Page 157 - 《水产学报》2025年第11期

徐国强，等 水产学报, 2025, 49(11): 119313

以供后续研究。在拖网调查结束后，对渔获物 (Density) 作为模型的响应变量，季节 (Season)、
样品进行取样，冰鲜后带回实验室进行生物学 经度 (longi)、纬度 (lati)、水深 (depth)、表层水
测定分析。生物学测定分析包括渔获物种类分 温 (BT)、底层水温 (DT)、表层盐度 (BS)、底层
品种鉴定，以及数量、重量等生物学指标。渔 盐 度 (DS)、 表 层 溶 解 氧 (BO)、 底 层 溶 解 氧
业资源海上本底调查和生物学测定分析均参考 (DO)、 表 层 叶 绿 素 (Bchl.a) 和 底 层 叶 绿 素

《海洋调查规范》(GB/T 12763.6—2007) [18] 等 (Dchl.a) 作为模型的解释变量。以构建的响应变
有关标准进行。 量与所有解释变量进行建模，建立的 GAM 模
型表达式：
1.2 相对重要性指数
∑
ln(Density+mean) = s(x)+ε (5)
采用 Pinkas 相对重要性指数 (IRI) 来确定
口虾蛄在瑞安海域的重要性 ，表达式： 式中，为避免零值出现，采用 Density+平均值
[19]
再进行对数化处理；s 为自然样条平滑；x 为解
IRI = (N+W)F (1)
释变量；ε 表示误差。采用方差膨胀因子 (VIF)
式中，N 为口虾蛄尾数占总渔获物尾数的百分
进行多重共线性检验 [12, 13] 。利用 F 检验评估各
比 (%)，W 为口虾蛄重量占总渔获物重量的百
解释变量的显著性，从而筛选出对资源密度有
分比 (%)，F 为口虾蛄出现的网次数占总网次的
显著性的影响因子，以此得出口虾蛄资源密度
百分比 (%)。本研究将 IRI 值大于 1 000 的定为 与显著因子的线性或非线性关系。数据分析及
优势种，100~1 000 定为重要种。
绘图采用 Origin、Arcgis 和 R 语言软件进行。
1.3 资源密度与重心分布计算 显著性差异分析采用 Kruskal-Wallis 检验进行
(P＜0.05)。
口虾蛄资源密度采用扫海面积法进行计
[9]
算 ，计算公式：
2 结果
D i =C i /[(1−E)1.852VT i L] (2)
2
式中，D 为 i i 站位的资源密度 (kg/km )；C 为 i i 2.1 口虾蛄相对重要性指数
站 位 实 际 调 查 渔 获 量 (kg)； E 为 逃 逸 率 (取 采用相对重要性指数来确定口虾蛄在瑞安海域
[9]
i
0.5) ；V 为平均拖速 (标准化为 3 kn)，T 为拖 中的重要性。春季 IRI 值为 2 193.72，夏季 IRI
网时间 (标准化为 1 h)，L 为网口水平扩张宽度 值 为 1 484.60， 秋 季 IRI 值 为 1 550.27， 冬 季
(9.90×10 km)。 IRI 值为 2 966.27 (图 2)。从 IRI 值来看，口虾
−3
不同季节口虾蛄重心分布根据瑞安海域口 蛄为瑞安海域 4 个季节的优势种，是瑞安海域
虾蛄资源密度进行计算 [9,14] ，计算公式： 的重要底栖物种。

∑
n
(lon ij × D ij ) 3 000
j=1
lon i = ∑ n (3)
D ij 2 500
j=1
n
∑ 2 000
(lat ij × D ij )
j=1 相对重要性指数
lat i = (4) IRI 1 500
n
∑
D ij
j=1 1 000
式中，lon 和 i lat 分别表示 i 季节资源密度重心
i
500
的经度与纬度；lon 和 j lat 分别表示 i 季节 j 站
j
i i
位资源密度的经度与纬度；D 表示 i 季节 j 站 0 春季 夏季 秋季 冬季
j
i
位的资源密度；n 为瑞安海域调查的站位数。 spring summer autumn winter
季节
1.4 广义可加模型分析
season
本研究采用 GAM 模型分析口虾蛄与不同 图 2 不同季节口虾蛄相对重要性指数
因子之间的关系 [12, 14] 。其中，口虾蛄资源密度 Fig. 2 IRI of O. oratoria in different seasons
中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
3