检索
E-mail
RSS

作者投稿 主编审稿 专家审稿 远程编辑

热带海洋学报 >

2018 , Vol. 37 >Issue 6: 133 - 139

DOI: https://doi.org/10.11978/2018012

海洋生物学

基于地统计学南海北部近海竹荚鱼空间分布特征

  • 晏然 , 1, 2 ,
  • 范江涛 1, 2 ,
  • 徐珊楠 1 ,
  • 许友伟 1 ,
  • 孙铭帅 1 ,
  • 陈作志 , 1
展开
  • 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实验室, 农业部外海渔业开发重点实验室, 广东 广州 510300
  • 2. 上海海洋大学海洋科学学院, 上海 201306
通讯作者:陈作志(1978—), E-mail:

作者简介：晏然(1993—), 男, 河南省信阳市人, 硕士研究生, 研究方向: 渔业资源空间分析。E-mail:

收稿日期: 2018-01-17

  网络出版日期: 2018-12-24

基金资助

国家公益性行业(农业)科研专项(201403008);中国水产科学研究院基本科研业务费资助(2017HY-ZD0804);农业部财政专项“南海北部近海渔业资源调查”(2014—2018)

收起

Spatial distribution of jack mackerel (Trachurus japonicus) in the northern South China Sea based on geostatistics

  • YAN Ran , 1, 2 ,
  • FANG Jiangtao 1, 2 ,
  • XU Shannan 1 ,
  • XU Youwei 1 ,
  • SUN Mingshuai 1 ,
  • CHEN Zuozhi , 1
Expand
  • 1. Key Laboratory of Open-Sea Fishery Development, Ministry of Agriculture; Guangdong Provincial Key Laboratory of Fishery Ecology and Environment; South China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Guangzhou 510300, China
  • 2. College of Marine Sciences, Shanghai Ocean University, Shanghai 201306, China
Corresponding author: CHEN Zuozhi (1978—). E-mail:

Received date: 2018-01-17

  Online published: 2018-12-24

Supported by

Special Fund for Agroscientific Research in the Public Interest (201403008);Chinese Academy of Fishery Sciences Fundamental Research Funding (2017HY-ZD0804);Ministry of Agriculture's special financial item “Investigation of Offshore Fishery Resources in the northern South China Sea” (2014—2018)

Copyright

热带海洋学报编辑部
Fold

摘要

竹荚鱼(Trachurus japonicus)是我国南海北部近海主要渔获物之一。根据2014—2017年对南海北部开展的8个航次近海渔业资源和环境调查数据, 采用地统计学方法分析竹荚鱼时空分布特征和相关生态动力过程。结果表明, 竹荚鱼总体布局以低密度为主, 高密度海域较少, 季节性集聚特征明显, 依次为夏季>春季>秋季>冬季。竹荚鱼空间分布具有极强的空间异质性, 空间结构性比例均在75%以上, 变异模型以高斯模型为主, 空间相关距离(变程)大约在0.52°左右, 且季节性特征明显。对地统计参数值和单位捕捞努力量(catch per unit effort, CPUE)的相关关系研究发现, 竹荚鱼资源密度越大, 空间异质性特征越明显。通过统计各向分维值分析竹荚鱼各向异质性特征, 发现西北—东南向的空间异质性较为显著, 表明该方向的海洋动力过程将对竹荚鱼洄游分布产生重要影响。此外, 基于克里格插值分析, 发现竹荚鱼呈西南—东北向洄游分布规律, 空间布局呈片状和斑块状, 且易受极端气候(厄尔尼诺和拉尼娜等事件)影响。

关键词： 南海北部; 竹荚鱼; 地统计分析; 空间分布

本文引用格式

晏然 , 范江涛 , 徐珊楠 , 许友伟 , 孙铭帅 , 陈作志 . 基于地统计学南海北部近海竹荚鱼空间分布特征[J]. 热带海洋学报, 2018 , 37(6) : 133 -139 . DOI: 10.11978/2018012

Abstract

Jack mackerel (Trachurus japonicus) is one of the main catches in the northern South China Sea. Based on the survey data of the North China Coastal Fishery Resources Survey (2014-2017) in the South China Sea, we used geostatistics to explore the spatial and temporal distribution characteristics of jack mackerel and related eco-dynamic processes. The results showed that the overall spatial distribution of jack mackerel was mainly associated with low resource density and less high density of resources. The characteristics of seasonal aggregation are obvious and as follows: summer> spring> autumn> winter. We found that the spatial distribution had a strong heterogeneity, and the proportion of spatial structure was above 75%. The spatial variability was dominated by Gaussian distribution, and the spatial correlation distance (variation range) was about 0.52° with obvious seasonal characteristics. Through the research on the correlation between geostatistical parameter values and catch per unit effort (CPUE), we found that the greater the resource density of jack mackerel, the more obvious the spatial heterogeneity was. Through the heterogeneity analysis in all directions, we found that the spatial heterogeneity in the northwest-southeast direction was significant, indicating that the marine dynamic process in this direction had a significant impact on the migration and distribution of jack mackerel. In addition, based on the Kriging interpolation analysis of the spatial distribution of jack mackerel, we found that jack mackerel had a pattern of migratory distribution from southwest to northeast, which had obvious characteristics of patchy distribution. Jack mackerel was also susceptible to extreme climate (El Nino, La Nina, and other extreme events).

Key words： jack mackerel; geostatistics; northern South China Sea; spatial distribution

竹荚鱼(Trachurus japonicus)属鲈形目(Perciformes), 鯵科(Carangidae), 是一种暖水性中上层洄游性鱼类, 喜集群, 分布范围较广, 是我国南海海域灯光围网和拖网的主要捕捞对象之一(朱元鼎 等, 1962; 杨吝 等, 2009a, b)。南海近海是竹荚鱼的主要渔场之一, 年捕捞量约为2.5×104t, 占全国总量的68%(赵兴武 等, 2016)。当前, 我国对竹荚鱼的研究和生产大多集中于西北太平洋和东南太平洋(张敏 等, 2011), 而对我国近海竹荚鱼空间特征分析鲜有报道。
空间异质性可描述生态系统在空间格局上的复杂性和变异程度(王政权, 1999)。鱼类的时空分布是不均一变化的连续体, 具有明显的空间异质性特征。地统计方法是以区域化变异理论为基础分析自然现象空间变异和空间相关的理论方法, 目前已广泛应用于鱼类资源丰度预测(Rivoirard et al, 2008)、渔业调查和资源评估(Petitgas, 2001)、单位捕捞努力量(catch per unit effort, CPUE)标准化(Nishida et al, 2004)和渔场空间异质性分析(苏奋振 等, 2003, 2004; 范江涛 等, 2017)等方面。
本文利用地统计学方法对南海北部近海竹荚鱼资源密度空间异质性特征进行分析, 探索其渔场对环境生态的响应机制, 进而掌握其时空分布规律, 为我国近海竹荚鱼资源的开发和保护提供基础资料。

1 材料和方法

1.1 数据来源

渔业数据来自2014—2017年“北渔60011”单船底拖网8个航次的季节性调查数据(2014年夏季、秋季、冬季; 2015年春季; 2016年夏季、秋季、冬季; 2017年春季), 主机功率441kw, 作业范围在16°30′—23°30′N, 106°30′—120°30′E, 调查范围为200m等深线以浅海域(图1)。空间分辨率为1°×1°, 时间分辨率为天。由于调查数据来自同一条船, 同一张网目, 因此不必进行CPUE标准化, 以名义CPUE作为表征相对资源丰度指标(Nishida et al, 2004) 。
CPUE=Y/T
式中Y为该站点的渔获产量(kg), T为该站位拖网时长(h)。
Fig. 1 South China Sea offshore fishing resources survey site map

图1 南海北部近海渔业资源调查站点图

1.2 方法

对各航次CPUE数据进行单样本Kolomogorov- Semirnov (K-S)正态检验, 发现其不符合正态分布, 为避免处理后CPUE为0, 将CPUE加一常量c后进行对数转换(张仁铎, 2005; 李晓晖 等, 2010)达到地统计正态性要求(表1), 此处c取值为1。
Tab. 1 K-S normality test of each cruise

表1 各航次数据K-S正态性检验

航次 季节 时间 P值 转换后P值
1 夏季 2014年7—8月 0.00 0.43
2 秋季 2014年10—11月 0.00 0.38
3 冬季 2015年1—2月 0.00 0.21
4 春季 2015年4—5月 0.00 0.08
5 夏季 2016年7—8月 0.00 0.20
6 秋季 2016年10—11月 0.00 0.25
7 冬季 2017年1—2月 0.00 0.35
8 春季 2017年4—6月 0.00 0.10

注: P值大于0.05, 该组数据具备正态特征

经普通克里格插值法(王广德 等, 1987; 罗明 等, 2009), 将转换后的数据进行变异函数计算、定义和检验。在地统计学中, 变量Z是一个区域化变量, 其空间异质性可分为空间自相关和随机变异两个部分, 通过变异函数拟合将这两部分进行定量化分解(王政权, 1999; 邬建国, 2000)。
$\gamma (h)=\frac{1}{2N(h)}{{\sum\nolimits_{i=1}^{N(h)}{\left[ Z({{x}_{i}})-Z({{x}_{i}}+h) \right]}}^{2}}$
式2中, γ(h)为所有距离为h的点的半方差值, N(h)是距离等于h时点对数, Z(xi)是位置xi的实测值, Z(xi+h)是位置xi距离为h处样点的值(杨晓明 等, 2012)。
分维数D是一个无量纲数, 介于1 和2 之间。D越接近2时, 空间随机分布的可能就越大, 相反, D越小, 系统变异占比越大, 空间自相关结构越强(张仁铎, 2005), 该方向生态过程也更加明显(Carr et al, 1991; 王政权, 1999)。分维数D是由变异函数γ(h)和间距h之间的关系来决定, 将两者对数化处理得到双对数曲线。可用如下公式估算(杨晓明 等, 2014):
D=2-m/2
式中, m为双对数曲线斜率。

2 结果

2.1 竹荚鱼渔场统计分析

对2014—2015年和2016—2017年8个航次数据进行常规统计分析(表2)。发现各时期偏态 (Skewness, Sk)均大于0, 频数分布均为正偏; 峰度(kurtosis, Ku)均大于3, 呈现尖峰分布, 低资源密度的海域占比较大, 高资源密度海域较少; 各季航次竹荚鱼变异值(coefficient of variation, Cv)均大于0, 表明渔场密度差异较大。另外, 各年际和季节来看, 资源密度和集聚强度都存在差异。2014—2015年(Cv均值2.7)差异程度大于2016—2017年(Cv均值1.9), 且季节性差异程度明显, 依次为: 春季>夏季>秋季>冬季; 此外, 8个航次的S2/m(S为标准差, m为均值) 值均大于1, 表明竹荚鱼呈现较强的集聚分布特征, 2014—2015年(S2/m均值为35.9)聚集程度大于2016—2017年(S2/m均值为28.3), 季节性差异明显, 聚集程度依次为: 夏季>春季>秋季>冬季。
Tab. 2 Basic statistical parameters of the survey data of jack mackerel

表2 竹荚鱼调查数据基本统计参数

年份 航次 季节 最小值 最大值 均值 标准差 偏度 峰度 Cv=S/m S2/m
2014—2015 1 夏季 0.01 259.3 10.9 30.5 6.7 52.1 2.8 85.3
2 秋季 0.01 44.0 2.5 5.9 5.9 41.0 2.4 13.9
3 冬季 0.04 10.5 1.3 2.3 2.5 5.5 1.8 4.1
4 春季 0.03 96.0 2.8 10.6 8.2 72.4 3.8 40.1
2016—2017 5 夏季 0.01 260.0 17.4 38.1 4.7 25.4 2.1 83.4
6 秋季 0.03 41.7 3.0 5.8 5.1 30.9 1.9 11.2
7 冬季 0.01 9.5 1.3 1.9 2.4 6.7 1.5 2.8
8 春季 0.01 46.5 3.6 7.5 3.9 16.5 2.2 15.6

2.2 竹荚鱼空间异质性分析

基于近海竹荚鱼空间异质性特征, 运用地统计学方法建立变异函数模型获得相关理论参数。结果表明, 高斯模型在各时期空间异质性结构中发生频率较高。基台值C0变化幅度为0.27~0.8, 其中春、夏季较高, 秋、冬季较低。C为结构方差, 各空间结构比C/(C0+C)均大于0.75。各时期变程在0.26°~ 0.81°间变动(表3)。
Tab. 3 Variation function parameters of jack mackerel resources in each cruise

表3 各航次竹荚鱼资源变异函数参数

年份 航次 季节 模态 最优模型 块金值C0 基台值C0+C 结构比例C/(C0+C) 变程
2014—2015 1 夏季 N 高斯模型 0.14 0.80 0.83 0.47°
2 秋季 N 高斯模型 0.08 0.53 0.84 0.68°
3 冬季 N 球形模型 0.04 0.43 0.91 0.6°
4 春季 E 高斯模型 0.31 0.67 0.54 0.81°
2016—2017 5 夏季 L 指数模型 0.12 0.78 0.84 0.54°
6 秋季 L 高斯模型 0.04 0.27 0.84 0.26°
7 冬季 N 球形模型 0.01 0.42 0.99 0.27°
8 春季 N 高斯模型 0.14 0.79 0.83 0.49°

注: E表示厄尔尼诺事件, L表示拉尼娜事件, N表示正常周期

2.3 竹荚鱼CPUE方向项异质性特征

以正北方向为0°, 顺时针递增方向分析各项异质性特征。如图2所示, 分维值在第2、7航次空间的方向性差异最小, 第1、4、5航次则较大。在东南—西北(N135°)方向和南北(N0°)方向3—5航次表现出强烈的空间相关性, 表明CPUE(kg·h-1)在此方向的相关性远超过其他方向。而第2航次各向空间异质性较弱, 其中东南—西北方向空间相关性表现最弱。在各向同性(isotropic, ISO)情况下, 第2航次空间相性较显著, 其他航次则整体趋于平稳且表现较弱。
Fig. 2 Fractal dimension value of CPUE in each cruise

图2 各航次CPUE各向分维值

2.4 各航次CPUE与地统计参数关系

通过统计各航次CPUE和地统计参数(图3), 发现只有基台值和CPUE具显著相关性(R2=0.632, P=0.04)。表明二者具有较高的一致性, 即相对资源丰度越高的海域, 其空间分布的总差异性越大。
Fig. 3 Relationship between CPUE and sill in each cruise

图3 各航次CPUE与基台值的关系

通过分析各航次CPUE与各方向分维数D(图4), 发现仅在东南—西北(N135°)方向, 分维值和CPUE呈显著负相关性(R2= -0.57, P=0.04), 说明东南—西北向的海洋动力过程越强烈(分维数越小), 相对资源丰度越高。
Fig. 4 Relationship between CPUE and N135° fractal dimension value in each cruise

图4 各航次CPUE和N135°分维值的关系

2.5 渔场空间插值分析

基于各航次竹荚鱼空间异质性结构分析, 对各时期进行克里格插值, 以表征洄游分布特征(图5)。各时期渔场分布存在一定差别, 但均明显的片状和斑块状特征, 且其洄游分布路线大致呈西南—东北走向。
Fig. 5 Distribution of spatial heterogeneity of jack mackerel in each cruise

图5 各航次近海竹荚鱼空间异质性结构分布图
图a—h依次对应1—8航次

3 讨论

3.1 竹荚鱼空间异质性特征

本文采用地统计学方法, 分析了各时期近海竹荚鱼空间分布的异质性结构, 发现其布局总体以低密度海区为主, 并具有集聚性特征, 各年间同季节资源密度差异较小, 但各季节差异较大, 依次为夏季>春季>秋季>冬季, 与一般统计分析结论相同。空间异质性格局以高斯函数为主, 说明竹荚鱼在一定变程区间内, 集聚程度较为明显。从结构误差来看, 除第4航次处于厄尔尼诺时期, 随机误差占比增加外, 其余各航次均具有良好的空间自相关结构(梁严威, 2015), 其中冬季(第3、7航次)结构性最明显, 春季(第8航次)则较弱。通过对基台值和CPUE的相关性分析, 发现二者均具有显著的正相关性, 说明竹荚鱼资源密度越高, 其异质性结构越显著, 这一结论在其他相关研究中也得到验证(苏奋振 等, 2004; 张寒野 等, 2005a, 2005b)。此外, 经各向分维值和CPUE的相关性研究, 发现西北—东南向海洋生态动力过程越强烈(分维值越小), 越利于竹荚鱼资源密度提升。由于我国南海受到副热带高压西南偏东气流影响, 每年夏季以南风和东南风为主(王蓉 等, 2011), 在风海流的作用下, 西北—东南向的海洋动力过程增强, 因此, 夏季航次(第1、5航次)竹荚鱼资源丰度及渔获明显高于其他季度航次。

3.2 竹荚鱼季节性洄游分析

从8个航次来看(图5), 竹荚鱼具有较明显的西南-东北向季节性洄游特征, 其洄游分布与海洋环境密切相关(Odum et al, 1971; 陈新军, 2014; 李孙超, 2016)。我国南海近海海况主要受季风性气候影响导致海洋环境发生剧烈变化, 其中以夏季的西南季风和冬季的东北季风最为典型(王蓉 等, 2011)。夏季, 受西南季风的影响, 洋流向大陆架、大陆坡输送着丰富的营养物质和浮游生物, 竹荚鱼向西南方向洄游索饵, 资源丰度较高, 渔场主要位于陆坡、陆架边缘并呈片状分布(图5a、e); 秋季竹荚鱼向东北洄游, 渔场向东北移动(图5b、f); 冬季时大陆强大稳定的冷高压, 使得东北季风控制下的海况较为稳定, 鱼群大多向东北或者外海洄游寻找越冬场所(陈新军, 2014), 因此, 冬季资源密度较低, 鱼群较为分散且空间布局大多呈斑块状 (图5c、g); 春季海况较为好转, 鱼群沿岸向西南洄游(图5d、h)。

3.3 ENSO与竹荚鱼空间特征分析

ENSO期间海洋环境会发生异于平常时期的变化, 鱼类的洄游、分布和移动则会做出相应变化(晏然 等, 2018), 因此研究ENSO时期竹荚鱼空间特征十分必要。通过分析各时期SSTA3.4[国家海洋大气局提供同期对应月份的Nino3.4区的连续3个月平均海表温距平(sea surface temperature anomaly, SSTA)序列(http: //www.cpc.noaa.gov) ](图6), 发现第4航次(春季航次)处于强厄尔尼诺时期, 第5(夏季航次)、6航次(秋季航次)处于弱拉尼娜时期。厄尔尼诺时期, 海表温和上层海水潜热增加导致海况变化(Cadet, 1985), 变程较正常年份增大, 自相关性减弱, 近海空间布局较为分散, 但半封闭海湾环境相对稳定(陈作志 等, 2011), 竹荚鱼多向北部湾和大亚湾内集群洄游(图5)。相反, 拉尼娜时期, 竹荚鱼空间自相关距离减小, 较易出现结构性和集聚性较好的空间特征。除此之外, 从表2来看, 厄尔尼诺时期, 由于海洋环境的变化导致竹荚鱼异质性结构变动较大, 但拉尼娜时期结构变动尚不明显。推测其渔场空间变异结构变动可能与厄尔尼诺—拉尼娜的强度与持续时间有关。
Fig. 6 Nino3.4 index analysis of each cruise

图6 各航次Nino3.4分析

3.4 研究展望

南海北部近海环境较为复杂, 既有较为宽广的陆架、陆坡, 又有各种成因的升降系统(Gong et al, 1992; Lee et al, 1999), 还有常年受黑潮暖流及高盐水体侵袭的粤东海域(章淑珍, 1984; 于君 等, 2016)。这些复杂的海况亦是影响竹荚鱼洄游的重要因素。因此, 今后的研究中应将多种环境因子进行区域化分析, 并筛选出对空间布局有重要意义的指标, 并且重点考虑西北—东南方向的生态动力过程(如洋流等)。同时, 还可以通过分析体长、性腺、食性等掌握其产卵、索饵分布, 从生物学角度分析并解释其洄游规律。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈新军, 2014. 渔业资源与渔场学[M]. 2版. 北京: 海洋出版社: 1-460.

[2]
陈作志, 蔡文贵, 徐姗楠, 等, 2011. 广西北部湾近岸生态系统风险评价[J]. 应用生态学报, 22(11): 2977-2986.

CHEN ZUOZHI, CAI WENGUI, XU SHANNAN, et al, 2011. Risk assessment of coastal ecosystem in Beibu Gulf, Guangxi of South China[J]. Chinese Journal of Applied Ecology, 22(11): 2977-2986 (in Chinese with English abstract).

[3]
范江涛, 张俊, 冯雪, 等, 2017. 基于地统计学的南沙海域鸢乌贼渔场分析[J]. 生态学杂志, 36(2): 442-446.

FAN JIANGTAO, ZHANG JUN, FENG XUE, et al, 2017. Analysis of Sthenoteuthis oualaniens fishing grounds in Nansha sea area based on geostatistics[J]. Chinese Journal of Ecology, 36(2): 442-446 (in Chinese with English abstract).

[4]
李孙超, 2016. 东南太平洋智利竹筴鱼栖息地模型研究[D]. 上海: 上海海洋大学: 1-67. LI SUNCHAO, 2016.

The habitate sutibility index of Chilean jack mackerel in the South-East Pacific[D]. Shanghai: Shanghai Ocean University: 1-67 (in Chinese with English abstract).

[5]
李晓晖, 袁峰, 白晓宇, 等, 2010. 典型矿区非正态分布土壤元素数据的正态变换方法对比研究[J]. 地理与地理信息科学, 26(6): 102-105.

LI XIAOHUI, YUAN FENG, BAI XIAOYU, et al, 2010. Comparison of normalization methods for non-normal distributed soil elements data in typical mining area[J]. Geography and Geo-Information Science, 26(6): 102-105 (in Chinese with English abstract).

[6]
梁严威, 2015. 基于地统计和ESDA的东南太平洋智利竹筴鱼时空动态的研究[D]. 上海: 上海海洋大学: 1-49.

LIANG YANWEI, 2015. Temporal dynamics of Trachurus murphyi in the southeast pacific based on geostatistical methods and ESDA[D]. Shanghai: Shanghai Ocean University: 1-49 (in Chinese with English abstract).

[7]
罗明, 裴韬, 2009. 空间软数据及其插值方法研究进展[J]. 地理科学进展, 28(5): 663-667.

LUO MING, PEI TAO, 2009. Review on soft spatial data and its spatial interpolation methods[J]. Progress in Geography, 28(5): 663-667 (in Chinese with English abstract).

[8]
苏奋振, 周成虎, 仉天宇, 等, 2003. 东海水域中上层鱼类资源的空间异质性[J]. 应用生态学报, 14(11): 1971-1975.

SU FENZHEN, ZHOU CHENGHU, ZHANG TIANYU, et al, 2003. Spatial heterogeneity of pelagic fishery resources in the East China Sea[J]. Chinese Journal of Applied Ecology, 14(11): 1971-1975 (in Chinese with English abstract).

[9]
苏奋振, 周成虎, 史文中, 等, 2004. 东海区底层及近底层鱼类资源的空间异质性[J]. 应用生态学报, 15(4): 683-686.

SU FENZHEN, ZHOU CHENGHU, SHI WENZHONG, et al, 2004. Spatial heterogeneity of demersal fish in East China Sea[J]. Chinese Journal of Applied Ecology, 15(4): 683-686 (in Chinese with English abstract).

[10]
王广德, 过常龄, 1987. “Krige”空间内插技术在地理学中的应用[J]. 地理学报, 42(4): 366-375.

WANG GUANGTE, GUO CHANGLING, 1987. Application of the Kriging technique in geography[J]. Acta Geographica Sinica, 42(4): 366-375 (in Chinese with English abstract).

[11]
王蓉, 肖瑜璋, 俞胜宾, 等, 2011. 南海北部近岸海域风场特征分析与预报研究[J]. 海洋预报, 28(2): 1-8.

WANG RONG, XIAO YUZHANG, YU SHENGBIN, et al, 2011. Analysis and forecasting of wind field character on the north of South China Sea borders near-ocean area[J]. Marine Forecasts, 28(2): 1-8 (in Chinese with English abstract).

[12]
王政权, 1999. 地统计学及在生态学中的应用[M]. 北京: 科学出版社: 1-197.

[13]
邬建国, 2000. 景观生态学: 格局、过程、尺度与等级[M]. 北京: 高等教育出版社: 1-266.

[14]
晏然, 陈新军, 陈作志, 2018. 拉尼娜期间中西太平洋鲣栖息地分布特征[J]. 海洋学报, 40(4): 76-85.

YAN RAN, CHEN XINJUN, CHEN ZUOZHI, 2018. Distribution characteristics of skipjack habitat in the western and central Pacific during the La Niña periods[J]. Acta Oceanologica Sinica, 40(4): 76-85 (in Chinese with English abstract).

[15]
杨吝, 张旭丰, 谭永光, 等, 2009a. 南海北部灯光围网渔获组成分析[J]. 南方水产科学, 5(6): 65-70.

YANG LIN, ZHANG XUFENG, TAN YONGGUANG, et al, 2009a. 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).

[16]
杨吝, 张旭丰, 谭永光, 等, 2009b. 南海北部灯光罩网渔获组成及其对渔业资源的影响[J]. 南方水产科学, 5(4): 41-46.

YANG LIN, ZHANG XUFENG, TAN YONGGUANG, et al, 2009b. 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).

[17]
杨晓明, 戴小杰, 朱国平, 2012. 基于地统计分析西印度洋黄鳍金枪鱼围网渔获量的空间异质性[J]. 生态学报, 32(15): 4682-4690.

YANG XIAOMING, DAI XIAOJIE, ZHU GUOPING, 2012. Geostatistical analysis of spatial heterogeneity of yellowfin tuna (Thunnus albacares) purse seine catch in the western Indian Ocean[J]. Acta Ecologica Sinica, 32(15): 4682-4690 (in Chinese with English abstract).

[18]
杨晓明, 戴小杰, 田思泉, 等, 2014. 中西太平洋鲣鱼围网渔业资源的热点分析和空间异质性[J]. 生态学报, 34(13): 3771-3778.

YANG XIAOMING, DAI XIAOJIE, TIAN SIQUAN, et al, 2014. Hot spot analysis and spatial heterogeneity of skipjack tuna (Katsuwonus pelamis) purse seine resources in the western and central Pacific Ocean[J]. Acta Ecologica Sinica, 34(13): 3771-3778 (in Chinese with English abstract).

[19]
于君, 邱永松, 2016. 黑潮入侵对南海东北部初级生产力的影响[J]. 南方水产科学, 12(4): 17-27.

YU JUN, QIU YONGSONG, 2016. Influence of Kuroshio intrusion on primary productivity in the northeastern South China Sea[J]. South China Fisheries Science, 12(4): 17-27 (in Chinese with English abstract).

[20]
张寒野, 胡芬, 2005a. 冬季东海太平洋褶柔鱼的空间异质性特征[J]. 生态学杂志, 24(11): 1299-1302.

ZHANG HANYE, HU FEN, 2005a. Spatial heterogeneity of Todarodes pacificus in East China Sea in winter[J]. Chinese Journal of Ecology, 24(11): 1299-1302 (in Chinese with English abstract).

[21]
张寒野, 程家骅, 2005b. 东海区小黄鱼空间格局的地统计学分析[J]. 中国水产科学, 12(4): 419-423.

ZHANG HANYE, CHENG JIAYE, 2005b. Geostatistical analysis on spatial patterns of small yellow croaker (Larimichthys polyactis) in the East China Sea[J]. Journal of Fishery Sciences of China, 12(4): 419-423 (in Chinese with English abstract).

[22]
张敏, 邹晓荣, 2011. 大洋性竹筴鱼渔业[M]. 北京: 中国农业出版社: 1-310.

[23]
张仁铎, 2005. 空间变异理论及应用[M]. 北京: 科学出版社: 1-188.

[24]
章淑珍, 1984. 粤东外海饵料生物的基本特点与竹筴鱼索饵洄游的关系[J]. 水产学报, 8(4): 305-314.

ZHANG SHUZHEN, 1984. The features of food organisms with relation to the feeding migration of jack mackerel offshore east Guangdong Province[J]. Journal of Fisheries of China, 8(4): 305-314 (in Chinese with English abstract).

[25]
赵兴武, 崔利锋, 李书民, 等, 2016. 中国渔业统计年鉴[M]. 北京: 中国农业出版社: 45-48.

[26]
朱元鼎, 张春霖, 成庆泰, 1962. 南海鱼类志[M]. 北京: 科学出版社: 213-423.

[27]
CADET D L, 1985. The southern oscillation over the Indian Ocean[J]. Journal of Climatology, 5(2): 189-212.

[28]
CARR J R, BENZER W B, 1991. On the practice of estimating fractal dimension[J]. Mathematical Geology, 23(7): 945-958.

[29]
GONG G C, LIU K K, LIU C T, et al, 1992. The chemical hydrography of the South China Sea west of Luzon and a comparison with the west Philippine Sea[J]. Terrestrial, Atmospheric and Oceanic Sciences, 3(4): 587-602.

[30]
LEE M Y, WEI K Y, CHEN Y G, 1999. High resolution oxygen isotope straigraphy for the last 150,000 years in the southern South China Sea: core MD972151[J]. Terrestrial, Atmospheric and Oceanic Sciences, 10(1): 239-254.

[31]
NISHIDA T, CHEN DINGGENG, 2004. Incorporating spatial autocorrelation into the general linear model with an application to the yellowfin tuna (Thunnus albacares) longline CPUE data[J]. Fisheries Research, 70(2-3): 265-274.

[32]
ODUM E P, 1971. Fundamentals of ecology[M]. 3rd ed. Philadelphia: Saunders: 1-314.

[33]
PETITGAS P, 2001. Geostatistics in fisheries survey design and stock assessment: models, variances and applications[J]. Fish and Fisheries, 2(3): 231-249.

[34]
RIVOIRARD J, SIMMONDS J, FOOTE K G, et al, 2000. Geostatistics for estimating fish abundance[M]. New York: Blackwell Science: 1-216.

Options
文章导航

/

〈 〉