陈洋洋, 陈新军，2，3，4*, 郭立新, 王冉, 肖卫平, 徐良琦

(1.上海海洋大学 海洋科学学院，上海 201306；2.大洋渔业资源可持续开发教育部重点实验室，上海201306；3.国家远洋渔业工程技术研究中心，上海 201306；4. 农业部大洋渔业开发重点实验室，上海 201306；5.上海水产集团总公司，上海 200090)

基于捕捞努力量的中西太平洋鲣鱼围网渔业入渔预测分析

陈洋洋1, 陈新军1，2，3，4*, 郭立新1, 王冉1, 肖卫平5, 徐良琦5

(1.上海海洋大学 海洋科学学院，上海 201306；2.大洋渔业资源可持续开发教育部重点实验室，上海201306；3.国家远洋渔业工程技术研究中心，上海 201306；4. 农业部大洋渔业开发重点实验室，上海 201306；5.上海水产集团总公司，上海 200090)

中西太平洋是全球主要的鲣鱼(Katsuwonuspelamis)围网作业渔场，渔场极易受到海洋环境的影响，但渔场分布在众多岛国的管辖海域，如何科学指导企业准确入渔是重要的研究课题。本文根据1995—2012年中西太平洋鲣鱼围网捕捞生产统计数据，选取产量最高的22个海区(5°×5°)，结合Nio3.4区海表温度距平值(SSTA)和作业海域表温(SST)，研究中西太平洋鲣鱼围网渔场的空间分布规律，同时，以各海区捕捞努力量(作业次数)所占的百分比为入渔指标，建立基于环境因子的入渔决策模型。研究认为，中西太平洋鲣鱼捕捞努力量在纬度方向上主要分布于5°S～5°N，其累计捕捞努力量占所有作业海区的87.4%，其中以130°～140°E经度范围为最高，其捕捞努力量占22个海区的45.08%。入渔指标与Nio3.4区的SSTA、作业海域SST均符合正态模型(P<0.01)，Nio3.4区的SSTA最适值为0.25℃，作业海域SST最适值在29.5℃左右。对预测和实际排名前十的海域进行统计发现，预测值与实际值基本一致。研究认为，所建立的入渔预测模型可有效指导企业的渔业生产，为提高企业生产效率提供支撑。

中西太平洋；鲣鱼；捕捞努力量；空间分布；预测模型

1 引言

鲣鱼(Katsuwonuspelamis)在世界金枪鱼渔业中占有极其重要的地位[1]，中西太平洋海域是世界金枪鱼围网的主要作业渔场[2]。近年来，中西太平洋鲣鱼平均年产量超过150万t[3]，占该区域金枪鱼围网产量70%以上，是其他热带金枪鱼类总产量的两倍[4]。研究表明，厄尔尼诺/拉尼娜事件与中西太平洋鲣鱼资源渔场分布关系密切。Hampton等[5-6]认为，鲣鱼的渔场重心分布会随厄尔尼诺—南方涛动现象(ENSO)产生相应的迁移。周甦芳[7]认为，厄尔尼诺发生时, 鲣鱼围网单位捕捞努力量渔获量经度重心较正常年份向东偏10～20个经度，拉尼娜年则向西偏10～20个经度。汪金涛和陈新军[8]认为，当Nio3.4区海表温度异常值从低到高变化时，鲣鱼渔场重心也逐渐由西向东偏。由此发现，中西太平洋鲣鱼围网渔场受环境的影响，其年间有着很大的差异。以上的研究都局限于讨论环境因子与渔场分布之间的关系，然而在中西太平洋海域共有12个国家和地区，鲣鱼围网渔场基本上处在他国专属经济区管辖范围内[9-10]，目前上述国家均实行作业天数限制，因此在这样的背景下，如何指导企业科学入渔他国是重要的研究课题。为此，本研究根据1995—2012年中西太平洋鲣鱼生产统计数据，试图通过建立基于捕捞努力量的鲣鱼围网渔业入渔决策模型，通过对渔场的预报为我国金枪鱼围网渔业企业科学入渔提供决策依据。

2 材料与方法

2.1 材料来源

(1)中西太平洋鲣鱼生产统计资料来自南太平洋金枪鱼委员会(SPC)。数据包括日本、韩国、中国、澳大利亚、美国、西班牙和南太平洋岛国等所有在此海域进行鲣鱼围网作业的国家和地区，统计内容包括年、月、经度、纬度、投网次数以及渔获量。SPC提供的数据库中，空间分辨率为经纬度5°×5°，统计区域为15°S～15°N，125°～180°E。研究时间为1995—2012年。

(2)海表面温度(SST)来自美国宇航局NASA http://poet.jpl.nasa.gov/；厄尔尼诺/拉尼娜事件采用Nio3.4区海表温度距平值(SSTA)来表示，时间单位为月，数据来源于美国NOAA气候预报中心(http://www.cpc.ncep.noaa.gov)。

2.2 数据预处理

根据SPC提供的生产统计数据，我们以经纬度5°×5°空间分辨率为一个研究单元。按纬度方向每5度统计纬度方向各海区累计捕捞努力量分布情况(图1)。经统计分析，5°S～5°N，125°～180°E海域共计22个海区为最重要的作业海域，其作业次数约占总量的87.4%。所以本研究以上述5°S～5°N，125°～180°E海域的22个5°×5°海区作为分析对象。

图1 中西太平洋金枪鱼围网各纬度海区的捕捞努力量分布图Fig.1 Distribution of cumulative fishing effort based on the latitude in the west-central Pacific Ocean

2.3 研究方法

研究表明，捕捞努力量可以作为表征中心渔场的指标之一[18-19]。因此本研究选取投网网次来表征入渔指标的特征值。首先对捕捞努力量进行初值化处理，将Nio3.4指数(SSTA)和作业海域SST以0.5℃为间距，计算出每个海区对应不同Nio3.4指数范围所占的百分比，再将所得的百分比除以该海区内占比最大的值：

(1)

(2)

将1995—2010年16年22个海区生产统计数据与对应的环境数据进行逐一匹配处理，分别统计每个海区不同的SSTA、SST范围与所对应的初值化捕捞努力量的关系，利用正态分布模型建立每个海区的入渔指数模型。

根据建立基于SSTA和SST的入渔指数模型，利用2011年和2012年的生产数据进行验证，并对上述两类模型进行比较。通过预测值和实际值的相关系数r2值来比较模型的优劣。

3 研究结果

3.1 捕捞努力量空间分布

从图2可知，0°～5°N，130°～135°E；0°～5°N，135°～140°E和0°～5°S，135°～140°E为捕捞努力量分布最多的海区，所占比例分别为18.90%、16.84%和9.34%(图2)。而其他海域捕捞努力量相对较低，均在5%以下(图2)。

图2 中西太平洋22个海区捕捞努力量所占比例的空间分布示意图Fig.2 Distribution of percentage of fishing effort for 22 fishing zone in the west-central Pacific Ocean

3.3 基于作业海域SST的入渔指数模型

分析表明，作业海区的SST和22个海区的初值化捕捞努力量(入渔指数)之间均呈正态分布，相关系数均在0.85以上(P<0.01)(表2)。作业渔场基本上分布在SST为27.5～30.5℃的海域，且峰值都在SST为29～29.5℃的海域(图4)。

3.4 入渔指数模型的验证

图3 Nio3.4区SSTA值与各个海区捕捞作业网次比重(入渔指数)关系Fig.3 Relationship between SSTA of Nio3.4 and ratio of fishing effort (index of entry-fishing) in every fishing zone图中横坐标为Nio3.4区海表温距平值SSTA，0.25℃代表SSTA为0～0.5℃时对应的区间，-1.25℃代表-1.5～-1℃所对应的区间The x axis represent sea surface temperature anomolies in Nio3.4 area. 0.25℃ stands for the interval of 0～0.5℃. -1.25℃ stands for the interval of -1.5～-1℃

预报单元模型相关系数r2P值0°～5°N，125°～130°Ey=e-0．7582∙(xSSTA+0．0990)20．94620．00010°～5°N，130°～135°Ey=e-0．7468∙(xSSTA+0．1225)20．94920．00010°～5°N，135°～140°Ey=e-0．7520∙(xSSTA+0．0953)20．93710．00020°～5°N，140°～145°Ey=e-3．5755∙(xSSTA-0．2922)20．96470．00010°～5°N，145°～150°Ey=e-4．5820∙(xSSTA-0．1545)20．95140．00010°～5°N，150°～155°Ey=e-2．5529∙(xSSTA-0．0930)20．88790．00140°～5°N，155°～160°Ey=e-1．7693∙(xSSTA-0．1123)20．94450．00010°～5°N，160°～165°Ey=e-1．3309∙(xSSTA-0．0754)20．89630．00110°～5°N，165°～170°Ey=e-2．0162∙(xSSTA-0．0471)20．96520．00010°～5°N，170°～175°Ey=e-0．7942∙(xSSTA+0．0107)20．95420．00010°～5°N，175°E～180°y=e-2．058∙(xSSTA-0．1552)20．97000．00010°～5°S，125°～130°Ey=e-0．7653∙(xSSTA+0．1297)20．96130．00010°～5°S，130°～135°Ey=e-0．7638∙(xSSTA+0．1335)20．95990．00010°～5°S，135°～140°Ey=e-0．7837∙(xSSTA+0．1217)20．95800．00010°～5°S，140°～145°Ey=e-2．5445∙(xSSTA-0．2220)20．96100．00010°～5°S，145°～150°Ey=e-1．6767∙(xSSTA-0．0607)20．96240．00010°～5°S，150°～155°Ey=e-1．4449∙(xSSTA+0．0696)20．92920．00030°～5°S，155°～160°Ey=e-1．0188∙(xSSTA-0．0006)20．97080．00010°～5°S，160°～165°Ey=e-0．9379∙(xSSTA-0．0601)20．90950．00070°～5°S，165°～170°Ey=e-1．0403∙(xSSTA+0．0087)20．97130．00010°～5°S，170°～175°Ey=e-1．0703∙(xSSTA-0．0995)20．99110．00010°～5°S，175°E～180°y=e-1．2191∙(xSSTA-0．1445)20．93300．0002

注：y为作业次数的百分比，x为SSTA对应的温度区间。

图4 作业海区SST值与各个海区捕捞作业网次比重(入渔指数)关系Fig.4 Relationship between SST and ratio of fishing effort (index of entry-fishing) in every fishing zone图中横坐标为海表温SST，每个数值代表SST为其自身值和该值增加0.5℃对应的区间，如28℃代表28～28.5℃所对应的区间The x axis represent sea surface temperature. Every value means the interval between itself and the value+0.5℃, e.g. 28℃ stands for 28～28.5℃

预报单元模型相关系数r2P值0°～5°N，125°～130°Ey=e-1．3097∙(xSST-28．9562)20．97800．00010°～5°N，130°～135°Ey=e-2．3738∙(xSST-29．2748)20．98660．00010°～5°N，135°～140°Ey=e-1．9601∙(xSST-29．3172)20．99150．00010°～5°N，140°～145°Ey=e-3．5777∙(xSST-29．4581)20．99820．00010°～5°N，145°～150°Ey=e-3．0178∙(xSST-29．3616)20．99490．00010°～5°N，150°～155°Ey=e-5．4220∙(xSST-29．4818)20．99260．00010°～5°N，155°～160°Ey=e-4．2629∙(xSST-29．4214)20．97460．00010°～5°N，160°～165°Ey=e-1．8096∙(xSST-29．2157)20．97630．00010°～5°N，165°～170°Ey=e-0．9017∙(xSST-28．9556)20．93750．00020°～5°N，170°～175°Ey=e-1．3720∙(xSST-28．9761)20．91510．00050°～5°N，175°～180°Ey=e-0．9960∙(xSST-28．8531)20．97200．00010°～5°S，125°～130°Ey=e-0．9418∙(xSST-28．9547)20．87330．00210°～5°S，130°～135°Ey=e-1．0022∙(xSST-29．0060)20．86580．00250°～5°S，135°～140°Ey=e-2．4252∙(xSST-29．2177)20．99110．00010°～5°S，140°～145°Ey=e-2．1608∙(xSST-29．3482)20．99740．00010°～5°S，145°～150°Ey=e-1．9407∙(xSST-29．3892)20．98720．00010°～5°S，150°～155°Ey=e-2．3564∙(xSST-29．5865)20．99570．00010°～5°S，155°～160°Ey=e-1．7244∙(xSST-29．5416)20．99440．00010°～5°S，160°～165°Ey=e-1．3631∙(xSST-29．3466)20．99310．00010°～5°S，165°～170°Ey=e-1．3044∙(xSST-29．1658)20．9960．00010°～5°S，170°～175°Ey=e-1．1302∙(xSST-29．2428)20．95660．00010°～5°S，175°～180°Ey=e-2．8965∙(xSST-29．4323)20．89710．0001

注：y为作业次数的百分比，x为SST对应的温度区间。

图5 基于SSTA的入渔预测值与实际值的关系图Fig.5 Relationship between the predict value estimated bydeciding model of enter-fishing based on the SSTA of Nio 3.4 and the actual value in 2011 and 2012

图6 基于SST的入渔预测值与实际值的关系图Fig. 6 Relationship between the predict value estimated bydeciding model of enter-fishing based on the SST of fishing area and the actual value in 2011 and 2012

因子年份回归方程P值SSTA2011y=1．1979x-0．8996P<0．012012y=0．9391x+0．2767P<0．01SST2011y=1．0248x-0．1126P<0．012012y=1．1613x-0．7333P<0．01

注：x为实际百分比，y为预测百分比。

从预测和实际预报的结果来看(表4,表5)，无论使用哪一项参数，实际排名第一和第三的海区与预测的结果均一致(表4,表5)。排名前四的其他结果也只是在排序上有一定差异，总体来看预测与实际的结果有很强的一致性。

表4 2011年实际预报与预测预报结果比较

表5 2012年实际预报与预测预报结果比较

4 讨论与分析

在本研究中，通过对纬度方向进行分析后发现，中西太平洋海域鲣鱼围网作业区域集中在5°S～5°N范围内，该区域的捕捞努力量占整个研究区域(15°S～15°N，125°～180°E)内总捕捞努力量的87.40%，且0°～5°N范围占50.29%，高于0°～5°S范围所占比例，为37.11%(图1)。陈新军和郑波[2]认为，中西太平洋鲣鱼高产渔区空间位置主要集中在5°S～5°N，130°～175°E海域，这与本研究的结果相符。在本研究的海区内，位于北纬地区所占的海域面积较大，而南纬地区所占的海域面积较小，因此也直接造成了北纬的捕捞努力量较高。在经度方向上鲣鱼捕捞努力量空间分布的差异也较大(图2)，所占比例最高的区域为125°～135°E，可能是因为东太平洋上升流受到季风的影响，将大量的营养盐随洋流向西流动，同时该海域也是南赤道流和赤道逆流的交界处，属于陆源边界流的一部分，因此初级生产力也相对较高，比较适宜鲣鱼的生长。同时，从统计结果可以看出，在140°E以西范围内，在相同经度范围的情况下，北纬范围所占比例要高于南纬，而在140°E以东范围内，则是南纬范围所占比例要高于北纬。沈建华等[11]认为，中西太平洋鲣渔获量重心在厄尔尼诺年位置比较偏东偏南，在拉尼娜年位置比较偏西偏北。其研究结果也与本文研究的空间变化规律的结果一致，这也与中西太平洋暖池中心位置的变化有关[12]。因此海流的分布和不同环境下的影响对捕捞努力量都有着较大的影响。

作业海域的SST与捕捞努力量关系也呈正态分布，SST的峰值主要处于29～30℃之间(图4)。鲣鱼是一种恒温性鱼类，周围环境的温度会对其运动造成很大的影响。唐浩等[13]通过GAM模型对中西太平洋鲣鱼受的环境因子的影响进行研究，发现鲣鱼的渔场主要集中SST为28～30℃的海域，其中29℃的海域作业次数最多。杨胜龙等[14]、郭爱和陈新军[15]、叶泰豪等[16]都对中西太平洋鲣鱼渔场最适SST做了研究，也得出了相对一致的结论，最适SST范围为28.5～31℃之间。Lehodey等[12]发现中西太平洋暖池边缘与29℃等温线重合，且鲣鱼作业渔场会随着暖池边缘29℃等温线在经向上发生偏移，因此研究认为，鲣鱼主要分布在中西太平洋的暖池边缘附近。

本文根据1995—2012年中西太平洋鲣鱼围网捕捞渔业生产数据，分析了捕捞努力量在空间分布上的变化规律，同时建立了捕捞努力量和Nio3.4区指数以及作业海域SST之间的关系，并建立基于Nio3.4区SSTA以及SST的预报模型，通过验证结果显示，模型预报精度较高，为后续的科学入渔提供了一定的依据。本文所用渔业数据来自南太平洋渔业委员会，空间分辨率为5°×5°，数据量丰富且时间序列长，目前在入渔指导结果上只能做到5°×5°区域预报，但是预报结果良好，可以为后续的研究提供方法支撑。为了今后提高入渔决策的精度，在后续的研究中将收集获取更高分辨率的渔业生产数据。同时为了更完整地体现整个变化规律，减少捕捞的盲目性从而提高捕捞效率，在后续研究中将考虑更多的环境因子，结合航程、燃油成本、入渔成本等进行分析，建立基于成本、效益等因子的中西太平洋鲣鱼渔业入渔决策系统，更好地为渔业企业提供更为全面决策依据。

[1] Collette B B, Nauen C E. FAO species catalogue: vol. 2 scombrids of the world: an annotated and illustrated catalogue of tunas, mackerels, bonitos, and related species known to date[R]. FAO Fisheries Synopsis, 1983: 83-86.

[2] 陈新军, 郑波. 中西太平洋金枪鱼围网渔业鲣鱼资源的时空分布[J]. 海洋学研究, 2007, 25(2): 13-22.

Chen Xinjun, Zheng Bo. Study on the temp-spatial distribution of skipjack resources for tuna purse seine in the west-central Pacific Ocean[J]. Journal of Marine Sciences, 2007, 25(2): 13-22.

[3] 丁琪, 陈新军, 耿婷, 等. 基于渔获统计的太平洋岛国渔业资源开发利用现状评价[J]. 生态学报, 2016, 36(8): 2295-2303.

Ding Qi, Chen Xinjun, Geng Ting, et al. Evaluation on utilization state of marine fishery resources of Pacific Islands based on catch statistics[J]. Acta Ecologica Sinica, 2016, 36(8): 2295-2303.

[4] 周甦芳, 沈建华, 樊伟. ENSO现象对中西太平洋鲣鱼围网渔场的影响分析[J]. 海洋渔业, 2004, 26(3): 167-172.

Zhou Sufang, Shen Jianhua, Fan Wei. Impacts of the El Nio Southern Oscillation on skipjack tuna (Katsuwonuspelamis) purse-seine fishing grounds in the Western and Central Pacific Ocean[J]. Marine Fisheries, 2004, 26(3): 167-172.

[5] Hampton J, Lewis A, Williams P. The western and central Pacific tuna fishery: 1999 overview and status of stocks[R]. Oceanic Fisheries Programme, 1999: 39.

[6] Hampton J. Estimates of tag-reporting and tag-shedding rates in a large-scale tuna tagging experiment in the western tropical Pacific Ocean[J]. Fishery Bulletin, 1997, 95: 68-79.

[7] 周甦芳. 厄尔尼诺-南方涛动现象对中西太平洋鲣鱼围网渔场的影响[J]. 中国水产科学, 2005, 12(6): 739-744.

Zhou Sufang. Impacts of the El Nio Southern Oscillation on skipjack tuna purse-seine fishing grounds in the Western and Central Pacific Ocean[J]. Journal of Fishery Sciences of China, 2005, 12(6): 739-744.

[8] 汪金涛, 陈新军. 中西太平洋鲣鱼渔场的重心变化及其预测模型建立[J]. 中国海洋大学学报, 2013, 43(8): 44-48.

Wang Jintao, Chen Xinjun. Changes and prediction of the fishing ground gravity of skipjack (Katsuwonuspelamis) in Western-Central Pacific[J]. Periodical of Ocean University of China, 2013, 43(8): 44-48.

[9] 《世界大洋性渔业概况》编写组. 世界大洋性渔业概况[M]. 北京: 海洋出版社, 2011.

Compilation of World Oceanic Fishery Status. World Oceanic Fishery Status[M]. Beijing: China Ocean Press, 2011.

[10] 农业部渔业渔政管理局. 2014中国渔业年鉴[M]. 北京: 中国农业出版社, 2014.

Fisheries Fishery Administration, Ministry of Agriculture. Fisheries Yearbook 2014,China[M]. Beijing: China Agriculture Press, 2014.

[11] 沈建华, 陈雪冬, 崔雪森. 中西太平洋金枪鱼围网鲣鱼渔获量时空分布分析[J]. 海洋渔业, 2006, 28(1): 13-19.

Shen Jianhua, Chen Xuedong, Cui Xuesen. Analysis on spatial-temporal distribution of skipjack tuna catches by purse seine in the Western and Central Pacific Ocean[J]. Marine Fisheries, 2006, 28(1): 13-19.

[12] Lehodey P, Bertignac M, Hampton J, et al. El Nio Southern Oscillation and tuna in the western Pacific[J]. Nature, 1997, 389(6652): 715-718.

[13] 唐浩, 许柳雄, 陈新军, 等. 基于GAM模型研究时空及环境因子对中西太平洋鲣鱼渔场的影响[J]. 海洋环境科学, 2013, 32(4): 518-522.

Tang Hao, Xu Liuxiong, Chen Xinjun, et al. Effects of spatiotemporal and environmental factors on the fishing ground of skipjack tuna (Katsuwonuspelamis) in the Western and Central Pacific Ocean based on generalized additive model[J]. Marine Environmental Science, 2013, 32(4): 518-522.

[14] 杨胜龙, 周甦芳, 周为峰, 等. 基于Argo数据的中西太平洋鲣渔获量与水温、表层盐度关系的初步研究[J]. 大连水产学院学报, 2010, 25(1): 34-40.

Yang Shenglong, Zhou Sufang, Zhou Weifeng, et al. The relationship between skipjackKatsuwonuspelamiscatch and water temperature and surface salinity in the west-central Pacific Ocean based on Argo data[J]. Journal of Dalian Fisheries University, 2010, 25(1): 34-40.

[15] 郭爱, 陈新军. 利用水温垂直结构研究中西太平洋鲣鱼栖息地指数[J]. 海洋渔业, 2009, 31(1): 1-9.

Guo Ai, Chen Xinjun. Studies on the habitat suitability index based on the vertical structure of water temperature for skipjackKatsywonuspelamispurse seine fishery in the western-central Pacific Ocean[J]. Marine Fisheries, 2009, 31(1): 1-9.

[16] 叶泰豪, 冯波, 颜云榕, 等. 中西太平洋鲣渔场与温盐垂直结构关系的研究[J]. 海洋湖沼通报, 2012(1): 49-55.

Ye Taihao, Feng Bo, Yan Yunrong, et al. The relationship between skipjackKatsuwonuspelamiscatch and vertical water temperature and salinity in the West-central Pacific Ocean[J]. Transactions of Oceanology and Limnology, 2012(1): 49-55.

[17] Chen Xinjun, Tian Siquan, Liu Bilin, et al. Modeling a habitat suitability index for the eastern fall cohort ofOmmastrephesbartramiiin the central North Pacific Ocean[J]. Chinese Journal of Oceanology and Limnology, 2011, 29(3): 493-504.

[18] Tian Siquan, Chen Xinjun, Chen Yong, et al. Evaluating habitat suitability indices derived from CPUE and fishing effort data forOmmatrephesbratramiiin the northwestern Pacific Ocean[J]. Fisheries Research, 2009, 95(2/3): 181-188.

Preliminary analysis of predict model of fishing effort spatial distribution for skipjack tuna catches by purse seine in the west-central Pacific Ocean

Chen Yangyang1，Chen Xinjun1,2,3,4,Guo Lixin1,Wang Ran1, Xiao Weiping5, Xu Liangqi5

(1.CollegeofMarineSciences,ShanghaiOceanUniversity,Shanghai201306,China；2.TheKeyLaboratoryofSustainableExploitationofOceanicFisheriesResources,MinistryofEducation,Shanghai201306,China; 3.NationalEngineeringResearchCenterforOceanicFisheries,Shanghai201306,China；4.KeyLaboratoryofOceanicFisheriesExploration,MinistryofAgriculture,Shanghai201306,China; 5.ShanghaiFisheriesCompany,Shanghai200090,China)

The west-central Pacific Ocean is the world′s most important fishing ground for skipjack tuna (katsuwonuspelamis), this fishing area is always impact by ocean environment, especially sea surface temperature (SST) and Nio 3.4 index(SSTA). However, the fishing ground of skipjack tuna is widely distributed in the waters of many island countries, how to scientific guide the entry-fishing is an important studying object. According to the production data of skipjack tuna in the west-central Pacific Ocean during 1995—2012, and the total of 22 fishing zones (5°×5°) with the high catch are selected to analyze the spatial variation of fishing effort for skipjack tuna in central-west Pacific Ocean. The percentage of fishing effort is also regarded as the index of entry-fishing, and the optimal entry-fishing model between the index of entry-fishing and SST or SSTA is established. The results showed that main fishing efforts were focused in the area of 5°S-5°N in the direction of latitude, accounting for 87.4% of the total fishing effort. The area of 130°-140°E was the major fishing zone area in the longitudinal direction, accounting for 45.08% of the total fishing effort in the 22 fishing zones. The relationships between the index of entry-fishing and SSTA or SST all showed the normal distribution (P<0.01) for each fishing zone. The suitable value of SSTA model was on early 0.25℃, and the suitable value of SST model was nearly 29.5℃. For the top 10 ranking of entry-fishing index, we find that the actual index and predicted value is the same. It is concluded that this entry-fishing forecasting model can effectively predict fishing area distribution, which could give us a suitable advice for fisheries industries in the future.

west-central Pacific Ocean; skipjack tuna; fishing effort; spatial distribution; predict model

10.3969/j.issn.0253-4193.2017.10.003

S932

：A

：0253-4193(2017)10-0032-14

2016-12-29；

：2017-06-07。

海洋局公益性行业专项(20155014)；上海市科技创新计划(15DZ1202200)。

陈洋洋(1991—)，女，江苏省连云港市人，专业方向为渔业资源。E-mail:601812855@qq.com

*通信作者：陈新军。E-mail：xjchen@shou.edu.cn

陈洋洋, 陈新军, 郭立新，等. 基于捕捞努力量的中西太平洋鲣鱼围网渔业入渔预测分析[J].海洋学报，2017，39(10)：32—45,

Chen Yangyang,Chen Xinjun,Guo Lixin，et al. Preliminary analysis of predict model of fishing effort spatial distribution for skipjack tuna catches by purse seine in the west-central Pacific Ocean[J]. Haiyang Xuebao，2017，39(10)：32—45, doi:10.3969/j.issn.0253-4193.2017.10.003