2. 青岛海洋科学与技术国家实验室海洋渔业科学与食物产出过程功能实验室, 山东 青岛 266207;
3. 大洋渔业资源可持续开发教育部重点实验室, 上海 201306;
4. 国家远洋渔业工程技术研究中心, 上海 201306;
5. 农业农村部大洋渔业开发重点实验室, 上海 201306
秘鲁鳀(Engraulis ringens)是栖息于南美洲秘鲁和智利沿岸的小型中上层鱼类[1],其渔业是世界上产量最大的单鱼种渔业[2-3],但其年产量存在着巨大的年间变化[4]。秘鲁鳀的资源动态(分布和丰度)与海洋环境变化(包含了生物与非生物因素[5-10])密切相关。国内外学者对秘鲁鳀资源动态与海洋环境变化之间的关系进行了相关的研究,结果表明:沿岸水团的位置变化[6]、上升流及湍流强弱[7]以及饵料和摄食生物的资源动态[8]对秘鲁鳀的资源变动有着重要影响;同时气候变化(如厄尔尼诺拉尼娜事件[9]、生态系统周期性变化[10]等)也极大地影响到秘鲁鳀资源丰度。但是这些研究都是从机理上进行的分析,这些海洋环境因子不容易被实时获取以指导渔业生产。卫星遥感海洋环境数据如海表面温度(sea surface temperature,SST)、海表面高度(sea surface height,SSH)、叶绿素a浓度(chlorophyll-a,Chl.a)等存在着可被实时获取的特点,在一定程度上也能反映出海域环境的动态变化[11],已被广泛应用到渔场预报中[12-15]。对于秘鲁鳀渔场,这些卫星遥感海洋环境数据是否能作为渔场变动的表征?因此,本研究根据2005—2014年秘鲁近海秘鲁鳀的渔获生产数据,分析秘鲁鳀渔场及其与卫星遥感海洋环境数据(SST、SSH和Chl.a)的关系,其研究结果可为渔业生产者和管理者了解秘鲁鳀渔场的变动提供基础。
1 材料与方法 1.1 数据来源秘鲁近海的秘鲁鳀生产数据来源于秘鲁国家海洋局网站(IMARPE,http://www.imarpe.gob.pe/imarpe/),为2005—2014年秘鲁各港口(涵盖了所有港口,共21个港口,分布于5°S~18°S沿岸,图 1)渔汛期间每日出港渔船的捕捞努力量(fishing effort,为船数)和总渔获量(catch)。
卫星遥感海洋环境数据SST、SSH和Chl.a均来源于美国国家海洋大气局(NOAA)的OceanWatch网站(http://oceanwatch.pifsc.noaa.gov/las/servlets/dataset),时间分辨率均为月,空间分辨率分别为0.1°×0.1 °、0.25°×0.25°和0.05°×0.05°。研究海域为5°S~18°S和70°W~82°W。
秘鲁鳀的捕捞方式分为手工渔船和工业围网渔船捕捞两种,手工渔船捕捞的渔获主要用于人类食用,工业围网渔船捕捞的渔获用于制作鱼粉[16],其产量与我国的鱼粉行情有很大的关系[17],同时根据IMAPRE的统计,每年工业围网渔船产量占到了秘鲁国家累计秘鲁鳀总产量的80%以上,因此工业围网渔船的渔获数据可作为研究秘鲁鳀的代表。每年的渔汛分为两个渔季,4月至当年的7月为第一渔季,11月至次年的1月为第二渔季。开捕时间由IMARPE决定,渔业管理为总可捕捞限制制度(total allowable catch,TAC),当总产量超过了TAC,捕捞停止,因此捕捞月份每年并不固定。研究表明,捕捞秘鲁鳀的位置主要位于离沿岸30 hn的范围内,渔船通常在一天内完成出海捕捞并回港卸货工作[18-19],因此我们可以用港口的经纬度(图 1)来表达渔场的位置。
渔业数据与卫星遥感海洋环境数据的匹配方法为以1°×1°为单位统计每年每月在港口所在经纬度上的渔获量和捕捞努力量,并计算单位捕捞努力量的渔获量(catch per unit effort,CPUE,计算方法为渔获量除以捕捞努力量,单位为t/船)。对于卫星遥感海洋环境数据,全部转换成1°×1°的空间分辨率,最后完成相同经纬度位置的渔业数据和环境数据的匹配。
1.2 分析方法(1) 渔场适宜环境分析。渔获量、捕捞努力量和CPUE都可以作为秘鲁鳀渔场的表征指标[17-21]。研究假设,渔获量和捕捞努力量的多少包含了渔船多年作业的经验因素和现场情况,可作为中心渔场的指标[20-24],按月统计渔获量和捕捞努力量在各个卫星遥感海洋环境因子的频率分布,找出各月中心渔场适宜的海洋环境因子范围。同时对以上研究结果进行经验累积分布函数(empirical cumulative distribution function,ECDF)检验[25],探索各月渔场相对于不同海洋环境因子适宜范围的显著性。该方法可得到海洋环境因子的ECDF与环境因子加权的渔获量及捕捞努力量的ECDF的差值绝对值D,在给定显著性水平α下,得到D的临界值D(α/2),当D < D(α/2)时,认为海洋环境因子与渔获量或捕捞努力量有显著的关系。
(2) 秘鲁鳀资源丰度与环境关系分析。将CPUE假设为资源丰度的表征,计算2005—2014年10年内各海洋环境因子区间(分别以1 ℃、3 cm和1 mg/m3为间隔)上CPUE的平均值和标准差,通过CPUE与海洋环境因子间的关系,探究当前海洋环境的变化是否对秘鲁鳀资源丰度有着直接影响。
2 结果 2.1 渔获量和捕捞努力量变化与海洋环境因子的关系 2.1.1 渔获量和捕捞努力量变化与SST的关系分析认为,各月渔获量和捕捞努力量在SST上的分布趋势基本相同,但不同捕捞月份渔场适宜SST有所不同(表 1)。第一渔季(4—7月),各月渔场SST的范围依次为17~24 ℃、16~25 ℃、15~24 ℃和15~23 ℃,适宜SST范围依次为18~21 ℃、18~21 ℃、16~20 ℃和16~20 ℃,各月适宜SST范围内渔获量占总渔获量的比重分别为85.62%、79.19%、76.55%和85.57%,捕捞努力量所占比重依次为78.31%、79.06%、74.20%和85.16%。第二渔季(11—次年1月),各月渔场SST的范围依次为16~22 ℃、17~23 ℃和19~25 ℃,适宜SST范围依次为17~19 ℃、19~22 ℃和19~23 ℃,各月适宜SST范围内渔获量占总渔获量的比重依次为72.89%、90.51%和97.93%,捕捞努力量所占的比重分别为72.35%、88.15%和98.29%。
由上可知,秘鲁鳀渔场在第一渔季的渔场SST范围和适宜SST随着月份逐渐变低,第二渔季则随着月份逐渐升高。
2.1.2 渔获量和捕捞努力量与SSH的关系分析认为,各月渔获量和捕捞努力量在SSH上的分布趋势基本相同,但不同捕捞月份渔场适宜SSH范围有所不同(表 2)。第一渔季(4—7月),各月渔场SSH的范围依次为26~50 cm、26~50 cm、26~47 cm和20~47 cm,适宜SSH范围分别为32~41 cm、29~41 cm、29~41 cm和29~41 cm,各月适宜SSH范围内渔获量占总渔获量的比重依次是80.89%、76.55%、77.06%和79.08%,捕捞努力量所占比重分别为80.09%、81.89%、76.34%和75.00%。第二渔季(11—次年1月),各月渔场SSH的范围依次为23~44 cm、29~50 cm和29~41 cm,适宜SSH范围分别为29~38cm、29~41 cm和32~38 cm,各月适宜SSH范围内渔获量占总量渔获量的比重依次为85.51%、89.21%和97.06%,捕捞努力量所占比重依次为84.91%、89.98%和98.68%。
由上可知,两个渔季各月渔场的SSH范围略有不同,高作业和高渔获量的区域均集中在SSH为29~41 cm的海域内。
2.1.3 渔获量和捕捞努力量与Chl.a的关系与SST及SSH类似,各月渔获量和捕捞努力量在Chl.a上的分布趋势基本相同,但不同捕捞月份渔场Chl.a有所不同(表 3)。第一渔季(4—7月),各月渔场Chl.a的范围依次为0~10 mg/m3、0~7 mg/m3、0~6 mg/m3和0~4 mg/m3,适宜Chl.a范围依次为5~10 mg/m3、0~5 mg/m3、0~3 mg/m3和0~2 mg/m3,其渔获量占总渔获量比重依次为66.24%、88.59%、82.39%和88.31%,捕捞努力量所占比重分别为58.70%、89.03%、84.38%和90.56%。第二渔季(11—次年1月),各月渔场的Chl.a范围依次为0~10 mg/m3、0~10 mg/m3和0~7 mg/m3,适宜Chl.a范围分别为1~5 mg/m3、0~5 mg/m3和2~5 mg/m3,其渔获量占总渔获量比重依次为77.24%、71.42%和69.77%,捕捞努力量所占比重分别为78.62%、65.05%和56.82%。
由上可知,两个渔季渔场Chl.a范围随月份的变化呈现逐渐缩小的趋势,但第一渔季适宜Chl.a范围随着月份逐渐变低;第二渔季渔场适宜Chl.a范围随着月份变高,在次年1月集中在Chl.a较大的海域。
2.1.4 经验累积分布函数检验经验累积分布函数分析(表 4)认为:除了12月和次年1月以外,第一渔季4—7月和第二渔季11月的适宜SST可作为中心渔场的指标(D < 0.05);除了次年1月以外,第一渔季4—7月和第二渔季11—12月的最适SSH可作为中心渔场的指标(D < 0.05);第一渔季的4—7月和第二渔季的11—次年1月的适宜Chl.a可作为中心渔场的指标(D < 0.05)。
由图 2可知:第一渔季4—7月渔场各月的SST范围分别为17~23 ℃、16~24 ℃、15~23 ℃和15~22 ℃,其平均CPUE在100~300 t/船;第二渔季渔场各月的SST范围分别为16~22 ℃、17~22 ℃、19~23 ℃,其CPUE在100~200 t/船。由图 3可知:第一渔季4—7月渔场各月的SSH范围分别为26~50 cm、26~50 cm、26~47 cm和20~47 cm,其平均CPUE在100~300 t/船;第二渔季渔场各月的SSH范围分别为23~44 cm、26~50 cm和29~41 cm,其CPUE在100~400 t/船。由图 4可知:第一渔季4—7月渔场各月的Chl.a范围分别为0~10 mg/m3、0~6mg/m3、0~5 mg/m3和0~7mg/m3,其平均CPUE在100~300 t/船;第二渔季渔场各月的Chl.a范围分别为0~10 mg/m3、0~9 mg/m3和0~7 mg/m3,其CPUE在100~400 t/船。
以秘鲁近海秘鲁港口的渔获统计资料为基础,探究了秘鲁鳀渔场(资源动态和分布)变化及其与卫星遥感海洋环境数据的关系。研究表明:对于以渔获量和捕捞努力量表示的渔场分布,存在着一定的变化范围,这种变化范围呈现着倒抛物线的形式,即存在适宜范围,也可以作为中心渔场的一个指标,同时这个范围还随着月份而变化;但是CPUE与卫星遥感海洋环境数据并没有明显的规律,但均有一个合适的范围区间。CPUE是表征海洋捕捞生物资源丰度的一个重要指标[21, 26],通常研究所用的是名义CPUE(渔获量除以捕捞努力量),其值会受到渔船的船型、捕捞能力以及环境等因素的影响,需要进行标准化[21, 26],有可能未能反映实际资源丰度的情况,由此导致了CPUE在海洋环境因子的分布上呈现不规则分布的情况。同时,使用名义CPUE分析其变化得到的结果很可能会不规则,而渔获量或捕捞努力量的大小表明了渔场的实际情况和渔民的经验,表征了渔汛出现或适宜捕捞[24]。一些利用栖息地指数来预报渔场的研究[21-22]也发现,基于捕捞努力量的栖息地指数模型会比基于CPUE的模型得到更好的预报效果。建议后续的研究可以结合渔船参数等情况对CPUE进行标准化后对资源丰度的变动进行分析。
资源丰度的高低也会影响其渔场分布及其与环境的关系。根据秘鲁国家海洋局(IMARPE,http://www.imarpe.gob.pe/imarpe/)每个渔汛渔季开捕前的调查结果[27],2005—2014年间,秘鲁鳀资源量最高(2005年第一渔季,12 700 000 t)和最低(2009年第二渔季,4 100 000 t)的渔汛渔季之间相差了8 600 000 t。这种巨大的年间差异也可以从CPUE在大部分的海洋环境因子的区间上都有着很大的标准差(图 2~4)看出。秘鲁鳀在生态学上r型种类,有着生命周期短、生长迅速和死亡率高的特点,环境变化极大地影响到了其鱼种的资源变动[28]。同时,秘鲁鳀的资源还受到了气候变化(例如厄尔尼诺拉尼娜现象,生态系统周期性变化)以及其他海洋环境的变化[6-8]的影响。因此,为了更深入地了解秘鲁鳀的渔场变动,后续研究还需结合秘鲁鳀资源年间差异,结合CPUE标准化的研究结果,精确地预测秘鲁鳀渔场。
从渔获量和捕捞努力量上,SST、SSH和Chl.a都有着一定的范围并在一些月份上存在着适宜范围,大部分的适宜范围通过了经验累积分布函数检验(表 4),在一定程度上反映了海洋环境对秘鲁鳀渔场的影响。其中,SST表征了渔场的温度特征,分析表明渔场SST的范围为15~25 ℃(表 1),该结果与GUTIÉRREZ等[29]得到的秘鲁鳀栖息海域温度范围(13~23 ℃)基本一致。秘鲁鳀是一种冷水性鱼类[29],虽然两个渔汛渔季的渔场适宜SST存在着随时间变动的趋势(表现为第一渔季的渔场适宜SST范围随着月份变低,第二渔季的渔场适宜SST范围随着月份变高),但是通过仔细分析表 1研究结果,发现适宜SST均靠近于渔场SST范围的低温一侧,这在渔场SST逐渐升高的第二渔季(11月和次年1月)尤为明显,这正好符合了秘鲁鳀是冷水性鱼类的生物学特性。
SSH是海水动力学的表征,代表了海水的辐合和涌升[30],其均为正值可以作为上升流存在的表征,渔汛季节内,渔场的SSH范围为20~50 cm(表 2),研究表明秘鲁沿岸区域终年存在着强劲的秘鲁上升流[31]。研究表明,秘鲁上升流海域内,食物网能量传输有着较高的效率[8, 32],同时表层水溶解氧较低[33]符合秘鲁鳀生存的生物学特性,这些都是这个海域内秘鲁鳀有着很高的资源丰度的原因。但是,SSH同样存在着适宜范围(29~41 cm,表 2):SSH较低(小于29 cm)表征了海域存在着较弱的上升流不利于秘鲁鳀的生存;SSH较高(高于41 cm),上升流强劲,中心渔场也不在此处,陈芃等[34]分析表明,秘鲁海域的上升流对于秘鲁渔场并不是越高越好,强的上升流会促进海水离岸输送使得上涌的营养物质不易聚集,不利于秘鲁鳀饵料生物的利用进而影响到秘鲁鳀的资源。在适宜SST的分析中发现,虽然秘鲁鳀是一种冷水性鱼类[29],但是通常适宜SST范围的最低值也不是渔场SST的最低值,上升流上涌的是底层冷水,低SST也侧面反映了海水的上升流的强劲,也表明了强劲的上升流不利于秘鲁鳀生存这个观点。
Chl.a是海域初级生产力的指标[35]。研究(表 3)发现,两个渔季渔场的Chl.a范围随月份的变化呈现逐渐缩小的趋势,但是第一渔季的适宜Chl.a范围随着月份变低,第二渔季渔场适宜Chl.a范围在次年1月集中在Chl.a较大的海域。该现象同样可以用上升流的动态变化解释,第一渔季渔场的上升流随月份的推移变强,第二渔季则随月份的推移而减弱[33]:较强的上升流使得营养物质不易聚集,使得秘鲁鳀只能在第一渔季渔汛末期在较低的Chl.a处觅食,第一渔季渔汛末期中心渔场的Chl.a范围也较低(6月:0~3 mg/m3,7月:0~2 mg/m3,表 3);较弱的上升流使得秘鲁鳀可以在较高的Chl.a处觅食,第二渔季渔汛末期中心渔场的Chl.a范围也较高(次年1月:2~5 mg/m3,表 3)。
研究分析了卫星海洋环境遥感数据与秘鲁鳀渔场的关系,得到了中心渔场的适宜SST、SSH和Chl.a的范围,但是该结果要应用到渔情预报和实际生产中还有一些研究工作要做:首先,海洋卫星只能得到海洋表面的环境数据[11],海水的垂直方向上的空间变动对秘鲁鳀同样有着巨大的影响[6-7];其次,秘鲁鳀资源量的巨大的年间变动[8, 34];最后,研究只使用了港口的渔获数据及其与卫星遥感环境数据进行匹配分析,未用存在位置的渔捞数据与环境数据进行分析,可能会对研究结果造成偏差。今后的分析还要加强该渔场的渔获调查,同时结合更多的环境情况,以较为全面地分析秘鲁鳀渔场变动的成因。
[1] |
段丁毓, 陈芃, 陈新军, 等. 基于灰色系统的秘鲁鳀资源量预测模型的构建[J]. 上海海洋大学学报, 2018, 27(2): 284-290. DUAN D Y, CHEN P, CHEN X J, et al. The construction of biomass forecasting model for the anchoveta(Engraulis ringens)by the grey system model[J]. Journal of Shanghai Ocean University, 2018, 27(2): 284-290. |
[2] |
FRÉON P, BOUCHON M, MULLO C, et al. Interdecadal variability of anchoveta abundance and overcapacity of the fishery in Peru[J]. Progress in Oceanography, 2008, 79(2/4): 401-412. |
[3] |
RANDA M. Developments on fisheries management in Peru:The new individual vessel quota system for the anchoveta fishery[J]. Fisheries Research, 2009, 96(2/3): 308-312. |
[4] |
联合国粮农组织.联合国粮农组织渔业统计数据: 1950-2013年全球捕捞产量[DB/OL]. http://www.fao.org/fishery/statistics/global-capture-production/query/zh. Food and Agriculture Organization of the United Nations. Food and agriculture organization of the United Nations' fisheries database: Global capture production from 1950 to 2013[DB/OL]. http://www.fao.org/fishery/statistics/global-capture-production/query/zh. |
[5] |
陈新军. 渔业资源与渔场学[M]. 北京: 海洋出版社, 2004: 116-173. CHEN X J. Fisheries biology and oceanography[M]. Beijing: China Ocean Press, 2004: 116-173. |
[6] |
SWARTZMAN G, BERTRAND A, GUTIÉRREZ M, et al. The relationship of anchovy and sardine to water masses in the Peruvian Humboldt Current System from 1983 to 2005[J]. Progress in Oceanography, 2008, 79(2/4): 228-237. |
[7] |
YÁÑEZ E, BARBIERI M A, SILVA C, et al. Climate variability and pelagic fisheries in northern Chile[J]. Progress in Oceanography, 2001, 49(1/4): 581-596. |
[8] |
ALHÉIT J, ÑIQUEN M. Regime shifts in the humboldt current ecosystem[J]. Progress in Oceanography, 2004, 60(2/4): 201-222. |
[9] |
ÑIQUEN M, BOUCHON M. Impact of El Niňo events on pelagic fisheries in Peruvian waters[J]. Deep Sea Research Part Ⅱ:Topical Studies in Oceanography, 2004, 51(6/9): 563-574. |
[10] |
BAKUN A, BROAD K. Environmental 'loopholes' and fish population dynamics:comparative pattern recognition with focus on El Niňo effects in the Pacific[J]. Fisheries Oceanography, 2003, 12(4/5): 458-473. |
[11] |
胡奎伟, 许柳雄, 陈新军, 等. 海洋遥感在渔场分析中的研究进展[J]. 中国水产科学, 2012, 19(6): 1078-1087. HU K W, XU L X, CHEN X J, et al. Application of ocean remote sensing on fishing ground analysis:a review[J]. Journal of Fishery Sciences of China, 2012, 19(6): 1078-1087. |
[12] |
陈新军, 陆化杰, 刘必林, 等. 利用栖息地指数预测西南大西洋阿根廷滑柔鱼渔场[J]. 上海海洋大学学报, 2012, 21(3): 431-438. CHEN X J, LU H J, LIU B L, et al. Forecasting fishing ground of Illex argentinus by using habitat suitabilitymodel in the southwest Atlantic[J]. Journal of Shanghai Ocean University, 2012, 21(3): 431-438. |
[13] |
范江涛, 张俊, 冯雪, 等. 南沙海域鸢乌贼渔场与海洋环境因子的关系[J]. 上海海洋大学学报, 2019, 28(3): 419-426. FAN J T, ZHANG J, FENG X, et al. Relationship between Sthenoteuthisoualaniensis fishing ground and marine environmental factors in Nansha area[J]. Journal of Shanghai Ocean University, 2019, 28(3): 419-426. |
[14] |
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. WANG Y F, CHEN X J. Comparisons of habitat suitability index models of skipjack tuna in the Western and Central Pacific Ocean[J]. Journal of Shanghai Ocean University, 2017, 26(5): 743-750. |
[15] |
张硕, 李莉, 陈新军. 基于海表温因子的太平洋褶柔鱼冬生群资源丰度预测模型比较[J]. 水产学报, 2018, 42(5): 704-710. ZHANG S, LI L, CHEN X J. A comparative study on forecasting model of the stock abundance index for the winter-spawning cohort of Todarodes pacificus in the Pacific Ocean based on the factor of SST[J]. Journal of Fisheries of China, 2018, 42(5): 704-710. |
[16] |
ANGEL A, FRÉON P, TAM J. Coupled ecosystem/supply chain modelling of fish products from sea to shelf:the Peruvian anchoveta case[J]. PLoS One, 2014, 9(7): e102057. DOI:10.1371/journal.pone.0102057 |
[17] |
谢超, 孙如宝. 优质鳀鱼鱼粉蒸煮工艺技术的优化研究[J]. 粮食与饲料工业, 2008(10): 32-33. XIE C, SUN R B. A study on optimization of cooking technology for high-quality anchovy meal[J]. Cereal & Feed Industry, 2008(10): 32-33. DOI:10.3969/j.issn.1003-6202.2008.10.013 |
[18] |
ARELLANO C E, SWARTZMAN G. The Peruvian artisanal fishery:changes in patterns and distribution over time[J]. Fisheries Research, 2010, 101(3): 133-145. |
[19] |
TARIFEÑO E, CARMONA M, LLANOS-RIVERA A, et al. Temperature effects on the anchoveta Engraulis ringens egg development:do latitudinal differences occur?[J]. Environmental Biology of Fishes, 2008, 81(4): 387-395. |
[20] |
CUBILLOS L A, BUCAREY D A, CANALES M. Monthly abundance estimation for common sardine Strangomerabentincki and anchovy Engraulis ringens in the central-southern area off Chile (34-40oS)[J]. Fisheries Research, 2002, 57(2): 117-130. |
[21] |
CHEN X J, TIAN S Q, CHEN Y, et al. A modeling approach to identify optimal habitat and suitable fishing grounds for neon flying squid (Ommastrephes bartramii) in the Northwest Pacific Ocean[J]. Fishery Bulletin, 2010, 108(1): 1-14. |
[22] |
TIAN S Q, CHEN X J, CHEN Y, et al. Evaluating habitat suitability indices derived from CPUE and fishing effort data for Ommatrephes bartramii in the northwestern Pacific Ocean[J]. Fisheries Research, 2009, 95(2/3): 181-188. |
[23] |
陈芃, 陈新军. 表层水温结构变化对东南太平洋秘鲁鳀渔场的影响[J]. 海洋学报, 2017, 39(4): 79-88. CHEN P, CHEN X J. Evaluating the effects of sea surface temperature variations on fishing ground of anchoveta (Engraulis ringens) in the southeast Pacific Ocean[J]. HaiyangXuebao, 2017, 39(4): 79-88. DOI:10.3969/j.issn.0253-4193.2017.04.008 |
[24] |
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. |
[25] |
陈新军, 田思泉. 西北太平洋海域柔鱼的产量分布及作业渔场与表温的关系研究[J]. 中国海洋大学学报, 2005, 35(1): 101-107. CHEN X J, TIAN S Q. Study on the catch distribution and relationship between fishing ground and surface temperature for Ommastrephes bartrami in the Northwestern Pacific Ocean[J]. Periodical of Ocean University of China, 2005, 35(1): 101-107. |
[26] |
官文江, 田思泉, 王学昉, 等. CPUE标准化方法与模型选择的回顾与展望[J]. 中国水产科学, 2014, 21(4): 852-862. GUAN W J, TIAN S Q, WANG X F, et al. A review of methods and model selection for standardizing CPUE[J]. Journal of Fishery Sciences of China, 2014, 21(4): 852-862. |
[27] |
陈芃, 陈新军, 雷林, 等. 东南太平洋秘鲁鳀资源量预报模型的构建[J]. 海洋学报, 2018, 40(1): 77-86. CHEN P, CHEN X J, LEI L, et al. Forecasting model to the anchoveta (Engraulis ringens) biomass in the southeastern Pacific Ocean[J]. Haiyang Xuebao, 2018, 40(1): 77-86. DOI:10.3969/j.issn.0253-4193.2018.01.009 |
[28] |
BERTRAND A, GERLOTTO F, BERTRAND S, et al. Schooling behaviour and environmental forcing in relation to anchoveta distribution:an analysis across multiple spatial scales[J]. Progress in Oceanography, 2008, 79(2/4): 264-277. |
[29] |
GUTIÉRREZ M, SWARTZMAN G, BERTRAND A, et al. Anchovy (Engraulis ringens) and sardine (Sardinopssagax) spatial dynamics and aggregation patterns in the Humboldt Current ecosystem, Peru, from 1983 to 2003[J]. Fisheries Oceanography, 2007, 16(2): 155-168. DOI:10.1111/j.1365-2419.2006.00422.x |
[30] |
张炜, 张健. 西南大西洋阿根廷滑柔鱼渔场与主要海洋环境因子关系探讨[J]. 上海水产大学学报, 2008, 17(4): 471-475. ZHANG W, ZHANG J. A discussion about relationship between the distribution of production of Illex argentinus and marine environmental factors in the Southwest Atlantic Ocean[J]. Journal of Shanghai Fisheries University, 2008, 17(4): 471-475. |
[31] |
CHAVEZ F P, MESSIÉ M. A comparison of eastern boundary upwelling ecosystems[J]. Progress in Oceanography, 2009, 83(1/4): 80-96. |
[32] |
TAM J, TAYLOR M H, BLASKOVIC V, et al. Trophic modeling of the Northern Humboldt current ecosystem, Part Ⅰ:comparing trophic linkages under La Niña and El Niño conditions[J]. Progress in Oceanography, 2008, 79(2/4): 352-365. |
[33] |
BERTRAND A, CHAIGNEAU A, PERALTILLA S, et al. Oxygen:a fundamental property regulating pelagic ecosystem structure in the coastal southeastern tropical Pacific[J]. PLoS One, 2011, 6(12): e29558. |
[34] |
陈芃, 陈新军, 雷林. 秘鲁上升流对秘鲁鳀渔场的影响[J]. 水产学报, 2018, 42(9): 1367-1377. CHEN P, CHEN X J, LEI L. Influence of Peruvian upwelling on the anchoveta (Engraulis ringens) fishing ground[J]. Journal of Fisheries of China, 2018, 42(9): 1367-1377. |
[35] |
官文江, 何贤强, 潘德炉, 等. 渤、黄、东海海洋初级生产力的遥感估算[J]. 水产学报, 2005, 29(3): 367-372. GUAN W J, HE X Q, PAN D L, et al. Estimation of ocean primary production by remote sensing in Bohai Sea, Yellow Sea and East China Sea[J]. Journal of Fisheries of China, 2005, 29(3): 367-372. |
2. Laboratory for Marine Fisheries Science and Food Production Processes, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266207, Shandong, China;
3. Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources, Ministry of Education, Shanghai 201306, China;
4. National Engineering Research Center for Oceanic Fisheries, Shanghai 201306, China;
5. Key Laboratory of Oceanic Fisheries Exploration, Ministry of Agriculture and Rural Affairs, Shanghai 201306, China