Page 73 - 《水产学报》2026年第04期
P. 73

4 期           刘尊雷，等：基于多源数据与            INLA-贝叶斯时空模型的东海小黄鱼           CPUE  标准化            50 卷

              明显超出经验阈值且经核实为数据录入错误，将                            深和离岸距离是描述栖息地地形特征的基本变量，
              进行修正或剔除。对于缺失关键空间信息(如经度、                          直接影响光照、营养盐和初级生产力分布。底层
              纬度或渔区) 的记录也予以删除。由于部分日志仅                          水温和盐度则是海洋学核心参数，共同决定了水
              记录了渔区而非精确坐标，采用该渔区的几何中                            团性质、水体层化状况及物种的最适生理范围，
              心作为其近似捕捞位置，这是处理此类渔业数据                            对小黄鱼的分布、集群和洄游具有关键调控作用。
              的常用方法。此外，针对渔捞日志中底层水深数                                地形数据来源于空间分辨率为               0.083°×0.083°
                                                                                            [25]
              据报告不准确或缺失的问题，使用空间分辨率为                            的全球海洋环境数据集            (GMED) 。海洋学数据
              0.083°×0.083°的全球海洋环境数据集            (GMED) 中      (底层水温、盐度) 则从欧盟哥白尼海洋环境监测
              的水深数据予以替换和补充，以提高栖息地变量                            服务  (CMEMS) 获取，其水平分辨率为           0.25°×0.25°，
              描述的准确性。                                          时间分辨率为逐日。CMEMS             数据产品同化了卫
                   本研究使用的数据为渔业资源调查和渔业生                         星、浮标和船舶观测等多源数据，在东海等区域
              产中获得的小黄鱼数据，不涉及对活体动物进行                            已通过大量验证研究，被证实具有可靠的精度，
                                                                                            [26]
              实验干预或采样，因此本研究不涉及动物伦理。                            广泛应用于海洋生态和渔业研究 。为确保渔业
                                                               数据与环境数据在空间上匹配，使用                  R  语言  ras-
               1.2    资源调查数据
                                                               ter 包将所有环境数据重新采样至与渔业数据一致
                   为获取独立于渔业活动的资源分布信息，本                         的位置   [27-28] 。根据每条商业捕捞记录和每个调查
              研究整合了       2010—2023  年开展的底拖网调查数                站位的坐标与日期，从相应的环境数据图层中提
              据。该调查在        2010—2017  年租用渔业生产船执               取了各环境变量的具体数值。对于无法匹配环境
              行，自    2018  年起改为专用的科学调查船。尽管调                    数据的捕捞记录，在预处理中进行剔除。
              查船发生了变化，但调查站位设置、拖网持续时
                                                                1.4    CPUE  建模过程
              间  (固定为   60 min) 等重要参数保持一致，以确保
              时间序列的可比性。为量化并校正因调查船更替                                 时空模型基本框架  商业渔业原始数据包
                                                               含捕捞努力量 (作业天数/d)、渔获量 [ 小黄鱼捕捞
              可能带来的捕捞效率差异，项目于                 2018  年在东海
                                                               重量  (kg)]、空间信息     (经纬度坐标)、时间信息          (年
              舟山渔场和舟外渔场开展了平行拖网对比实验。
                                                               和月)、网具类型       (不同捕捞网具分类) 以及环境变
              通过拟合     GLM  分析两种船型在同一区域的            CPUE，
                                                               量  (温 度 、 盐 度 、 水 深 和 离 岸 距 离 )。 将 名 义
              获得了科学调查船相对于渔业生产船的尺度转换
                                                               CPUE  计算为每天的捕捞产量，所有               CPUE  均为
              因子，并将      2018  年之前的生产船       CPUE  数据统一
                                                               有小黄鱼出现时的作业记录，不包括零值。
              校正至科学调查船标准。
                                                                   CPUE  标准化采用贝叶斯时空广义线性混合
                   调查采用系统性采样设计，站位均匀分布在
                                                               模型，响应变量为         CPUE (商业数据单位为         kg/d，
              东海海域，理论间隔为            30′。然而，受实际海况、
                                                               调查数据单位为        g/h)。由于   CPUE  数据不含零值，
              天气及海底地形限制，每年实际有效站点数为
                                                               采用伽马分布       (Gamma) 和对数正态分布         (lognor-
              90~120  个，且在    2022  年，调查范围仅限于东海
                                                               mal) 两种分布类型，分步开展模型构建和验证。
              北部。所有站点均使用底拖网进行作业。所有渔
                                                               首先以   Gamma 分布作为响应变量的概率分布，通
              获物均进行物种鉴定，小黄鱼的丰度和生物量被
                                                               过对数链接函数建立预测变量与期望值之间的关
              标准化为每小时拖网捕获的尾数                  (尾/h) 和重量        系，其中预测变量包含固定效应和随机效应成分。
              (g/h)，作为资源评估中独立的相对丰度指数。                          固定效应包括年份效应、网具效应                (仅在商业捕捞

               1.3    环境变量                                     数据中分析) 以及环境变量效应，而随机效应则用
                                                               于捕捉空间和时空变异。CPUE 变量的均值通过
                   环境变量通过影响鱼类的栖息地偏好和行
                                                               对数连接函数与协变量以及时空效应相关联。模
              为，而显著影响其空间密度和对渔具的可捕性。
                                                               型的基本公式：
              为建立小黄鱼       CPUE  与其栖息地条件之间的关系，                                 (     )
              本 研 究 选 取 了    4  个 关 键 的 环 境 协 变 量 ： 水 深            Y (s,t) ∼ Gamma µ (s,t) ,φ           (1)
              (depth, m)、 与 海 岸 的 距 离   (distance to coast, 100     (  )         (    )  µ (s,t)  2
                                                                   E Y s,t = µ (s,t) ,var Y (s,t) =     (2)
              km)、底层水温       (SBT, °C) 和底层盐度     (SBS)。水                                  φ

              中国水产学会主办  sponsored by China Society of Fisheries                          https://www.china-fishery.cn
                                                            3
   68   69   70   71   72   73   74   75   76   77   78