剑鱼（Xiphias gladius）是一种广泛分布于三大洋的顶级掠食者,也是中国远洋渔业金枪鱼延绳钓渔业中的主要兼捕渔获物。单位捕捞努力量渔获量（Catch per unit effort,CPUE）是表达鱼类种群状况的关键统计指标,准确可靠的CPUE在印度洋剑鱼资源评估中起着重要的作用。在金枪鱼延绳钓渔业中,许多以往的CPUE研究表明了CPUE受到诸多因素的影响难以标准化,如:资源丰度、捕捞效率、环境效应、渔具更新和养护管理条约等。在延绳钓渔业CPUE标准化研究中,以往的研究主要聚焦在不同模型比较研究、参数构建、目标策略效应、数据空间尺度的影响等。本文着手于剖析印度洋剑鱼CPUE标准化过程中的难点,选择三个角度研究标准化过程。观察员数据包括所在渔船有关航次每次作业的日期、作业位置的经度和纬度、生产投钩数量、放钩开始和结束时间、起钩开始和结束时间、钓钩类型、饵料组成、渔获的种类、重量和尾数等。因此,本文整合了2012-2019年捕捞数据和基于遥感影像的时间分辨率为月的环境数据,使用了2012-2019年中国金枪鱼延绳钓渔业观察员数据,借助观察员数据的优异准确性和数据丰富性开展了:（i）印度洋剑鱼CPUE标准化中广义线性模型（Generalized linear model,GLM）和广义加性模型（Generalized additive model,GAM）的比较;（ii）延绳钓渔业不同捕捞努力量（放钩数量、钓钩浸泡时间）和两种渔获量（每千钩渔获尾数、每千钩渔获重量）组合的四种名义CPUE在标准化过程中的差异;（iii）环境因子（海表面温度Sea Surface Temperature,SST、海表面盐度Sea Surface Salinity,SSS、海水流速Current Velocity,CV、海洋混合层深度Mixed Layer Depth,MLD、海表面高度Sea Surface Height和海表面叶绿素a浓度Sea Surface Chlorophyll a Concentration,SSC）和渔具作业因子（浮子间钩数Hooks between Floats,HBF、饵料类型、钓钩类型、是否使用荧光棒）的单独和综合对比。主要研究结果如下:（1）对比不同统计方法在印度洋剑鱼CPUE标准化中的差异时,GLM模型和GAM模型的显著性都显示,时空因素的显著性远远大于环境因素和渔具作业参数的影响,渔具作业参数的又比环境因素显著。（2）在本文的研究中,GAM比GLM更有效地解释了CPUE数据的平均偏差,GAM的偏差解释率为52.8%,高于GLM的49.7%;GAM的调整后的R2为0.428,同样高于GLM的0.453;GAM的AICc（Corrected Akaike information criterion）小于GLM模型。在本研究中,GAM优于GLM。因此,GAM很可能比GLM更适合于印度洋剑鱼的CPUE标准化。未来的CPUE标准化中,应当优先考虑预测变量和CPUE之间的非线性关系。（3）在描述金枪鱼延绳钓渔业的名义CPUE时,渔获量常以渔获重量或渔获尾数表示,努力量则以钓钩部署的数量或钓钩浸泡时间表示。在不同名义CPUE模型中,调整后的R2的范围为0.429-0.463,模型的偏差解释率在50.1%-54%之间;两两组合后的4种名义CPUE之间正相关性极高,相关系数在0.941至0.993。结果反映了:钓钩数量和浸泡时间的标准化CPUE之间差异极小,渔获重量和渔获尾数的标准化CPUE之间有差异但差异较小。相对于统计个体数量以表达种群数量,渔获重量在统计种群生物量和表达个体的差异上更有科学意义。通过本研究的对比分析,我们建议在数据搜集预算有限的条件下,渔捞日志应该优先保证准确地记录剑鱼的渔获数量和钓钩数量信息。（4）探讨环境因子和物种资源量之间的关系是热点课题。但在CPUE标准化过程中是否加入环境因素,一直是学界讨论的重要课题。本文结果显示环境模型标准化CPUE和渔具模型综合模型的标准化CPUE差异大,年度趋势的相关性为0.50-0.53,而渔具模型和综合模型相关性为0.99。综合模型在本文的对比研究中性能表现最优,R2为0.459,偏差解释率为52.6%;最终的综合模型解释变量包括了年、月、经度、纬度、浮子间钩数、钓钩类型、饵料类型、海表面盐度和流速。（5）从年度的标准化CPUE来看,印度洋剑鱼标准化CPUE在2012-2015年期间呈下降趋势,2015-2019年期间呈平稳上升趋势。从月度的标准化CPUE来看,印度洋剑鱼CPUE除了2012年至2013年部分月份下降以外,标准化CPUE呈波动的平稳趋势。