鱼类自然死亡系数(natural mortality coefficient,M),也称瞬时自然死亡率,是渔业资源评估中重要的参数,许多鱼类种群动力学模型当中都直接或间接地包括M。然而,尽管M在渔业资源科学中是如此重要的一个参数,但在影响鱼类种群变动的4个因素:补充、生长、自然和捕捞死亡当中,M仍是人们了解最少的。一直以来,渔业科学工作者们不断从多方面探索对M的精确求解方法,以期对鱼类种群有更准确的认识,从而达到对渔业资源更加科学地管理和持续地利用。本论文应用实际种群分析(VPA),采用模拟数据和真实渔业数据,研究了求解鱼类M的方法。论文首先提出了应用“标准”统计VPA模型求解鱼类M的方法。结果显示,补充量(R)数据的质量对M的估计结果影响较大。当R的白色噪音(即变异系数,Coefficient of variation,CV)达到10%时,即使C和E的CV较小,M的估计结果仍然出现较大偏差。C和E的CV同样能够影响M的估计,其中CVC比CVE产生的影响大。在对管理良好的渔业,掠夺式渔业,恢复性渔业和稳定性渔业4种模拟渔业的研究中发现,掠夺式渔业得到的结果好于其它3种渔业,在所有假设条件下均得到了最好的M估计值。相反,恢复性渔业得到了最坏的结果。将von-Bertalanffy生长方程(VBGF)引入VPA模型来估算鱼类随年龄变化的M,收到了良好的效果,其中掠夺式渔业和管理良好的渔业得到了比恢复性渔业和稳定性渔业更合理的M估计值。然后,对“标准”VPA方法,在每年的资源量数据(N)和渔获量数据(C)已知条件下求解鱼类M进行了研究。结果显示,“标准”VPA方法更适合于低捕捞死亡系数(F)的情况。当模拟数据的CV水平小于大约10%时能得到M较好的估计值。正态分布的模拟数据误差结构得到了最好的M的估计值。接着,从多方面对VPA的近似模型—Pope股分析(Cohort Analysis,CA)模型求算M进行了研究。模拟分析结果表明,Pope CA模型适用于寿命短而M大的种群。当资源量的CV水平小于大约10%时,M的估计值基本上是准确的。与模拟数据的CV相比,F的变化对M估计的影响相对不大。对数正态分布的模型误差结构得到了好于正态和伽玛分布的结果。以Pope CA模型为基础,提出了“季节性股分析”(seasonal cohort analysis,SCA)模型。当N和C观测数据的CV水平较低时,SCA模型能够较准确地反映季节性渔业的真实情况,并得到了好于Pope CA模型的M估计值。接下来,应用模拟分析对“标准”VPA,一元二次方程(QE)求解Pope CA模型(QE-Pope),最小二乘法(LSS)求解Pope CA模型(LSS-Pope)以及MacCall提出的VPA近似模型(LSS-MacCall)4种方法求解M进行了比较。结果显示,4种方法求算的结果都会受到M自身,F以及模拟数据CV大小的影响。M增大或者F减小,都能够改善M的估计结果,其中M自身的性质对估算结果的影响较大。另外,资源量数据中的异常值对标准VPA的估计结果有很大的影响。比较而言,4种方法中LSS对异常值则较不敏感。总体来说,QE求解Pope股分析模型在存在和没有异常值两种情况下都得到了相对较稳定的结果。最后,对根据分年龄组的C以及资源量指数(单位捕捞努力量渔获量,CPUE),首次应用扩展残存资源量法求算鱼类M的方法进行了研究。蒙特卡罗模拟分析显示,C的CV对M估算结果的影响大于CPUE的CV;小的F有助于改善M的估算结果;M自身的大小对其估计结果影响不大。在真实渔业方面,论文将“标准”VPA、Pope CA模型,“标准”统计VPA以及扩展残存资源量等方法分别应用于黄海鳀鱼(Engraulis japonicus),北大西洋长鳍金枪鱼(Thunnus alalunga)以及Flack湖红点鲑(Salvelinus namaycush)渔业的数据。其中,除黄海鳀鱼由于高龄鱼的N数据不够准确,导致对其高龄M的估计出现较大的偏差外,鳀鱼低龄的M以及北大西洋长鳍金枪鱼和湖红点鲑渔业均得到了M较好的估计值。由此,也证明了所研究的鱼类M求解方法在现实渔业中的应用价值。