根据2014—2017年南海北部200m等深线以浅海域渔业资源调查的短尾大眼鲷(Priacanthusmacracanthus)数据,结合遥感获得的海表温度(seasurfacetemperature,SST)数据,首次将渔场水深(D)与SST的乘积(SSTD)引入作为新的变量,采用灰色关联度...根据2014—2017年南海北部200m等深线以浅海域渔业资源调查的短尾大眼鲷(Priacanthusmacracanthus)数据,结合遥感获得的海表温度(seasurfacetemperature,SST)数据,首次将渔场水深(D)与SST的乘积(SSTD)引入作为新的变量,采用灰色关联度方法筛选与渔场关联度最高的变量,将关联度最高的变量与标准化后的单位捕捞努力量(catch per unit effect, CPUE)采用一元非线性回归建立模型,对模型理论CPUE与实际CPUE的时空变化进行分析。结果表明,南海北部短尾大眼鲷渔场随季节变化明显,各季节CPUE随SST呈先增大后减小的趋势;不同季节CPUE最高的海域水深不同,春季为160 m,夏季为140 m,秋季为60 m,冬季为140 m; CPUE与SST、D、SSTD进行灰色关联度分析发现,各季节CPUE与SSTD关联度最高且关联度均超过0.5;将SSTD作为变量, CPUE作为表征渔场好坏的指标值,建立环境因子与CPUE的关系模型,模型理论CPUE高值区有明显的季节变化,且实际CPUE高值区的分布与理论CPUE高值区分布一致,以上结果 P值均小于0.05,模型预测准确。展开更多
文摘根据2014—2017年南海北部200m等深线以浅海域渔业资源调查的短尾大眼鲷(Priacanthusmacracanthus)数据,结合遥感获得的海表温度(seasurfacetemperature,SST)数据,首次将渔场水深(D)与SST的乘积(SSTD)引入作为新的变量,采用灰色关联度方法筛选与渔场关联度最高的变量,将关联度最高的变量与标准化后的单位捕捞努力量(catch per unit effect, CPUE)采用一元非线性回归建立模型,对模型理论CPUE与实际CPUE的时空变化进行分析。结果表明,南海北部短尾大眼鲷渔场随季节变化明显,各季节CPUE随SST呈先增大后减小的趋势;不同季节CPUE最高的海域水深不同,春季为160 m,夏季为140 m,秋季为60 m,冬季为140 m; CPUE与SST、D、SSTD进行灰色关联度分析发现,各季节CPUE与SSTD关联度最高且关联度均超过0.5;将SSTD作为变量, CPUE作为表征渔场好坏的指标值,建立环境因子与CPUE的关系模型,模型理论CPUE高值区有明显的季节变化,且实际CPUE高值区的分布与理论CPUE高值区分布一致,以上结果 P值均小于0.05,模型预测准确。