文章编号 : (2019) DOI: /jsou 基于不同气候条件的中西太平洋鲣鱼渔场预报 1 1,2,3,4 1 1,2,3,4 陈洋洋, 陈新军, 郭立新, 方舟 (1. 上海海洋大学海洋科学学院, 上海 ;2

Size: px

Start display at page:

Download "文章编号 : (2019) DOI: /jsou 基于不同气候条件的中西太平洋鲣鱼渔场预报 1 1,2,3,4 1 1,2,3,4 陈洋洋, 陈新军, 郭立新, 方舟 (1. 上海海洋大学海洋科学学院, 上海 ;2"

因影鲍
4 years ago
Views:

1 文章编号 : (2019) DOI: /jsou 基于不同气候条件的中西太平洋鲣鱼渔场预报 1 1,2,3,4 1 1,2,3,4 陈洋洋, 陈新军, 郭立新, 方舟 (1. 上海海洋大学海洋科学学院, 上海 ;2. 农业部大洋渔业开发重点实验室, 上海 ;3. 国家远洋渔业工程技术研究中心, 上海 ;4. 农业部大洋渔业资源环境科学观测实验站, 上海 ) 摘要 : 根据年中西太平洋鲣鱼围网捕捞生产统计数据, 选取了产量最高的 22 个 5 5 的海区, 结合尼诺指数划分不同的气候类型, 以渔获量为指标, 建立在不同气候条件下中西太平洋鲣鱼围网渔场的渔情预报模型研究认为 : 在不同的气候条件下, 鲣鱼产量有所波动, 其中厄尔尼诺月份月总产量和月均产量最高, 与拉尼娜月份产量接近, 而正常年份产量最低 ; 不同空间不同气候条件下的产量有较大差异, 在 130 E~ 145 E 海域, 北纬 5 产量明显高于南纬 5 产量, 同时正常月份的产量最高 ; 在 145 E~165 E 海域, 拉尼娜月份产量最高 ; 在 165 E 以东海域, 拉尼娜月份产量最低 ; 将渔获量与 Nino3.4 区的 SSTA 建立关系, 结果显示两者有着很强的相关关系, 均符合正态模型 (P<0.01) 模型验证的结果显示,3 种气候条件下的预报结果与实际统计值间均存在显著相关关系 (P<0.01), 模型有着较高的相关系数, 拟合结果较好针对中西太平洋不同空间位置的 3 种气候条件下鲣鱼渔获量波动规律进行研究, 为预测渔场和相关预报工作提供了新的思路关键词 : 鲣鱼 ; 渔获量 ; 厄尔尼诺 / 拉尼娜事件 ; 渔场预报中图分类号 :S932.4 文献标志码 :A 鲣鱼 (Katsuwonuspelamis) 广泛分布于太平洋大西洋印度洋的热带亚热带以及亚寒带海域, 在世界金枪鱼渔业中占有极其重要的地位 [1] 世界主要金枪鱼产量的 60% ~70% 来自太平洋海域 [2] [3], 其中又有 76% 来自中西太平洋和 56% 的产量来自围网捕捞 [3 4], 围网捕捞中的鲣鱼渔获比例约为 70% ~80% [5] 我国于 2000 年开始在该海域进行金枪鱼围网作业, 至 2006 年已发展到围网船只 8 艘年产量约 5 万吨的规模 [6], 而近些年已达到围网船只 20 艘年产量 10 万吨左右国内外已有很多学者对中西太平洋鲣鱼资源渔场分布及其与海洋环境的关系做了大量研究 [7 13] 研究表明, 中西太平洋暖池与鲣 [7 8] 鱼资源渔场分布关系密切 HAMPTON 等认为, 鲣鱼分布会随厄尔尼诺南方涛动现象 [9] (ENSO) 产生相应的迁移周盨芳认为, 厄尔尼诺发生时, 鲣鱼围网单位捕捞努力量渔获量经度重心较正常年份向东偏 10~20 个经度, 拉尼娜 [10] 年则向西偏 10~20 个经度汪金涛等认为, 当 Nino3.4 区海表温度异常值从低到高变化时, 鲣鱼渔场重心也逐渐由西向东偏以上研究均表明, 渔场分布受气候环境变化的影响很大, 与海表温度存在密切关系在中西太平洋海域共有 12 个国家和地区, 我国捕捞作业渔场基本上处在他国专属经济区管辖范围内 [11 12] 现阶段我国金枪鱼围网渔业可持续发展面临着中长期金枪鱼资源与空间分布无法预测, 且各岛国实行作业天数限制, 导致入渔成本不断提高, 因而影响金枪鱼围网的作业效率及产生的经济效益有所下降中西太平洋是我国鲣鱼围网的重要作业海域, 准确地预报该海域的中心渔场有利于提高捕捞效率为此, 本研究根据年中西太平洋鲣鱼围网生产数据以及海洋环境数据, 统计分析不同气候条件下渔业生产数据与气候因子之间的关系, 以渔获量作为中心渔场的预报指标, 将研究区域划分为 22 个 5 5 的海区, 分收稿日期 : 修回日期 : 基金项目 : 上海市科技创新计划 (15DZ ); 海洋局公益性行业专项 ( ) 作者简介 : 陈洋洋 (1991 ), 女, 硕士研究生, 研究方向为渔业资源 E mail: @qq.com 通信作者 : 陈新军,E mail:xjchen@shou.edu.cn

2 146 上海海洋大学学报 28 卷别统计每个海区的渔获量与气候因子之间的关系并建立每个渔区的渔场预报模型, 为准确快速寻找渔场提供科学依据 1 材料与方法 1.1 材料来源中西太平洋鲣鱼围网渔获生产统计数据来源于南太平洋渔业委员会 (htp:// gov) 数据包括日本韩国中国澳大利亚美国西班牙和南太平洋岛国等国家和地区, 统计内容包括年月经度纬度投网次数以及渔获量研究区域为 5 S~5 N,125 E~180 E 时间为年空间分辨率为 5 5, 时间分辨率为月 ENSO 指标拟用 Nino3.4 区海表温度距平值 (SSTA) 来表示, 其数据来自美国 NOAA 气候预报中心 (htp:// 时间单位为月 1.2 研究方法采用美国 NOAA 气候预报中心的标准定义推断厄尔尼诺 / 拉尼娜事件 [13 15] :Nino3.4 区的温度距平值连续 3 个月超过 +0.5 时, 则认为是发生了厄尔尼诺现象 ;Nino3.4 区的温度距平值连续 3 个月低于 -0.5 时, 则认为发生了拉尼娜现象 ; 其他的情况则为正常情况根据以上定义推断年发生的异常环境事件 ( 表 1), 并根据表 1, 将年, 以月为分辨率, 从时间上将 20 年分为 3 个部分, 分别为厄尔尼诺月份拉尼娜月份正常月份年份 Year 1 月 Jan. 表年发生 ElNino 和 LaNina 事件 Tab.1 OccurrenceofElNinoandLaNinaeventsduring 月 Feb. 3 月 Mar. 4 月 Apr. 5 月 May 6 月 Jun. 7 月 Jul. 8 月 Aug. 9 月 Sep. 10 月 Oct. 11 月 Nov E E E N N N N L L L L L 1996 L L L N N N N N N N N N 1997 N N N N E E E E E E E E 1998 E E E E E L L L L L L L 1999 L L L L L L L L L L L L 2000 L L L L L L L L L L L L 2001 L L L N N N N N N N N N 2002 N N N N N E E E E E E E 2003 E E N N N N N N N N N N 2004 N N N N N N E E E E E E 2005 E E E E N N N N N N N N 2006 N N N N N N N N E E E E 2007 E N N N N N N L L L L L 2008 L L L L L L N N N N N N 2009 N N N N N N E E E E E E 2010 E E E E N N L L L L L L 2011 L L L L N N N L L L L L 2012 L L N N N N N N N N N N 2013 N N N N N N N N N N N N 2014 N N N N N N N N N N E E 注 :E L 和 N 分别代表厄尔尼诺拉尼娜以及正常月份 Notes:E.ElNino;L.LaNina;N.Normal 12 月 Dec. 厄尔尼诺和拉尼娜现象会极大地影响鲣鱼的资源丰度 [13], 进而影响到渔场的分布及其渔获量为此, 统计不同区域渔获量的分布来研究鲣鱼的空间分布特征将年渔业捕捞数据与环境数据 (SSTA) 相匹配, 并根据以上对异常环境事件的定义以及不同月份的划分结果, 将年的统计数据分为 3 类, 分别为厄尔尼诺月份数据拉尼娜月份数据正常月份数据将研究区域 5 S~5 N,125 E~180 E 以 5 5 为空间统计单位划分为 22 个海区进行统计对每个海区分别统计不同 SSTA 范围 ( 以 0.5

3 1 期陈洋洋, 等 : 基于不同气候条件的中西太平洋鲣鱼渔场预报 147 为间隔 ) 与所对应的初值化渔获量的关系, 并利用正态分布模型建立每个海区的渔场预报模型, 所对应的 y 值为该海域占总海域产量的百分比在 3 种气候条件下, 分别选取 80% 的数据进行上述统计及建模, 并利用剩余的 20% 数据进行验证, 模型的优劣通过误差 ( 变异系数,coeficient ofvariation,c v ) 进行判断变异系数 C v 的计算方式如下 : C v = V std 100% (1) V mean 式中 :C v 为变异系数,V std 为预测值标准差与实际值标准差之差,V mean 为预测值的平均值与实际值平均值之差 2 结果 2.1 不同气候条件下产量情况统计不同气候条件下 ( 厄尔尼诺拉尼娜和正常月份 ) 中西太平洋鲣鱼月总产量, 结果发现 : 年间厄尔尼诺月总产量为万吨, 拉尼娜月总产量为万吨, 正常月总产量为万吨 ; 从月平均产量来看, 厄尔尼诺月均产量为 t, 拉尼娜月均产量为 t, 正常月均产量为 t 总体来看, 相比其他气候条件而言, 正常年份产量要明显偏低 ( 图 1) 2.2 不同空间位置及气候条件下产量情况根据不同空间位置统计 20 年的鲣鱼产量, 结果发现, 不同空间以及不同气候条件下产量的有较大的差异在 130 E~145 E 海域, 北纬 5 产量明显高于南纬 5 产量, 同时在这一海域, 正常月份的产量均高于 20 万 t, 比其他极端气候的产量高 ; 而在 145 E~165 E 以东海域, 无论南北纬, 产量均相对较高, 且拉尼娜月份产量均高于 20 万 t, 比厄尔尼诺 / 正常月份的产量高 ; 在 165 E 以东海域, 产量相对较低, 其中南纬 5 海域中, 拉尼娜月份产量明显比厄尔尼诺 / 正常月份的产量低 ( 图 2) 2.3 不同气候条件下围网渔场预报模型厄尔尼诺情况下渔场预报分析分析表明, 在厄尔尼诺气候条件下, 研究海区的 SSTA 和 22 个海区的渔获量之间均呈正态分布, 相关系数均达到 0.95 以上 (P<0.01)( 表 2) 所建立的模型均能很好地拟合 SSTA 与渔获量之间的关系图 1 不同气候条件下鲣鱼月总产量 ( 柱形图 ) 及月平均产量 ( 折线 ) Fig.1 Cumulativemonthlycatch(bar)and meanmonthlycatch(line)indiferentclimatic conditionsofkatsuwonuspelamis 图 2 不同空间位置渔获量分布图 Fig.2 DistributionofcatchindiferentspatiallocationinwestcentralPacificOcean

4 148 上海海洋大学学报 28 卷表 2 厄尔尼诺气候条件下 22 个海区基于作业海域 SSTA 的模型 Tab.2 Modelofenter fishingbasedonsstaoffishingareain22fishingzonesbasedonel-nino 预报单元 PredictedUnit 模型 Model 相关系数 R 2 P 值 Pvalue 0-5 N,125 E 130 E y=exp[ (X SSTA ) 2 ] N,130 E 135 E y=exp[ (X SSTA ) 2 ] N,135 E 140 E y=exp[ (X SSTA ) 2 ] N,140 E 145 E y=exp[ (X SSTA ) 2 ] N,145 E 150 E y=exp[ (X SSTA ) 2 ] N,150 E 155 E y=exp[ (X SSTA ) 2 ] N,155 E 160 E y=exp[ (X SSTA ) 2 ] N,160 E 165 E y=exp[ (X SSTA ) 2 ] N,165 E 170 E y=exp[ (X SSTA ) 2 ] N,170 E 175 E y=exp[ (X SSTA ) 2 ] N,175 E 180 E y=exp[ (X SSTA ) 2 ] S,125 E 130 E y=exp[ (X SSTA ) 2 ] S,130 E 135 E y=exp[ (X SSTA ) 2 ] S,135 E 140 E y=exp[ (X SSTA ) 2 ] S,140 E 145 E y=exp[ (X SSTA ) 2 ] S,145 E 150 E y=exp[ (X SSTA ) 2 ] S,150 E 155 E y=exp[ (X SSTA ) 2 ] S,155 E 160 E y=exp[ (X SSTA ) 2 ] S,160 E 165 E y=exp[ (X SSTA ) 2 ] S,165 E 170 E y=exp[ (X SSTA ) 2 ] S,170 E 175 E y=exp[ (X SSTA ) 2 ] S,175 E 180 E y=exp[ (X SSTA ) 2 ] 注 :y 为某一海域渔获量占总体的百分比,X SSTA 为 SSTA 对应的温度区间 Notes:ystandsforcatchpercentage;X SSTA standsforthecorespondingtemperatureinterval 拉尼娜情况下渔场预报分析分析表明, 在拉尼娜气候条件下, 研究海区的 SSTA 和 22 个海区的渔获量之间均呈正态分布, 相关系数均在 0.75 以上, 大多数均超过 0.9 (P<0.01, 表 3) 所建立的模型均能很好地拟合 SSTA 与渔获量之间的关系正常气候情况下围网渔场预报分析分析表明, 在正常气候条件下, 研究海区的 SSTA 和 22 个海区的渔获量之间均呈正态分布, 相关系数均在 0.95 以上 (P<0.01, 表 4) 所建立的模型均能很好地拟合 SSTA 与渔获量之间的关系 2.4 模型的验证根据 80% 的数据进行建模所得模型, 利用剩余 20% 的数据进行模型验证, 将不同海区的 SSTA 数据各自代入模型中, 将获得的预报值与实际值进行比较结果表明,3 种不同气候条件下的预报结果与实际统计值之间均存在显著相关关系 (P<0.01, 图 5) 同时, 这 3 种不同气候条件下所建立的模型均有着较高的相关系数, 超过 0.6, 拟合结果较好 ( 图 5) 从误差( 变异系数 ` C v ) 来看,3 种不同的气候条件下建立的模型 C v 范围在 4.9% ~6.7%, 均小于 10% 的误差区间

5 1 期陈洋洋, 等 : 基于不同气候条件的中西太平洋鲣鱼渔场预报 149 表 3 拉尼娜气候条件下 22 个海区基于作业海域 SSTA 的模型 Tab.3 Modelofenter fishingbasedonsstaoffishingareainthe22fishingzonesbasedonlanina 预报单元 PredictedUnit 模型 Model 相关系数 R 2 P 值 Pvalue 0-5 N,125 E 130 E y=exp[ (X SSTA ) 2 ] N,130 E 135 E y=exp[ (X SSTA ) 2 ] N,135 E 140 E y=exp[ (X SSTA ) 2 ] N,140 E 145 E y=exp[ (X SSTA ) 2 ] N,145 E 150 E y=exp[ (X SSTA ) 2 ] N,150 E 155 E y=exp[ (X SSTA ) 2 ] N,155 E 160 E y=exp[ (X SSTA ) 2 ] N,160 E 165 E y=exp[ (X SSTA ) 2 ] N,165 E 170 E y=exp[ (X SSTA ) 2 ] N,170 E 175 E y=exp[ (X SSTA ) 2 ] N,175 E 180 E y=exp[ (X SSTA ) 2 ] S,125 E 130 E y=exp[ (X SSTA ) 2 ] S,130 E 135 E y=exp[ (X SSTA ) 2 ] S,135 E 140 E y=exp[ (X SSTA ) 2 ] S,140 E 145 E y=exp[ (X SSTA ) 2 ] S,145 E 150 E y=exp[ (X SSTA ) 2 ] S,150 E 155 E y=exp[ (X SSTA ) 2 ] S,155 E 160 E y=exp[ (X SSTA ) 2 ] S,160 E 165 E y=exp[ (X SSTA ) 2 ] S,165 E 170 E y=exp[ (X SSTA ) 2 ] S,170 E 175 E y=exp[ (X SSTA ) 2 ] S,175 E 180 E y=exp[ (X SSTA ) 2 ] 注 :y 为某一海域渔获量占总体的百分比,X SSTA 为 SSTA 对应的温度区间 Notes:ystandsforcatchpercentage;X SSTA standsforthecorespondingtemperatureinterval 表 4 正常气候条件下 22 个海区基于作业海域 SSTA 的模型 Tab.4 Modelofenter fishingbasedonsstaoffishingareain22fishingzonesbasedonnormalcondition 预报单元 PredictUnit 模型 Model 相关系数 R 2 P 值 Pvalue 0-5 N,125 E 130 E y=exp[ (X SSTA ) 2 ] N,130 E 135 E y=exp[ (X SSTA ) 2 ] N,135 E 140 E y=exp[ (X SSTA ) 2 ] N,140 E 145 E y=exp[ (X SSTA ) 2 ] N,145 E 150 E y=exp[ (X SSTA ) 2 ] N,150 E 155 E y=exp[ (X SSTA ) 2 ] N,155 E 160 E y=exp[ (X SSTA ) 2 ] N,160 E 165 E y=exp[ (X SSTA ) 2 ] N,165 E 170 E y=exp[ (X SSTA ) 2 ] N,170 E 175 E y=exp[ (X SSTA ) 2 ] N,175 E 180 E y=exp[ (X SSTA ) 2 ] S,125 E 130 E y=exp[ (X SSTA ) 2 ] S,130 E 135 E y=exp[ (X SSTA ) 2 ] S,135 E 140 E y=exp[ (X SSTA ) 2 ] S,140 E 145 E y=exp[ (X SSTA ) 2 ] S,145 E 150 E y=exp[ (X SSTA ) 2 ] S,150 E 155 E y=exp[ (X SSTA ) 2 ] S,155 E 160 E y=exp[ (X SSTA ) 2 ] S,160 E 165 E y=exp[ (X SSTA ) 2 ] S,165 E 170 E y=exp[ (X SSTA ) 2 ] S,170 E 175 E y=exp[ (X SSTA ) 2 ] S,175 E 180 E y=exp[ (X SSTA ) 2 ] 注 :y 为某一海域渔获量占总体的百分比,X SSTA 为 SSTA 对应的温度区间 Notes:ystandsforcatchpercentage;X SSTA standsforthecorespondingtemperatureinterval

6 150 上海海洋大学学报 28 卷 (a) 为厄尔尼诺 ;(b) 为拉尼娜 ;(c) 为正常年份 (a)elnino;(b)lanina;(c)normal 图 3 不同气候条件下基于 SSTA 的预测值与实际值百分比的关系图 Fig.3 Relationshipbetweenthepredictedvalueandestimatedvaluepercentagebymodelbased onthesstaindiferentclimaticconditions 3 讨论与分析 [6] 陈新军等认为, 中西太平洋鲣鱼围网高产渔区空间位置主要集中在 5 S~5 N 130 E~ 175 E 海域, 因此本研究中, 以 5 S~5 N,125 E~ 180 E 为研究海域进行分析厄尔尼诺等极端气候条件会极大地影响鲣鱼的渔获量 [13], 厄尔尼诺 / 拉尼娜月份的产量相对较高, 这与中西太平洋暖池中心位置的变化有着密切的关系 [16] 在 130 E~145 E 海域, 北纬产量明显高于南纬 ( 图 2), 这可能是由于北纬地区所占的海域面积较大, 可捕捞的面积也较大, 而南纬地区大部分为陆地, 也直接导致北纬有较高的渔获量 145 E~165 E 以东海域的产量较高, 拉尼娜月份产量明显高于其他气候条件下的产量 ( 图 2) 鲣鱼的主要栖息地会随着海表温的变化而变化 [17] 根据渔获量重心计算可知, 在拉尼娜条件下, 暖池位置较正常年份向西偏移, 鲣鱼栖息位置偏西北 [10,17] 赤道的上升流海域丰富的饵料生物会随着季风向西输送 [18], 因此在拉尼娜条件下比较 [18] 适合鲣鱼的生长郭爱等的研究认为, 气候正常年份 CPUE 值相对偏低, 厄尔尼诺和拉尼娜年份 CPUE 值高于正常年份在 165 E 以东海域, 产量相对较低, 且在拉尼娜年份下的渔获量也迅速下降, 这可能是在拉尼娜条件下, 海表温相对较低, 更不利于鲣鱼的生长, 由于不是鲣鱼理想的栖息场所, 因此也直接导致了渔获量的下降在 SSTA 与渔获量的关系中可以发现, 即使在不同的气候条件下, 两者关系均符合正态分布 ( 表 2~4) 相比较而言, 拉尼娜年份的相关系数相对偏低, 但是在其渔获量较高的 145 E~160 E 海域, 对应的相关系数仍然较高 ( 表 3) 这种变化与大尺度的环境变化有着密切的关系沈建 [17] [9,13] 华等和周盨芳等对于中西太平洋鲣鱼渔场及时空分布与 ENSO 之间关系进行研究发现, 厄尔尼诺发生时, 鲣鱼围网 CPUE 经度重心随着暖池的东扩而东移, 拉尼娜发生时则随着暖池向西收缩而西移鲣鱼的栖息地与中西太平洋暖池的范围有关 : 在厄尔尼诺发生时, 暖池的东扩使得鲣鱼的适宜栖息范围变大, 因此整个研究海域的温度变化可以较好地与鲣鱼渔获量建立关系 ; 而拉尼娜发生时, 暖池向西收缩, 鲣鱼作为一种暖水性鱼类, 对水温的变化较为敏感, 这也会

7 1 期陈洋洋, 等 : 基于不同气候条件的中西太平洋鲣鱼渔场预报 151 直接影响到其捕食活动, 因此该海域的渔获量明显减少模型的验证结果表明,SSTA 能较好地表现出渔获量的变化规律, 预测值与实际值百分比有着较大的关联度 ( 图 5) SSTA 反映出了海表温在一定时间内的变化, 这可以很直观地分析出不同环境条件下鲣鱼资源量的变化在上述分析中, 暖池的移动直接导致了鲣鱼的渔获量在空间分布上发生了较大的变化, 同时暖池的移动与相应的气候变化有着直接的关系, 因此也可以认为鲣鱼渔获量在不同气候条件下发生了变化因此, 在对鲣鱼渔场预报的过程中, 需要区分不同气候条件, 以达到更为准确的预报结果以往的相似研究主要对 CPUE 或捕捞努力量的变化进行分析 [19], 主要反映了相对资源量的丰度, 在历年 CPUE 或捕捞努力量波动较大的情况下, 更能反映渔场的真实情况但从渔场预报的角度来说, 直接获取的渔获量能够更加直观地表达该地区的资源量状况, 尤其近年来在捕捞努力量已经趋于稳定的前提下, 研究渔获量的变化对渔场预测更具有指导意义本文根据中西太平洋鲣鱼围网捕捞历史渔业生产数据, 分析了渔获量在不同气候条件下的变化, 研究了不同空间位置中 3 种气候条件鲣鱼渔获量波动规律, 为预测渔场和相关预报工作提 [20] 供了新的思路之前的研究主要针对不同气候条件下的鲣鱼资源丰度进行, 为了更完整地体现整个变化规律, 减少捕捞的盲目性从而提高捕捞效率, 在后续研究中将进一步查明厄尔尼诺拉尼娜对暖池变化的影响, 引入捕捞努力量, 并采用多种预报模型进行对比, 包括 BP 神经网络模型 [21-22] 栖息地指数模型 [23-25] 灰色系统等 [26] 进而更全面地对鲣鱼渔场进行预报, 为提升中西太平洋鲣鱼的渔情预报精确度提供参考依据参考文献 : [1] COLLETTEBB,NAUENCE.FAOspeciescatalogue:vol. 2.Scombridsoftheworld.Anannotatedandilustrated catalogueoftunas,mackerels,bonitosandrelatedspecies knowntodate[j].faofisheriessynopsis,1983,125(2): [2] 苗振清, 黄锡昌. 远洋金枪鱼渔业 [M]. 上海 : 上海科学技术文献出版社,2003: MIAOZQ,HUANGXC.Distantwatertunafishery[M]. Shanghai: Shanghai Science and Technology Literature Pres,2003: [3] 谢营梁. 中西太平洋金枪鱼渔业的现状和展望 (1)[J]. 现代渔业信息,2002,17(9): XIEYL.Statusandperspectivesofthewesternandcentral pacificocean tunafisheries(1)[j]. Modern Fisheries Information,2002,17(9): [4] 齐建军, 王明彦. 世界金枪鱼围网渔业的现状与前景 [J]. 海洋渔业,2001,23(1): QIJJ,WANGMY.Thepresentstatusandprospectsoftuna purseseinefisheryintheworld[j].marinefisheries,2001, 23(1): [5] 邹志来. 发展金枪鱼围网渔业的可行性研究报告 [J]. 远洋渔业,2000(6):1 3. ZOUZL.Feasibilitystudyreportofdevelopingpurseseine tunafishery[j].distantwaterfishery,2000(6):1 3. [6] 陈新军, 郑波. 中西太平洋金枪鱼围网渔业鲣鱼资源的时空分布 [J]. 海洋学研究,2007,25(2): CHEN X J, ZHENG B. Study on the temp spatial distributionofskipjackresourcesfortunapurseseineinthe west centralpacificocean[j].journalofmarinesciences, 2007,25(2): [7] HAMPTON J,LEWISA,WILLIAMSP.Thewesternand centralpacifictunafishery:overviewandstatusofstocks [R].OceanicFisheriesProgrammeSPC,1999:39. [8] HAMPTONJ.Estimationoftagreportingandtag shedding ratesinalarge scaletunataggingexperimentinthewestern tropicalpacificocean[j].fishbuletin,1997,95: [9] 周盨芳. 厄尔尼诺南方涛动现象对中西太平洋鲣鱼围网渔场的影响 [J]. 中国水产科学,2005,12(6): ZHOUSF.ImpactsoftheElNinosouthernOscilationon skipjacktunapurse seinefishinggroundsinthewesternand centralpacificocean[j].journaloffisherysciencesof China,2005,12(6): [10] 汪金涛, 陈新军. 中西太平洋鲣鱼渔场的重心变化及其预测模型建立 [J]. 中国海洋大学学报,2013,43(8): WANG JT,CHEN X J.Changesandpredictionofthe fishinggroundgravityofskipjack(katsuwonuspelamis)in western centralpacific[j].periodicalofoceanuniversityof China,2013,43(8): [11] 世界大洋性渔业概况编写组. 世界大洋性渔业概况 [M]. 北京 : 海洋出版社,2011. WorldoceanicFisheryStatus.Worldoceanicfisherystatus [M].Beijing:ChinaOceanPres,2011. [12] 农业部渔业渔政管理局. 中国渔业年鉴 2014[M]. 北京 : 海洋出版社,2014. The Ministry of Agriculture, Fisheries Fishery Administration. China fisheriesyearbook[m]. Beijing: ChinaOceanPres,2014. [13] 周盨芳, 沈建华, 樊伟.ENSO 现象对中西太平洋鲣鱼围

8 152 上海海洋大学学报 28 卷网渔场的影响分析 [J]. 海洋渔业,2004,26(3): ZHOUSF,SHEN JH,FAN W.ImpactsoftheElNino southernoscilationonskipjacktuna(katsuwonuspelamis) purse seinefishinggroundsinthewesternandcentralpacific Ocean[J].MarineFisheries,2004,26(3): [14] 张启龙, 翁学传, 侯一筠, 等. 西太平洋暖池表层暖水的纬向运移 [J]. 海洋学报,2004,26(1): ZHANGQL,WENGXC,HOUYJ,etal.Zonalmovement ofsurfacewarmwaterinthewesternpacificwarm pool[j]. ActaOceanologicaSinica,2004,26(1): [15] 钟姗姗, 何金海, 刘宣飞, 等.ENSO 十年际尺度变率的机制初探 [J]. 热带海洋学报,2004,23(2): ZHONGSS,HEJH,LIUXF,etal.Posiblemechanisms ofenso S decadalvariability[j]. JournalofTropical Oceanography,2004,23(2): [16] LEHODEY P,BERTIGNAC M,HAMPTON J,etal.El NinosouthernoscilationandtunainthewesternPacific[J]. Nature,1997,389(6652): [17] 沈建华, 陈雪冬, 崔雪森. 中西太平洋金枪鱼围网鲣鱼渔获量时空分布分析 [J]. 海洋渔业,2006,28(1): SHENJH,CHEN X D,CUIX S.Analysisonspatial temporaldistributionofskipjacktunacatchesbypurseseine in the western and centralpacific Ocean[J]. Marine Fisheries,2006,28(1): [18] 郭爱, 陈新军.ENSO 与中西太平洋金枪鱼围网资源丰度及其渔场变动的关系 [J]. 海洋渔业,2005,27(4): GUOA,CHEN X J.TherelationshipbetweenENSO and tunapurse seineresourceabundanceand fishinggrounds distributioninthewesternandcentralpacificocean[j]. MarineFisheries,2005,27(4): [19] TIANSQ,CHENXJ,CHENY,etal.Evaluatinghabitat suitabilityindicesderivedfromcpueandfishingefortdata forommatrephesbratramiinthenorthwesternpacificocean [J].FisheriesResearch,2009,95(2/3): [20] 陈洋洋, 陈新军. 厄尔尼诺 / 拉尼娜现象对中西太平洋鲣资源丰度的影响 [J]. 上海海洋大学学报,2017,26(1): CHENYY,CHENXJ.InfluenceofElNino/LaNinaonthe abundanceindexofskipjackinthewesternandcentralpacific Ocean[J].JournalofShanghaiOceanUniversity,2017,26 (1): [21] 魏联, 陈新军, 雷林, 等. 西北太平洋柔鱼 BP 神经网络渔场预报模型比较研究 [J]. 上海海洋大学学报,2017,26 (3): WEIL,CHENXJ,LEIL,etal.Comparativestudyonthe forecastingmodelsofsquidfishinggroundinthenorthwest PacificOceanbasedonBPartificialneuralnetwork[J]. JournalofShanghaiOceanUniversity,2017,26(3): [22] 苏新红, 金丰军, 杨奇志, 等. 基于 BP 神经网络模型的福建海域赤潮预报方法研究 [J]. 水产学报,2017,41(11): SUXH,JINFJ,YANGQZ,etal.Redtideforecasting modelbasedonbpneuralnetworkinfujianseaarea[j]. JournalofFisheriesofChina,2017,41(11): [23] 蒋瑞, 陈新军, 雷林, 等. 秋冬季智利竹 ( 竹夹 ) 鱼栖息地指数模型比较 [J]. 水产学报,2017,41(2): JIANGR,CHENXJ,LEIL,etal.Acomparativestudyon habitatsuitabilityindexoftrachurusmurphyiduringautumn andwinter[j].journaloffisheriesofchina,2017,41(2): [24] 王易帆, 陈新军. 中西太平洋鲣栖息地指数预报模型比较研究 [J]. 上海海洋大学学报,2017,26(5): WANGYF,CHENXJ.Comparisonsofhabitatsuitability indexmodelsofskipjacktunainthewesternandcentral PacificOcean[J].JournalofShanghaiOceanUniversity, 2017,26(5): [25] 余为, 陈新军, 易倩. 不同气候模态下西北太平洋柔鱼渔场环境特征分析 [J]. 水产学报,2017,41(4): YUWEI,CHEN X J,YIQ.Analysisofvariationsinthe environmentalconditionsonthefishinggroundofneonflying squid(ommastrephesbartrami)inthenorthwesternpacific Oceanunderdiferentclimatemodes[J].JournalofFisheries ofchina,2017,41(4): [26] 段丁毓, 陈秡, 陈新军, 等. 基于灰色系统的秘鲁资源量预测模型的构建 [J]. 上海海洋大学学报,2018,27(2): DUANDY,CHENP,CHENXJ,etal.Theconstructionof biomas forecasting model for the anchoveta (Engraulisringens)bythegreysystem model[j].journalof ShanghaiOceanUniversity,2018,27(2):

9 1 期陈洋洋, 等 : 基于不同气候条件的中西太平洋鲣鱼渔场预报 153 FishinggroundforecastingonKatsuwonuspelamisbasedondiferentclimatic conditionsinwesternandcentralpacificocean CHENYangyang 1,CHENXinjun 1,2,3,4,GUOLixin 1,FANGZhou 1,2,3,4 (1.ColegeofMarineSciences,ShanghaiOceanUniversity,Shanghai ,China;2.KeyLaboratoryofOceanicFisheries Exploration,MinistryofAgriculture,Shanghai ,China;3.NationalEngineringResearchCenterforOceanicFisheries, Shanghai , China;4. ScientificObservingandExperimentalStationofOceanicFisheryResources, Ministryof Agriculture,Shanghai ,China) Abstract:BasedonthepurseseinestatisticaldataofskipjacktunainwesternandcentralPacificOcean during ,22highcatchfishingzonewereselected,takingcatchdataastheindexandcombining diferentclimaticconditionsdividedbytheninoindex,toestablishtheforecastingmodelofkatsuwonus pelamisinwesternandcentralpacificoceanbasedonthediferentclimaticconditions.theresultsshowed that:thecatchofskipjackfluctuatedamongdiferentclimaticconditions,themonthlytotalcatchandmonthly meancatchinelninowerethehighest,whichwassimilartolanina,andhigherthanthenormalcondition; thecatchamongdiferentspatialandclimaticconditionshaddiference,thecatchin5 Nwashigherthan5 S,andthenormalconditionhadthehighestcatch;LaNinaeventwasthehighestbetweenthe145 E-165 E;LaNinawasthelowesteastwardof165 E;therelationshipbetweencatchandSSTA ofnino3.4was established,andtheabovetwoindexeshadstrongrelationship,fitwelwiththenormalmodel(p<0.01). Themodelvalidationresultshowedthatpredictedresultsandactualresultsfitedwelandhadsignificant relationshipinalthethreeclimaticconditions.thespatialcatchvariationofskipjacktunawasanalyzed underthreediferentclimaticconditionsinwesternandcentralpacificocean.themodelcanefectively providenewideaforthefutureworkoffishinggroundpredictionandforecasting. Keywords:skipjack;catch;ElNino/LaNina;fishinggroundforecasting

114 上海海洋大学学报 26 卷中西太平洋鲣鱼的渔场分布变化的研究, 而渔场的变化与鱼类资源丰度的变化有着密切关系, 但是对于中西太平洋鲣的资源丰度变化与 ENSO 事件关系的研究还未见报道为此, 本研究根据年 16 年来的中西太平洋鲣鱼生产统计数据和 Nino3.4 海

114 上海海洋大学学报 26 卷中西太平洋鲣鱼的渔场分布变化的研究, 而渔场的变化与鱼类资源丰度的变化有着密切关系, 但是对于中西太平洋鲣的资源丰度变化与 ENSO 事件关系的研究还未见报道为此, 本研究根据年 16 年来的中西太平洋鲣鱼生产统计数据和 Nino3.4 海文章编号 :1674 5566(2017)01 0113 08 DOI:10.12024/jsou.20160601795 厄尔尼诺 / 拉尼娜现象对中西太平洋鲣资源丰度的影响 1 1,2,3,4 陈洋洋, 陈新军 (1. 上海海洋大学海洋科学学院, 上海 201306;2. 大洋渔业资源可持续开发省部共建教育部重点实验室, 上海 201306;3. 国家远洋渔业工程技术研究中心, 上海 201306;4.