朱若雅,许子安,汪金涛,邓荣成,隋恒寿,李彬,陈新军

• 1:上海海洋大学海洋科学学院
• 2:中水集团远洋股份有限公司
• 3:大洋渔业资源可持续开发教育部重点实验室
• 4:国家远洋渔业工程技术研究中心

摘要(Abstract)：

【目的】探究不同捕捞种类在不同季节对海洋环境的需求，构建科学的栖息地模型，为中西太平洋鲣鱼渔场预报奠定基础。【方法】根据2009―2017年中西太平洋海域鲣鱼渔业统计数据，结合海洋遥感获得的海表温度（SST）和叶绿素浓度（CHL）等数据，以及海表水温梯度（GSST），以捕捞努力量作为适应性指数，构建不同环境因子权重的栖息地适宜性指数（HSI）模型，优化筛选出最佳模型，并以2018―2019年渔业生产统计数据进行验证。【结果】2009―2017年中，3―5月最优模型权重方案为模型1,HSI大于0.6海域中其渔获量和捕捞努力量所占比例达77.8%和74.6%;6―8月和9―11月的最优模型权重方案为模型6,HSI大于0.6海域中其渔获量和捕捞努力量所占比例达79.5%、76.2%和74.6%、71.3%;12月―翌年2月的最优模型权重方案为模型10,HSI大于0.6海域中其渔获量和捕捞努力量所占比例达79.7%和76.6%。2018和2019年各月HSI大于0.6海域中其渔获量和捕捞努力量所占比例在78%～90%之间，验证模型准确。【结论】环境因子在不同月份对中西太平洋海域鲣鱼的栖息地影响程度不同，3―5月SST、GSST和CHL权重相等，6-8月和9-11月权重最高的环境因子是GSST,12月―翌年2月权重最高的环境因子是CHL。较算术平均法而言，赋予各因子不同的权重系数可有效提高准确率。

关键词(KeyWords)： 鲣鱼;栖息地模型;中西太平洋;捕捞努力量;模型优化

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划（2019YFD0901404）;; 上海市科技创新行动计划（19DZ1207502）;; 金枪鱼渔业渔情预报系统开发（ZD202101-06）

作者(Author): 朱若雅,许子安,汪金涛,邓荣成,隋恒寿,李彬,陈新军

参考文献(References)：

• [1] COLLETTE B, NAUEN C. FAO species catalogue. Volume 2.Scombrids of the world. An annotated and illustrated catalogue of tunas, mackerels, bonitos and related species known to date[R]. Rome:FAO Fisheries Synopsis, 1983:83-86.
• [2]靳少非,樊伟.鲣鱼资源开发利用研究现状及未来气候变化背景下研究展望[J].渔业信息与战略, 2014, 29(4):272-279.
• [3] United States Fish and Wildlife Service. Standards for the development of habitat suitability index models[R].Washington:U S Fish, Wildlife Service, 1981.
• [4]胡贯宇,陈新军,汪金涛.基于不同权重的栖息地指数模型预报阿根廷滑柔鱼中心渔场[J].海洋学报, 2015, 37(8):88-95.
• [5]冯志萍,余为,陈新军,等.基于不同权重栖息地模型的秘鲁外海茎柔鱼渔场分析[J].上海海洋大学学报, 2020, 29(6):878-888.
• [6] CHEN X J, LI G, FENG B, et al. Habitat suitability index of Chub mackerel(Scomber japonicus)from July to September in the East China Sea[J]. Journal of Oceanography,2009, 65(1):93-102.
• [7]王易帆,陈新军.中西太平洋鲣栖息地指数预报模型比较研究[J].上海海洋大学学报, 2017, 26(5):743-750.
• [8]郭爱,陈新军.利用水温垂直结构研究中西太平洋鲣鱼栖息地指数[J].海洋渔业, 2009, 31(1):1-9.
• [9]唐浩,许柳雄,陈新军,等.基于GAM模型研究时空及环境因子对中西太平洋鲣鱼渔场的影响[J].海洋环境科学,2013, 32(4):518-522.
• [10]丁琪,陈新军,汪金涛.阿根廷滑柔鱼(Illex argentinus)适宜栖息地模型比较及其在渔场预报中的应用[J].渔业科学进展, 2015, 36(3):8-13.
• [11]蒋瑞,陈新军,雷林,等.秋冬季智利竹鱼栖息地指数模型比较[J].水产学报, 2017, 41(2):240-249.
• [12]陈新军,刘必林,田思泉,等.利用基于表温因子的栖息地模型预测西北太平洋柔鱼(Ommastrephes bartramii)渔场[J].海洋与湖沼, 2009, 40(6):707-713.
• [13] ANDRADE H A, GARCIA C A E. Skipjack tuna fishery in relation to sea surface temperature off the southern Brazilian coast[J]. Fisheries Oceanography, 1999, 8(4):245-254.
• [14]范秀梅,杨胜龙,张胜茂,等.基于栖息地指数的阿拉伯海鲐鱼渔情预报模型构建[J].南方水产科学, 2020, 16(4):8-17.
• [15] SUND P N, BLACKBURN M, WILLIAM F. Tunas and their environment in the Pacific Ocean:a review[J].Oceanography and Marine Biology Annual Review, 1981(19):443-512.
• [16]胡奎伟,朱国平,王学昉,等.中西太平洋鲣鱼丰度的时空分布及其与表温的关系[J].海洋渔业, 2011, 33(4):417-422.
• [17] BARKLEY R A, NEILL W H, GOODING R M. Skipjack tuna, Katsuwonus pelamis, habitat based on temperature and oxygen requirements[J]. Fishery Bulletin, 1978, 76(3):653-662.
• [18]陈洋洋,陈新军.厄尔尼诺/拉尼娜现象对中西太平洋鲣资源丰度的影响[J].上海海洋大学学报, 2017, 26(1):113-120.
• [19] ZAGAGLIA C R, LORENZZETTI J A, STECH J L.Remote sensing data and longline catches of yellowfin tuna(Thunnus albacares)in the equatorial Atlantic[J].Remote Sensing of Environment, 2004, 93(1/2):267-281.
• [20]王学昉,许柳雄,朱国平.鲣鱼(Katsuwonus pelamis)生物学研究进展[J].生物学杂志, 2009, 26(6):68-71.