海州湾中时空和环境因子对桩张网捕捞小黄鱼的影响❋

刘长东， 易 坚， 唐衍力， 郭晓峰， 黄六一

(中国海洋大学水产学院，山东 青岛 266003)



海州湾中时空和环境因子对桩张网捕捞小黄鱼的影响❋

刘长东， 易 坚， 唐衍力❋❋， 郭晓峰， 黄六一

(中国海洋大学水产学院，山东 青岛 266003)

为研究海州湾海区小黄鱼资源的时空分布，并对桩张网的使用提供指导。根据2011—2013年海州湾典型捕捞区域4个站位桩张网小黄鱼的连续调查数据，利用广义加模型(GAM)分析小黄鱼渔获量与时空及环境因子的关系。研究表明，广义加模型可较好的解释小黄鱼时空分布与环境因子关系，模型拟合度较高(Pseudo-R2=80.2%)，模型残差基本符合模型假定。对小黄鱼单位捕捞努力量渔获量(CPUE)具有显著影响的各因子的重要性依次为：月份、位置、海水表层温度。调查3年内，小黄鱼CPUE年际间没有显著变化，但季节间，秋季CPUE明显高于春季，表明小黄鱼分布有季节性差异并受伏季休渔影响。空间因子对小黄鱼CPUE影响显著，B、C站位小黄鱼CPUE高于A、D站位。海水表层温度(SST)为5～18 ℃时，小黄鱼CPUE随温度升高而增加；18～25 ℃时，随温度升高，小黄鱼CPUE没有显著变化。研究结果表明，月份、位置和海水表面温度对海州湾小黄鱼的渔获率影响显著。本研究为提高张网捕捞效率及可持续利用小黄鱼资源提供理论参考。

广义加模型；单位捕捞努力量渔获量；小黄鱼；桩张网；海州湾；时空；环境因子

小黄鱼(Pseudosciaenapolyactis)是中国重要的经济鱼种，主要分布于中国黄海南部、东海和渤海，为底拖网、帆张网、定置张网和刺网等渔具所共同开发。通过模型方法研究鱼类种群渔获量与环境因子关系，对了解鱼类种群空间分布及资源合理开发利用有重要意义。广义线性模型(Generalized linear model, GLM)和广义加模型(Generalized additive model, GAM)常用于鱼类种群渔获量与环境因子关系的研究中[1-7]。由于广义加模型可以定量分析渔获量与环境因子的非线性关系，自1990年由Hastie和Tibshirani[8]提出后，近年来得到广泛应用。

张网是黄海主要作业渔具之一。张网的网目尺寸一般较小，选择性较差，对资源破坏较重。桩张网的主要作业原理是将囊袋型网具利用桩、锚或竹竿等设施固定在具有一定流速的区域，利用捕捞对象的生活习性和作业区域的水文条件，将捕捞对象冲入网囊达到捕捞的目的[9]。研究张网经济鱼种渔获量与时空及环境因子的关系，对张网合理布设提高捕捞效率、了解鱼类种群相对丰度随时间的变化和鱼类种群栖息地的空间分布都具有重要的意义。目前，利用统计模型研究定置张网渔获量与环境因子关系的研究较少。周甦芳等[1]应用广义加模型分析海水表层温度(SST)等环境因子对东海区帆式张网主要渔获物渔获量影响；李增光等[2]应用广义线性模型和广义加模型研究环境因子对黄海南部春季帆张网小黄鱼和黄鮟鱇渔获分布的影响。

海州湾作为我国传统的渔场，近些年由于过度捕捞、环境污染及栖息地破坏等原因，导致小黄鱼资源丰度降低。桩张网是海州湾主要捕捞作业渔具之一。由于海州湾的往复流，桩张网主要布设在近海。小黄鱼作为桩张网渔具的重要经济鱼种，研究其渔获量与时间、空间和环境因子的关系，对小黄鱼资源的合理开发和保护意义重大。本文以2011—2013年海州湾典型捕捞区域4个站位桩张网连续调查数据为基础，采用广义加模型定量分析小黄鱼渔获量随时间、空间和海水表层温度(SST，Sea surface temperature)等驱动因子的变化，以期为该海区小黄鱼资源量时空分布及桩张网的合理使用，提供基础数据支持。

1 调查数据和研究方法

1.1 调查工具、区域和时间

调查工具 实验渔具为海州湾渔场常用的双桩竖杆张网(04-shG-zh)。渔民使用的张网渔具虽主尺度有些差异，但作业原理相同。双桩张网作业示意图见图1。

调查区域和时间 根据海州湾桩张网典型作业区域，共选取4个调查站位，分别为A(35°23′42″N，119°37′15″E)、B(35°17′47″N，119°33′53″E)、C(35°08′00″N，119°29′00″E)、D(34°59′42″N，119°19′36″E。在每月的2个大潮日进行桩张网渔获物调查(见图2)。调查从2011年3月—2013年12月，主要集中在春秋两季，冬季只有2013年12月调查1次，1—2月渔民不进行海上生产，6—8月由于伏季休渔，故未进行采样。

图1 双桩张网示意图Fig.1 Schematic diagram of double stake stow net

图2 调查站位图Fig.2 Sample sites in Haizhou Bay

1.2 数据源及预处理

海州湾桩张网每网次作业时间为24h左右，本研究将每网渔获量标准化成24h渔获质量。由于4个调查站位的张网迎流面积不同，根据计算，分别为90.0、99.0、136.5和136.4m2，迎流面积都在100m2左右，故将每网渔获量标准化为100m2网具渔获量。故本研究中单位捕捞努力量渔获量(Catch per unit effort，CPUE)定义为：

式中:C为调查站位每网的小黄鱼渔获量(g)；T为张网作业时间(h)；A为张网迎流面积(m2)。由于存在0值，假定(CPUE+1)服从对数正态分布，标准化CPUE为ln(CPUE+1)，使其符合正态分布，减少极值的影响。由于数据获取的原因，本研究考虑影响张网小黄鱼渔获量的主要因子为年(类别变量)、月(类别变量)、位置(类别变量)和海表温度(连续变量)，其中海水表层温度是采用中国海洋大学卫星地面站所(http://211.64.133.112:8080/rice/index.jsp)的卫星遥感数据，空间分辨率为1km×1km。

1.3 广义加模型(Generalized additive model，GAM)

广义加模型可表示为：

式中:g为连接函数，本研究为对数转换；y为CPUE+1；α为截距项，ε为残差，假定服从标准正态分布；si表示第i个变量的样条平滑函数。对因子变量进行平滑并没有实际意义，故只对连续变量海表温度进行样条平滑[10]。为了避免模型的过度拟合，常以AIC(Akaike information criterion)准则进行模型选择，其值越小，模型的拟合效果越好[11]。计算AIC值的表达式为：

AIC=2k+nln(RSS/n)。

式中:k为模型中参数个数；n为采样样本个数；RSS为残差平方和。AIC受采样样本小的限制，AICc(corrected Akaike information criterion)不受样本大小限制，计算AICc的表达式为：

AICc=AIC+2k(k+1)/(n-k-1)。

当样本数n较大时，AICc收敛为AIC，故AICc可应用在任何样本大小情况下[12]。本研究的样本数较小(n=71)，故以AICc准则进行模型选择。模型选择以只包含截距项的模型开始，依次引入使当前模型比上一模型AICc值减少最大的变量。当新引入的变量不会使当前模型AICc值减小时，表示当前模型已为最优模型。利用F检验评估各因子的显著性。最优模型的拟合程度，即驱动因子对反映变量变化的解释程度通过Pseudo-R2计算，定义为：

Pseudo-R2=1-RD/ND。

式中：RD为残差偏差；ND为零偏差，即模型只包含截距项的残差偏差。Pseudo-R2值越高表示解释变量对反应变量变化的解释程度越高。广义加模型假定残差符合标准正态分布，故模型诊断主要通过检查残差是否符合正态分布、残差方差是否具有明显的趋势。

利用R统计软件的“gam”包进行海州湾张网小黄鱼CPUE的广义加模型分析及模型诊断。

2 结果与分析

2.1 小黄鱼渔获量分析

标准化的2011—2013年海州湾桩张网小黄鱼渔获量数据，首先使用单因素方差分析(ANOVA)进行数据的探索性研究。发现调查3年内，小黄鱼年际间渔获量没有显著差异(P=0.06)；各月之间渔获量存在显著差异(P=0)；调查4个站位的渔获量存在显著差异(P=0)。海表温度为连续变量，小黄鱼渔获量总体上随着温度的升高而增加(见图3)。

图3 标准化小黄鱼CPUE与海水表层温度的散点图Fig.3 Scatter plot between standardized CPUE ofPseudosciaena polyactis and sea surface temperature

2.2 最优模型选择

基于AICc的广义加模型最优模型选择，影响小黄鱼CPUE的各因子的重要性依次为：月份、位置、海表温度，各因子在0.05水平上显著(见表1)。3年调查期间，年份对小黄鱼CPUE的影响不显著。最优广义加模型中，解释变量对小黄鱼CPUE变化的解释率较高(Pseudo-R2=80.2%)，说明选取的影响因子比较合理。

2.3 各因子对CPUE的影响

月份对小黄鱼CPUE影响显著，总体趋势是9、10、11月的CPUE高于3、4、5月，即秋季小黄鱼CPUE高于春季。3、9、12月的置信区间较宽，主要是由于这几个月的采样数据较少引起的。位置对小黄鱼CPUE影响显著，B、C站小黄鱼CPUE略高于A、D站。海水表层温度对小黄鱼CPUE影响显著，5～18℃，小黄鱼CPUE随温度升高而增加，18～25℃，随温度升高，小黄鱼CPUE没有显著变化(见图4)。

表1 小黄鱼桩张网CPUE的广义加模型拟合结果

Note：Δ:P<0.05,*:P<0.01,**:P<0.001.

①Driving factors； ②Residuals deviance； ③Residual of degree of freedom, df； ④Decrement of AICc； ⑤Pseudo coefficient of determination,Pseudo-R2； ⑥Increment of Pseudo-R2； ⑦P-values； ⑧Intercept； ⑨Month； ⑩Site；Sea surface temperature

图4 广义加模型中各因子对小黄鱼CPUE影响Fig.4 Effects of factors on Pseudosciaena polyactis's CPUE in the generalized additive model

2.4 模型诊断

广义加模型假定模型残差符合正态分布，残差方差没有显著趋势(方差齐性)。由模型残差正态分位数图可看出，模型残差基本符合正态分布(见图5)；由预测值与残差的散点图可看出，虽然受零值影响，模型残差方差总体上没有显著的变化趋势，即满足方差齐性假设条件(见图6)。通过对广义加模型残差的检测，说明广义加模型假定较合理。

3 讨论

张网是通过自然潮流把渔获物挟入网囊中，故渔具选择性较小，更接近自然分布[13]。研究张网渔获量与时空及环境因子关系，对了解鱼类种群时空分布及栖息地变化具有重要作用。本研究根据海州湾4个典型捕捞区域2011—2013年的桩张网连续调查数据，应用广义加模型定量分析了张网小黄鱼CPUE与时空及环境因子的响应机制，广义加模型结果与单因素方差分析结果吻合。研究发现：时间因子中，月份对小黄鱼CPUE影响最大，影响极显著；年份对小黄鱼CPUE影响不显著。目前，由于采样时间较短，仅进行了3年，在对小黄鱼CPUE影响大时间尺度方面的研究有待今后持续性的调查数据支持。春季小黄鱼产卵场主要位于长江口及江浙沿海，冬季小黄鱼洄游到黄海中南部外海和东海北部外海越冬[14]。对本研究中春季采集的小黄鱼性腺发育情况的测量结果表明，春季雌性小黄鱼卵巢多处于Ⅳ期(接近成熟期)和Ⅴ期(临产期或产卵期)。同时，刘勇等[15]研究结果表明：小黄鱼产卵期内体长与体重关系中幂指数显著偏小。本研究中各月份小黄鱼体长与体重的幂指数分析结果表明，春季幂指数处于低谷，秋季处于高峰，这也说明春季捕捞的小黄鱼多是产卵群体。海州湾秋季小黄鱼渔获量明显高于春季，这可能是由于小黄鱼春季繁殖，秋季小黄鱼洄游到黄海南部索饵[16]，经6—8月的休渔养护，秋季当龄鱼资源量得到补充，渔获量增加。

图5 广义加模型残差分位数图Fig.5 Normal Q-Q plot of generalized additive model residuals

图6 预测值与残差散点图Fig.6 Scatter plot between linear predictor and residuals

周甦芳等[1]和李增光等[2]在应用广义加模型研究东海和黄海南部小黄鱼空间分布与环境因子关系时，由于分析的空间站位数据较多，空间位置(经纬度)、深度是以连续变量包含在广义加模型中，并发现空间位置及深度对小黄鱼CPUE影响显著。本文分析海州湾桩张网4个站位小黄鱼的渔获数据，空间站位较少，故空间位置以分类变量包含在模型中。鱼类种群会根据海洋环境和生物条件，选择适合生存的栖息地。B、C站位小黄鱼CPUE略高于A、D站位，而4个站位的海表温度值无显著差异，这说明小黄鱼的空间分布是多种驱动因子综合作用的结果。空间因子对小黄鱼CPUE的显著影响，说明仍有一些其它的物理环境和生物因子显著影响小黄鱼分布而未包含在模型中。之前的研究发现盐度[17]、叶绿素浓度[18]、浮游动物[19]对小黄鱼分布影响显著。本文虽然定量研究了环境因子对小黄鱼CPUE的影响，但所包含的环境因子较少，如果能获取可能影响小黄鱼分布的其它环境因子，如盐度、叶绿素浓度、溶解氧、浮游动物等因子，可能会改善模型拟合精度。

水温不仅对鱼类的繁殖、生长、发育、成活和新陈代谢等有影响，而且对鱼类的洄游行动影响也很大，并直接影响渔期的早晚和长短、中心渔场位置的变动和鱼群集群程度[20]。之前的研究结果发现水温是影响小黄鱼分布最重要的环境因子[2-3，5，16-22]。本研究调查数据主要集中在春秋两季，秋季水温明显高于春季，在5～18℃，小黄鱼CPUE随着水温升高而增加，但在18～25℃，小黄鱼CPUE达到最大值，并基本趋于稳定，这说明在秋季达到小黄鱼生存的适宜水温时，小黄鱼CPUE不随水温变化。李建生等[17]在研究东海北部秋季小黄鱼分布与水温的关系时发现，小黄鱼索饵群体主要出现在暖水控制区及其边缘水域，水温在14～25℃之间，本研究结果与此结果基本吻合。

广义加模型广泛应用于鱼类种群空间分布或捕捞率标准化的研究[23]。在鱼类种群空间分布的研究中，常常假定捕捞率服从对数正态分布，但由于鱼类种群的时空聚集特征，可能导致某段时间或某个位置的渔获量为零，故在对捕捞率进行对数转换时常常先加一个常数值[24]。本研究利用Ad Hoc方法，把响应变量添加一个较小的值(本研究为1)，可以解决零值及极值问题。

4 结语

桩张网是海州湾主要的捕捞渔具之一，由于其作业原理以及网目尺寸较小，导致其对渔业资源破坏严重。春季4—5月是小黄鱼繁殖期，适当降低捕捞强度及增大张网网囊网目尺寸，对小黄鱼资源的可持续开发有重要意义。本研究发现小黄鱼受季节、位置以及海表温度影响显著，研究结果可为提高张网捕捞效率及可持续利用小黄鱼资源提供理论参考。

[1] 周甦芳, 樊伟, 崔雪森, 等. 环境因子对东海区帆式张网主要渔获物渔获量影响[J]. 应用生态学报, 2004, 15(9): 1637-1640.

[2] 李增光, 叶振江, 张弛, 等. 黄海南部春季帆张网黄鲫CPUE分布及其影响因素分析[J]. 应用生态学报, 2012, 23(10): 2887-2892.

[3] 郑波, 陈新军, 李纲. 广义线性模型和广义加模型研究东黄海鲐资源渔场与环境因子的关系[J]. 水产学报, 2008, 32(3): 379-386.

[4] 牛明香, 李显森, 徐玉成. 基于广义可加模型的时空和环境因子对东南太平洋智利竹筴鱼渔场的影响[J]. 应用生态学报, 2010, 21(4): 1049-1055.

[5] 林龙山, 程家骅, 姜亚洲, 等. 黄海南部和东海小黄鱼(Larimichthyspolyactis)产卵场分布及其环境特征[J]. 生态学报, 2008, 28(8): 3485-3496.

[6] 陈新军, 田思泉. 利用广义加模型分析表温和时空因子对西北太平洋海域柔鱼资源状况的影响[J]. 海洋湖沼通报, 2007(2): 104-113.

[7] Chang J-H, Chen Y, Holland D, et al. Estimating spatial distribution of American lobsterHomarusamericanususing habitat variables[J]. Marine Ecology Progress Series, 2010, 420: 145-156.

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

[9] 孙中之, 周军, 王俊, 等. 黄渤海区张网渔业 [J]. 渔业科学进展, 2012, 33(3): 94-101.

[10] Wood S. Generalized Additive Models: An Introduction with R [M]. Boca Raton: CRC Press, 2006.

[11] Akaike H. Information theory and an extension of the maximum likelihood principle [M]. Berlin: Springer-Verlag, 1973.

[12] Burnham K P, Anderson D R. Model selection and multimodel inference: A practical information- theoretic approach [M]. Berlin: Springer-Verlag, 2002.

[13] 张庆生, 马永钧. 浙江沿海张网作业区幼带鱼分布、损害及休渔效果的分析[J]. 海洋科学, 1987(6): 43-47.

[14] 陈佳杰, 徐兆礼, 陈雪忠. 我国沿海小黄鱼渔场的空间格局[J]. 水产学报, 2010, 34(2): 236-244.

[15] 刘勇, 程家骅, 陆健健. 利用Bootstrap统计方法探讨体长-体重关系中的幂指数对小黄鱼产卵期的指示作用[J]. 渔业科学进展, 2011, 32(2): 1-6.

[16] 徐兆礼, 陈佳杰. 小黄鱼洄游路线分析[J]. 中国水产科学, 2009, 16(6): 931-940.

[17] 李建生, 林龙山, 程家骅. 东海北部秋季小黄鱼分布特征及其与底层温度和盐度的关系[J]. 中国水产科学, 2009, 16(3): 348-356.

[18] 陈红波, 李继龙, 杨文波, 等. 东黄海小黄鱼秋季索饵环境栖息地指数的研究[J]. 大连海洋大学学报, 2011, 26(4): 348-351.

[19] 李建生, 严利平, 李惠玉, 等. 黄海南部、东海北部夏秋季小黄鱼数量分布及与浮游动物的关系[J]. 海洋渔业, 2007, 29(1): 31-37.

[20] 李雪渡. 海水温度与渔场之间的关系[J]. 海洋学报, 1982, 14(1): 103-113.

[21] 唐峰华, 沈新强, 王云龙. 海州湾附近海域渔业资源的动态分析[J]. 水产科学, 2011, 30(6): 335-341.

[22] 林龙山, 姜亚洲, 刘尊雷. 黄海南部和东海小黄鱼资源分布差异性研究[J]. 中国海洋大学学报(自然科学版), 2010, 40(3): 1-6.

[23] Maunder M N, Punt A E. Standardizing catch and effort data: a review of recent approaches[J]. Fisheries Research, 2004, 70: 141-159.

[24] Tian S, Chen X J, Chen Y, et al. Standardizing CPUE ofOmmastrephesbartramiifor Chinese squid-jigging fishery in Northwest Pacific Ocean[J]. Chinese Journal of Oceanology and Limnology, 2009， 27(4): 729-739.

责任编辑 朱宝象

Effects of Stow Net to the Catch RatesPseudosciaenapolyactisBetween Temporal-Spatial and Environmental Factors in the Haizhou Bay

LIU Chang-Dong, YI Jian, TANG Yan-Li, GUO Xiao-Feng, HUANG Liu-Yi

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

To study the temporal and spatial distribution ofPseudosciaenapolyactisand offer guidance on the use of stow net, based on thePseudosciaenapolyactissurvey data collected from stow net in four sites of Haizhou Bay, a generalized additive model was used to explore the relationship between catch rates ofP.polyactisand temporal-spatial and environmental factors. The results showed that the generalized additive model explained the relationship between temporal-spatial distributions and environmental factor well, had a high model fitting (Pseudo-R2=80.2%), and obeyed the model assumption of residuals. The importances of significant factors influencing CPUE ofP.polyactis, in sequences, are month, site and sea surface temperature (SST). For the temporal factor of year, there is no significant influence on the CPUE ofP.polyactis. The seasonal difference ofP.polyactis' distribution was indicated by the higher CPUE in autumn than that in spring. Site had a significant effect on CPUE, and CPUE in B, C was higher than that in A, D. The CPUE ofP.polyactisincreased with the increment of temperature when temperature was in 5 ～ 18 ℃, but there was not an obvious change when temperature was in 18 ～ 25 ℃. The effects of month, site and sea surface temperature appeared to be significant influence for the catch rate ofPseudosciaenapolyactis, the results expect to give the theoretical advises for improving the fishing efficiency of stow net and exploiting fishery resource sustainably.

generalized additive model; catch per unit effort;Pseudosciaenapolyactis; stow net; Haizhou Bay; temporal-spatial； environmental factor

公益性行业(农业)科技专项项目(201203018)资助

2014-06-26；

2015-01-15

刘长东(1979-)，男，博士，讲师。E-mail: changdong@ouc.edu.cn

❋❋ 通讯作者： E-mail： tangyanli@ouc.edu.cn

S931.4

A

1672-5174(2015)09-036-06

10.16441/j.cnki.hdxb.20140204