《Continental Shelf Research》:An integrative modeling approach investigating environmental influences on the catch of Sepia elliptica (Hoyle, 1885) along the Northeastern Arabian Sea
编辑推荐:
Sahina Akter|Santosh N. Bhendekar|Ajay Nakhawa|Sonam Angmo|Muzammal Hoque|Bharda Sheetal Kanubhai|Zeba Jaffer Abidi|Suman Nama|Karankumar Ra
Sahina Akter|Santosh N. Bhendekar|Ajay Nakhawa|Sonam Angmo|Muzammal Hoque|Bharda Sheetal Kanubhai|Zeba Jaffer Abidi|Suman Nama|Karankumar Ramteke
ICAR-Central Institute of Fisheries Education (CIFE),印度孟买Seven Bungalows,邮编400 061
摘要
本研究采用综合建模方法,分析2017–2019年阿拉伯海东北部地区Sepia elliptica(Hoyle, 1885)捕获量变化的环境驱动因素。研究结合机器学习与统计建模技术,如随机森林模型和广义加性模型,评估关键环境变量对物种捕获量的预测能力。所使用的环境预测因子包括海表温度、海表盐度、叶绿素-a浓度、海底温度、海表高度、混合层深度以及海洋流速,数据来自哥白尼海洋环境监测服务系统。S. elliptica的每小时捕获量在雨季过后最高,尤其是11月。研究通过配对面板图展示环境变量与每小时捕获量之间的关联。随机森林模型确定海表温度、叶绿素-a、海洋流速、海表盐度、海表高度和混合层深度是影响该物种在阿拉伯海东北部捕获量的主要因素。广义加性模型分析进一步表明,捕获量与海表温度、叶绿素-a、混合层深度、海表高度、海底温度存在显著关联,而海洋流速的影响则不显著。基于广义加性模型的预测结果,研究人员绘制出了重要鱼类栖息地地图,其整体预测准确率为91.1%,r2值为0.85。这种综合分析框架通过模拟非线性关系并提升空间预测精度,有助于识别适宜的渔业区域,为基于生态系统的管理提供支持,进而助力实现可持续且具有韧性的渔业发展。
引言
头足类动物既是各种高等海洋生物的重要捕食对象,也是它们的食物来源,从鱼类到鲸类皆在其列,因此在海洋食物网中起着关键作用(Rosas-Luis等人,2016)。因此,它们数量的波动很大程度上受环境变化影响,而这些环境变化又会直接影响商业渔业及更广泛的海洋生态系统动态(Andre等人,2010)。Sepia elliptica(Hoyle, 1885),即椭圆骨乌贼,是一种属于乌贼科的热带印度-太平洋地区头足类物种。其分布范围从澳大利亚北部到西部,涵盖角斗士群岛、埃克斯茅斯湾、昆士兰、印度尼西亚、巴布亚新几内亚、越南以及阿拉伯海(Reid等人,2005;Jereb和Roper,2005)。2010年,该物种首次在马哈拉施特拉邦海域被发现(Sundaram和Khan,2010),不过可能因历史上曾被误认为是Sepia aculeata而导致记录不足。从生物学特性来看,S. elliptica寿命较短,但生长迅速、成熟早、繁殖力强,且采取一次性繁殖策略,即个体在死亡前仅繁殖一次(Reid等人,2005)。当外套膜长度达到约90毫米时即可成熟,其在印度西北沿海的产卵高峰期在10月至3月之间(Sugumar等人,2015;Mohamad Kasim,1993)。作为中等营养级的捕食者,它主要以小型鱼类和甲壳类动物为食,因此在能量从较低营养级向较高营养级传递的过程中具有重要的生态作用(Silas,1968)。在栖息地方面,S. elliptica通常生活在10至62米深的大陆架上,偏好沙质或泥质海底,尤其是在卡奔塔利亚湾等沿海区域。当海表温度、盐度以及叶绿素-a浓度处于其生理承受范围内时,该物种的种群数量最为密集。这些环境条件会显著影响它的空间分布、繁殖成功率以及捕获量(Mohamad Kasim,1993)。
因此,了解影响S. elliptica分布和捕获量变化的环境因素,对于阿拉伯海的可持续渔业发展至关重要(FAO,2005)。近年来,阿拉伯海东北部已成为该物种的重要栖息地,其对当地渔业产量有着重要贡献,同时也有助于维持生态系统的稳定。尽管由于数据不足,该物种在2012年被IUCN红色名录列为“无危”物种,但最新统计数据表明,人们对它的商业开发兴趣日益增加。根据CMFRI(2018)的统计,马哈拉施特拉邦的头足类捕捞总量达20,812吨,其中乌贼占总捕捞量的24%,而S. elliptica占比为1.1%。拖网渔船占据了头足类捕捞总量的98%,平均捕获量为3.81公斤/小时。在孟买沿海,S. elliptica在外套膜长度达到90毫米时即可达到性成熟(Sugumar等人,2015),其在印度西北沿海的产卵期则在10月至3月之间(Mohamad Kasim,1993)。
全球范围内,已有许多研究探讨了头足类动物数量随时间与空间的变化及其与环境参数之间的关系(Sacau等人,2005;Rodrigues和Gasalla,2008;Mohamed等人,2018)。例如,在法国大西洋沿岸和英吉利海峡进行的研究就发现了明显的年度迁徙模式以及不同年份间的捕获量差异(Denis和Robin,2001;Wang等人,2003、2010;Chen等人,2007)。大气中二氧化碳浓度上升导致的海洋酸化,也会使乌贼在高pCO2环境下因外壳变得更密而影响其浮力调节能力(Gutowska等人,2010)。研究人员还研究了不同物种的种群数量与物理环境之间的关系(Drexler和Ainsworth,2013;Shaari和Mustapha,2017;Salarpouri等人,2018)。广义加性模型在分析全球各地沿海水域中鱿鱼和乌贼的数量时空变化方面发挥了重要作用(Denis等人,2002;Sacau等人,2005;Igarashi等人,2016;Pang等人,2018)。Valavanis等人(2004)针对希腊海域的短鳍鱿鱼建立了重要鱼类栖息地模型,该模型采用了基于GIS的环境建模方法,整合了渔业相关数据以及每月通过卫星获取的环境参数数据。类似的方法也被用于确定波斯湾北部和阿曼海中小型远洋鱼的重要鱼类栖息地(Salarpouri等人,2018)。像ArcGIS这样的基于GIS的工具在构建物种-栖息地关联模型方面具有重要意义,它们能够实现捕获数据的空间可视化,并帮助划定关键栖息地区域(Austin等人,1996)。将这些工具与时间序列渔业数据及遥感数据相结合,就能够制作出用于渔业管理的精准分布图。
在阿拉伯海东北部,S. elliptica主要通过单日或多日底拖网渔业被捕捞。在印度西北沿海,它也是中层拖网渔业捕获物中的主要物种之一(Azeez等人,2021)。在印度海域的先前研究中,曾从S. elliptica体内分离出中生代寄生虫(Kalavati等人,1978、1984)。Silas等人(1985)对科钦海域的该物种进行了全面的生物学研究,而Mohamad Kasim(1993)则研究了韦拉瓦尔地区的该物种的年龄、生长状况及种群状况。然而,无论是关于马哈拉施特拉邦沿海还是全球范围内S. elliptica的栖息地偏好与环境因素之间的关系,目前的研究仍然有限,亟需进一步探索。为填补这一知识空白,本研究结合随机森林模型、广义加性模型以及基于GIS的重要鱼类栖息地绘图技术,分析了影响S. elliptica分布和捕获量变化的环境因素。了解这种具有商业价值的物种的栖息地偏好,对于预测其空间分布规律、评估栖息地适宜性以及推动可持续渔业管理具有重要意义。这些工具共同有助于识别具有生态重要性的区域,为海洋资源管理决策提供有力支持(Guisan和Zimmermann,2000;Guisan等人,2002;Chandran等人,2009;Rivai等人,2018)。
章节摘录
研究区域
本研究在阿拉伯海东北部开展,具体区域为印度马哈拉施特拉邦的沿海水域。该研究区域的地理坐标介于北纬15°至22°、东经68°至74°之间(见图1),涵盖了近海和远海区域。马哈拉施特拉邦是印度的一个沿海邦,拥有720公里的海岸线,位于阿拉伯海东北部,这一区域的海洋学和海底地形特征深受季节性季风的影响
每小时捕获量趋势
在2017年至2019年的研究期间,Sepia elliptica的每小时平均捕获量约为3.5公斤/小时。2018年11月的雨季过后,该物种的每小时捕获量达到最高值,为10公斤/小时,2018年12月的捕获量也处于较高水平,超过3公斤/小时。而在其余月份,其每小时平均捕获量均低于3公斤/小时。图2展示了S. elliptica捕获量的年度变化趋势。方差分析结果显示,不同月份的每小时捕获量之间不存在显著差异
讨论
本研究通过随机森林模型和广义加性模型,全面分析了阿拉伯海东北部地区Sepia elliptica的栖息地偏好与环境因素之间的关系。此前已有大量研究证明,环境因素会显著影响各类头足类物种的种群数量、空间分布以及生物行为(Jackson,1995;Pierce和Boyle,2003)。尤其广义加性模型被广泛用于分析物种数量的时空变化规律
结论
本研究为了解影响阿拉伯海东北部地区Sepia elliptica种群数量的环境因素提供了重要见解,为资源管理者和政策制定者提供了可持续渔业管理所需的关键数据。本文介绍的综合建模方法可为未来沿海生态系统的研究奠定基础,进一步提升我们对头足类与环境之间关系的认识。这些研究结果具有重要的实际应用价值
作者贡献说明
Sahina Akter:概念设计、数据整理、正式分析、研究方法、软件应用、初稿撰写、论文修订。Santosh N. Bhendekar:概念设计、正式分析、研究方法、结果验证、论文修订。Ajay Nakhawa:数据收集、研究方法、研究指导、论文修订。Sonam Angmo:正式分析、论文修订。Muzammal Hoque:研究方法、论文修订。Bharda Sheetal Kanubhai:软件应用、论文撰写——
利益冲突声明
作者声明,他们不存在任何可能影响本研究结果的已知财务利益或个人关系。
致谢
作者衷心感谢印度孟买ICAR-CIFE的负责人、印度喀拉拉邦科钦ICAR-CMFRI的负责人,以及印度孟买ICAR-CMFRI区域研究中心的负责人Anulaxmi博士,感谢他们在整个研究过程中给予的持续支持。同时,作者也要感谢CMFRI团队在开展渔业捕捞实验过程中提供的宝贵协助。此外,作者特别感谢哥白尼海洋环境监测服务系统