秘鲁鳀(Engraulis ringens)是一种栖息于东南太平洋的小型中上层鱼类。作为重要的商业性鱼类之一,秘鲁鳀形成了世界上产量最大的单鱼种渔业,是鱼粉的主要来源。掌握秘鲁鳀资源渔场变化及其与海洋环境因子的关系,有利于对该资源的可持续利用。为此,本研究利用2005-2014年的秘鲁港口渔获数据,结合海洋遥感环境因子(如海表面温度、海表面风场数据和nino指数等)数据,科学分析秘鲁沿岸秘鲁鳀渔场的时空变动,探索渔场时空变动与海洋遥感环境因子的关系,分析秘鲁上升流对秘鲁鳀渔场的影响机制,并开展中心渔场探索、资源丰度的年间变动分析以及资源量预报研究,为秘鲁鳀的可持续开发和利用提供技术支撑。研究的主要结论为:(1)秘鲁沿岸秘鲁鳀渔场渔汛变动规律。秘鲁沿岸的秘鲁鳀渔汛每年分为两个季度,第一季度从每年的4月左右开始到当年的8月初结束;第二季度从每年的11月开始到次年的1月结束。通过对渔获量和捕捞努力量的描述统计表明,第一季度4-6月和第二季度11-12月为主汛期;7-14oS沿岸为主要的捕捞区域。方差分析表明,5月为一年中最主要的捕捞阶段。第一季度的旺汛一般在5月都有出现,第二季度的旺汛一般在11月出现。月间名义单位捕捞努力量的渔获量(Catch per unit effort,CPUE)在该区域的变动并不明显。南部16-18oS沿岸区域为另外一个捕捞区域。北部5oS附近在季节转换的6月和11月也有较高的CPUE。研究同时发现,秘鲁鳀渔场有着较明显的年间差异。(2)秘鲁鳀渔场变化与海洋遥感环境因子的关系。不同捕捞月份渔场的海洋遥感环境因子适宜范围不同。对于海表面温度(sea surface temperature,SST),第一季度的渔场最适SST随着月份的增加最适SST变低而第二季度的渔场最适SST随着月份的增加而变高;对于海表面高度(sea surface height,SSH),两个捕捞季度渔场的最适SSH范围均为29-41cm;而对于叶绿素a浓度(chlorophyll-a,chl-a),两个捕捞季度渔场chl-a范围随月份的变化呈现逐渐缩小的趋势,最适chl-a随月份变化没有明显的规律。经验累加分布函数检验表明,各捕捞月份的适宜海洋遥感环境因子范围可以作为探测渔场的初步指标。然而,各月份渔场名义CPUE随各海洋遥感环境因子的变动规律不明显。(3)秘鲁上升流对秘鲁鳀渔场的影响。研究表明,2005-2009年第一季度渔汛期间,渔场上升流流速(Upwelling Velocity,UV)在1.42×10-5–7.44×10-5m·s-1之间,渔场温度(Temperature,T)范围在16.61–19.42℃之间,渔场的温度距平范围(Temperature Anomaly,TA)在-1.87–1.69℃之间。利用广义可加模型(Generalized additive model,GAM)结合这三个环境因子对渔场名义CPUE进行解释,模型能够较好地拟合五年间渔场CPUE的变动趋势。各个环境因子的适宜范围分别为UV:4–4.6×10-5m·s-1;T:18.4℃–19.5℃;TA:-2℃–-0.2℃。上升流流速小于4.5×10-5m·s-1的时候,渔场CPUE随着上升流流速的增加而增加,但是,上升流流速高于4.5×10-5m·s-1之后,渔场CPUE随着上升流流速的增加而下降。研究表明,上升流流速并不是越高越好,上升流对于渔场同样有其适宜的范围。研究表明,秘鲁鳀渔场的形成需要适宜的海表风速、上升流流速以及上升流造成的海域适宜渔场水温环境的共同作用。(4)表层水温结构变化对秘鲁鳀渔场的影响。以CPUE和捕捞努力量数据构建的渔场指数(Fishing ground index,FGI)作为指标,通过2005-2014年第一季度渔汛期间秘鲁沿岸表层水温结构的不同归纳渔场类型,分析不同的渔场类型对秘鲁鳀渔场的影响。渔场指数在不同渔汛阶段和不同捕捞区域都有着极显著的差异(P<0.01)。以表层水温大于20℃的海水是否入侵到近岸为标志,可以将秘鲁鳀渔场分成两种类型:大于20℃的海水没有入侵到沿岸(A型渔场)和入侵到沿岸(B型渔场)。研究表明,在渔汛前期(以每年4月1日为捕捞渔汛开始周,表示前1-6周)和中期阶段(以每年4月1日为捕捞渔汛开始周,表示前7-12周),A型渔场的出现有利于渔场的形成。其中渔汛前期沿岸19oC或20oC等温线以及渔汛中期沿岸18oC或19oC等温线最靠近沿岸可以作为中心渔场的指标。(5)秘鲁鳀资源丰度时间变动规律。利用GAM模型对渔场名义CPUE进行标准化获得秘鲁鳀资源丰度的时间变动的规律。GAM模型对ln(CPUE)偏差的解释率为33.4%。其中年的解释率最高为14%,其次依次为港口(11.4%)、月(5.1%)和季节(1.9%)。秘鲁鳀资源丰度的年间变化趋势为,2005-2011年波动增加,2012-2014年波动下降。分析表明,厄尔尼诺发生的年份,如2005年和2009年,其资源丰度指数都在这十年中处于较低的水平;而发生拉尼娜的年份,如2008年和2011年,资源丰度指数较高,同时,渔汛前二月至渔汛当月的nino1+2区的温度平均值与当渔汛季度的资源丰度指数呈现明显的负相关关系。(6)秘鲁鳀资源量预报模型的构建。利用秘鲁鳀生物(上一个渔汛季度的资源量、渔获物中的幼鱼比例)和非生物(渔场水温和nino1+2区的温度距平)因素及捕捞量为预报因子,结合主成分分析和多元线性回归的方法对17个渔汛季度(2006年至2014年第一季度)秘鲁鳀资源量进行了预报。研究表明,随着时间的推移样本量的增加,模型逐渐趋于显著,且拟合资源量与真实资源量的平均相对误差逐渐下降,此外拟合资源量序列与真实资源量序列的相关系数也逐渐趋近于1。其中,模型5(建模数据为2006-2013年第二季度的数据,验证数据为2014年第一季度的数据)能够很好地拟合出秘鲁鳀资源量的变动趋势;拟合资源量序列与真实资源量序列的平均相对误差为12%;预报得到的2014年第一季度的数据与真实值相比,相对误差为1%。结合主成分分析的结果对影响秘鲁鳀资源变动的因素进行评价结果表明,第一主成分的方差贡献率为46%,其中环境因素占据了最大的载荷;第二主成分的方差贡献率为23%,同样环境因素占据了最大载荷,但是,排名第二和第三的因素分别是上一个渔汛季度的资源量和捕捞量;第三第四主成分的方差贡献率分别为9%和7%,其中幼鱼比例占的载荷最大。由此可知,各大类因素对秘鲁鳀资源量的影响排序依次是:环境因素、剩余群体资源量的多少、捕捞和补充量。