發(fā)布時間：2021-04-08所屬分類：農(nóng)業(yè)論文瀏覽：1次
摘 要： 摘要經(jīng)濟高效的漁業(yè)資源調(diào)查采樣有利于保證調(diào)查數(shù)據(jù)的質(zhì)量，提高調(diào)查效率，從而為漁業(yè)科學(xué)研究提供可靠數(shù)據(jù)。根據(jù)2016-2017年山東近海漁業(yè)資源底拖網(wǎng)季度調(diào)查數(shù)據(jù)，以小黃魚、矛尾蝦虎魚、方氏云鳚和星康吉鰻作為目標(biāo)魚種，使用kriging插值法模擬了目標(biāo)魚種
摘要經(jīng)濟高效的漁業(yè)資源調(diào)查采樣有利于保證調(diào)查數(shù)據(jù)的質(zhì)量，提高調(diào)查效率，從而為漁業(yè)科學(xué)研究提供可靠數(shù)據(jù)。根據(jù)2016-2017年山東近海漁業(yè)資源底拖網(wǎng)季度調(diào)查數(shù)據(jù)，以小黃魚、矛尾蝦虎魚、方氏云鳚和星康吉鰻作為目標(biāo)魚種，使用kriging插值法模擬了目標(biāo)魚種在4個季節(jié)的相對資源量分布，設(shè)置簡單隨機抽樣(SRS)、常規(guī)系統(tǒng)抽樣(SYS_r)、等距系統(tǒng)抽樣(SYS_h)、按水深分層隨機抽樣(StRS_depth)、按區(qū)域分層隨機抽樣(StRS_region)和綜合水深和區(qū)域分層隨機抽樣(StRS_total)共6種備選采樣設(shè)計方案，利用計算機模擬方法對kriging插值數(shù)據(jù)進(jìn)行再抽樣，估計各目標(biāo)魚種資源量指數(shù)，以相對估計誤差(relativeestimationerror,REE)和相對偏差(relativebias,RB)衡量估計結(jié)果的精準(zhǔn)度，以準(zhǔn)確度變化率(accuracychangerate，ACR)小于等于10%的標(biāo)準(zhǔn)確定最優(yōu)調(diào)查站位數(shù)，比較不同采樣設(shè)計在估計多目標(biāo)魚種資源量指數(shù)方面的表現(xiàn)并進(jìn)行樣本量優(yōu)化。研究結(jié)果表明，3種抽樣方法的估計準(zhǔn)度不同，簡單隨機抽樣<分層隨機抽樣<系統(tǒng)抽樣。除系統(tǒng)抽樣外，其余采樣設(shè)計方案均為無偏估計。隨調(diào)查站位數(shù)增加，系統(tǒng)抽樣的REE表現(xiàn)出無規(guī)律波動趨勢。分層隨機抽樣的REE略低于系統(tǒng)抽樣，且隨站位數(shù)增加而降低。分層隨機抽樣是最優(yōu)抽樣方法，StRS_total是最優(yōu)分層方案。不同目標(biāo)魚種、季節(jié)調(diào)查所需站位數(shù)不同，StRS_total進(jìn)行4季度調(diào)查的最優(yōu)站位數(shù)可設(shè)為80。
關(guān)鍵詞采樣設(shè)計;資源量指數(shù);kriging插值;計算機模擬;多物種漁業(yè)資源調(diào)查;山東近海
漁業(yè)資源調(diào)查是開展?jié)O業(yè)科學(xué)研究的重要數(shù)據(jù)來源。調(diào)查數(shù)據(jù)常用來研究漁業(yè)生物學(xué)特征[1,2]、魚類群落結(jié)構(gòu)、多樣性[3-5]和分布規(guī)律[6,7]，估計魚種資源量和最大可持續(xù)產(chǎn)量[8,9]，進(jìn)而為漁業(yè)管理政策的制定提供理論依據(jù)。
漁業(yè)資源調(diào)查成本高，采樣設(shè)計優(yōu)化可在保證調(diào)查數(shù)據(jù)質(zhì)量前提下降低調(diào)查成本[10]。調(diào)查采樣設(shè)計常基于歷史調(diào)查數(shù)據(jù)和調(diào)查目的，選擇抽樣方法，合理分配采樣努力量[11,12]，借助計算機模擬方法比較不同調(diào)查設(shè)計表現(xiàn)，從而確定最優(yōu)調(diào)查方案[13,14]。
資源量指數(shù)是漁業(yè)資源調(diào)查的常用指標(biāo)。Kriging插值法可利用已有調(diào)查數(shù)據(jù)構(gòu)建協(xié)方差函數(shù)，模擬未調(diào)查區(qū)域的魚種相對資源量分布，以此作為目標(biāo)魚種的“真實”分布[14-16]。
近年來，國內(nèi)外學(xué)者在調(diào)查采樣設(shè)計及優(yōu)化方面開展了大量研究。Xu等[12,17]以資源量指數(shù)和多樣性指數(shù)為調(diào)查指標(biāo)，優(yōu)化了海州灣漁業(yè)資源調(diào)查設(shè)計的采樣努力量和分層設(shè)計。劉勇[18]結(jié)合地統(tǒng)計學(xué)模擬方法和空間模擬退火算法進(jìn)行采樣設(shè)計，確定了站位空間分布。王晶等[19]通過計算機模擬方法確定了黃河口海域漁業(yè)資源調(diào)查的最優(yōu)斷面數(shù)。Cao等[20]以美國龍蝦資源量指數(shù)為調(diào)查指標(biāo)進(jìn)行采樣設(shè)計優(yōu)化，指出相對于隨機抽樣和分層隨機抽樣，系統(tǒng)抽樣的估計準(zhǔn)度最高。
本文通過Kriging插值法模擬了山東近海4個季度4個目標(biāo)魚種的相對資源量分布，應(yīng)用計算機模擬和重抽樣方法，比較了6種不同采樣設(shè)計估計多魚種資源量指數(shù)的表現(xiàn)，確定最優(yōu)抽樣方法和采樣努力量，以期為該海域漁業(yè)資源調(diào)查采樣設(shè)計優(yōu)化提供理論參考。
1.材料與方法
1.1數(shù)據(jù)來源
本文數(shù)據(jù)來自2016年10月(秋季)、2017年1月(冬季)、5月(春季)、8月(夏季)的山東近海漁業(yè)資源底拖網(wǎng)季度調(diào)查，調(diào)查海域范圍為118°20′~123°50′E，35°00′~38°30′N(圖1)，共設(shè)置177個站位。調(diào)查船為單船底拖網(wǎng)漁船，主機功率為220kW，平均拖速為2~3kn，每站拖網(wǎng)時間1h。拖網(wǎng)漁獲物冷凍保存，帶回實驗室鑒定，并記錄各種類的漁獲重量和尾數(shù)，計算相對資源量，即單位網(wǎng)次漁獲重量(g/h)。
本研究中選擇小黃魚(Larimichthypolyactis)、矛尾蝦虎魚(Chaemrichthysstigmatias)、方氏云鳚(Enedriasfangi)和星康吉鰻(Congermyriaster)作為目標(biāo)魚種，在本文中各魚類分別用lp、cs、ef和cm表示，以估計其資源量指數(shù)為調(diào)查目標(biāo)。
Kriging插值法(Ordinarykriginginterpolation，OKI)是常用的地統(tǒng)計學(xué)插值方法，其原理是估計值與真實值的數(shù)學(xué)期望相同且方差最小[21]。Kriging插值法利用歷史調(diào)查數(shù)據(jù)構(gòu)建協(xié)方差函數(shù)，對未調(diào)查區(qū)域進(jìn)行預(yù)測[22]。本研究利用Kriging插值法預(yù)測小黃魚、矛尾蝦虎魚、方氏云鳚和星康吉鰻在山東近海四個季節(jié)的相對資源量(g/h)空間分布情況。調(diào)查區(qū)域根據(jù)經(jīng)緯度劃分為5529個單元，每個單元是2¢×2¢，對所有單元進(jìn)行插值。該研究中假設(shè)插值結(jié)果能夠真實反映4個魚種的資源量分布。
1.2采樣設(shè)計
本文比較簡單隨機抽樣、系統(tǒng)抽樣和分層隨機抽樣等共6種采樣設(shè)計在估計目標(biāo)魚種資源量指數(shù)方面的表現(xiàn)。采樣設(shè)計I(SRS)為簡單隨機抽樣，采用不放回式隨機抽樣確定調(diào)查站位。采樣設(shè)計II(SYS_r)為常規(guī)系統(tǒng)抽樣，其抽樣單元為正方形，各個站位間距離不等，調(diào)查站位在基礎(chǔ)單元內(nèi)的位置相同。采樣設(shè)計III(SYS_h)為等距系統(tǒng)抽樣，其抽樣單元為等邊三角形，各站位間距離相等，但站位在基礎(chǔ)單元內(nèi)的位置不同。站位預(yù)設(shè)數(shù)與實際站位數(shù)的差的絕對值不大于2。采樣設(shè)計IV(StRS_depth)為基于水深的分層隨機抽樣，即根據(jù)水深將調(diào)查區(qū)域分為1區(qū)(小于30米)，2區(qū)(30-50米)和3區(qū)(大于50米)3個層。采樣設(shè)計V(StRS_region)為基于地理位置的分層隨機抽樣，即根據(jù)地理位置將調(diào)查區(qū)域分為A區(qū)(37°N以北，120°30′E以西的萊州灣及其鄰近海域)、B區(qū)(37°N以北，120°30′E以東的煙威漁場)和C區(qū)(37°N以南的山東半島南部海域)3層。采樣設(shè)計VI(StRS_total)為基于水深和地理位置的分層隨機抽樣，把調(diào)查區(qū)域共分為7層(圖1)。本文中分層隨機抽樣中樣本量分配方法為比例分配，即層內(nèi)的調(diào)查站位數(shù)與層面積成正比。
1.3模擬研究
本文以相對資源量(g/h)為調(diào)查指標(biāo)，使用Kriging插值法預(yù)測魚種在調(diào)查海域的相對資源量的“真實”分布，以此計算資源量指數(shù)“真值”。對于各采樣設(shè)計，對相對資源量插值數(shù)據(jù)進(jìn)行重抽樣，樣本量范圍為20-200個調(diào)查站位，間隔為10。根據(jù)模擬數(shù)據(jù)計算不同采樣設(shè)計下的各目標(biāo)魚種資源量指數(shù)估計值，采用相對估計誤差REE(Therelativeestimationerror,REE)[13,23]和相對偏差RB(relativebias,RB)[20]來衡量不同采樣設(shè)計估計資源量指數(shù)的精度和準(zhǔn)度，比較不同調(diào)查采樣設(shè)計的表現(xiàn)。以準(zhǔn)確度變化率ACR(accuracychangerate，ACR)衡量REE是否顯著降低[18]，確定調(diào)查采樣設(shè)計最優(yōu)站位數(shù)。模擬流程如圖2所示。
2.結(jié)果
2.1不同分層隨機抽樣方法的REE、RB比較
對于各目標(biāo)魚種，各季節(jié)中3種分層隨機抽樣估計資源量指數(shù)的相對估計誤差(REE)變化趨勢一致，均隨站位數(shù)增加而降低。采樣設(shè)計VI(StRS_total)的REE低于采樣設(shè)計IV(StRS_depth)和采樣設(shè)計V(StRS_region)。調(diào)查站位數(shù)越多，3種分層隨機抽樣的REE值越接近。采樣設(shè)計VI(StRS_total)是最優(yōu)分層隨機抽樣方法(圖3)。
對于各目標(biāo)魚種，各季節(jié)中不同分層隨機抽樣估計資源量指數(shù)的RB值(絕對值)均隨站位數(shù)增加而降低，且變異性降低。3種分層隨機采樣設(shè)計均是無偏估計，RB在0值附近波動(圖4)。
2.2不同采樣設(shè)計的REE比較
采樣設(shè)計VI(StRS_total)是表現(xiàn)最好的分層隨機抽樣，在不同抽樣方法比較時，3種分層隨機抽樣中僅以采樣設(shè)計VI為例。分層隨機抽樣和簡單隨機抽樣的REE值均隨著站位數(shù)呈逐漸降低趨勢，系統(tǒng)抽樣的REE總體上呈降低趨勢，但在樣本量較高時其分布呈無規(guī)律波動。在相同站位數(shù)下，總體上系統(tǒng)抽樣的REE最低，簡單隨機抽樣最高，兩種系統(tǒng)抽樣方法的REE數(shù)值接近(圖5)。
2.3不同采樣設(shè)計的RB比較
簡單隨機抽樣和分層隨機抽樣的RB值隨站位數(shù)增加而降低，且變化范圍減小;其RB值在0附近波動，是無偏估計。系統(tǒng)抽樣的RB值隨站位數(shù)增加無一致性變化趨勢，其RB分布具有無規(guī)律波動，且多數(shù)情況下偏離0值，不是無偏估計(圖6)。
2.4準(zhǔn)確度變化率(ACR)
在采樣設(shè)計VI(StRS_total)中，準(zhǔn)確度變化率ACR均大于0，其隨著站位數(shù)增加而逐漸降低(圖7)。系統(tǒng)抽樣設(shè)計的ACR值隨站位數(shù)增加未呈現(xiàn)一致性規(guī)律(圖8)，根據(jù)ACR難以確定系統(tǒng)抽樣設(shè)計的最優(yōu)站位數(shù)。
綜合考慮4個目標(biāo)魚種的ACR分布，采樣設(shè)計VI(StRS_total)進(jìn)行四季度調(diào)查的最優(yōu)站位數(shù)可設(shè)為80(表1)。
3.討論
本研究以估計目標(biāo)魚種的資源量指數(shù)為目標(biāo)，比較了6種調(diào)查采樣設(shè)計的表現(xiàn)。系統(tǒng)采樣設(shè)計的REE和ACR指標(biāo)隨站位數(shù)增加呈現(xiàn)無規(guī)律波動。除系統(tǒng)采樣設(shè)計外，其他采樣設(shè)計的REE、RB均隨站位數(shù)增加而降低，且變異性降低。不同季節(jié)的REE存在一定差異，尤其對于春季小黃魚和夏季方氏云鳚兩個目標(biāo)魚種。
系統(tǒng)采樣設(shè)計的REE隨站位數(shù)增加無一致性規(guī)律，這與歷史研究結(jié)論相似[20,24,25]。對于無偏估計的采樣設(shè)計，調(diào)查站位越多，調(diào)查結(jié)果越接近真實值[26]。當(dāng)目標(biāo)魚種分布具有一定規(guī)律或趨勢，若系統(tǒng)采樣設(shè)計調(diào)查站位布設(shè)契合目標(biāo)魚種的分布規(guī)律或者趨勢，估計結(jié)果將出現(xiàn)高估或低估[27]。魚類常根據(jù)自身需要選擇適宜的棲息環(huán)境[24]，導(dǎo)致其時空分布存在差異。系統(tǒng)采樣設(shè)計把調(diào)查區(qū)域分成多個等面積的基礎(chǔ)單元，系統(tǒng)采樣設(shè)計的樣本量不同時，其站位空間分布可能差異較大。系統(tǒng)采樣設(shè)計的REE分布呈現(xiàn)無規(guī)律波動，這可能主要與魚類分布的不均勻和站位位置的變化有關(guān)。
采樣設(shè)計VI(StRS_total)具有較低REE，是表現(xiàn)最好的分層隨機抽樣設(shè)計。對于海州灣漁業(yè)資源調(diào)查分層隨機采樣設(shè)計，綜合考慮了水深和區(qū)域兩個因素的方案為最優(yōu)分層方案[12,14]。本研究結(jié)果與其類似，綜合考慮水深和區(qū)域的分層方案表現(xiàn)更好。合理分層可以有效降低層內(nèi)變異性，提高漁業(yè)資源調(diào)查的準(zhǔn)度，或者在相同估計準(zhǔn)度時減少調(diào)查所需站位數(shù)[10,14,26]。水深、水溫和底質(zhì)類型等是影響魚類分布的重要環(huán)境因子[28,29]，例如水深和底層水溫是影響星康吉鰻空間分布的重要因素[30]。分層設(shè)計優(yōu)化是提高調(diào)查效率和資源量指標(biāo)估計準(zhǔn)度的重要途經(jīng)[30,31]。
對于相對估計誤差，系統(tǒng)抽樣的REE最低，分層隨機抽樣其次，簡單隨機抽樣的REE最高，該結(jié)果與Simmonds等歷史研究結(jié)論相似[20,25,32]。分層隨機抽樣是無偏估計，其具有更高穩(wěn)定性;分層隨機抽樣的REE略高于系統(tǒng)抽樣，但隨著站位數(shù)增加，二者差異變小。站位數(shù)增加和分層設(shè)計優(yōu)化可以提高調(diào)查準(zhǔn)度，獲得具有良好代表性的樣本[14]。
準(zhǔn)確度變化率ACR是衡量REE變化的評價指標(biāo)。采樣設(shè)計VI(StRS_total)的ACR隨站位數(shù)增加先下降而后趨于穩(wěn)定，這與歷史研究一致[13]。ACR作為量化標(biāo)準(zhǔn)，可以減少主觀因素的影響，但該方法不適用于系統(tǒng)抽樣調(diào)查。最優(yōu)站位數(shù)的確定，需要結(jié)合實際情況和調(diào)查目標(biāo)進(jìn)行選擇。
對于5月小黃魚和8月方氏云鳚，其資源量指數(shù)估計的REE較其他季節(jié)高，這可能與其空間分布特征有關(guān)。方氏云鳚的生殖洄游導(dǎo)致其資源分布特征季節(jié)差異明顯[33]，小黃魚在6月左右進(jìn)入渤海各海灣、黃海北部沿岸和海州灣產(chǎn)卵[34]。分層設(shè)計不能很好地適應(yīng)上述魚種在該時期的分布特征，造成調(diào)查估計效果下降，所需調(diào)查站位數(shù)增加[10,14]。魚類生殖、索餌洄游導(dǎo)致魚類分布特征的改變，會影響調(diào)查估計準(zhǔn)確性，尤其在分層隨機采樣設(shè)計中。
本研究采用的kriging插值法只能逐一模擬4個目標(biāo)魚種的資源量指數(shù)分布，無法同時模擬所有物種分布，也未考慮物種間的捕食和競爭關(guān)系。聯(lián)合物種分布模型可以同時模擬多個魚種資源的空間分布[16]，但聯(lián)合物種分布模型對調(diào)查數(shù)據(jù)的要求更高。在未來研究中，當(dāng)理化環(huán)境等數(shù)據(jù)可用時，可考慮應(yīng)用聯(lián)合物種分布模型來模擬魚種資源量分布“真值”。——論文作者：張國晟1，王晶4，張崇良1,2,3，薛瑩1,2,3，任一平1,2,3，徐賓鐸1,2,3*
相關(guān)期刊推薦：《水產(chǎn)學(xué)報》(月刊)1964年創(chuàng)刊，是由中國水產(chǎn)學(xué)會主辦、上海海洋大學(xué)承辦的以水產(chǎn)科學(xué)技術(shù)為主的學(xué)術(shù)性刊物。設(shè)有：綜述、研究報告、簡訊欄目。反映我國水產(chǎn)科學(xué)研究成果及發(fā)展方向，為國內(nèi)外水產(chǎn)學(xué)術(shù)交流服務(wù)。主要刊載水產(chǎn)基礎(chǔ)研究、水產(chǎn)養(yǎng)殖和增殖、漁業(yè)水域環(huán)境保護(hù)、水產(chǎn)品保鮮加工與綜合利用、漁業(yè)機械儀器等方面的論文、研究簡報和綜述。
