北部湾灯光罩网渔场时空分布与海洋环境关系分析*

王言丰, 余景, 陈丕茂, 于杰, 刘祝楠

北部湾灯光罩网渔场时空分布与海洋环境关系分析*

王言丰1, 2, 余景1, 陈丕茂1, 于杰1, 刘祝楠1, 2

1. 中国水产科学研究院南海水产研究所, 广东省渔业生态环境重点开放实验室, 农业农村部南海渔业资源环境科学观测实验站, 广东省海洋休闲渔业工程技术研究中心, 中国水产科学研究院海洋牧场技术重点实验室, 广东 广州 510300;2. 上海海洋大学海洋科学学院, 上海 201306

文章根据大型灯光罩网渔船调查数据和卫星遥感海面风场(Sea Surface Wind, SSW)、海表温度(Sea Surface Temperature, SST)和叶绿素浓度(Chlorophyllconcentration, Chl)资料, 基于广义线性模型(Generalized Linear Model, GLM)对北部湾渔业资源单位捕捞努力量渔获量(Catch Per Unit Effort, CPUE)进行标准化, 应用多元线性回归等方法, 对北部湾灯光罩网渔场的时空分布及其与海洋环境的关系进行了分析。结果表明, 北部湾灯光罩网渔场适宜SST为27~29℃, Chl为0.5~1.5mg×m–3。较高资源量出现在10月份中上旬, 分布在18°—19°N及20°—21°N海域。北部湾灯光罩网渔场的时空分布与季风、19°N附近的暖水池和Chl等环境因素有关。

灯光罩网; 单位捕捞努力量渔获量; 海洋环境; 遥感; 北部湾

北部湾是位于南海西北部的天然半封闭海湾, 湾内海洋生物种类丰富, 是南海生物资源生产力最高的海域之一。近年来, 由于捕捞强度增大、生态环境恶化, 北部湾渔业资源量持续下降(孙典荣等, 2004)。灯光罩网是20世纪90年代在南海北部出现并迅速发展起来的一种新型渔具渔法, 是南海区海洋捕捞业的主要渔具之一, 其捕捞对象主要是头足类和趋光性鱼类(杨吝等, 2009a, b)。目前, 对北部湾渔业资源及环境因子的研究主要集中在渔获种类的分布及数量变化(孙典荣等, 2004; Wang et al, 2012; 王雪辉等, 2012), 鱼类群落结构的变动和生物学特性(乔延龙等, 2008; 蔡研聪等, 2018; 耿平等, 2018), 海洋环境因子的时空分布(Bauer et al, 2013; 牙韩争等, 2015; 王佳莹等, 2017; Shen et al, 2018), 以及环境变动对渔获量、鱼卵、底栖生物分布的影响(李寇军等, 2007; 王雪辉等, 2010; Cai et al, 2012)等方面的研究。这些研究分析了北部湾的渔业资源和海洋环境现状, 但对于环境因子对北部湾渔场的生态效应及其机理尚不明确。因此, 北部湾灯光罩网渔场的时空变动及其对环境的响应机制还需要多种技术手段的综合应用。

卫星遥感能够从空间获取长时间、大面积、近实时的海洋环境信息, 已广泛应用于渔业资源评估(官文江等, 2013; 余景等, 2017, 2018)、渔船管控(Wilson et al, 2009)、渔业安全(Perez et al, 2013)和渔具渔法(官文江等, 2007)等方面。卫星遥感和渔业资源调查的结合能够更加全面地反映海洋生物资源变动状况。本文基于卫星遥感资料和渔业资源调查数据分析了北部湾灯光罩网渔场时空分布与海洋环境的关系, 探讨渔业资源对海洋环境的响应机制。

1 材料与方法

1.1 数据来源

渔业资源数据来自大型灯光罩网渔船2011— 2015年9—12月份在北部湾的生产监测记录(图1)。调查数据以一个渔区(0.5°×0.5°)为统计单位, 包括作业日期、航次、经度、纬度和各鱼种产量等。

卫星遥感环境数据包括海表温度(Sea Surface Temperature, SST)、叶绿素浓度(Chlorophyllconcentration, Chl)和海面风场(Sea Surface Wind, SSW)。SST和Chl数据均来自美国国家航空航天局的中分辨率成像光谱仪Aqua卫星反演的Mapped产品(https://oceandata.sci.gsfc.nasa.gov/), 时间分辨率为天, 空间分辨率为4km。海面风场资料来自交叉校准多平台(Cross-Calibrated Multi-Platform, CCMP)产品(http://www.remss.com/), 时间分辨率为天, 空间分辨率为0.25°×0.25°。

图1 研究区域和渔业资源分布 虚线框为卫星遥感数据提取范围。CPUE: 单位捕捞努力量渔获量

1.2 数据处理方法

1) 单位捕捞努力量渔获量。北部湾渔业资源量用单位捕捞努力量渔获量(Catch Per Unit Effort, CPUE)表示, 其计算公式为:

式中:为作业天数内的渔获量总和(单位: 吨);为作业天数(单位: d)。

2) CPUE标准化。应用R软件对CPUE进行标准化(Maunder et al, 2004; 官文江等, 2014)。本文应用广义线性模型(Generalized Linear Model, GLM)对以10d为单位的CPUE进行标准化处理。标准化前对CPUE进行对数变换, 使其基本符合正态分布。本文使用的GLM模型的一般表达式为:

lg(CPUE +Ymd+year+monthmoon+Lat+Lon+SST+ error (2)

式中:为常数, 取总平均数的10%;Ymd为以10d为单位的时间效应;year为年效应;month为月效应;moon为月相效应;Lat为纬度效应;Lon为经度效应;SST为海表温度效应; error为(0,2), 其中表示正态分布,2是方差, 表示数据的离散程度。鱼类对温度的变化比较敏感, SST是环境因子中对渔业资源CPUE影响最大的因素, 因此选取SST作为CPUE标准化的环境因子(余景等, 2017)。由于时空因子和环境变量之间的关系非常复杂(如自相关等), 一般使用GLM模型进行CPUE标准化时忽略它们之间的交互效应(Maunder et al, 2004)。选出GLM最佳模型后, 运用R语言中relweights( ), 计算各变量的相对重要性占比。

3) 多元线性回归分析。应用R软件对SSW、SST、Chl和标准化CPUE(SCPUE)进行多元线性回归分析, 并用单因素分析法检验各变量之间的显著性。

运用Matlab软件读取研究区域的SST、Chl及SSW数据, 去除无效值, 以10d为单位计算其平均值, 并绘制各环境因子和SCPUE热图。通过空间趋势面插值分析SST、Chl和SCPUE的关系。

2 结果

2.1 渔业资源CPUE标准化

运用GLM模型对北部湾渔业资源CPUE进行标准化之前, 需确定其统计分布, CPUE直方图呈正偏态分布(图2a), 对其进行对数变换后, 整体符合正态分布(图2b)。利用逐步回归法筛选影响因子加入GLM模型进行运算。逐步回归是以赤池信息准则值(Akaike Information Criterion, AIC)为参考, 根据AIC值的大小, 筛选影响因子变量。结果表明, 加入Ymd、Year、Month、Lat、Lon、SST因子后模型的AIC值降低, 模型拟合效果较好(表1), 且模型因子的相对重要性占比依次为72.5% (SST)、10.5% (Year)、8% (Lat)、6.5% (Ymd)、2.5% (Month)(表2)。根据模型的AIC值, 得出最佳GLM模型为:

lg (CPUE +)=Ymd+yea+month+Lat+SST+ error (3)

图2 渔业资源CPUE频数分布(a)和对数变换后的频数分布(b)

表1 逐步GLM分析中各模型的AIC值

表2 最佳GLM模型各环境因子相对重要性占比

2.2 海面风场、海表温度、叶绿素a浓度和SCPUE时空变动

9月到12月, 北部湾海域SSW逐渐增加, 主要变化范围在4~10m×s–1(图3a、图4a)。最大SSW为11.5m×s–1(2011年12月中旬), 最小SSW为0.47m×s–1(2013年9月中旬)。在空间上, 高SSW出现在19°N附近海域(图3a、图4a)。

9月到12月, SST逐渐降低, 变化范围为22~31℃(图3b)。最大SST为30.1℃ (2014年9月下旬), 最小SST为22.1℃ (2011年12月下旬)。空间上, 在17°—21°N海域, 9月份的SST分布较为均匀, 10—12月份, 随着纬度的增加, SST逐渐降低。此外, 在10—12月份, 高SST出现在18°—19°N海域(图4b)。

Chl从9月到12月呈逐渐增加的趋势(图3c)。最高Chl为2.6mg×m–3(2011年12月中旬), 最低为0.24mg×m–3(2013年9月上旬)。空间上, 在17°—21°N海域内, Chl随着纬度的升高而逐渐增加; Chl高值区出现在19°N海域(图4c)。

图3 北部湾海面风场(SSW, a)、海表温度(SST, b)、叶绿素a浓度(Chl a, c)、标准化单位捕捞努力量渔获量(SCPUE, d)及渔业资源数据量(e)时间序列 灰色框表示每年最高渔业资源量, 空白处为数据缺失

图4 不同纬度北部湾海面风场(SSW, a)、海表温度(SST, b)、叶绿素浓度(Chl a, c)和标准化单位捕捞努力量渔获量(SCPUE, d)的分布 虚线框表示各因子高值区, 空白区域为数据缺失

SCPUE从9月到12月呈先增加后下降的趋势, 9—10月份逐渐增加, 11—12月份逐渐降低, 最高SCPUE出现在10月份中上旬, 最低SCPUE出现在12月份中下旬。调查期间, SCPUE主要变化范围为0.3~1.5; 最大值为1.574 (2015年10月上旬), 最小值为0.29 (2013年12月下旬) (图3d)。空间上, 较高的SCPUE主要分布在18°—19°N和20°—21°N海域(图4d、图5d)。调查期间, 北部湾渔业资源每旬的数据量主要为4~10个。其中, 2011—2015年9月上旬、2013年12月中旬数据缺失, 2011—2012年12月中上旬、2011—2015年9月中旬渔业资源数据量较少(图3e)。

2.3 海面风场、海表温度、叶绿素a浓度与SCPUE的关系

SSW、SST、Chl和SCPUE的多元线性回归分析结果表明, SST随着SSW的增加而逐渐降低, 风速在6~8m×s–1时, SST呈波动变化, 当风速大于6m×s–1时, SST下降(图5)。SST与Chl呈现负相关的关系, 随着SST的增加Chl逐渐降低。当SST在22~28℃时, SCPUE随水温的升高而逐渐增加; SST高于28℃后, SCPUE呈下降的趋势。此外, Chl为0.5~1.5mg×m–3时SCPUE较高, Chl大于1.5mg×m–3之后SCPUE逐渐下降(图5)。单因素方差分析结果表明, SSW、SST、Chl和SCPUE各变量之间的相关性显著(<0.05)。

图5 北部湾海面风场(SSW)、海表温度(SST)、叶绿素浓度(Chl a)和标准化单位捕捞努力量渔获量(SCPUE)的多元线性回归分析 x轴密度须线表示数据点密度, 图中空心圆点表示样本数据, 粗实线表示平滑拟合曲线, 细直线表示线性拟合曲线

北部湾海域SST、Chl和SCPUE的空间趋势面插值分析结果表明, 在SST为22~28℃、Chl为0.5~1.5mg×m–3时, SCPUE随着SST的升高和Chl的降低而增加。较高的SCPUE分布在SST为27~29℃、Chl为0.5~1.5mg×m–3的海域(图6)。

3 讨论

风场通过驱动海面洋流使表层海水交换, 影响海表温度的变化(牙韩争等, 2015)。本研究表明, 调查期间北部湾的SST随SSW的增加逐渐降低, 当SSW大于6m×s–1时, SST显著下降。这与粤东沿海冬季风和海表温度的相关性研究结果一致(王蓉等, 2008)。在北部湾, 9月份到12月份东北季风逐渐强盛(张淑平等, 2015), 该时期较高的风速带来的干冷空气使海表温度降低(王佳莹等, 2017)。秋冬季北部湾SST和Chl呈负相关的关系(图5), 研究表明, 在北部湾SST较高的水域, Chl较低(Shen et al, 2018), 这与本研究结果一致。

图6 北部湾海面风场(SSW)、海表温度(SST)、叶绿素浓度(Chl a)和标准化单位捕捞努力量渔获量(SCPUE)的空间关系

温度是影响鱼类活动重要的环境因子之一, 鱼类的聚集、迁移洄游和分布等都直接或间接地受到环境温度的限制(胡奎伟等, 2012)。基于GLM模型的CPUE标准化不仅能够客观反映北部湾灯光罩网渔场渔业资源的变化(官文江等, 2014), 还可以衡量不同时空和环境因子对CPUE的影响(戴小杰等, 2011)。本研究表明, 当GLM模型中加入SST因子之后, 模型的AIC值降低, 且在最佳模型中, SST相对重要性占72.5% (表2), 渔业资源CPUE受SST影响最大。秋冬季(9—12月)北部湾灯光罩网渔场的SST为22~30℃, 高资源量(SCPUE)出现在27~29℃的海域。北部湾灯光罩网主要的渔获物为带鱼、鲹科鱼类、枪乌贼等, 其中带鱼占较大比例(图1)。带鱼的主要摄食对象为头足类, 如枪乌贼和鲹科鱼类等(颜云榕等, 2010)。其中枪乌贼生长的适宜温度范围为27~28.9℃ (范江涛等, 2017), 与本研究高资源量(SCPUE)海域的温度一致, 这对带鱼的栖息地具有一定的指示作用。在南海北部, 蓝圆鲹的最适SST为28.28℃ (范江涛等, 2018), 与北部湾灯光罩网渔场一致。10月份北部湾高资源量(SCPUE)一部分分布在18°—19°N海域(图4d), 这可能是受19°N附近暖水池的影响(图4b)。由于南海暖水入侵, 在海南岛西部19°N附近海域形成了一个顺时针涡旋(陈振华, 2013), 导致北部湾暖水池的形成(Li et al, 2012)。该暖水池形成于10月份, 11月份达到强盛, 12月份开始消退。该暖水池的温度为26.2~ 28.3℃ (陈振华, 2013), 与本研究中渔业资源量最适宜SST一致, 表明暖水池带来的相对高温水体为鱼类的栖息提供了适宜的环境。

海域Chl指示浮游植物的生长状况, 反映海域初级生产力水平, 影响鱼类聚集和分布(Pitchaikani et al, 2016)。北部湾渔业资源的分布与浮游生物密切相关(贾晓平等, 2003), 浮游植物Chl直接影响饵料生物的生物量和分布。本研究表明, 9—12月, 北部湾灯光罩网渔场资源量高值区出现在Chl为0.5~1.5mg×m–3的海域。这与台湾海峡的鲹科类渔业资源主要聚集在Chl为0.2~1.0mg×m–3的研究结果相似(李雪丁, 2006)。空间上, 高资源量(SCPUE)主要分布在17°—19°N和20°— 21°N海域。其中, 在17°—19°N海域, 9月份海表温度较高、风速较低, 海水层化作用加强(Varela et al, 1992), 不利于海水的垂直运动, 底层营养物质难以到达表层, 导致9月份表层Chl偏低, 因此9月份SCPUE较低; SCPUE从10月份到12月份逐渐下降, 与Chl基本呈负相关的关系(图4c、4d), 即出现了“高叶绿素低资源量”和“低叶绿素高资源量”的现象(余景等, 2017), 这可能与北部湾的季风和环流有关。10—12月份在19°N附近海域出现Chl高值中心(图4c), 季风及海底地形等因素导致海南岛西部形成上升流(Lü et al, 2008), 诱发底层富含营养盐的海水向上涌升, 使表层营养盐增加, Chl逐渐升高(张淑平等, 2015)。10月份东北季风较弱, 海水垂直运动不明显, 营养盐分布不均衡(吴敏兰, 2014), 但该时期在19°N附近出现的暖水池为鱼类提供了适宜的栖息温度, 因此10月份SCPUE较高; 而12月份由于强烈的冬季风及环流(高劲松等, 2014), 使水体扰动作用加强, 且冬季的SST较低, 不利于鱼类的栖息与摄食。在20°—21°N的近岸海域, 海底地形平坦, 地势自西北向东南倾斜, 沿岸众多河流携带大量陆源营养物质入海(刘子琳等, 1998; 宋星宇等, 2004)。此外, 该区域水深变浅、潮汐流增强导致混合加强, 使表层营养盐充足, 浮游植物大量繁殖, 有利于海洋生物的摄食和聚集。因此, 在20°—21°N的近岸海域资源量(SCPUE)较高。

4 结论

本文应用卫星遥感海洋环境数据和渔业资源灯光罩网生产资料, 分析了北部湾灯光罩网渔场与海洋环境因子的关系。研究表明, 北部湾灯光罩网渔场的时空分布与季风、19°N附近的暖水池和Chl分布等因素有关。本文只选取了卫星遥感可获取的SSW、SST、Chl等环境因子, 后续研究中考虑气候变动、人类活动、渔船捕捞效率等因素对北部湾灯光罩网渔场的影响, 更准确分析北部湾灯光罩网渔场的分布特征与影响因素。

蔡研聪, 徐姗楠, 陈作志, 等, 2018. 南海北部近海渔业资源群落结构及其多样性现状[J]. 南方水产科学, 14(2): 10–18. CAI YANCONG, XU SHANNAN, CHEN ZUOZHI, et al, 2018. Current status of community structure and diversity of fishery resources in offshore northern South China Sea[J]. South China Fisheries Science, 14(2): 10–18 (in Chinese with English abstract).

陈振华, 2013. 北部湾环流季节变化的数值模拟与动力机制分析[D]. 青岛: 中国海洋大学. CHEN ZHENHUA, 2013. Numerical simulation on seasonal variation of ocean circulation and its dynamic mechanism in the Beibu Gulf[D]. Qingdao: Ocean University of China (in Chinese with English abstract).

戴小杰, 马超, 田思泉, 2011. 印度洋中国大眼金枪鱼延绳钓渔业CPUE标准化[J]. 上海海洋大学学报, 20(2): 275–283. DAI XIAOJIE, MA CHAO, TIAN SIQUAN, 2011. CPUE standardization of Chinese longline fishery for targeting bigeye tuna, Thunnus obesus in the Indian Ocean[J]. Journal of Shanghai Ocean University, 20(2): 275–283 (in Chinese with English abstract).

范江涛, 陈国宝, 陈作志, 2017. 基于栖息地指数的南海北部枪乌贼渔情预报模型构建[J]. 南方水产科学, 13(4): 11–16. FAN JIANGTAO, CHEN GUOBAO, CHEN ZUOZHI, 2017. Forecasting fishing ground of calamary in the northern South China Sea according to habitat suitability index[J]. South China Fisheries Science, 13(4): 11–16 (in Chinese with English abstract).

范江涛, 黄梓荣, 许友伟, 等, 2018. 基于遥感数据的南海北部近海蓝圆鲹栖息地模型分析[J]. 海洋湖沼通报, (3): 142–147. FAN JIANGTAO, HUANG ZIRONG, XU YOUWEI, et al, 2018. Habitat model analysis forin Northern South China Sea based on remote sensing data[J]. Transactions of Oceanology and Limnology, (3): 142–147 (in Chinese with English abstract).

高劲松, 陈波, 2014. 北部湾冬半年环流特征及驱动机制分析[J]. 广西科学, 21(1): 64–72. GAO JINGSONG, CHEN BO, 2014. Analysis on characteristics and formation mechanism of the winter boreal circulation in the Beibu Gulf[J]. Guangxi Sciences, 21(1): 64–72 (in Chinese with English abstract).

耿平, 张魁, 陈作志, 等, 2018. 北部湾蓝圆鲹生物学特征及开发状态的年际变化[J]. 南方水产科学, 14(6): 1–9. GENG PING, ZHANG KUI, CHEN ZUOZHI, et al, 2018. Interannual change in biological traits and exploitation rate ofin Beibu Gulf[J]. South China Fisheries Science, 14(6): 1–9 (in Chinese with English abstract).

官文江, 陈新军, 潘德炉, 2007. 遥感在海洋渔业中的应用与研究进展[J]. 大连水产学院学报, 22(1): 62–66. GUAN WENJIANG, CHEN XINJUN, PAN DELU, 2007. A review: application and research of remote sensing in marine fisheries[J]. Journal of Dalian Fisheries University, 22(1): 62–66 (in Chinese with English abstract).

(一)马克思全球化思想为中国共产党提出和阐明解决当今全球化复杂问题的“中国方案”提供了科学合理的思维方式。马克思从人类历史纪元式总体性变革角度将全球化看作时代特征以及人类文明发展的大趋势，既超越了一般全球化理论把全球化同质地等同于西方化的“西方中心论”思维方式，也超越了反全球化理论把“全球化”与“地方化”简单对立起来的二元论思维方式，这对于我们推进中国特色社会主义建设事业，既强调其符合现代人类文明发展大道一般性要求的全球化意义，又注重其对中华优秀民族文化传统的弘扬和创造性转换，从而将构建“人类命运共同体”与实现中华民族伟大复兴的中国梦有机统一起来，有着极为深刻的方法论启示。

官文江, 陈新军, 高峰, 等, 2013. 东海南部海洋净初级生产力与鲐鱼资源量变动关系的研究[J]. 海洋学报, 35(5): 121–127. GUAN WENJIANG, CHEN XINJUN, GAO FENG, et al, 2013. Study on the dynamics of biomass of chub mackerel based on ocean net primary production in southern East China Sea[J]. Acta Oceanologica Sinica, 35(5): 121–127 (in Chinese with English abstract).

官文江, 田思泉, 王学昉, 等, 2014. CPUE标准化方法与模型选择的回顾与展望[J]. 中国水产科学, 21(4): 852–862. GUAN WENJIANG, TIAN SIQUAN, WANG XUEFANG, et al, 2014. A review of methods and model selection for standardizing CPUE[J]. Journal of Fishery Sciences of China, 21(4): 852–862 (in Chinese with English abstract).

胡奎伟, 许柳雄, 陈新军, 等, 2012. 海洋遥感在渔场分析中的研究进展[J]. 中国水产科学, 19(6): 1079–1088. HU KUIWEI, XU LIUXIONG, CHEN XINJUN, et al, 2012. Application of ocean remote sensing on fishing ground analysis: a review[J]. Journal of Fishery Sciences of China, 19(6): 1079–1088 (in Chinese with English abstract).

贾晓平, 李纯厚, 林昭进, 等, 2003. 北部湾渔业生态环境与渔业资源[M]. 北京: 科学出版社: 104–110 (in Chinese).

李寇军, 邱永松, 王跃中, 2007. 自然环境变动对北部湾渔业资源的影响[J]. 南方水产, 3(1): 7–13. LI KOUJUN, QIU YONGSONG, WANG YUEZHONG, 2007. Influence of natural environment variation on fishery resources in Beibu Gulf[J]. South China Fisheries Science, 3(1): 7–13 (in Chinese with English abstract).

李雪丁, 2006. 台湾海峡南部鲐鲹鱼类群聚资源变动与环境关系的卫星遥感研究[D]. 厦门: 厦门大学. LI XUEDING, 2006. Monthly variability in the catchability of Chub Macherel and Round Scad and its relationship with environmental seasonality in the southern Taiwan Strait[D]. Xiamen: Xiamen University (in Chinese with English abstract).

刘子琳, 宁修仁, 蔡昱明, 1998. 北部湾浮游植物粒径分级叶绿素和初级生产力的分布特征[J]. 海洋学报, 20(1): 50–57. LIU ZILIN, NING XIUREN, CAI YUMING, 1998. Distribution characteristics of size-fractionated chlorophylland productivity of phytoplankton in the Beibu Gulf[J]. Acta Oceanologica Sinica, 20(1): 50–57 (in Chinese with English abstract).

乔延龙, 陈作志, 林昭进, 2008. 北部湾春、秋季渔业生物群落结构的变化[J]. 中国水产科学, 15(5): 816–821. QIAO YANLONG, CHEN ZUOZHI, LIN ZHAOJIN, 2008. Changes of community structure of fishery species during spring and autumn in Beibu Gulf[J]. Journal of Fishery Sciences of China, 15(5): 816–821 (in Chinese with English abstract).

孙典荣, 林昭进, 2004. 北部湾主要经济鱼类资源变动分析及保护对策探讨[J]. 热带海洋学报, 23(2): 62–68. SUN DIANRONG, LIN ZHAOJIN, 2004. Variations of major commercial fish stocks and strategies for fishery management in Beibu Gulf[J]. Journal of Tropical Oceanography, 23(2): 62–68 (in Chinese with English abstract).

王佳莹, 方国洪, 王永刚, 2017. 南海海面风场、高度场和温度场近十年的变化趋势及年际变化特征[J]. 海洋科学进展, 35(2): 159–175. WANG JIAYING, FANG GUOHONG, WANG YONGGANG. 2007. Trends and interannual variability of the South China Sea surface winds, surface height and surface temperature in the recent decade[J]. Advances in Marine Science, 35(2): 159–175 (in Chinese with English abstract).

王蓉, 李希茜, 邓文君, 等, 2008. 粤东沿海冬季风与海表温度对暖冬的响应[J]. 气象研究与应用, 29(S2): 37–38 (in Chinese).

王雪辉, 邱永松, 杜飞雁, 等, 2010. 北部湾鱼类群落格局及其与环境因子的关系[J]. 水产学报, 34(10): 1579–1586. WANG XUEHUI, QIU YONGSONG, DU FEIYAN, et al, 2010. Fish community pattern and its relation to environmental factors in the Beibu Gulf[J]. Journal of Fisheries of China, 34(10): 1579–1586 (in Chinese with English abstract).

王雪辉, 邱永松, 杜飞雁, 等, 2012. 北部湾秋季底层鱼类多样性和优势种数量的变动趋势[J]. 生态学报, 32(2): 333–342. WANG XUEHUI, QIU YONGSONG, DU FEIYAN, et al, 2012. Dynamics of demersal fish species diversity and biomass of dominant species in autumn in the Beibu Gulf, northwestern South China Sea[J]. Acta Ecologica Sinica, 32(2): 333–342 (in Chinese with English abstract).

吴敏兰, 2014. 北部湾北部海域营养盐的分布特征及其对生态系统的影响研究[D]. 厦门: 厦门大学. WU MINLAN, 2014. The distribution feature of nutrients and the study of their influence on ecosystem in the northern Beibu Gulf[D]. Xiame: Xiamen University (in Chinese with English abstract).

牙韩争, 高劲松, 董德信, 2015. 北部湾海表面温度变化特征及其影响因素分析[J]. 广西科学, 22(3): 260–265. YA HANZHENG, GAO JINGSONG, DONG DEXIN, 2015. Analysis of variation characteristics and driving factors of sea surface temperature in Beibu Gulf[J]. Guangxi Sciences, 22(3): 260–265 (in Chinese with English abstract).

颜云榕, 陈骏岚, 侯刚, 等, 2010. 北部湾带鱼的摄食习性[J]. 应用生态学报, 21(3): 749–755. YAN YUNRONG, CHEN JUNLAN, HOU GANG, et al, 2010. Feeding habits of trichiurus lepturus in Beibu gulf of South China Sea[J]. Chinese Journal of Applied Ecology, 21(3): 749–755 (in Chinese with English abstract).

杨吝, 张旭丰, 谭永光, 等, 2009a. 南海北部灯光罩网渔获组成及其对渔业资源的影响[J]. 南方水产, 5(4): 41–46. YANG LIN, ZHANG XUFENG, TAN YONGGUANG, et al, 2009a. The catch composition of light falling-net fishing and its impact on fishery resources in the northern South China Sea[J]. South China Fisheries Science, 5(4): 41–46 (in Chinese with English abstract).

杨吝, 张旭丰, 谭永光, 等, 2009b. 南海北部灯光围网渔获组成分析[J]. 南方水产, 5(6): 65–70. YANG LIN, ZHANG XUFENG, TAN YONGGUANG, et al, 2009b. Analysis on the catch composition of light-purse seine in the northern South China Sea[J]. South China Fisheries Science, 5(6): 65–70 (in Chinese with English abstract).

余景, 胡启伟, 李纯厚, 等, 2017. 西沙—中沙海域春季鸢乌贼资源与海洋环境的关系[J]. 海洋学报, 39(6): 62–73. YU JING, HU QIWEI, LI CHUNHOU, et al, 2017. Relationship between theresource and environmental factors in the Xisha-Zhongsha waters in spring[J]. Haiyang Xuebao, 39(6): 62–73 (in Chinese with English abstract).

余景, 胡启伟, 袁华荣, 等, 2018. 基于遥感数据的大亚湾伏季休渔效果评价[J]. 南方水产科学, 14(3): 1–9. YU JING, HU QIWEI, YUAN HUARONG, et al, 2018. Effect assessment of summer fishing moratorium in Daya Bay based on remote sensing data[J]. South China Fisheries Science, 14(3): 1–9 (in Chinese with English abstract).

张淑平, 王静, 赵辉, 2015. 季风影响下北部湾颗粒无机碳浓度时空变化特征[J]. 广东海洋大学学报, 35(3): 78–86. ZHANG SHUPING, WANG JING, ZHAO HUI, 2015. Influence of monsoon on temperal-spatial distribution of particulate inorganic carbon concentration time in the Beibu Gulf[J]. Journal of Guangdong Ocean University, 35(3): 78–86 (in Chinese with English abstract).

BAUER A, WANIEK J J, 2013. Factors affecting chlorophyllconcentration in the central Beibu Gulf, South China Sea[J]. Marine Ecology Progress Series, 474: 67–88.

CAI LIZHE, FU SUJING, YANG JIE, et al, 2012. Distribution of meiofaunal abundance in relation to environmental factors in Beibu Gulf, South China Sea[J]. Acta Oceanologica Sinica, 31(6): 92–103.

LI JIAXUN, WANG GUIHUA, XIE SHANGPING, et al, 2012. A winter warm pool southwest of Hainan island due to the orographic wind wake[J]. Journal of Geophysical Research:Oceans, 117(C8): C08036.

LÜ XINGANG, QIAO FANGLI, WANG GUANSUO, et al, 2008. Upwelling off the west coast of Hainan island in summer: its detection and mechanisms[J]. Geophysical Research Letters, 35(2): L02604.

MAUNDER M N, PUNT A E, 2004. Standardizing catch and effort data: a review of recent approaches[J]. Fisheries Research, 70(2–3): 141–159.

PEREZ J C, ALVAREZ M A, HEIKKONEN J, et al, 2013. The efficiency of using remote sensing for fisheries enforcement: application to the Mediterranean Bluefin tuna fishery[J]. Fisheries Research, 147: 24–31.

PITCHAIKANI J S, LIPTON A P, 2016. Nutrients and phytoplankton dynamics in the fishing grounds off Tiruchendur coastal waters, Gulf of Mannar, India[J]. Springerplus, 5(1): 1405.

SHEN CHUNYAN, YAN YUNRONG, ZHAO HUI, et al, 2018. Influence of monsoonal winds on chlorophyll-distribution in the Beibu Gulf[J]. PLoS One, 13(1): e0191051.

VARELA R A, CRUZADO A, TINTORE J, et al, 1992. Modelling the deep-chlorophyll maximum: a coupled physical-biological approach[J]. Journal of Marine Research, 50(3): 441–463.

WANG XUEHUI, QIU YONGSONG, DU FEIYAN, et al, 2012. Population parameters and dynamic pool models of commercial fishes in the Beibu Gulf, northern South China Sea[J]. Chinese Journal of Oceanology and Limnology, 30(1): 105–117.

WILSON C, CHEN CHANGSHENG, CLARK C W, et al, 2009. Remote sensing applications to marine resources management[M]//FORGET M H, STUART V, PLATT T. Remote Sensing in Fisheries and Aquaculture. Dartmouth: IOCCG: 43–56.

Relationship between spatial-temporal distribution of light falling-net fishing ground and marine environments*

WANG Yanfeng1, 2,YU Jing1, CHEN Pimao1, YU Jie1, LIU Zhunan1, 2

1. South China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Guangdong Provincial Key Laboratory of Fishery Ecology and Environment, Scientific Observing and Experimental Station of South China Sea Fishery Resources and Environment, Ministry of Agriculture and Rural Affairs, Guangdong Engineering Technology Research Center of Marine Recreational Fishery, Key Laboratory of Marine Ranching Technology, Chinese Academy of Fishery Sciences, Guangzhou 510300, China; 2. College of marine science, Shanghai Ocean University, Shanghai 201306, China

We analyze the relationship between spatial-temporal distribution of light falling-net fishing ground and marine environments in Beibu Gulf, based on standardized catch per unit effort (CPUE) of fishery resources through generalized linear model (GLM) and multiple linear regression. The data used include light falling-net survey data and satellite remote sensing data, namely, sea surface wind (SSW), sea surface temperature (SST), Chlorophyllconcentration (Chl). Results show the optimum SST and Chlof light falling-net fishing ground in Beibu Gulf were 27~29 ℃ and 0.5~1.5 mg×m–3, respectively. Higher stock density appears in the first and middle 10 days of October, and distributed in the area of 18°—19°N and 20°—21°N. The spatial-temporal distribution of light falling-net fishing ground in Beibu Gulf is linked with monsoon, warm pool in 19°N, Chl, and so on.

light falling-net; catch per unit effort; marine environments; remote sensing; Beibu Gulf

date: 2018-11-27;

date: 2019-02-20.

National Key Research and Development Program of China (2018YFD0900901); Central Public-interest Scientific Institution Basal Research Fund, Chinese Academy of Fishery Sciences (2018HY-ZD0104, 2019CY0403); Natural Science Fundation of Guangdong Province (2018A030313120); State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences (LTO1806)

YU Jing. E-mail: yujing@scsfri.ac.cn

P745.23

A

1009-5470(2019)05-0068-09

10.11978/2018129

http://www.jto.ac.cn

2018-11-27;

2019-02-20。

殷波编辑

国家重点研发计划(2018YFD0900901); 中国水产科学研究院中央级公益性科研院所基本科研业务费专项(2018HY-ZD0104、2019CY0403); 广东省自然科学基金(2018A030313120); 热带海洋环境国家重点实验室(中国科学院南海海洋研究所)开放课题(LTO1806)

王言丰(1992—), 女, 在读硕士研究生, 研究方向为海洋渔业生态。E-mail: 275002899@qq.com

余景(1974—), 女, 副研究员, 主要从事海洋渔业遥感研究。E-mail: yujing@scsfri.ac.cn

*感谢胡启伟、毛江美对数据分析的帮助, 谨致热忱。

Editor: YIN Bo