全球变暖现象正在加剧。根据政府间气候变化专门委员会(IPCC)第六次评估报告(AR6),未来20年全球平均表面温度将上升1.5°C(Zhou, 2020)。气候变化对海洋环境产生了严重影响:预计到2100年,全球平均海表温度将上升1–6°C(Zheng, 2021),海平面将持续上升(Wang, 2010),海洋盐度将降低(Wang, 2022)。温度升高还会降低海洋吸收二氧化碳的效率(Zhang, 2018),增加海洋热浪的发生概率。由于全球变暖导致的大气环流异常可能会增加厄尔尼诺现象的发生(Zhou and Li, 1999),从而威胁海洋渔业的发展。区域水温升高、气候模式变化、海平面上升、海洋酸化、水体分层加剧以及上升流和涡流等海洋电流的变化都增加了水生环境的风险和脆弱性(Barange et al., 2014; Cai and Qi, 2014)。例如,海洋生物多样性的减少、海洋群落结构的变化以及海洋生物的迁移不可低估。在过去25年里,大约三分之二的物种由于海水温度升高而发生了平均纬度或深度的变化。例如,在大西洋,Gadus morhua向更深的海域和更北的方向迁移(Engelhard et al., 2014)。海水温度升高导致冷水层中的鱼类数量减少(Lu and Lee, 2014),如Pneumatophorus japonicus和Scomber japonicus。据预测,气候变化可能导致物种向极地迁移和分布(Parmesan and Yohe, 2003)。研究表明,在经度20°W以东的北大西洋和欧洲海域,亚北极和北极物种的数量显著减少(Beaugrand et al., 2002)。气候变化引起的环境变化意味着海洋生物栖息地的适宜性成为一个重要问题(Liu et al., 2022)。
Dosidicus gigas是一种广泛分布于东太平洋的头足类物种(Nigmatullin et al., 2001; Keyl et al., 2008)。它具有很高的经济价值,占中国乌贼渔业总捕获量的很大比例(Qian et al., 2008)。该物种的主要渔场分布在三个区域:赤道、秘鲁近海和智利近海(图1)。D. gigas的寿命较短,为1–2年,对环境扰动非常敏感,这会影响其分布和数量(Ibánez et al., 2016; Cui, 2021; Fang et al., 2022)。目前,在东赤道太平洋和秘鲁海域,由于热带海洋空气与大气之间的相互作用,存在大规模的季节性海水升温现象(Luo, 2000)。预计未来海洋将继续变暖,且变暖速度正在加快(Yin et al., 2021)。包括D. gigas在内的头足类动物将受到气候变化的严重影响,无论是在太平洋还是全球范围内。尽管许多研究表明温度是影响D. gigas>资源分布和数量的最重要环境因素(Hu et al., 2009),但不同地理区域的D. gigas>的丰度和栖息地分布受海洋环境的影响可能有所不同。在赤道海域,D. gigas>对涡流更为敏感,而在秘鲁海域,涡流对其影响不大,该区域更多受到上升流的影响(Fang et al., 2021a)。关于东太平洋D. gigas>栖息地变化的研究主要集中在气候引起的海洋环境变化上。然而,未来气候变化对该物种在东太平洋不同海域的时空分布的影响尚不清楚,这对这些渔业的可持续发展和利用构成了挑战(Liu et al., 2022)。因此,探讨海洋环境因素与D. gigas>在不同海域分布之间的关系,并预测未来气候变化对D. gigas>栖息地变化的影响,对于D. gigas>资源的可持续发展至关重要。
物种分布模型(SDM)通过将物种分布与其所在位置的相关环境因素联系起来,利用不同的算法(如广义线性模型、广义加性模型、随机森林等)来预测物种在某一区域的潜在分布(Yang et al., 2017)。与上述模型相比,最大熵模型(MaxEnt)仅需要物种的存在信息和背景环境信息即可进行预测(Phillips et al., 2006),避免了对于不存在点的可靠性判断(Jiménez-Valverde et al., 2008; Kong et al., 2019)。它在已知约束条件下最大化了未知情况的不确定性(Phillips et al., 2006)。此外,即使在样本量有限和采样不规则的情况下,预测结果的准确性也能得到保证(Kong et al., 2019; Li et al., 2023)。目前,MaxEnt因其出色的预测能力已被广泛用于预测鱼类和头足类动物的栖息地分布(Mugo et al., 2014; Alabia et al., 2015; Alfatat et al., 2025),并已成为预测未来气候条件下目标物种适宜分布的有效工具(Lin et al., 2022)。
本研究利用捕鱼地点的数据以及影响D. gigas>分布的七个潜在海洋环境因素的数据(包括海表温度(SST)、涡流动能(EKE)、海表盐度(SSS)、海表高度(SSH)、叶绿素-a浓度(Chl-a)、混合层深度(MLD)和溶解氧浓度(DO),使用MaxEnt模型对东太平洋三个区域的D. gigas>栖息地分布进行了建模和分析(Yu et al., 2017; Hu et al., 2010)。通过分析D. gigas>分布对不同环境因素的响应特征,探讨了在不同未来排放情景下的栖息地分布和变化。本研究为未来气候变化背景下渔业资源的可持续利用提供了理论基础。