排除稀疏代表实验网目后三重刺网选择性估计的稳定性:以星突江鲽(Glyptocephalus stelleri)为例

《Fishes》:Stability of Trammel-Net Selectivity Estimates Following Exclusion of a Sparsely Represented Experimental Mesh: A Case Study of Blackfin Flounder (Glyptocephalus stelleri)

【字体: 大 中 小 】 时间:2026年08月28日 来源:Fishes 2.9

编辑推荐:

  比较性捕捞实验可能包含捕获个体相对较少的实验网目尺寸,从而产生稀疏代表处理,其对选择性估计的影响尚不清楚。研究人员以星突江鲽(Glyptocephalus stelleri)为对象,采用互补的参数化SELECT(Share Each Length’s Catc

  
比较性捕捞实验可能包含捕获个体相对较少的实验网目尺寸,从而产生稀疏代表处理,其对选择性估计的影响尚不清楚。研究人员以星突江鲽(Glyptocephalus stelleri)为对象,采用互补的参数化SELECT(Share Each Length’s Catch Total)与非参数广义加性模型(GAM)方法,评估了稀疏代表实验网目对三重刺网选择性估计的分析影响。实验使用五种网目尺寸(69、76、90、97和121 mm)。将包含所有网目的完整数据集与排除稀疏代表121 mm网目的缩减数据集进行比较,在两个分析框架下评估模型选择、选择性曲线特征、预测性能及参数不确定性。排除121 mm网目未改变任一框架内最优支持模型,主要选择性模式在两数据集间保持相对稳定。排除稀疏观测后预测误差中度增加,而自助法分析表明双正态次要组分的不确定性远大于主要组分。数据集间差异在选择性曲线下降段与上尾区更明显,提示稀疏代表网目可能在代表性较弱的区域提供额外信息,而对主要滞留区影响甚微。研究发现稀疏代表实验处理的分析价值不应仅按样本量评判,还应依据其对选择性曲线不同区域的影响。本研究应用的分层敏感性框架为评估此类处理提供了结构化途径,可助益未来比较性捕捞实验的设计与解释。
研究背景方面,商业三重刺网因通过楔住、兜捕和缠绕等多种机制留鱼,其选择性特征不同于常规刺网,可靠估计网目选择性对改进渔具性能、减少幼鱼捕获及支撑可持续渔业管理至关重要。比较性捕捞实验通常采用多种实验网目描述完整选择性曲线,但最大网目常因仅少数大鱼被留而捕获稀少,这种稀疏观测对选择性估计与实验设计的影响长期缺乏明确关注。现有研究多聚焦最适网目确定、模型比较或预测精度提升,个别网目对估计过程本身的贡献未被充分探讨。在此背景下,研究人员以朝鲜东海商业三重刺网捕捞的星突江鲽为案例,构建完整与缩减两套配对数据集,分别用SELECT与GAM分析,通过分层敏感性框架评估排除稀疏121 mm网目的分析影响。
关键技术方法上,实验采用5种内网目尺寸(69、76、90、97、121 mm)各4片重复网板,同步布放以控制时空与环境变异,获取黑鳍鲽总体长(TL)数据;由同次实验派生完整集(1290尾)与剔除121 mm网的缩减集(1201尾)。参数化侧用SELECT框架以最大似然拟合正态、对数正态、伽马、双正态及约束双正态五模型,以AIC选优并对最优双正态做1000次条件多项自助;非参数侧用mgcv包构建含鱼长与相对长网比平滑项的GAM2及补零边界稳定版GAM2.2,同样以AIC选优。预测性能以加权RMSE与MAE衡量。分层敏感性在参数响应、选择性曲线响应、预测响应与生物学响应四级展开。
研究结果部分,3.1节数据集特征显示,缩减集仅失6.9%样本且长度分布主差异位于上端大个体处。3.2节候选模型比较中,完整与缩减集在SELECT下均为双正态最优(ΔAIC支持不变),GAM下均为GAM2最优,排序不受剔除影响。3.3节选择性估计稳定性表明,两框架下主峰均位于L/M≈0.29–0.30,四共同网目曲线吻合,差异仅显于下降段与上尾。3.4节模型充分性与预测性能显示,剔除后SELECT加权RMSE由0.0723升至0.0790、MAE由0.0546升至0.0595,GAM2.2对应由0.0733升至0.0815、0.0557升至0.0632,误差中度增加。3.5节总体敏感性总结指出,主组分μ1仅变+0.7%且自助CI高度重叠,σ1变?13.6%但CI重叠;次组分μ2、σ2点估计变+11.1%、+19.9%,混合比ω由0.7322升至0.8146,但次组分自助CI均宽且重叠,提示下降段与上尾不确定性大。
讨论部分指出,稀疏观测剔除未改主选择性特征与最优模型,参数化与非参数一致佐证主模式不依赖框架;次组分较大不确定源于下降段与上尾本身稀疏。研究强调实验网目的分析价值不在渔获量而在其为曲线欠代表区(下降段、上尾)提供的信息,三重刺网多机制留鱼使边界信息尤具价值。对实验设计而言,不应仅因样本少弃用稀疏处理,而应以分层敏感性框架(参数稳定性、曲线特征、预测性能、生物学解释)评判。局限包括单物种单渔场单场景、非独立配对、次组分CI宽、遇留概率不可分,需跨渔场模拟与独立数据验证。
结论部分翻译:本研究以互补的参数化SELECT与非参数GAM框架,评估稀疏代表实验网目对商业三重刺网选择性估计的分析贡献。排除稀疏代表121 mm网目未改变任一框架最优模型,主选择性模式在完整与缩减集间相对稳定。稀疏观测排除后预测误差中度增加,自助分析显示双正态次组分不确定性大于主组分。稀疏网目对主滞留区影响小,但为下降段与上尾提供信息。分析价值不应仅按样本量而应按曲线区域信息评判。分层敏感性框架整合参数、曲线、预测与生物学四层,为评估稀疏观测影响提供结构化基础。从渔业工程看,稀疏处理不应仅因少捕即弃,而应关涉其告知的曲线区域;虽需跨渔场验证,本路径可为未来比较性捕捞实验设计解释提供参考。该文发表于《Fishes》。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号