为了解和掌握月相对渔业产量或单位捕捞努力量渔获量(catch per unit effort,CPUE)的影响规律,利用2016—2019年(每年3月2日—11月29日)马达加斯加西海岸底拖网独角新对虾(Metapenaeus monoceros)和2017—2020年(每年6月15日—10月9日)...为了解和掌握月相对渔业产量或单位捕捞努力量渔获量(catch per unit effort,CPUE)的影响规律,利用2016—2019年(每年3月2日—11月29日)马达加斯加西海岸底拖网独角新对虾(Metapenaeus monoceros)和2017—2020年(每年6月15日—10月9日)西白令海中层拖网狭鳕(Theragra chalcogramma)的渔业生产数据,结合基于圆形统计的广义线性模型(GLM)和基于时间序列的广义加性模型(GAM)2种不同的月相量化和统计的方法,分析月相对拖网渔业CPUE的影响。结果表明:月相对独角新对虾的CPUE具有显著性影响(P<0.05),2种方法得出的影响趋势较为一致,较高CPUE出现在上弦月;基于圆形统计的GLM显示,月相对狭鳕CPUE具有显著性影响(P<0.05),较高CPUE出现在新月期,而基于时间序列的GAM显示,月相对狭鳕CPUE的影响不显著(P>0.05);交叉验证显示,基于圆形统计的GLM平均绝对误差(E_(MA))和均方根误差(E_(RMS))均小于基于时间序列的GAM,而GLM分析的决定系数R~2则大于GAM,表明前者的拟合具有更好的准确性、稳定性和拟合优度。研究表明,当周期性循环变量(月份、月相和小时等)具有较弱的显著性时,使用基于圆形统计的GLM更能反映月相对拖网渔业CPUE的影响。展开更多
文摘为了解和掌握月相对渔业产量或单位捕捞努力量渔获量(catch per unit effort,CPUE)的影响规律,利用2016—2019年(每年3月2日—11月29日)马达加斯加西海岸底拖网独角新对虾(Metapenaeus monoceros)和2017—2020年(每年6月15日—10月9日)西白令海中层拖网狭鳕(Theragra chalcogramma)的渔业生产数据,结合基于圆形统计的广义线性模型(GLM)和基于时间序列的广义加性模型(GAM)2种不同的月相量化和统计的方法,分析月相对拖网渔业CPUE的影响。结果表明:月相对独角新对虾的CPUE具有显著性影响(P<0.05),2种方法得出的影响趋势较为一致,较高CPUE出现在上弦月;基于圆形统计的GLM显示,月相对狭鳕CPUE具有显著性影响(P<0.05),较高CPUE出现在新月期,而基于时间序列的GAM显示,月相对狭鳕CPUE的影响不显著(P>0.05);交叉验证显示,基于圆形统计的GLM平均绝对误差(E_(MA))和均方根误差(E_(RMS))均小于基于时间序列的GAM,而GLM分析的决定系数R~2则大于GAM,表明前者的拟合具有更好的准确性、稳定性和拟合优度。研究表明,当周期性循环变量(月份、月相和小时等)具有较弱的显著性时,使用基于圆形统计的GLM更能反映月相对拖网渔业CPUE的影响。