文章摘要
陆化杰,陈新军,曹杰,李纲,田思泉,刘必林,方舟.西南大西洋阿根廷滑柔鱼渔业中国大陆鱿钓船CPUE标准化[J].水产学报,2013,37(6):951~959
西南大西洋阿根廷滑柔鱼渔业中国大陆鱿钓船CPUE标准化
CPUE standardization of Illex argentinus for Chinese squid-jiggingfishery in Southwest Atlantic Ocean
投稿时间:2011-12-23  修订日期:2013-03-14
DOI:10.3724/SP.J.1231.2013.37897
中文关键词: 阿根廷滑柔鱼  CPUE标准化  广义线型模型  广义加性模型  西南大西洋  中国大陆鱿钓船
英文关键词: Illex argentinus  CPUE  generalized linear model  generalized additive model  Southwest Atlantic Ocean  Chinese mainland squiq-jigging fishery
基金项目:国家发改委产业化专项(2159999); 国家高技术研究发展计划项目(2012AA092303);国家自然科学基金(NSFC41276156);上海市科技创新行动计划(12231203900)
作者单位E-mail
陆化杰 上海海洋大学海洋科学学院 hjlu@shou.edu.cn 
陈新军 上海海洋大学海洋科学学院 xjchen@shou.edu.cn 
曹杰 上海海洋大学海洋科学学院  
李纲 上海海洋大学海洋科学学院  
田思泉 上海海洋大学海洋科学学院  
刘必林 上海海洋大学海洋科学学院  
方舟 上海海洋大学大洋渔业可持续开发省部共建教育部重点实验室
上海海洋大学大洋渔业可持续开发省部共建教育部重点实验室
上海海洋大学海洋科学学院 
 
摘要点击次数: 2341
全文下载次数: 1413
中文摘要:
      阿根廷滑柔鱼是我国重要的头足类渔业之一,对其单位捕捞努力量渔获量( CPUE)进行标准化是对其资源评估的重要内容。本研究根据2000~2010年我国在西南大西洋的产量统计数据和卫星遥感获得的海洋环境数据(表温,表温水平梯度,海面高度,叶绿素浓度),利用广义线性模型(GLM,general linear model)和广义加性模型(GAM,generalized additive model)对其CPUE进行标准化。GLM模型结果表明,年、纬度、表温以及交互项年与纬度对CPUE影响最大。GAM模型研究结果表明,年、月、经度、纬度、表温、海面高度以及交互项年与纬度、年与经度对CPUE影响较大。根据AIC数值,包含上述8个显著变量的GAM模型为最佳模型,对CPUE的解释率为49.20%。高CPUE出现在夏季表温为12~16?C、海面高为-20~20cm、46.5?~48.5?S海域。研究表明,GAM模型较GLM模型更适合用于西南大西洋阿根廷滑柔鱼CPUE标准化。
英文摘要:
      Illex argentinus supports one of the most important Chinese mainland squid-jigging fisheries in the southwestern Atlantic Ocean. Assessment of this resource requires abundance index data such as catch per fishing effort (CPUE). However, fisheries CPUE data need to be standardized before they can be used in the stock assessment. Generalized linear models (GLM) and generalized additive models (GAM) were used to standardize CPUE of the Chinese mainland jigging fishery in the southwestern Atlantic Ocean during 2000~2010 using data collected by Chinese Squid-jigging Technology Working Group. Environmental variables collected include sea surface temperature (SST), sea surface height (SSH) and chlorophyll-a (Chl-a). The GLM analysis indicated that the significance of four variables ranked in decreasing importance: Year, Latitude, Year× Latitude and SST. However, the GAM showed that the model including Year, Month, Longitude, Latitude, SST, SSH, Year×Latitude and Year×Longitude was the optimal model based on AIC and could explain 49.20% of the variance in the nominal CPUE. The GAM analysis indicated that high CPUEs were found in the area between 46.5?-48.5?S with SST ranging from 28 to 31?C in summer., SSH raging form -20 to 20cm. The GAM tended to be more suitable than GLM in the CPUE standardization in this study.
HTML   查看全文   下载PDF阅读器
关闭

手机扫一扫看