CN106845097A - 一种多生境条件下鱼类资源的抽样方法 - Google Patents

Abstract

本发明涉及鱼类采样方法技术领域，具体地说是一种多生境条件下鱼类资源的抽样方法，其特征在于，采用如下处理方法：(1)栖息地类型的确定；(2)初始鱼类种群或群落资源的获取：(3)“环境要素”的确认；(4)建立鱼类种群/群落‑环境因子的预测生态模型；(5)生态模型校正；(6)选择采用精度高的抽样方法，并选定某片多生境类型海域进行鱼类资源统计；(7)估算鱼类总体资源。本发明同现有技术相比，无需进行大量的、大面积的海上资源调查，只需通过区域调查，划分生境类型和环境因子建立与鱼类种群或群落的初步生态模型，得出每类生境类型所应分配的更合理的采样站点数，预估得到更为精确的鱼类资源数值。

Description

一种多生境条件下鱼类资源的抽样方法

技术领域

本发明涉及鱼类采样方法技术领域，具体地说是一种多生境条件下鱼类资源的抽样方法。

背景技术

在渔业研究中鱼类资源是指天然水域中具有渔业开发利用价值的鱼类种类和数量，通常从种群或群落尺度上进行研究，种群是指的是某一种鱼类，群落是多种鱼类的集合体。

鱼类种群或群落生态学研究结果与采样的合理性和准确性有密切关系，不同的采样方法在获得一定空间鱼类组成及其群落结构时，往往会产生不同层次的偏差。随着渔业的不断发展，越来越多的人们开始关注渔业资源调查的精度问题，渔业资源调查精度关系到定量分析渔业资源数量的变动规律，关乎渔业资源的养护措施的制定，因而获取准确可靠的调查结果是非常重要的。

然而在海洋里开展独立的科研调查，成本高，代价大，而且容易受到现场情况制约。因此需要在执行调查前进行详细周密的设计，以使调查获得的数据能够得到充分的利用，从而使得整个调查效益最大化。正确的采样调查设计不仅可以节约海上调查成本，所获得的结果对渔业资源的评估或者决策的制定起着相当重要的作用，研究结果将会直接影响调查方法的最终选择，给决策提供可靠的科学依据和理论基础。

传统的采样方法包括随机抽样设计、系统抽样设计、分层抽样设计三种。随机抽样设计为最基本的采样设计方法，保证了样本采集的无偏性，但在鱼类聚集有明显空间模式的情况下，容易造成较大误差，常被用来作为对比采样设计。

系统采样是目前国内外比较常用的采样方式，在对所调查目标所知甚少的情况下，系统采样是最保险的采样方式，但是在一些情况下并系统采样可能会加大误差，如资源空间分布具有明显特征，系统采样站点正好分布于资源较多或较少站点情况下，造成高估或低估总体状况。

分层抽样是渔业资源调查中的一种有效手段，首先把差异性较大的总体分成不同的子总体，然后用简单随机抽样方法或者其他抽样方法分别从每一层中抽取一部分样品，然后根据各层权重构成样本的一种抽样方法。在环境梯度变化剧烈，对资源影响较大的情况下，进行分层抽样可以在保证调查精度的情况下，节约调查成本。

近海海域栖息环境复杂，通常包含各种类型的栖息地，如海藻场、红树林、珊瑚礁等典型栖息地，这些栖息地对资源养护起到了非常重要的作用，通常具有高水平的生物多样性水平。而在近海海域，不同类型的栖息地往往面积较小，在该海域开展调查时，往往站点的覆盖率较小，有些甚至被忽略，而不合理的站点分配及布设方法会导致无法正确评估该海域资源水平。因此，在多生境条件下的海域资源调查时，应充分考虑不同栖息地之间的差异，才能正确评估海域资源状态。

发明内容

本发明的目的是克服现有多生境海域条件下，通过调查准确评估鱼类资源状况较为困难的技术不足，通过建立基于生境类型和环境因子的鱼类种群或群落的初步生态模型，进行模型校正，然后基于生态模型进行资源分布的初步预测；对比分析不同抽样方法的精度，选择精度较高的抽样方法，基于此抽样方法，来估算出整体海域所拥有的鱼类资源，是一种基于模型的采样设计方法。

为实现上述目的，一种多生境条件下鱼类资源的抽样方法，其特征在于，采用如下处理方法：

(1)栖息地类型的确定：

a、对于距离海面20米以内的海面以上部分，在调查海域进行走航调查，确定距离海面20米以内的该海域上层的生境类型，用于调查包括贻贝场、网箱在内的养殖设施所营造的栖息地类型；

b、在对应明确栖息地类型的该海域上层处的下面，采用浅地层剖面仪进行底质类型的侧扫走航，初步判断海底底质的类型，并同时利用采泥器进行底泥的采样验证，从而明确底质类型，一种底质型所对应的栖息地即为一种生境类型；

(2)初始鱼类种群或群落资源的获取：

在海域随机或等距设置调查站点，为保证每种生境均能有效调查，采用刺网进行鱼类资源采集调查，获知每一网同一种鱼类的总重量或者每一网所有鱼类的总重量，从而得到鱼类资源生物量；

所述的网具为刺网，每一种生境类型采用的网具类型一致；为消除昼夜误差，每网次放置时间为24小时；

(3)“环境要素”的确认：

测定影响鱼类资源的主要环境因子，所述的主要环境因子包括：水温、盐度、溶氧、叶绿素、透明度、水深，在所述鱼类资源采集调查时进行同步调查；

(4)建立鱼类种群/群落-环境因子的预测生态模型：

按下列等式建立一种广义加性模型：

Logit(biomass)＝s(Lon)+s(Lat)+s(environment factors)+month+type，

其中，Logit是数据转换形式，biomass是鱼类生物量，s是平滑函数，Lon是经度，Lat是纬度，environment factors是环境因子包括水温、盐度等，month是月份，type是生境类型；

(5)生态模型校正：

基于全部数据所建立的初步生态模型，再根据建立模型所用环境数据来获得预测值，对预测值和真实网捕到的鱼类资源进行回归分析，检验模型预测精度：

P＝a+b*(P’)，其中P为真实值；P’为预测值；a为截距，也即是预测值与观测值的系统偏差；b是斜率系数，b值越接近1表明预测值与实际值越接近；

根据回归方程及模型AIC值来确定最优预测模型；

(6)选择采用精度高的抽样方法，并选定某片多生境类型海域进行鱼类资源统计：

比较包括简单随机抽样、系统抽样和分层抽样在内的若干种抽样方法，利用计算机模拟，比较不同抽样方法的精度，选择精度较高的分层抽样方法；

所述的分层抽样方法为：选取一片多生境类型海域，在该片海域相应的每层生境类型布置相应的更合理的采样站点数，然后将每一个采样站点所获取的鱼类资源进行统计；

(7)估算鱼类总体资源：根据分层抽样方法对该片多生境类型海域进行统计所得到的鱼类资源，再对整体海域的鱼类总体资源进行估算，鱼类总体资源量估算公式如下：

Y＝∑W_hY’_h，其中，Y为总体估计量，Y’为每层生境类型下的鱼类资源的估计值，W_h为每层权重，所述的权重指每个生境所占面积比例。

采用多功能水质仪来测定影响鱼类资源的主要环境因子。

所述的选择采用精度高的抽样方法，其精度高的衡量指标包括：采用采样效果来衡量不同抽样方法的稳定性、采用相对误差法REE来比较估计值的总体精度、采用相对偏法RB来比较估计值的偏差，

所述的采样效果的公式为：

其中，为某一采样设计的估计量方差，为简单随机抽样的简单估计量方差；

所述相对误差法REE的计算公式为：

所述相对偏法RB的计算公式为：

其中V_estimated是某一采样方法抽样下的模拟估算的平均值，V_true是对应的真实的资源量的平均值，N是模拟估算的次数。

所述的N≥100。

所述的分层抽样方法基于面积来划分层次，每层的站点数不少于3个，且每一层采样为随机采样。

所述的刺网采用不同网目组合而成的多网目三层刺网，每片刺网的长度为30m。

所述的多网目三层刺网包括一片内网目网衣和两片外网目网衣组成；

所述的内网衣采用多网目，该多网目的尺寸分别为22mm、34mm、43mm、50mm、60mm及80mm；

所述的外网目尺寸均为270mm，网高1.8m，网片长30m。

本发明同现有技术相比，无需进行大量的、大面积的海上资源调查，只需通过区域调查，划分生境类型和环境因子建立与鱼类种群或群落的初步生态模型，从而预估出鱼类资源，并进一步得出每类生境类型所应分配的更合理的采样站点数，通过更合理的采样站点数能预估得到更为精确的鱼类资源数值，节约了大面积海上调查的成本。

附图说明

图1为本发明实施例中采样站点分布的示意图。

图2为本发明实施例中丰富度指数分布图。

图3为本发明实施例中不同采样设计的设计效应Deff图。

图4为本发明实施例中不同采样设计的相对误差图。

图5为本发明实施例中不同采样设计的相对偏差分布图。

具体实施方式

现结合实施例对本发明作进一步地说明。

实施例1

本例中采样站点选择在嵊泗马鞍列岛保护区(E：122°35′～122°50′；N：30°41′～30°52′)，包括花鸟山、枸杞岛、绿华岛、嵊山等136个岛屿，海域总面积约为549km²，其中海岛面积约为18.7km²，占总面积的3.5％。平均水深为10-30米，由近岸3-4米延伸到海域中心30-40米，水深变幅较大。马鞍列岛海域的年平均气温在15-17℃之间，海区表层年平均水温为17℃左右，最低出现在1月份，最高为8月份。该海域地处长江口外东南海域，是浙江省最北面的岛群，受长江、钱塘江径流与台湾暖流的影响，海区水质较好，营养物质丰富，盐度较高，变化范围为26.0-33.6。该海域水质优良，具有较高的浮游植物生物量，据研究，该海域春季叶绿素a、初级生产力和潜在初级生产力分别达4.409mg/m³、898.25mg/C(m³·h)和8.82mg/C(m³·h)，均居浙北四个岛群之首。由于较高的初级生产力与适宜的环境特点，该区域的底栖生物生物量也较高。

马鞍列岛海域内具有多种栖息环境与生境类型。由于岛礁存在，在水动力的作用下，形成了由岸向外底质粒径逐渐增大的底质特点，岸边岩礁生境内还存在有大型海藻场支持的典型生境类型，岸边除岩礁生境外，还有小规模的沙地存在，吸引着不同类型的生物栖息。向外底质以泥质和泥沙为主，间或有岩石、沙地等多重底质类型分布于不同区域。开阔海域目前由于人类经济活动的介入，具有网箱、贻贝场等养殖设施，并且规模较为庞大，如到2009年，该海域贻贝养殖面积已达13.4Km²。由于这些养殖设施的其长期存在，其内部水体流态特征及躲避空间的存在，也吸引了一些鱼类长期定居，逐渐形成了独特的人工生境，此外，由于生态意识的加强，该海域还有人工鱼礁生态修复区，主要分布在三横山与东库山附近海域，形成约400ha的鱼礁区。多重自然生境及人工生境的存在，构成了马鞍列岛海域丰富的空间异质性，对生物资源起到了良好的养护功能。

一、栖息地类型的确定：

对于其距离海面20米以内的海面以上部分，经大面走航，确定马鞍列岛海域距离海面20米以内的该海域上层的生境类型有贻贝场、网箱2种生境类型，采用浅地层剖面仪进行底质类型的侧扫走航，初步判断海底底质的类型，并同时利用采泥器进行底泥的采样验证，确定海底共有岩礁、沙地、泥地、泥沙石、人工鱼礁5种生境类型。

二、初始鱼类种群或群落资源的获取

本例中所用底层鱼类群落结构数据来源于2009年1～12月逐月对嵊泗马鞍列岛海域的渔业资源调查，站点设置参见图1，总共采集78个站位样本。调查网具为底层定置底层刺网，是由多个网目组合而成的三重刺网，不同网目进行随机组合。为消除昼夜误差，每网次放置时间为24小时左右，平均采样用时为23.6±2.5h，渔获物上岸后24小时内完成各项生物学测量。

本例基于鱼类群落进行，采用代表鱼类种类数的丰富度指数作为指标。

三、“环境要素”的确认：

在本例中，选择影响底层鱼类群落分布的环境变量有经度、纬度、月份、水温、盐度、溶氧、叶绿素、透明度、水深和栖息地类型10项。

四、建立鱼类种群/群落-环境因子的预测生态模型：

在本案例的GAM模型选用高斯误差分布，对应的GAM模型表达式如下：

Logit(richness index)＝s(Lon)+s(Lat)+s(temp)+s(sal)+s(chl)+s(oxy)+s(dep)+s(turb)+month+type，其中，Logit是数据转换形式，richness index是生物量，s是平滑函数，Lon是经度，Lat是纬度，temp是温度，sal是盐度，chl是叶绿素a，oxy是盐度，dep是深度，turb是盐度，month是月份，从1月到12月，type是生境类型，包括岩礁，沙地，泥地，泥沙石，贻贝场，人工鱼礁和网箱。

参见图2，丰富度指数范围为1.1～3.3，丰富度指数集中在研究区域的中心区域。

五、生态模型校正：

经预测值与观测值的回归分析，所得预测值与观测值的回归方程为：

P＝1.28+0.39*(P′)，说明预测值与观测值之间的系统偏差为1.28，斜率为0.39。

六、选择采用精度高的抽样方法，并选定某片多生境类型海域进行鱼类资源统计：

根据采样方式最小调查面积设置采样网格大小为300m×300m，去掉边缘区域和无法采样区域，共产生3381个潜在调查站点，进行采样设计比较，具体采样设计如下：

(1)、简单随机采样

在整个区域的3381个潜在调查站点中随机选择采样站点，为不放回抽样方法，在本研究中为方案一被称作Design I，同时也作为计算抽样效果的比较标准。

(2)、系统采样

在整个区域的3381个潜在调查站点中，依序按经纬度分别由小到大排列并排序，计算一个正整数k＝N/n，即k为抽样距离，将总体分为n段，每段包含k个总体单位，随机抽取第一个单位，假设其编号为r，每隔k个单位抽取一个单位，即编号为r+k，r+2k，...r+(n-1)k的单位皆被抽中。该方案在本研究中为方案二称作Design II。

(3)、分层抽样

本研究中依据底质来进行分层，根据研究区域生境分布位置和区域共定义5个分层抽样区域，5个层的主要生境特征分别为岩礁、沙地、泥地、泥沙石、鱼礁区，根据潜在的3381个采样站点，分布分配至每层的潜在采样站点数分别为鱼礁生境27，泥沙石生境为868，泥地生境为2339，沙地生境为8，岩礁生境139。在采样设计时，保证每层最少采样数为3，由于沙地潜在站点数较少，每次采样数不超过最大采样站点8。在分层抽样中，在每一层中采样为随机采样，总体估计量通过对各层的估计量的估计，按照层权加权平均得到。当总样本量一定时，还应该慎重考虑每层应该分配多少样本量，在对总体进行估计时，每层所分配的样本量同样会影响到总体的估计精度，为了比较在估计群落指数时每层应分配多少的样本量，本例中分层抽样比较了两种常用样本量分配方法：

(31)根据每层面积所占总面积的比例来分配各层间的站点数，本研究中为方案三称作Design III；

(32)第一阶段先将一半的采样站点平均分配到各个层，以此计算方差，采用尼曼分配方法以方差最小原则分配剩余一半站点，本研究中为方案四称作Design IV。

上述四种抽样方法的结果如下：

1、对丰富度指数采样的Deff的表现分别为：Design III＞Design IV＞Design II＞Design I，参见图3。

2、在估计丰富度指数时，Design III具有最高精度，其次是Design IV，参见图4。

3、对于丰富度指数来讲，四种采样设计的RB均围绕0呈对称分布，对估计值高估或低估。分层抽样的RB分布区间比系统采样和简单随机采样的RB分布区间要更窄，更集中。两种分层抽样Designs III and IV间的RB并无明显区别，参见图5。

可见，从采样效果、相对误差、相对偏差来讲，分层抽样中采用面积分配的精度最高，说明面积分配的分层抽样方法较为适用于多生境海域的资源采样。七、估算鱼类总体资源：

基于按面积分配站点分层抽样的方式，于2014年9月对目标海域进行了调查，所得目标的丰富度指数为2.56。

Claims (7)

1.一种多生境条件下鱼类资源的抽样方法，其特征在于，采用如下处理方法：

(1)栖息地类型的确定：

a、对于距离海面20米以内的海面以上部分，在调查海域进行走航调查，确定距离海面20米以内的该海域上层的生境类型，用于调查包括贻贝场、网箱在内的养殖设施所营造的栖息地类型；

b、在对应明确栖息地类型的该海域上层处的下面，采用浅地层剖面仪进行底质类型的侧扫走航，初步判断海底底质的类型，并同时利用采泥器进行底泥的采样验证，从而明确底质类型，一种底质型所对应的栖息地即为一种生境类型；

(2)初始鱼类种群或群落资源的获取：

在海域随机或等距设置调查站点，为保证每种生境均能有效调查，采用刺网进行鱼类资源采集调查，获知每一网同一种鱼类的总重量或者每一网所有鱼类的总重量，从而得到鱼类资源生物量；

所述的网具为刺网，每一种生境类型采用的网具类型一致；为消除昼夜误差，每网次放置时间为24小时；

(3)“环境要素”的确认：

测定影响鱼类资源的主要环境因子，所述的主要环境因子包括：水温、盐度、溶氧、叶绿素、透明度、水深，在所述鱼类资源采集调查时进行同步调查；

(4)建立鱼类种群/群落-环境因子的预测生态模型：

按下列等式建立一种广义加性模型：

Logit(biomass)＝s(Lon)+s(Lat)+s(environment factors)+month+type，

其中，Logit是数据转换形式，biomass是鱼类生物量，s是平滑函数，Lon是经度，Lat是纬度，environment factors是环境因子包括水温、盐度等，month是月份，type是生境类型；

(5)生态模型校正：

基于全部数据所建立的初步生态模型，再根据建立模型所用环境数据来获得预测值，对预测值和真实网捕到的鱼类资源进行回归分析，检验模型预测精度：

P＝a+b*(P’)，其中P为真实值；P’为预测值；a为截距，也即是预测值与观测值的系统偏差；b是斜率系数，b值越接近1表明预测值与实际值越接近；

根据回归方程及模型AIC值来确定最优预测模型；

(6)选择采用精度高的抽样方法，并选定某片多生境类型海域进行鱼类资源统计：

比较包括简单随机抽样、系统抽样和分层抽样在内的若干种抽样方法，利用计算机模拟，比较不同抽样方法的精度，选择精度较高的分层抽样方法；

所述的分层抽样方法为：选取一片多生境类型海域，在该片海域相应的每层生境类型布置相应的更合理的采样站点数，然后将每一个采样站点所获取的鱼类资源进行统计；

(7)估算鱼类总体资源：根据分层抽样方法对该片多生境类型海域进行统计所得到的鱼类资源，再对整体海域的鱼类总体资源进行估算，鱼类总体资源量估算公式如下：

Y＝∑W_hY’_h，其中，Y为总体估计量，Y’为每层生境类型下的鱼类资源的估计值，W_h为每层权重，所述的权重指每个生境所占面积比例。

2.如权利要求1所述的一种多生境条件下鱼类资源的抽样方法，其特征在于，采用多功能水质仪来测定影响鱼类资源的主要环境因子。

3.如权利要求1所述的一种多生境条件下鱼类资源的抽样方法，其特征在于，

所述的选择采用精度高的抽样方法，其精度高的衡量指标包括：采用采样效果来衡量不同抽样方法的稳定性、采用相对误差法REE来比较估计值的总体精度、采用相对偏法RB来比较估计值的偏差，

所述的采样效果的公式为：

其中，为某一采样设计的估计量方差，为简单随机抽样的简单估计量方差；

所述相对误差法REE的计算公式为：

$REE=\frac{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{({V_i}^{estimated}-V^{true})}^2/N}}{V^{true}}\×100\%;$

所述相对偏法RB的计算公式为：

其中V_estimated是某一采样方法抽样下的模拟估算的平均值，V_true是对应的真实的资源量的平均值，N是模拟估算的次数。

4.如权利要求3所述的一种多生境条件下鱼类资源的抽样方法，其特征在于，所述的N≥100。

5.如权利要求1所述的一种多生境条件下鱼类资源的抽样方法，其特征在于，所述的分层抽样方法基于面积来划分层次，每层的站点数不少于3个，且每一层采样为随机采样。

6.如权利要求1所述的一种多生境条件下鱼类资源的抽样方法，其特征在于，所述的刺网采用不同网目组合而成的多网目三层刺网，每片刺网的长度为30m。

7.如权利要求6所述的一种多生境条件下鱼类资源的抽样方法，其特征在于，

所述的多网目三层刺网包括一片内网目网衣和两片外网目网衣组成；

所述的内网衣采用多网目，该多网目的尺寸分别为22mm、34mm、43mm、50mm、60mm及80mm；

所述的外网目尺寸均为270mm，网高1.8m，网片长30m。