Page 76 - 《水产学报》2026年第04期

4 期 水 产 学 报 50 卷

表 2 2010—2023 年小黄鱼 CPUE 标准化序列模型选择
Tab. 2 Model selection results for CPUE standardization of L. polyactis in the East China Sea, 2010-2023
数据来源 模型 空间处理 环境变量线性/非线性 网具和环境变量交互
data source model spatial effect linear/nonlinear interaction DIC WAIC LCPO
商业捕捞 M1 独立空间随机效应 线性 是 7 786 7 838 15.59
commercial fishery
M2 非线性 是 7 802 7 849 16.46
M3 线性 否 7 796 7 840 15.73
M4 非线性 否 7 798 7 844 18.36
M5 共享空间随机效应 线性 是 7 928 7 954 15.65
M6 非线性 是 7 938 7 962 15.71
M7 线性 否 7 924 7 949 15.59
M8 非线性非交互 否 7 934 7 957 15.68
资源调查 M9 独立空间随机效应 线性 6 713 6 817 14.43
survey
M10 非线性 6 733 6 814 14.59
M11 共享空间随机效应 线性 6 833 6 884 14.48
M12 非线性 6 828 6 875 14.42
注：表中DIC、WAIC与LCPO最低值用粗体标出。
Notes: The minimum values of DIC, WAIC and LCPO in the table are marked in bold.

基于调查数据的模型比较显示 (表 2)，独立 未出现偏移或明显的趋势性，预测残差具有随机
空间随机效应模型同样优于共享空间随机效应模 性特征图 (图 1)。残差在中等偏高温度和盐度区
型。M9 获得最低 DIC 值和相对较低的 WAIC、 间波动相对较大，该异质性分布反映了渔业数据
LCPO。在共享空间随机效应模型中，非线性模 的固有特性，即在环境梯度变化剧烈的区域，鱼
型 M12 相较于线性模型 M11 表现出轻微的提高。 类分布本身具有更高的变异性。通过 loess 拟合残
模型选择结果支持在东海小黄鱼 CPUE 标准化中 差与环境变量关系，未发现明显的函数关系，模
采用独立空间随机效应结构，并且包含网具与环 型充分反映了环境因子与 CPUE 之间的主要关系，
境变量交互项的线性模型最为适宜。 小黄鱼 CPUE 标准化模型表现出良好的统计特性。
进一步评估了不同误差分布假设对模型预测 调查设计数据预测模型 CPUE 的残差与环境
能力的影响，结果显示，对于商业捕捞数据和资 因子之间的关联性并不明显。局部加权回归显示，
源调查数据，Gamma 分布均表现出更优的预测性 残差分布总体呈现随机的模式，在各类环境因子
能 (表 3)。在商业捕捞数据中，Gamma 分布的 R 2 的常见区间内表现稳定，预测误差较小 (图 2)。
为 0.76，显著高于对数正态分布的 0.65；其 RMSE
2.2 环境和网具效应
和 MAE 也均低于对数正态分布。在资源调查数
2
据中，Gamma 分布的预测优势同样明显，R 为 环境变量对小黄鱼 CPUE 的效应在不同网具
0.65，高于对数正态分布的 0.43。 间存在显著性差异 (图 3)，温度增加对刺网 (总效
商业捕捞数据环境变量和残差分析结果显示， 应 0.098) 和张网 (0.030) 表现为微弱的正向效应，
残差在整个观测值范围内均匀分布在零值线两侧， 而对拖网 (−0.038) 则呈现轻微的负向效应。盐度

表 3 M1 模型在不同分布类型的预测性能
Tab. 3 The predictive performance of the M1 model for different distribution types
数据来源 分布族
R 2 RMSE MAE
data source family
商业捕捞 伽玛分布 gamma 0.76 616 321
commercial fishery
对数正态分布 lognormal 0.65 784 359
资源调查 伽玛分布 gamma 0.65 49 21
survey
对数正态分布 lognormal 0.43 65 24

https://www.china-fishery.cn 中国水产学会主办 sponsored by China Society of Fisheries
6