白思琦， 鄒曉榮，2*， 丁鵬， 林銘

（1.上海海洋大學(xué)海洋科學(xué)學(xué)院，上海201306；2.國家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，大洋漁業(yè)資源可持續(xù)開發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，農(nóng)業(yè)農(nóng)村部大洋漁業(yè)開發(fā)重點(diǎn)實(shí)驗(yàn)室，農(nóng)業(yè)農(nóng)村部大洋漁業(yè)資源環(huán)境科學(xué)觀測實(shí)驗(yàn)站，上海 201306）

智利竹筴魚（Trachurus murphyi）是高度洄游的中上層海洋經(jīng)濟(jì)魚種[1-2]，具有較高商業(yè)價(jià)值，主要分布在智利、厄瓜多爾、秘魯?shù)妊睾蛞约爸抢麑俳?jīng)濟(jì)區(qū)向西延伸的外海海區(qū)[2-3]。自20世紀(jì)70年代以來，其產(chǎn)量多年位居世界單一魚種前列，在一些遠(yuǎn)洋漁業(yè)國家和相關(guān)沿海國家的捕撈量中占有較大比重[4-7]。1995年產(chǎn)量達(dá)到最高峰，為4.96×106t[8]。進(jìn)入21世紀(jì)后，智利竹筴魚資源量受到氣候的長期波動和人類活動的影響，出現(xiàn)較大震蕩，漁場出現(xiàn)明顯變動[7]。

已有學(xué)者針對海洋環(huán)境變化對智利竹筴魚資源的影響進(jìn)行了研究。楊香帥等[8]采用灰色關(guān)聯(lián)度分析方法、Li 等[9]通過不同權(quán)重的棲息地適應(yīng)性指數(shù)模型、Laura 等[10]通過神經(jīng)網(wǎng)絡(luò)模型、汪金濤等[11]和陳春光[12]通過主成分和BP 神經(jīng)網(wǎng)絡(luò)方法、晉偉紅[13]通過偏最小二乘法計(jì)算模型等以及楊嘉樑等[14]根據(jù)海面溫度、葉綠素a 濃度、海面高度對智利竹筴魚海洋環(huán)境因子與中心漁場變動及資源的關(guān)系進(jìn)行了研究。但根據(jù)多環(huán)境因子預(yù)測智利竹筴魚產(chǎn)量的研究鮮少報(bào)道。李綱等[15]、鄭曉瓊等[16]與徐香香等[17]通過建立基于環(huán)境因子的剩余產(chǎn)量模型（surplus production model）預(yù)測魚種資源量。剩余產(chǎn)量模型對數(shù)據(jù)要求不高且簡單實(shí)用，在漁業(yè)中應(yīng)用廣泛，但傳統(tǒng)的剩余產(chǎn)量模型無法將環(huán)境因子應(yīng)用于漁業(yè)資源的預(yù)測。本研究根據(jù)漁撈日志數(shù)據(jù)，基于海洋環(huán)境因子的剩余產(chǎn)量（environmentally dependent surplus production，EDSP）模型，將海面溫度（sea surface temperature，SST）、葉綠素 a 濃度（chlorophyll a concentration，Chl-a）、海面溫度異常值（sea surface temperature anomaly，SSTA）和海面高度異常值（sea surface height anomaly，SSHA）4 種環(huán)境變量引入模型中，通過環(huán)境因子不同的組合方式對智利竹筴魚漁業(yè)資源豐度進(jìn)行動態(tài)研究和預(yù)測，探索環(huán)境變化對智利竹筴魚資源豐度產(chǎn)生的影響，為智利竹筴魚的合理捕撈提供參考和幫助。

1 材料與方法

1.1 數(shù)據(jù)來源

智利竹筴魚捕撈數(shù)據(jù)來源于中國遠(yuǎn)洋漁業(yè)協(xié)會大型加工拖網(wǎng)項(xiàng)目技術(shù)組提供的漁撈日志，捕撈數(shù)據(jù)包括作業(yè)時(shí)間、起放網(wǎng)時(shí)間、作業(yè)位置以及漁獲量等。作業(yè)區(qū)域?yàn)?9°—46°S、73°—92°W，時(shí)間范圍選擇為2012—2018年4—8月，空間分辨率為0.5°×0.5°。

環(huán)境數(shù)據(jù)SST、Chl-a、SSTA、SSHA 均來源于美 國 國 家 大 氣 局（National Oceanic and Atmospheric Administration，NOAA）Oceanwatch 網(wǎng)站（www.oceanwatch.pifsc.noaa.gov），時(shí)間范圍為2012—2018年 4—8月，空間分辨率為 0.125°×0.125°，時(shí)間分辨率為周。

1.2 數(shù)據(jù)處理及分析

1.2.1 單位捕撈努力量漁獲量計(jì)算 單位捕撈努力量漁獲量（catch per unit effort，CPUE）是指在一定時(shí)間內(nèi)，某漁場平均每個(gè)單位捕撈努力量所能獲得的漁獲量，是用于表示智利竹筴魚資源豐度的主要指標(biāo)，其計(jì)算公式[7]如下。

式中，Ci表示從第i天的累計(jì)捕撈量（t）；Ti表示從第i天的捕撈時(shí)間（h）；YCPUE為單位捕撈努力量漁獲量（t·h-1）。

1.2.2 CPUE 標(biāo)準(zhǔn)化 CPUE 標(biāo)準(zhǔn)化是漁業(yè)資源評估必需的指標(biāo)[18]，目前我國漁業(yè)CPUE 標(biāo)準(zhǔn)化應(yīng)用最為廣泛的模型為廣義加性模型（generalized additive model，GAM）[19-21]，本文使用該模型對智利竹筴魚CPUE 進(jìn)行標(biāo)準(zhǔn)化，以去除相關(guān)因子對智利竹筴魚CPUE 的影響。將SST、Chl-a、SSTA 和SSHA 4個(gè)環(huán)境因子和經(jīng)緯度作為解釋變量加入到GAM 模型中，并對其進(jìn)行分析，GAM模型表達(dá)式[22]如下。

式中，ε為誤差項(xiàng)。在用R 軟件處理時(shí)，為避免CPUE 出現(xiàn)零值報(bào)錯(cuò)，故將所有CPUE 結(jié)果加1后再處理。

1.2.3 關(guān)鍵因子選取 利用SPSS 23軟件對2012—2018年智利竹筴魚漁場范圍內(nèi)分辨率0.5°×0.5°的SST、Chl-a、SSTA 和 SSHA 環(huán)境數(shù)據(jù)和標(biāo)準(zhǔn)化后的CPUE 序列值進(jìn)行皮爾遜相關(guān)性分析，得出與CPUE 相關(guān)性最高的環(huán)境因子，將CPUE 殘差與該環(huán)境因子數(shù)據(jù)進(jìn)行線性回歸分析，選出關(guān)聯(lián)度最高的海域，并將該海域環(huán)境數(shù)據(jù)作為表征影響智利竹筴魚資源豐度的指標(biāo)，建立EDSP模型。

1.2.4 基于環(huán)境因子的剩余產(chǎn)量模型 傳統(tǒng)的剩余產(chǎn)量模型一般用于資源評估[23]，將環(huán)境因子引入剩余產(chǎn)量模型中建立EDSP 模型可以用于研究環(huán)境變化對漁業(yè)資源的影響，可以有效地促進(jìn)漁業(yè)資源科學(xué)研究及合理利用。

本文建立5種EDSP模型，環(huán)境因子分配如下：①只考慮SST對智利竹筴魚資源量的影響；②同時(shí)考慮SST 和Chl-a 對智利竹筴魚資源量的影響；③同時(shí)考慮SST、Chl-a和SSHA對智利竹筴魚資源量的影響；④同時(shí)考慮SST、Chl-a 和SSTA 對智利竹筴魚資源量的影響；⑤同時(shí)考慮SST、Chl-a、SSTA和SSHA對智利竹筴魚資源量的影響。一般剩余產(chǎn)量模型計(jì)算公式[15]如下。

式中，Cn為第n月的漁獲量；En為第n月的標(biāo)準(zhǔn)捕撈努力量；Un為第n月的標(biāo)準(zhǔn) CPUE；a、b 為參數(shù)。

假設(shè)智利竹筴魚漁獲量的實(shí)際測量值C和預(yù)測估計(jì)值c的差為標(biāo)準(zhǔn)捕撈努力量的比值，即CPUE 的月間變化ΔUn是由環(huán)境變化造成的，可建立如下方程。

式中，G(Fn)為第n月由關(guān)鍵環(huán)境因子導(dǎo)致的CPUE波動；φ為常數(shù)。

根據(jù)公式（3）～（5）得到環(huán)境因子與智利竹筴魚漁獲量的關(guān)系模型如下。

式中，Δun為ΔUn的預(yù)測值。

1.2.5 模型擬合度評價(jià) 對EDSP 模型誤差項(xiàng)進(jìn)行顯著性檢驗(yàn)，常用的方法為赤池信息準(zhǔn)則(akaike information criterion，AIC)檢驗(yàn)[24]、蒙特卡羅檢驗(yàn)[25]和F檢驗(yàn)[26-27]等。本文選取 AIC 檢驗(yàn)，該方法多用于比較不同模型的顯著性，當(dāng)2個(gè)模型AIC值相差超過3 時(shí)，較低AIC 值的模型擬合效果更好，表達(dá)式如下。

式中，n為樣本數(shù)；RSS 為殘差平方和；P為模型中參數(shù)個(gè)數(shù)。

本文使用平均絕對誤差（mean absolute error，MAE）和平均相對誤差（mean relative error，MRE）對建立的模型預(yù)測結(jié)果精度進(jìn)行評價(jià)[17]，誤差越小則模型預(yù)測精度越高。

式中，n為樣本數(shù)；ca為實(shí)際漁獲量，ce為預(yù)測漁獲量。

1.3 數(shù)據(jù)統(tǒng)計(jì)分析

本文采用SPSS 23 軟件對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，使用Excel軟件進(jìn)行圖表的繪制。

2 結(jié)果與分析

2.1 相關(guān)性分析及關(guān)鍵因子的選取

對2012—2018年智利竹筴魚漁場范圍內(nèi)分辨率0.5°×0.5°的SST、Chl-a、SSTA 和 SSHA 環(huán)境數(shù)據(jù)和CPUE 序列值進(jìn)行相關(guān)性分析，SST、Chl-a、SSTA 與 CPUE 的相關(guān)系數(shù)分別為 0.035、0.049、0.041，相關(guān)性顯著（P＜0.05），環(huán)境因子SSHA 與CPUE 的相關(guān)性（0.055）較弱，其中相關(guān)性最高的環(huán)境因子為SST，將該環(huán)境數(shù)據(jù)與CPUE 殘差做回歸分析，得到關(guān)聯(lián)度最高的海域?yàn)?0.5°S、79.0°W（表1），因此本研究將40.5°—41.0°S、79.0—79.5°W 海域作為表征影響智利竹筴魚資源豐度的指標(biāo)。

表1 CPUE殘差回歸分析Table 1 Regression of the residual of CPUE

2.2 智利竹筴魚一般剩余產(chǎn)量模型

對智利竹筴魚2012—2018年漁獲量以及標(biāo)準(zhǔn)化CPUE 數(shù)據(jù)進(jìn)行線性回歸分析（圖1），得到剩余產(chǎn)量模型參數(shù)a 和b，數(shù)值分別為1.3083 39 和0.000 13，根據(jù)式（3）（4），可得智利竹筴魚一般剩余產(chǎn)量模型的表達(dá)式如下。

圖1 智利竹筴魚CPUE與漁獲量的關(guān)系Fig.1 Relationship between the catch per unit effort of Chilean jack mackerel and catch

2.3 基于環(huán)境因子的智利竹筴魚剩余產(chǎn)量模型分析

2.3.1 基于SST的智利竹筴魚剩余產(chǎn)量模型 SST對于CPUE的影響最為顯著，選取SST為關(guān)鍵環(huán)境因子建立剩余產(chǎn)量模型EDSP1 模型。標(biāo)準(zhǔn)CPUE殘差與各月海域40.5—41.0 °S、79.0—79.5 °W位置對應(yīng)的SST 的擬合曲線如圖2 所示?；貧w分析表明，智利竹筴魚標(biāo)準(zhǔn)CPUE殘差與各月海域位置對應(yīng)的SST呈線性關(guān)系，根據(jù)式（5）可得式（11）。

圖2 智利竹筴魚CPUE殘差與40.5°S、79.0°W海域SST的擬合曲線Fig.2 Fitted quadratic curve of residual of CPUE of Chilean jack mackerel against monthly SST at 40.5°S，79.0°W

當(dāng) ΔUn=0、Tn=14.35 ℃，由圖2 可知，當(dāng)對應(yīng)月份海域40.5—41.0°S、79.0—79.5°W 位置的 SST低于14.35 ℃，智利竹筴魚標(biāo)準(zhǔn)CPUE 殘差小于0；當(dāng)對應(yīng)月份SST 高于14.35 ℃，智利竹筴魚標(biāo)準(zhǔn)CPUE 殘差大于0，最適SST 為14～16 ℃。根據(jù)式（6）可得基于SST 的剩余產(chǎn)量模型EDSP1 的最終表達(dá)式。

2.3.2 基于SST、Chl-a 的智利竹筴魚剩余產(chǎn)量模型 顯著性分析結(jié)果表明，環(huán)境因子Chl-a對于智利竹筴魚CPUE 產(chǎn)生一定影響，故關(guān)鍵環(huán)境因子加入Chl-a，建立SST 和Chl-a 的剩余產(chǎn)量模型EDSP2。智利竹筴魚標(biāo)準(zhǔn)CPUE 殘差與各月海域40.5°S、79.0°W 位置對應(yīng)的 SST 和 Chl-a 進(jìn)行回歸分析。

根據(jù)式（6）可得基于SST 和Chl-a 的剩余產(chǎn)量模型EDSP2的最終表達(dá)式。

2.3.3 基于SST、Chl-a 和SSHA 的智利竹筴魚剩余產(chǎn)量模型 SSHA 對于智利竹筴魚CPUE 產(chǎn)生的影響小于Chl-a，故在第3個(gè)剩余產(chǎn)量模型中加入關(guān)鍵環(huán)境因子SSHA，建立SST、Chl-a 和SSHA的剩余產(chǎn)量模型EDSP3。智利竹筴魚標(biāo)準(zhǔn)CPUE殘差與各月海域40.5°S、79.0°W 位置對應(yīng)的SST、Chl-a和SSHA進(jìn)行回歸分析。

根據(jù)式（6）可得基于SST、Chl-a 和SSHA 的剩余產(chǎn)量模型EDSP3的最終表達(dá)式。

2.3.4 基于SST、Chl-a和SSTA的智利竹筴魚剩余產(chǎn)量模型 顯著性分析結(jié)果表明環(huán)境因子SSTA對于智利竹筴魚CPUE 產(chǎn)生的影響小于Chl-a，故在第4個(gè)剩余產(chǎn)量模型中加入關(guān)鍵環(huán)境因子SSTA，建立 SST、Chl-a 和 SSTA 的剩余產(chǎn)量模型EDSP4。智利竹筴魚標(biāo)準(zhǔn)CPUE 殘差與各月海域40.5—41.0°S、79.0—79.5°W 位置對應(yīng)的SST、Chla和SSTA進(jìn)行回歸分析.

根據(jù)式（6）可得基于SST、Chl-a 和SSTA 的剩余產(chǎn)量模型EDSP4的最終表達(dá)式。

2.3.5 基于環(huán)境因子 SST、Chl-a、SSTA 和 SSHA 的智利竹筴魚剩余產(chǎn)量模型 將4個(gè)環(huán)境因子均加入剩余產(chǎn)量模型中，建立SST、Chl-a、SSTA和SSHA的剩余產(chǎn)量模型EDSP5。智利竹筴魚標(biāo)準(zhǔn)CPUE殘差與各月海域 40.5—41.0 °S、79.0—79.5 °W 位置 對 應(yīng)的 SST、Chl-a、SSTA 和 SSHA 進(jìn) 行 回歸分析。

根據(jù)式（6）可得基于 SST、Chl-a、SSTA 和SSHA的剩余產(chǎn)量模型EDSP5的最終表達(dá)式。

2.3.6 智利竹筴魚EDSP 模型預(yù)測結(jié)果分析 由模型EDSP1、EDSP2、EDSP3、EDSP4、EDSP5 得出預(yù)測的智利竹筴魚漁獲量與實(shí)際漁獲量（圖3），可以看出，基于環(huán)境因子 SST、Chl-a、SSTA 和SSHA 的智利竹筴魚EDSP5 模型對于漁獲量的預(yù)測值與實(shí)際值最為接近。

圖3 2012—2018年4—8月智利竹筴魚漁業(yè)實(shí)際漁獲量與不同模型預(yù)測漁獲量Fig.3 Actual and predicted catches of Chilean jack mackerel by different model from April to August，2012 to 2018

2.3.7 EDSP 模型擬合結(jié)果評價(jià) 對5個(gè)模型所預(yù)測的2012—2018年4—8月漁獲量結(jié)果使用AIC 值進(jìn)行檢驗(yàn)，AIC 值越小表明擬合效果越優(yōu)，MAE、MRE 越小表明對漁獲量的預(yù)測越準(zhǔn)確。從表2 可以看出，這5個(gè)模型AIC 值均較小，表明5個(gè)模型均可對漁獲量進(jìn)行較為精確的預(yù)測，但剩余產(chǎn)量模型 EDSP5 的 AIC、MAE、MRE 值均最小，分別為51.79、0.86、25.60，表明該模型的擬合度最好且預(yù)測精度最高，為最優(yōu)EDSP 模型，其次為EDSP4，EDSP1 的擬合度相對較差。EDSP4、EDSP5 模型結(jié)果擬合程度相差結(jié)果很小，且對漁獲量的預(yù)測情況差異不大，考慮到建立模型時(shí)的方便性與簡潔性，可以選擇環(huán)境因子SST、Chl-a、SSTA來建立智利竹筴魚資源預(yù)測模型。

表2 模型擬合結(jié)果Table 2 Summary results of model

3 討論

本研究利用GAM 模型對東南太平洋智利竹筴魚CPUE 進(jìn)行標(biāo)準(zhǔn)化時(shí)，不僅考慮空間因素對智利竹筴魚CPUE 的影響，也將環(huán)境因子加入解釋變量中，去除空間和環(huán)境雙重因素對智利竹筴魚CPUE的影響，以便更好地構(gòu)建EDSP模型。

從預(yù)測結(jié)果最優(yōu)剩余產(chǎn)量模型EDSP5 模型的表達(dá)式可看出，決定智利竹筴魚漁獲量的主要因素除 CPUE 量外，SST、Chl-a、SSTA、SSHA 也應(yīng)考慮其中，SST 是導(dǎo)致智利竹筴魚資源變動的重要海洋環(huán)境因子[3-4]。當(dāng)對應(yīng)月份海域40.5—41.0 °S、79.0—79.5 °W位置的SST低于14 ℃時(shí)，智利竹筴魚CPUE 殘差小于0；當(dāng)對應(yīng)月份SST 在14～16 ℃，智利竹筴魚CPUE 殘差大于0，由此可見，當(dāng)海面溫度在14～16 ℃時(shí)，海水溫度適宜，該環(huán)境更適合智利竹筴魚的生長，智利竹筴魚資源量會有所增加，在相同捕撈努力量情況下，漁獲量會增加；相反，環(huán)境溫度不適宜時(shí)資源量下降，漁獲量減少。該結(jié)果也與牛明香等[4]的研究結(jié)果一致。SST 對智利竹筴魚CPUE 的影響可直接反映到其資源豐度上，進(jìn)而導(dǎo)致智利竹筴魚漁獲量的改變。研究結(jié)果表明用對應(yīng)月份40.5—41.0 °S、79.0—79.5 °W 海域環(huán)境因子作為表征智利竹筴魚漁場的環(huán)境情況是可行的，且使用海表面環(huán)境因子數(shù)據(jù)可以對智利竹筴魚漁獲量進(jìn)行研究。

DSP 模型在加入海面溫度數(shù)據(jù)后，假定捕撈努力量值為常數(shù)，智利竹筴魚CPUE與SST存在線性關(guān)系；在加入環(huán)境因子SST 和Chl-a 影響后，發(fā)現(xiàn)2 種環(huán)境因子對智利竹筴魚CPUE 的影響比只考慮海面溫度時(shí)的影響大，對智利竹筴魚漁獲量的預(yù)測結(jié)果也比EDSP2 模型中的平均絕對誤差和相對誤差小；EDSP5 模型將4個(gè)環(huán)境因子均加入其中，結(jié)果表明其為預(yù)測效果最佳的模型。

智利竹筴魚為中上層海洋魚類，資源容易隨著環(huán)境和氣候變化而發(fā)生變化[28]。本研究表明，SST、Chl-a、SSTA、SSHA對智利竹筴魚資源產(chǎn)生了一定的影響，導(dǎo)致CPUE 的波動。SST是導(dǎo)致智利竹筴魚CPUE 產(chǎn)生月間波動的最重要環(huán)境因子，其次為SSTA、Chl-a，SSHA 則影響相對較小，且隨著有效環(huán)境因子加入得越多，對于漁獲量的分析和預(yù)測就愈加準(zhǔn)確和全面，但從EDSP4 與EDSP5模型的結(jié)果對比來看，擬合程度相似，平均相對誤差和平均絕對誤差相差較小，對漁獲量的預(yù)測情況差異不大，考慮到模型的簡潔性及有效性，建立模型時(shí)可舍棄海面高度異常值這一環(huán)境因子。

21 世紀(jì)初，由于環(huán)境變化和人為捕撈導(dǎo)致資源驟減，為了加強(qiáng)漁業(yè)資源的有效管理，澳大利亞、中國、智利、俄羅斯等國家于2006年共同發(fā)起籌建南太平洋區(qū)域漁業(yè)管理組織計(jì)劃，經(jīng)過多方面的交流溝通在2012年實(shí)施《南太平洋公海漁業(yè)資源養(yǎng)護(hù)和管理公約》，限制各國的捕撈水平，旨在恢復(fù)智利竹筴魚資源量。在時(shí)間年際變化趨勢上，2014—2018年智利竹筴魚資源量相比較2012—2013年資源量有所增加，說明南太平洋區(qū)域漁業(yè)管理組織總捕撈許可量管理制度初見成效。近幾年，東南太平洋智利竹筴魚資源一直處于恢復(fù)時(shí)期，因此對于智利竹筴魚漁場及資源的研究就尤為重要，本文為未來漁業(yè)管理的開發(fā)利用提供參考依據(jù)，如采取更為科學(xué)嚴(yán)格的管理措施，制定相應(yīng)合理的捕撈力度。

剩余產(chǎn)量模型由于對數(shù)據(jù)要求不高且簡單實(shí)用等優(yōu)勢在漁業(yè)中應(yīng)用廣泛，近幾年來智利竹筴魚受到環(huán)境變化和人為捕撈影響而產(chǎn)量較低，智利竹筴魚的數(shù)據(jù)量可以滿足該模型的要求。相比較于傳統(tǒng)的剩余產(chǎn)量模型，本文選取了SST、Chl-a、SSTA、SSHA 4個(gè)環(huán)境因子，將這些環(huán)境因子加入了所建立的剩余產(chǎn)量模型中，動態(tài)研究和預(yù)測基于環(huán)境變化下智利竹筴魚漁獲量的變化。與李綱等[15]、鄭曉瓊等[16]、易煒等[29]、楊嘉樑等[30]構(gòu)建的剩余產(chǎn)量模型相比，本文考慮了多個(gè)海洋環(huán)境因子對資源量的影響，建立基于不同海洋環(huán)境因子的智利竹筴魚的剩余產(chǎn)量模型，更準(zhǔn)確地對智利竹筴魚漁獲量進(jìn)行預(yù)測。

本文只考慮了空間因素和部分環(huán)境因素與智利竹筴魚漁獲量的關(guān)系，在一定程度上會影響預(yù)測結(jié)果；CPUE 只能間接地反映智利竹筴魚資源豐度的變化，本文直接采用CPUE 代表資源豐度可能會使結(jié)果出現(xiàn)誤差；本文僅采用4個(gè)環(huán)境因子建立模型，但是對于智利竹筴魚資源量的影響是多方面的，今后的研究也可以加入更多影響漁場資源變動的因子例如溶解氧、海水鹽度等，以便更好、更全面地進(jìn)行智利竹筴魚資源豐度的研究，為今后的智利竹筴魚資源的開發(fā)提供一定的理論參考。