
• 第一章 緒論16-29
• 1.1 研究背景16-19
• 1.2 國內外研究現(xiàn)狀及存在問題19-26
• 1.2.1 漁場預報技術國內外研究現(xiàn)狀19-22
• 1.2.2 資源補充量預報技術國內外研究現(xiàn)狀22-24
• 1.2.3 漁業(yè)資源評估國內外研究現(xiàn)狀24-25
• 1.2.4 存在的問題25-26
• 1.3 研究的內容和技術路線26-29
• 1.3.1 研究內容26-28
• 1.3.2 技術路線28-29
• 第二章 漁情預報技術的理論和方法29-48
• 2.1 材料來源及預處理方法29-31
• 2.1.1 材料來源29-30
• 2.1.2 預處理方法30-31
• 2.2 CPUE標準化方法31-34
• 2.2.1 Nominal CPUE計算31-32
• 2.2.2 GLM模型32-33
• 2.2.3 GAM模型33
• 2.2.4 CPUE零值處理33-34
• 2.3 中心漁場預報技術研究34-41
• 2.3.1 時空尺度設置34
• 2.3.2 環(huán)境因子設置34-36
• 2.3.3 中心漁場預報模型36-41
• 2.3.3.1 模型結構36-37
• 2.3.3.2 模型訓練算法37-40
• 2.3.3.3 模型實現(xiàn)40
• 2.3.3.4 預報模型評價方法40-41
• 2.4 基于環(huán)境因子的資源補充量預報技術研究41-42
• 2.4.1 影響因子選取方法41-42
• 2.4.2 資源補充量預報模型42
• 2.5 基于環(huán)境因子的漁業(yè)資源評估模型研究42-48
• 2.5.1 基于環(huán)境因子的剩余產量模型43-44
• 2.5.1.1 基于環(huán)境因子的剩余產量模型構建方法43-44
• 2.5.1.2 EDSP模型資源管理生物學參考點44
• 2.5.2 貝葉斯評估理論44-48
• 2.5.2.1 似然函數(shù)45-46
• 2.5.2.2 先驗分布46-47
• 2.5.2.3 貝葉斯法則及計算方法47-48
• 第三章西北太平洋柔魚漁情預報48-74
• 3.1 柔魚漁業(yè)生物學概述48-49
• 3.2 柔魚中心漁場預報49-56
• 3.2.1 中心漁場分布49-51
• 3.2.2 模型實現(xiàn)及結果51-53
• 3.2.3 模型分析53-56
• 3.3 柔魚資源補充量預報56-61
• 3.3.1 年CPUE變化趨勢56-57
• 3.3.2 資源補充量影響因子57-61
• 3.3.3 模型實現(xiàn)及結果61
• 3.4 基于環(huán)境因子的柔魚資源量評估61-70
• 3.4.1 評估模型構建62
• 3.4.2 似然函數(shù)及先驗分布62-63
• 3.4.3 評估結果63-70
• 3.5 討論與分析70-74
• 第四章 西南大西洋阿根廷滑柔魚漁情預報74-98
• 4.1 阿根廷滑柔魚漁業(yè)生物學概述74-75
• 4.2 阿根廷滑柔魚中心漁場預報75-84
• 4.2.1 中心漁場分布75-77
• 4.2.2 模型實現(xiàn)及結果77-79
• 4.2.3 模型分析79-84
• 4.3 阿根廷滑柔魚資源補充量預報84-87
• 4.3.1 年CPUE變化趨勢84
• 4.3.2 資源補充量影響因子84-86
• 4.3.3 預報模型實現(xiàn)及結果比較86-87
• 4.3.3.1 線性預報模型86
• 4.3.3.2 BP預報模型86-87
• 4.4 基于環(huán)境因子的阿根廷滑柔魚資源量評估87-95
• 4.4.1 評估模型構建88
• 4.4.2 似然函數(shù)及先驗分布88-89
• 4.4.3 評估結果89-95
• 4.5 討論與分析95-98
• 第五章 東南太平洋莖柔魚漁情預報98-125
• 5.1 莖柔魚漁業(yè)生物學概述98
• 5.2 莖柔魚中心漁場預報98-108
• 5.2.1 中心漁場分布98-102
• 5.2.2 模型實現(xiàn)及結果102-105
• 5.2.3 模型分析105-108
• 5.3 莖柔魚資源補充量預報108-113
• 5.3.1 年CPUE變化趨勢108-109
• 5.3.2 資源補充量影響因子109-112
• 5.3.3 模型實現(xiàn)及結果112-113
• 5.4 基于環(huán)境因子的莖柔魚資源量評估113-121
• 5.4.1 評估模型構建114-115
• 5.4.2 似然函數(shù)及先驗分布115
• 5.4.3 評估結果115-121
• 5.5 討論與分析121-125
• 第六章 主要結論與展望125-130
• 6.1 主要結論125-127
• 6.1.1 關于影響漁場分布的環(huán)境因子125
• 6.1.2 關于中心漁場預報的模型125-126
• 6.1.3 關于資源補充量的預報模型126-127
• 6.1.4 關于短生命周期的漁業(yè)資源評估模型127
• 6.2 本文創(chuàng)新點127-128
• 6.3 存在的問題與展望128-130
• 參考文獻130-139
• 致謝139-140
• 博士期間科研成果140-143
• 附錄 1 FDP軟件使用方法143-147
• 附錄 2 CPUE標準化代碼片段147-148
• 附錄 3 貝葉斯資源評估代碼片段148-149

  本文關鍵詞：大洋性經濟柔魚類漁情預報與資源量評估研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：266644