方學(xué)燕, 陳新軍,2,3,4，馮永玖,2,3,4，陳芃

(1.上海海海洋大學(xué) 海洋科學(xué)學(xué)院，上海 201306；2.國家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306；3.上海海洋大學(xué) 大洋漁業(yè)可持續(xù)開發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306；4.遠(yuǎn)洋漁業(yè)協(xié)同創(chuàng)新中心，上海 201306)

基于綜合環(huán)境因子的協(xié)同克里金法分析莖柔魚資源豐度空間分布

方學(xué)燕1, 陳新軍1,2,3,4，馮永玖1,2,3,4，陳芃1

(1.上海海海洋大學(xué) 海洋科學(xué)學(xué)院，上海 201306；2.國家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306；3.上海海洋大學(xué) 大洋漁業(yè)可持續(xù)開發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306；4.遠(yuǎn)洋漁業(yè)協(xié)同創(chuàng)新中心，上海 201306)

莖柔魚是我國重要的遠(yuǎn)洋捕撈對象之一，研究其資源豐度空間分布問題，有助于更好地理解莖柔魚的生態(tài)習(xí)性，并提高我國魷釣漁船的生產(chǎn)效率。本文利用上海海洋大學(xué)魷釣技術(shù)組提供的2003-2012年6-9月秘魯外海莖柔魚捕撈數(shù)據(jù)，結(jié)合海表面溫度(SST)，海表面高度(SSH)，海表面鹽度(SSS)和葉綠素濃度(Chla)進(jìn)行協(xié)同克里金插值預(yù)測其資源豐度的空間分布。為了解決協(xié)同克里金插值中4個(gè)環(huán)境因子的權(quán)重問題，本文將4個(gè)環(huán)境因子進(jìn)行歸一化處理，利用主成分分析方法將其整合為單一綜合環(huán)境因子，以此作為協(xié)變量。將綜合環(huán)境因子與單位捕撈努力量漁獲量(CPUE)進(jìn)行相關(guān)性檢驗(yàn)后進(jìn)行協(xié)同克里金插值，根據(jù)平均誤差(ME)，均方根誤差(RMSE)和標(biāo)準(zhǔn)化均方根(RMSSE)對插值結(jié)果評價(jià)，探討此種方法的可行性。研究結(jié)果認(rèn)為：(1)主成分分析方法獲得的6-9月份的綜合環(huán)境因子均與CPUE具有顯著相關(guān)性；(2)6-7月份ME分別為0.002 6和0.002 5，預(yù)測準(zhǔn)確性很高，平均預(yù)測結(jié)果稍高于實(shí)際觀測值；而8-9月份的ME分別為-0.007 8和-0.000 2，預(yù)測準(zhǔn)確性較高，平均預(yù)測結(jié)果稍低于實(shí)際觀測值。6月份的RMSE估值精度最高，8月份的估值精度最低。6-7月份的RMSSE值小于1，說明都高估了預(yù)測的不確定性，8-9月份的RMSSE值大于1，說明都低估了預(yù)測的不確定性，則在6-9月份中的預(yù)測精度和準(zhǔn)確性上會有一定程度的偏差。從ME、RMSE和RMSSE三者綜合來看，6-9月的預(yù)測值具有一定的可靠性。

莖柔魚；空間分布；綜合環(huán)境因子；協(xié)同克里金；秘魯外海

1 引言

莖柔魚(Dosidicusgigas)是產(chǎn)量較高的大洋性經(jīng)濟(jì)種類之一，其分布較為廣泛，北達(dá)加利福尼亞(35°N)，南至智利沿岸(55°S)[1—2]，秘魯寒流流經(jīng)的秘魯中北部和加利福尼亞灣海域是其產(chǎn)量最高地，也是重要的作業(yè)漁場。從1990年開始，日本、韓國等國家和地區(qū)的漁船開始進(jìn)入秘魯外海捕獲莖柔魚，作業(yè)方式包括圍網(wǎng)、釣捕等[3]。中國于2001年開始在該海域進(jìn)行探捕，并取得1.78萬噸的產(chǎn)量，自此，中國正式開辟了東太平海域莖柔魚漁場，產(chǎn)量連年增加。根據(jù)聯(lián)合國糧農(nóng)組織統(tǒng)計(jì)，2013年，世界莖柔魚總年產(chǎn)量為77.3萬噸，僅中國產(chǎn)量就達(dá)26.1萬噸[4]。國內(nèi)外諸多學(xué)者對秘魯外海莖柔魚分布進(jìn)行了研究探討，主要采用的統(tǒng)計(jì)學(xué)方法有棲息地適應(yīng)性指數(shù)模型(HSI)[5—6]，信息增益技術(shù)[7]，神經(jīng)網(wǎng)絡(luò)模型(EBP)[8]等，認(rèn)為其主要分布在高葉綠素濃度(Chla)[9]，海表面溫度(SST)為17～23℃，海表面鹽度(SSS)為35.0‰～35.5‰和冷暖水團(tuán)交匯處[6]。然而上述統(tǒng)計(jì)學(xué)研究的前提是建立在樣本獨(dú)立與完全隨機(jī)兩個(gè)基本假設(shè)之上的，對于漁業(yè)資源空間分布這樣一個(gè)具有時(shí)間和空間概念的預(yù)報(bào)因子，這兩個(gè)基本假設(shè)前提通常都得不到滿足。而地統(tǒng)計(jì)學(xué)則避免了經(jīng)典統(tǒng)計(jì)學(xué)中忽視空間位置和方向的缺陷，是一個(gè)非常有效的分析和解釋空間數(shù)據(jù)的方法[10]。

地統(tǒng)計(jì)學(xué)以區(qū)域化變量理論為基礎(chǔ)，由變異函數(shù)和克里格插值兩部分組成，主要是對特定空間內(nèi)的變量進(jìn)行變異性建模，并基于此模型進(jìn)行變量估值。其最早于1985年被引入漁業(yè)研究領(lǐng)域，最初用于分析漁業(yè)數(shù)據(jù)和進(jìn)行生物量估計(jì)[11]，之后在估計(jì)魚類資源豐度[12—13]、漁業(yè)調(diào)查和評估[14—15]、空間異質(zhì)性及群體分布結(jié)構(gòu)研究[16]等方面的應(yīng)用較為廣泛。Petitgas和Levenez[17]對克里金理論及其在漁業(yè)中的應(yīng)用進(jìn)行了概括綜述，Rivoirard等[18]介紹了其在漁業(yè)上應(yīng)用的典型案例，并為資源評估提供指導(dǎo)。

利用克里格插值方法可以對漁獲量數(shù)據(jù)進(jìn)行插值，在此基礎(chǔ)上進(jìn)行資源總量或空間位置的估計(jì)。例如Simard等[19]利用普通克里金法估計(jì)加拿大北方長額蝦(Pandalusborealis)的資源量并繪制其空間分布，Monestieza等[20]使用地統(tǒng)計(jì)學(xué)方法對地中海西北部長須鯨(Balaenopteraphysalus)的空間分布進(jìn)行了預(yù)測。馮永玖等[21]以2007和2010年西北太平洋柔魚(Ommastrephesbartramii)漁業(yè)的原始生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，對西北太平洋柔魚資源空間分布及其變動進(jìn)行了研究，認(rèn)為2007年西北太平洋柔魚漁區(qū)的形成受溫度和海流的影響，2010年整個(gè)西北太平洋柔魚漁場受親潮勢力影響。

協(xié)同克里金是地統(tǒng)計(jì)學(xué)中較為重要的插值方法之一，其可以用空間中的一個(gè)或多個(gè)輔助變量對所感興趣的主要變量進(jìn)行插值估算，從而獲取研究范圍內(nèi)未知點(diǎn)的主變量屬性值。這些輔助變量與主要變量都有相關(guān)關(guān)系，并且假設(shè)變量之間的相關(guān)關(guān)系有助于提高預(yù)測精度。當(dāng)研究區(qū)域的輔助信息較容易獲取且平穩(wěn)變化時(shí)，可將這類信息作為輔助變量引入?yún)f(xié)同克里金中[22]?；趩蝹€(gè)環(huán)境因子的協(xié)同克里金插值進(jìn)行空間結(jié)構(gòu)的研究多見于空氣濕度[23]、土壤[24—26]和降水量[27-28]等，而在海洋漁業(yè)資源分布的研究方面則相對較少。

為此，本文繼用前人研究使用的環(huán)境因子——表溫(SST)、海面高度(SSH)、表層鹽度(SSS)和葉綠素濃度(Chla)為協(xié)變量進(jìn)行協(xié)同克里金插值預(yù)測秘魯外海莖柔魚資源分布?；趩我粎f(xié)變量的考慮，擬用主成分分析方法將4個(gè)環(huán)境因子進(jìn)行整合為單一的綜合環(huán)境因子，探討綜合環(huán)境因子作為協(xié)變量在秘魯外海莖柔魚資源空間分布中協(xié)同克里金插值的可行性。

2 材料與方法

2.1 數(shù)據(jù)來源及處理

本文選用上海海洋大學(xué)魷釣技術(shù)組提供的我國遠(yuǎn)洋魷釣漁船2003-2012年6-9月在秘魯外海的漁業(yè)捕撈數(shù)據(jù)，包括作業(yè)時(shí)間、作業(yè)天數(shù)、作業(yè)位置及捕撈產(chǎn)量，時(shí)間分辨率為天。計(jì)算0.5°×0.5°網(wǎng)格中對應(yīng)的秘魯外海莖柔魚漁獲量和作業(yè)天數(shù)，并以單位捕撈努力量漁獲量(Catch Per Unite Effort，CPUE=總漁獲量/總作業(yè)天數(shù))作為資源豐度指標(biāo)[29]。

環(huán)境數(shù)據(jù)包括海表面溫度(SST)、海表面高度(SSH)、葉綠素濃度(Chla)(數(shù)據(jù)下載網(wǎng)址http://oceanwatch.pifsc.noaa.gov)和海表面鹽度(SSS)(數(shù)據(jù)下載網(wǎng)址：http://iridl.ldeo.columbia.edu)，時(shí)間分辨率為月，空間分辨率分別0.1°×0.2°，0.25°×0.25°，0.05°×0.15°，0.33°×1°。研究時(shí)間為2003-2012年6-9月。為與漁業(yè)數(shù)據(jù)相匹配，將環(huán)境數(shù)據(jù)分別處理成時(shí)間分辨率為月，空間分辨率為0.5°×0.5°的格式。

2.2 秘魯外海莖柔魚CPUE正態(tài)性檢驗(yàn)及轉(zhuǎn)換

由于進(jìn)行地統(tǒng)計(jì)分析的數(shù)據(jù)須符合正態(tài)分布，為此對6-9月CPUE進(jìn)行Kolomogorov-Semirnov(K-S)檢驗(yàn)[30]，對不滿足正態(tài)性要求的數(shù)據(jù)進(jìn)行對數(shù)轉(zhuǎn)換。對數(shù)轉(zhuǎn)換的前提是數(shù)據(jù)為非負(fù)值，漁業(yè)數(shù)據(jù)中經(jīng)常會有0值的出現(xiàn)，為克服數(shù)據(jù)上的這一缺陷，本文根據(jù)相關(guān)研究將所有的CPUE各加1[3]，1的加入并不會影響到資源的整體分布趨勢及空間關(guān)系。

2.3 數(shù)據(jù)歸一化處理

SST、SSH、SSS和Chla的測量值存在量綱差異，將各因子的數(shù)據(jù)進(jìn)行歸一化處理，可以避免大值環(huán)境因子對小值環(huán)境因子的掩蓋，減少相關(guān)信息的丟失。數(shù)值歸一化處理的相關(guān)公式如下：

X*=(Xi-Xmin)/(Xmax-Xmin)，

(1)

式中，X*為處理后的值，數(shù)值范圍為0～1；Xi為變量的第i個(gè)實(shí)際觀測值，Xmax為所有觀測值中的最大值，Xmin為所有觀測值中的最小值。

2.4 主成分分析

主成分分析(Principal Component Analysis, PCA)通過降維技術(shù)把多變量化成少數(shù)幾個(gè)互不相關(guān)的主成分，這些主成分能夠反映原始變量的絕大部分信息[31]。PCA法在綜合評價(jià)中可以消除各指標(biāo)不同量綱的影響，也可以消除由各指標(biāo)之間相關(guān)性所帶來的信息重疊，特別是它克服了綜合評價(jià)中認(rèn)為確定各指標(biāo)權(quán)重系數(shù)的問題，在綜合評價(jià)中顯示出它的優(yōu)越性[32]。根據(jù)PCA原理，將SST、SSH、SSS和Chla評價(jià)為一個(gè)綜合環(huán)境指標(biāo)，主成分構(gòu)成公式如下:

Zi=q1i×SSS+q2i×SST+q3i×

SSH+q4i×Chl a，

(2)

式中，Zi為第i主成分變量，qji(j=14)分別為第i主成分對應(yīng)于原始變量SSS、SST、SSH和Chla的系數(shù)，它度量了相應(yīng)變量對Zi的重要性[4]。

綜合環(huán)境指標(biāo)的構(gòu)成公式如下[31]：

Y=∑λi×Zi，

(3)

式中，Y為綜合環(huán)境指標(biāo)，Zi為第i主成分，λi為第i主成分的貢獻(xiàn)率。

利用SPSS17.0統(tǒng)計(jì)包中的相關(guān)分析對SST、SSS、SSH、Chla及Y與CPUE進(jìn)行相關(guān)性檢驗(yàn)，確定環(huán)境因子與主變量CPUE之間的相關(guān)關(guān)系。

2.5 協(xié)同克里金估值

本文用SSS、SST、SSH和Chla的綜合環(huán)境指標(biāo)對6-9月秘魯外海莖柔魚漁場資源分布進(jìn)行插值估計(jì)。在二階平穩(wěn)假設(shè)的條件下，協(xié)同克里金的估值公式為[33]：

(4)

2.6 估值驗(yàn)證及精度評價(jià)

求?。?1)平均誤差(ME)，其代表評價(jià)結(jié)果的無偏性，其值越接近于0越好；(2)均方根誤差(RMSE)，其是估值方法精確性的一種度量，值越小越好；(3)標(biāo)準(zhǔn)化均方根(RMSSE)，其值應(yīng)該接近于1，小于1則高估預(yù)測的不確定性，大于1則高估預(yù)測的不確定性。具體計(jì)算公式如下[33]：

(5)

(6)

(7)

3 結(jié)果

3.1 秘魯外海莖柔魚CPUE統(tǒng)計(jì)描述

由圖1可知，6月份莖柔魚主要分布在SSS為35.1～35.3,SST為19～22℃，SSH為21～30 cm，Chla為0.04～0.35 mg/m3的海域；7月份莖柔魚主要分布在SSS為35.0～35.3,SST為18～21℃，SSH為21～32 cm，Chla為0.04～0.35 mg/m3的海域；8月份主要分布在SSS為35.2～35.3,SST為18～19℃，SSH為11～35 cm，Chla為0.25～0.45 mg/m3海域；9月份主要分布在SSS為35.1～35.2,SST為17～19℃，SSH為21～32 cm，Chla為0.06～0.35 mg/m3海域。

6-9月秘魯外海莖柔魚CPUE的K-S檢驗(yàn)及正態(tài)轉(zhuǎn)換結(jié)果見表1。6月份秘魯外海莖柔魚CPUE K-S檢驗(yàn)的P值小于0.05，明顯屬于偏態(tài)分布，經(jīng)過log轉(zhuǎn)換后P值大于0.15，呈現(xiàn)較好的正態(tài)分布。7-9月的秘魯外海莖柔魚CPUE經(jīng)過K-S檢驗(yàn)基本上能夠滿足正態(tài)分布的要求，經(jīng)過log轉(zhuǎn)換后，其值正態(tài)性明顯增強(qiáng)。為此，本文將6-9月的秘魯外海莖柔魚CPUE均采用log轉(zhuǎn)換后的數(shù)值進(jìn)行地統(tǒng)計(jì)分析。

表1 6-9月CPUE及l(fā)og正態(tài)轉(zhuǎn)換K-S檢驗(yàn)

續(xù)表1

3.2 PCA處理結(jié)果

在R3.0.2軟件中，用PCA方法分別提取6-9月份SST、SSH、SSS和Chla4個(gè)環(huán)境變量的主成分，經(jīng)過標(biāo)準(zhǔn)化后的相關(guān)系數(shù)矩陣的特征值、特征向量系數(shù)見表2，各主成分的貢獻(xiàn)率和累積貢獻(xiàn)率見圖1。本文應(yīng)用主成分的主要目的為綜合評價(jià)4個(gè)環(huán)境變量的權(quán)重，故4個(gè)主成分全部保留。各主成分構(gòu)成如下式：

Y6=0.527×SSS+0.163×SST-

0.683×SSH-0.479×Chl a，

Y7=-0.485×SSS-0.706×SST-

0.215×SSH-0.47×Chl a，

Y8=0.452×SSS-0.637×SST-

0.214SSH+0.587×Chl a，

Y9=0.531×SSS-0.265×SST+

0.665×SSH-0.454×Chl a.

圖1 秘魯外海莖柔魚產(chǎn)量比重與環(huán)境范圍圖Fig.1 Catch rate of Dosidicus gigas in different environment range

變量1234特征值1.3211.0900.9250.457特征向量SSS0.6050.1700.3670.686SST0.4400.737-0.151-0.491SSH-0.4960.558-0.4140.521Chla-0.4410.3410.819-0.134

圖2 各主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率Fig.2 The contribution rate and cumulative contribution rate of principal components

3.3 相關(guān)性檢驗(yàn)

由表3可知，6月份莖柔魚CPUE與SSS具有極顯著的負(fù)相關(guān)關(guān)系，與SSH、Chla和綜合環(huán)境因子Y具有極顯著的正相關(guān)關(guān)系；7月份其CPUE與SSS、SST和Y的具有極顯著的負(fù)相關(guān)性，與SSH具有極顯著的正相關(guān)性；8月份CPUE與SSS和SST具有極顯著正相關(guān)性，而與Y的相關(guān)性不顯著；9月份CPUE與SST和Y都具有極顯著正相關(guān)性，與其他環(huán)境因子的相關(guān)性不顯著無顯著。從單因子的相關(guān)性檢驗(yàn)來看，在不同生活史階段，不同環(huán)境因子的影響作用不同。

表3 相關(guān)性檢驗(yàn)

注：*表示統(tǒng)計(jì)顯著，**表示統(tǒng)計(jì)極顯著。

3.4 協(xié)同克里金估值結(jié)果

利用Arcgis10.2軟件的Geostatistical Analysis模塊對6-9月秘魯外海莖柔魚CPUE進(jìn)行協(xié)同克里金插值，繪制成面狀圖(圖3)。2003-2012年秘魯外海莖柔魚平均產(chǎn)量(ln(CPUE))為1.725 t/d，本文取ln(CPUE)值大于1.8 t/d的區(qū)域作為中心漁場。6-8月份出現(xiàn)集中大范圍高值區(qū)，6月份主要出現(xiàn)在76°～82°W，10°～17°S，7月份主要集中在10°～14°S，80°～84.5°W，8月份主要出現(xiàn)在9°～13°S，80°～85°W，而9月份秘魯外海莖柔魚中心漁場分布并不集中。6、7、9月份中比8月份多大于2.1 t/d的等級(紅色區(qū)域)。從CPUE實(shí)際分布與預(yù)測圖的疊加方面來看，高低值區(qū)域與實(shí)際CPUE分布較為吻合。

3.5 驗(yàn)證結(jié)果

由表4結(jié)果顯示，6、7月份協(xié)同克里金插值效果較好，ME分別為0.002 6和0.002 5，說明預(yù)測準(zhǔn)確性很高，平均預(yù)測結(jié)果稍高于實(shí)際觀測值；而8-9月份的ME分別為-0.007 8和-0.000 2，說明預(yù)測準(zhǔn)確性較高，平均預(yù)測結(jié)果稍低于實(shí)際觀測值。RMSE的計(jì)算結(jié)果說明6月份的估值精度最高，8月份的估值精度最低。而從RMSSE來看，較接近1的是6、9月份，7、8月份的RMSSE與1的差值都大于0.1，說明6、9月份的預(yù)測標(biāo)準(zhǔn)差有效性高，7、8月份的稍差一點(diǎn)。6月份的RMSSE值小于1，說明都高估了預(yù)測的不確定性，7-9月份的RMSSE值大于1，說明都低估了預(yù)測的不確定性，則在6-9月份中的預(yù)測精度和準(zhǔn)確性上會有一定程度的偏差。從ME、RMSE和RMSSE三者綜合來看，6-9月的預(yù)測值具有一定的可靠性。

圖3 6-9月秘魯外海莖柔魚漁場預(yù)測圖Fig.3 The prediction fishing grounds of Dosidicus gigas from June to September

月份MERMSERMSSE6月0.00260.41280.97477月0.00250.44961.16238月-0.00780.51691.10379月-0.00020.41521.0811

4 討論與分析

4.1 秘魯外海莖柔魚及漁場分布特點(diǎn)

莖柔魚這種全年產(chǎn)卵生殖的短生命周期物種，采用月為單位進(jìn)行漁場研究，能夠利用其階段性生態(tài)習(xí)性進(jìn)行漁場動態(tài)研究。根據(jù)相關(guān)研究[34—35]得知，生活在秘魯上升流區(qū)域的莖柔魚有大中小3個(gè)群體，大群體主要分布在赤道附近，中型群體除了高緯度地區(qū)外，秘魯海域都有分布，大型群體主要分布在10°～15°S，本研究所涉及的時(shí)空區(qū)域基本屬于大型群體的分布范圍。根據(jù)相關(guān)研究發(fā)現(xiàn)，秘魯外海莖柔魚全年產(chǎn)卵，但存在兩個(gè)產(chǎn)卵高峰期，10月份到次年1月份和7月到8月份[9]。本文選用的研究區(qū)域及時(shí)間段恰為莖柔魚產(chǎn)卵高峰期的過程，從預(yù)測結(jié)果圖3來看，6-8月份的聚集性較好，出現(xiàn)大于研究年份平均值的高產(chǎn)區(qū)。而9月份高產(chǎn)量區(qū)在整個(gè)研究區(qū)域內(nèi)分布面積較小且較為零散，在研究區(qū)內(nèi)難以形成中心漁場，主要分布在研究區(qū)域的西部邊緣地帶。預(yù)測圖顯示，6-8月份秘魯外海莖柔魚中心漁場有從近岸向離岸方向移動的趨勢，在南北方向上稍有北移，但不甚明顯。6-9月份的離岸移動，由Arguelles等[36]的研究可知，這應(yīng)屬于產(chǎn)卵洄游造成的。莖柔魚的產(chǎn)卵期持續(xù)時(shí)間比較長，通常持續(xù)約100～120 d，且在產(chǎn)卵間隔期仍能積極進(jìn)行捕食，以用于新陳代謝，生殖活動及個(gè)體增長[37]。成年個(gè)體的捕食對象主要是中上層魚類和頭足類，9月份預(yù)測的中心漁場分布在研究區(qū)邊緣，有可能是會出現(xiàn)在研究區(qū)域以西，根據(jù)Lorrain等[38]、Arguelle和Tafur[39]研究認(rèn)為，可能是與莖柔魚離岸捕食頭足類和磷蝦有關(guān)。

4.2 秘魯外海莖柔魚與環(huán)境的關(guān)系

Robinson等[22]的研究認(rèn)為，葉綠素濃度高(但并不是最高)的地方莖柔魚產(chǎn)量高。在產(chǎn)卵前期，莖柔魚大量索餌捕食，以為生殖活動儲蓄能量，故而，6月份中CPUE與Chla具有極顯著的正相關(guān)性。鹽度會影響水生生物的滲透壓[40]，在相關(guān)性檢驗(yàn)中，除了9月份CPUE與SSS的相關(guān)性不顯著外，6-8月份均呈現(xiàn)極顯著的相關(guān)性。SST會影響水生生物的新陳代謝[40]，除了6月份，7-9月份CPUE均與SST具有極顯著的相關(guān)性。Nesis[41]認(rèn)為，食物的可獲得性比其他環(huán)境因子對莖柔魚的分布影響更大，這也說明了為什么6月份中SST的相關(guān)性不顯著,而與Chla具有顯著相關(guān)性。SSH表征渦旋，冷暖渦旋具有不同的理化性質(zhì)，冷渦旋內(nèi)營養(yǎng)鹽含量、浮游植物和動物的生物量比周圍海域明顯較高，溫度較低，海面上升；暖渦旋則具有相反特征[42],冷暖渦旋的存在對幼魚的生長及存活率產(chǎn)生一定影響。

本研究中，秘魯外海莖柔魚資源主要分布在SST為17～23°C、SSH為5.3～36.3 cm、SSS為35.0～35.5、Chla為0.06～0.5 mg/m3的海域。6月份與7月份，8月份與9月份分布范圍的環(huán)境條件很相似(圖1)，但是CPUE與各環(huán)境因子的相關(guān)性檢驗(yàn)并非都是顯著的。6月份CPUE與SSS、SSH和Chla具有顯著相關(guān)性，7月份CPUE與SSS、SSH和SST有顯著相關(guān)性，8月份CPUE與SSS和SST具有顯著相關(guān)性，而9月份CPUE僅與SST具有顯著相關(guān)性。這表明各環(huán)境因子對不同生長階段的莖柔魚影響有所不同。

6月份可能是秘魯外海莖柔魚產(chǎn)卵前期，存在一定的攝食行為，其分布在一定程度上受Chla的影響，秘魯外海莖柔魚資源豐度高值區(qū)主要分布在Chla為0.1～0.2 mg/m3的區(qū)域，Chla高值區(qū)也有一定比例的莖柔魚分布。7、8月份可能進(jìn)入產(chǎn)卵高峰期，9月份為產(chǎn)卵間期或是末期，進(jìn)入產(chǎn)卵期后SST對莖柔魚資源空間分布具有一定的影響，從相關(guān)性檢驗(yàn)結(jié)果可以證明這一點(diǎn)(表3)，然而影響較大的主要是SSS和SSH；9月份熱點(diǎn)零散，區(qū)域較小，產(chǎn)卵過后成體死亡[43]，產(chǎn)卵期的個(gè)體分散積極進(jìn)行覓食以補(bǔ)充繁殖所需能量[34，37]，群體分布不集中。6-8月莖柔魚資源豐度分布均呈現(xiàn)出高值聚集區(qū)，并且均與SSS相關(guān)性顯著，6-7月份相關(guān)性系數(shù)較大的環(huán)境因子為SSH，9月份沒有高值聚集區(qū)分布不集中，其CPUE與SSS的相關(guān)性不顯著，而僅與SST具有相關(guān)性。因此，本研究認(rèn)為產(chǎn)卵期莖柔魚資源聚集性分布特點(diǎn)主要由SSS和SSH決定，主要集中分布在SSS為35.0～35.3、SSH為21～31 cm的海域。但為何在產(chǎn)卵階段秘魯外海莖柔魚傾向于聚集于SSS為35.0～35.3，21～31 cm的海域？這需要今后仍從莖柔魚的生物生理及行為學(xué)上深入探討。

4.3 協(xié)同克里金插值分析

協(xié)同克里金的一個(gè)優(yōu)點(diǎn)就是引入相關(guān)的輔助變量，將漁業(yè)資源豐度與環(huán)境輔助變量同時(shí)研究時(shí)，一旦某些空間位點(diǎn)上缺乏漁業(yè)數(shù)據(jù)的觀測值時(shí)，就可以用相應(yīng)的環(huán)境因子所提供的信息進(jìn)行資源密度的空間變異性及統(tǒng)計(jì)特征分析。根據(jù)Sumfleth和Duitmann[44]人相關(guān)研究可知，輔助變量可以提高插值預(yù)測精度。本研究利用COK法進(jìn)行插值預(yù)測秘魯外海莖柔魚資源豐度分布情況，從CPUE與預(yù)測疊加圖來看，預(yù)測能夠較真實(shí)的反映實(shí)際CPUE的分布情況。當(dāng)然，對于無值區(qū)域，是希望通過此種估值方法，獲取其中的信息，形成對漁業(yè)資源分布的宏觀認(rèn)識。從插值驗(yàn)證的評價(jià)結(jié)果來看，對于未知區(qū)域的預(yù)測具有一定的可靠性。故而，預(yù)測分布圖可以有效的展示資源分布情況。

本研究采用主成分分析法將易于獲得的4個(gè)環(huán)境因子綜合為一個(gè)變量，將復(fù)雜的生長環(huán)境囊括其中，期望在莖柔魚資源分布上給予一個(gè)解釋復(fù)雜環(huán)境的指標(biāo)。6、7月份中莖柔魚CPUE分別與SSS、SSH、Chla和SSS、SST、SSH具有極顯著相關(guān)性，綜合后的環(huán)境變量的相關(guān)性也極顯著；而8月份中，CPUE僅與SSS和SST有極顯著相關(guān)性，9月份CPUE僅與SST有極顯著相關(guān)性，綜合后的環(huán)境變量則與CPUE相關(guān)性顯著。應(yīng)用主成分分析綜合環(huán)境指標(biāo)進(jìn)行協(xié)同克里金插值，能夠很好的解決在協(xié)同克里金插值時(shí)多因子輔助變量權(quán)重的“黑匣子效應(yīng)”。

6-9月份CPUE與綜合環(huán)境變量Y的相關(guān)系數(shù)為0.32、-0.35、0.12、0.18，插值精度分別為0.412 8、0.449 6、0.516 9、0.415 2。除了9月份外，基本符合相關(guān)系數(shù)越大，插值精度越高的假設(shè)。本研究可以證明相關(guān)性越強(qiáng)的輔助變量，將越有助于協(xié)同克里金插值結(jié)果精確性的提高。但為什么8、9月份的綜合環(huán)境變量的相關(guān)性系數(shù)會明顯變小呢？8、9月份與CPUE具有顯著相關(guān)性的環(huán)境因子分別是SSS和SST、SST，在主成分分析處理中，各主成分的系數(shù)是基于2003-2012年6—9月各環(huán)境因子分析得到的，從主成分分析獲取的特征向量系數(shù)可知，在8月份，SSS系數(shù)較大，說明SSS在對綜合變量貢獻(xiàn)率較大的第一主成分(貢獻(xiàn)率為43.6%)中重要性大，而SST的系數(shù)最??；在第二主成分(貢獻(xiàn)率為29.72%)中SSS的系數(shù)最小，SST的系數(shù)最大；第三主成分(累積貢獻(xiàn)率為94.77%)中SSS和SST的系數(shù)是最小，這樣作為具有顯著相關(guān)性的兩個(gè)環(huán)境因子在利用主成分分析綜合成綜合環(huán)境因子時(shí)，其中的相關(guān)信息有被掩蓋的嫌疑。9月份CPUE僅與SST有極顯著相關(guān)性，但從主成分分析的特征向量來看，在貢獻(xiàn)率最大的第一主成分中，SST的權(quán)重僅為0.440，而其他相關(guān)性不顯著的SSS、SSH和Chla的權(quán)重都較之大，雖然在第二主成分中SST的權(quán)重最大，但是第二主成分的貢獻(xiàn)率的僅為29.72%，且貢獻(xiàn)率為21.41%的第三主成分中SST權(quán)重也較小，這樣在綜合變量中SST的相關(guān)性被掩蓋。

但是，從預(yù)測精確性計(jì)算結(jié)果及預(yù)測圖與實(shí)際CPUE疊加圖的目測結(jié)果來看，利用主成分分析方法建立綜合環(huán)境影響因子，可以實(shí)現(xiàn)對莖柔魚資源豐度空間分布的預(yù)測。

[1] 陳新軍, 劉必林, 王堯耕. 世界頭足類[M]. 北京: 海洋出版社, 2009.

Chen Xinjun, Liu Bilin, Wang Yaogeng. Cephalopods of the World[M]. Beijing: China Ocean Press, 2009.

[2] 胡振明, 陳新軍, 周應(yīng)祺. 東南太平洋莖柔魚漁業(yè)生物學(xué)研究進(jìn)展[J]. 廣東海洋大學(xué)學(xué)報(bào), 2009, 29(3): 98-102.

Hu Zhenming, Chen Xinjun, Zhou Yingqi. Advances in fishery biology ofDosidicusgigasin the southeast Pacific Ocean[J]. Journal of Guangdong Ocean University, 2009, 29(3): 98-102.

[3] Tian Siquan, Chen Xinjun, Chen Yong, et al. Evaluating habitat suitability indices derived from CPUE and fishing effort data forOmmatrephesbratramiiin the northwestern Pacific Ocean[J]. Fisheries Research, 2009, 95(2/3): 181-188.

[4] FAO. Fishery statistical collections: global aquaculture production[EB/OL]. http://www.fao.org/fishery/statistics/global-aquaculture-production/en，2015.

[5] 金岳, 陳新軍. 利用棲息地指數(shù)模型預(yù)測秘魯外海莖柔魚熱點(diǎn)區(qū)[J]. 漁業(yè)科學(xué)進(jìn)展, 2014, 35(3): 19-26.

Jin Yue, Chen Xinjun. Forecasting hotspots ofDosidicusgigasin the offshore waters of Peru using habitat suitability model[J]. Progress in Fishery Sciences, 2014, 35(3): 19-26.

[6] 胡振明, 陳新軍, 周應(yīng)祺, 等. 利用棲息地適宜指數(shù)分析秘魯外海莖柔魚漁場分布[J]. 海洋學(xué)報(bào), 2010, 32(5): 67-75.

Hu Zhenming, Chen Xinjun, Zhou Yingqi, et al. Forecasting fishing ground ofDosidicusgigasbased on habitat suitability index off Peru[J]. Haiyang Xuebao, 2010, 32(5): 67-75.

[7] 易倩, 陳新軍, 余為, 等. 基于信息增益技術(shù)比較分析智利和秘魯外海莖柔魚漁場環(huán)境[J]. 上海海洋大學(xué)學(xué)報(bào), 2014, 23(2): 272-278.

Yi Qian, Chen Xinjun, Yu Wei, et al. A comparison of habitats ofDosidicusgigasin the fishing ground off Chile and Peru based on information gain technique[J]. Journal of Shanghai Ocean University, 2014, 23(2): 272-278.

[8] 汪金濤, 高峰, 雷林, 等. 基于神經(jīng)網(wǎng)絡(luò)的東南太平洋莖柔魚漁場預(yù)報(bào)模型的建立及解釋[J]. 海洋漁業(yè), 2014, 36(2): 131-137.

Wang Jintao, Gao Feng, Lei Lin, et al. Modeling of fishing grounds forDosidicusgigasbased on BP neural network in southeast Pacific[J]. Marine Fisheries, 2014, 36(2): 131-137.

[9] Tafur R, Villegas P, Rabí M, et al. Dynamics of maturation, seasonality of reproduction and spawning grounds of the jumbo squidDosidicusgigas(Cephalopoda: Ommastrephidae) in Peruvian waters[J]. Fisheries Research, 2001, 54(1): 33-50.

[10] 孫海泉, 肖革新, 郭瑩, 等. 流行病生態(tài)學(xué)研究的統(tǒng)計(jì)分析方法[J]. 中國衛(wèi)生統(tǒng)計(jì), 2014, 31(2): 352-356.

Sun Haiquan, Xiao Gexin, Guo Ying, et al. Statistical analysis of epidemiological ecology[J]. Chinese Journal of Health Statistics, 2014, 31(2): 352-356.

[11] Conan G Y. Assessment of shellfish stocks by geostatistical techniques[J]. ICES, Shellfish Committee, 1985, K: 30.

[12] Maynou F X, Sardà F, Conan G Y. Assessment of the spatial structure and biomass evaluation ofNephropsnorvegicus(L.) populations in the northwestern Mediterranean by geostatistics[J]. ICES Journal of Marine Science, 1998, 55(1): 102-120.

[13] Pelletier D, Parma A M. Spatial distribution of Pacific halibut (Hippoglossusstenolepis): an application of geostatistics to longline survey data[J]. Canadian Journal of Fisheries and Aquatic Sciences, 1994, 51(7): 1506-1518.

[14] Addis P, Secci M, Angioni A, et al. Spatial distribution patterns and population structure of the sea urchinParacentrotuslividus(Echinodermata: Echinoidea), in the coastal fishery of western Sardinia: a geostatistical analysis[J]. Scientia Marina, 2012, 76(4): 733-740.

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

[16] Barange M, Hampton I. Spatial structure of co-occurring anchovy and sardine populations from acoustic data: implications for survey design[J]. Fisheries Oceanography, 1997, 6(2): 94-108.

[17] Petitgas P, Levenez J J. Spatial organization of pelagic fish: echogram structure, spatio-temporal condition, and biomass in Senegalese waters[J]. ICES Journal of Marine Science, 1996, 53(2): 147-153.

[18] Rivoirard J, Simmonds J, Foote K G, et al. Geostatistics for Estimating Fish Abundance[M]. Oxford: Blackwell Science, 2008.

[19] Simard Y, Legendre P, Lavoie G, et al. Mapping, estimating biomass, and optimizing sampling programs for spatially autocorrelated data: case study of the northern shrimp (Pandalusborealis)[J]. Canadian Journal of Fisheries and Aquatic Sciences, 1992, 49(1): 32-45.

[20] Monestieza P, Dubrocab L, Bonnin E, et al. Geostatistical modelling of spatial distribution ofBalaenopteraphysalusin the Northwestern Mediterranean Sea from sparse count data and heterogeneous observation efforts[J]. Ecological Modelling, 2006, 193(3/4): 615-628.

[21] 馮永玖, 陳新軍, 楊銘霞, 等. 基于ESDA的西北太平洋柔魚資源空間熱點(diǎn)區(qū)域及其變動研究[J]. 生態(tài)學(xué)報(bào), 2014, 34(7): 1841-1850.

Feng Yongjiu, Chen Xinjun, Yang Mingxia, et al. An exploratory spatial data analysis-based investigation of the hot spots and variability ofOmmastrephesbartramiifishery resources in the northwestern Pacific Ocean[J]. Acta Ecologica Sinica, 2014, 34(7): 1841-1850.

[22] Robinson C J, Gómez-Gutiérrez J, de León D A S. Jumbo squid (Dosidicusgigas) landings in the Gulf of California related to remotely sensed SST and concentrations of chlorophylla(1998-2012)[J]. Fisheries Research, 2013, 137: 97-103.

[23] 胡丹桂, 舒紅. 基于協(xié)同克里金空氣濕度空間插值研究[J]. 湖北農(nóng)業(yè)科學(xué), 2014, 53(9): 2045-2049.

Hu Dangui, Shu Hong. Air humidity based on CoKriging interpolation[J]. Hubei Agricultural Sciences, 2014, 53(9): 2045-2049.

[24] 馬孝義, 李新平, 趙延鳳. 土壤含水量的Kriging和Cokriging估值研究[J]. 水土保持通報(bào), 2001, 21(3): 59-62.

Ma Xiaoyi, Li Xinping, Zhao Yanfeng. Estimating of soil water content using Kriging and Cokriging methods[J]. Bulletin of Soil and Water Conservation, 2001, 21(3): 59-62.

[25] 王平, 李浩, 陳帥, 等. 基于坡度的黑土區(qū)切溝密度協(xié)同克里格插值方法研究[J]. 水土保持研究, 2014, 21(6): 312-317.

Wang Ping, Li Hao, Chen Shuai, et al. Interpolation of permanent gully density based on slope steepness in black soil area[J]. Research of Soil and Water Conservation, 2014, 21(6): 312-317.

[26] 楊奇勇, 張發(fā)旺. 西南巖溶盆地土壤干容重協(xié)同克里格分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015, 46(2): 126-131.

Yang Qiyong, Zhang Fawang. Cokriging analysis on soil bulk density in karst basin of southwest China[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(2): 126-131.

[27] 孔令娜, 向南平. 基于ArcGIS的降水量空間插值方法研究[J]. 測繪與空間地理信息, 2012, 35(3): 123-126.

Kong Lingna, Xiang Nanping. Research on rainfall spatial interpolation methods based on Arcgis[J]. Geomatics & Spatial Information Technology, 2012, 35(3): 123-126.

[28] 吳昌廣, 林德生, 周志翔, 等. 三峽庫區(qū)降水量的空間插值方法及時(shí)空分布[J]. 長江流域資源與環(huán)境, 2010, 19(7): 752-758.

Wu Changguang, Lin Desheng, Zhou Zhixiang, et al. Spatial interpolation methods and temporal spatial distribution of precipitation in the Three Gorges reservoir area[J]. Resources and Environment in the Yangtze Basin, 2010, 19(7): 752-758.

[29] 方學(xué)燕, 陳新軍, 丁琪. 基于棲息地指數(shù)的智利外海莖柔魚漁場預(yù)報(bào)模型優(yōu)化[J]. 廣東海洋大學(xué)學(xué)報(bào), 2014, 34(4): 67-73.

Fang Xueyan, Chen Xinjun, Ding Qi. Optimization fishing ground prediction models ofDosidicusgigasin the high sea off Chile based on habitat suitability index[J]. Journal of Guangdong Ocean University, 2014, 34(4): 67-73.

[30] 楊銘霞, 陳新軍, 馮永玖, 等. 中小尺度下西北太平洋柔魚資源豐度的空間變異[J]. 生態(tài)學(xué)報(bào), 2013, 33(20): 6427-6435.

Yang Mingxia, Chen Xinjun, Feng Yongjiu, et al. Spatial variability of small and medium scales’ resource abundance of Ommastrephes bartramii in Northwest Pacific[J]. Acta Ecologica Sinica, 2013, 33(20): 6427-6435.

[31] 薛毅, 陳立萍. 統(tǒng)計(jì)建模與R軟件[M]. 北京: 清華大學(xué)出版社, 2007.

Xue Yi, Chen Liping. Modeling and R Software[M]. Beijing: Tsinghua University Press, 2007.

[32] 于化龍. 主成分分析應(yīng)用研究綜述[J]. 經(jīng)營管理者, 2013(3): 9-10.

Yu Hualong. Review on the application of principal component analysis[J]. Manager’ Journal, 2013(3): 9-10.

[33] 劉愛利, 王培法, 丁園圓. 地統(tǒng)計(jì)學(xué)概論[M]. 北京: 科學(xué)出版社, 2012.

Liu Aili, Wang Peifa, Ding Yuanyuan. Introduction to Geostatistics[M]. Beijing: Science Press, 2012.

[34] Csirke J, Alegre A, Argüelles J, et al. Main biological and fishery aspects of the jumbo squid (Dosidicusgigas) in the Peruvian Humboldt Current System[C]//3rd Meeting of the Scientific Committee of the South Pacific Regional Fisheries Management Organization. Port Vila, Vanuatu: SPRFMO, 2015.

[35] Nigmatullin C M, Nesis K N, Arkhipkin A I. A review of the biology of the jumbo squidDosidicusgigas(Cephalopoda: Ommastrephidae)[J]. Fisheries Research, 2001, 54(1): 9-19.

[36] Argüelles J, Lorrain A, Cherel Y, et al. Tracking habitat and resource use for the jumbo squidDosidicusgigas: a stable isotope analysis in the Northern Humboldt Current System[J]. Marine Biology, 2012, 159(9): 2105-2116.

[37] Nigmatullin C M, Markaida U. Oocyte development, fecundity and spawning strategy of large sized jumbo squidDosidicusgigas(Oegopsida: Ommastrephinae)[J]. Journal of the Marine Biological Association of the United Kingdom, 2009, 89(4): 789-801.

[38] Lorrain A, Argüelles J, Alegre A, et al. Sequential isotopic signature along gladius highlights contrasted individual foraging strategies of jumbo squid (Dosidicusgigas)[J]. PLoS One, 2011, 6(7): e22194.

[39] Argüelles J, Tafur R. New insights on the biology of the jumbo squidDosidicusgigasin the Northern Humboldt Current System: size at maturity, somatic and reproductive investment[J]. Fisheries Research, 2010, 106(2): 185-192.

[40] 孫儒泳, 李慶芬, 牛翠娟, 等. 基礎(chǔ)生態(tài)學(xué)[M]. 北京: 高等教育出版社, 2002: 15-42.

Sun Ruyong, Li Qingfen, Niu Cuijuan, et al. Basic Ecology[M]. Beijing: Higher Education Press, 2002: 15-42.

[41] Nesis K N. Biology of the giant squid of Peru and Chile,Dosidicusgigas[J]. Oceanology, 1970, 10(1): 108-118.

[42] Mason E, Pasual A, McWillams J C. A new sea surface height-based code for oceanic Mesoscale eddy tracking[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(5): 1181-1188.

[43] Taipe A, Yamashiro C, Mariategui L, et al. Distribution and concentrations of jumbo flying squid (Dosidicusgigas) off the Peruvian coast between 1991 and 1999[J]. Fisheries Research, 2001, 54(1): 21-32.

[44] Sumfleth K, Duttmann R. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J]. Ecological Indicators, 2008, 8(5): 485-501.

Study of spatial distribution for Dosidicus gigas abundance off Peru based on a comprehensive environmental factor

Fang Xueyan1, Chen Xinjun1,2,3,4, Feng Yongjiu1,2,3,4， Chen Peng1

(1.CollegeofMarineSciences,ShanghaiOceanUniversity，Shanghai201306,China;2.NationalEngineeringResearchCenterforOceanicFisheries,ShanghaiOceanUniversity,Shanghai201306,China;3.TheKeyLaboratoryofSustainableExploitationofOceanicFisheriesResources,MinistryofEducation,ShanghaiOceanUniversity,Shanghai201306,China;4.CollaborativeInnovationCenterforDistant-waterFisheries,Shanghai201306,China)

Dosidicusgigasis one of the most important oceanic fishing objects. It is useful for learning the ecological habitat and increasing the fishing efficiency to study the spatial distribution ofD.gigas. We used the fishing data as main variable and sea surface temperature (SST), sea surface height (SSH), sea surface salinity (SSS) and concentration of Chlorophylla(Chla) as co-variables by cokriging to analyze the spatial distribution ofD.gigasabundance. The fishing data was selected from June to September during 2003 to 2012 provided by the Chinese squid-jigging technology group. To solve the weight of four different environmental factors in cokriging, they were transferred to the value between 0 and 1, then combined by principle component analysis as a single comprehensive co-variable. The relative test was taken between catch per unite fishing effort (CPUE) and the co-variable. Mean error (ME), root mean square error (RMSE) and root mean standardized squared error (RMSSE) were used to assess the predicting results to examine this method. The study results showed that (1) the comprehensive environmental factors from June to September had significant correlation with CPUE， (2) The ME were 0.002 6 and 0.002 5 respectively in June and July, which indicated that the average predicted results were higher than the objected data. However ME were -0.007 8 and -0.000 2 in August and September respectively, indicting the predicting accuracy were better and the average predicted results were lower than the objected data. The precision in June was the best, and it was lower in August. The RMSSE values in June and July were less than 1, suggesting over-valuating their uncertainty. This also indicated there were bias on the predicting precision and accuracy. In a word, from the view of ME, RMSE and RMSSE, the predicted data had a certain reliability.

Dosidicusgigas; spatial distribution; comprehensive environmental factor; cokriging； off Peru

10.3969/j.issn.0253-4193.2017.02.006

2016-06-26；

2016-09-30。

海洋局公益性行業(yè)專項(xiàng)(20155014)；上海市科技創(chuàng)新行動計(jì)劃(5DZ1202200)；海洋二號衛(wèi)星地面應(yīng)用系統(tǒng)項(xiàng)目(HY2A-HT-YWY-006)。

方學(xué)燕(1990—)，女，山東省青島市人，研究方向?yàn)闈O業(yè)資源與漁場學(xué)。E-mail：fangxueyan@163.com

*通信作者：陳新軍, 男，教授，博士生導(dǎo)師，主要研究領(lǐng)域?yàn)闈O業(yè)資源學(xué)。E-mail：xjchen@shou.edu.cn

S931

A

0253-4193(2017)02-0062-10

方學(xué)燕, 陳新軍，馮永玖，等. 基于綜合環(huán)境因子的協(xié)同克里金法分析莖柔魚資源豐度空間分布[J].海洋學(xué)報(bào)，2017，39(2)：62—71,

Fang Xueyan, Chen Xinjun，F(xiàn)eng Yongjiu, et al. Study of spatial distribution forDosidicusgigasabundance off Peru based on a comprehensive environmental factor[J]. Haiyang Xuebao，2017，39(2)：62—71, doi:10.3969/j.issn.0253-4193.2017.02.006