📈 类群结构、资源状态与趋势

fao_settings(lang = "zh")   # 本文所有图表使用中文

📦 数据来源：FAO全球捕捞产量（Global Capture Production）2026.1.0版（FAO于2026-03-30发布，1950–2024年），下载地址Capture_2026.1.0.zip，许可证CC BY 4.0。用fao_data_info()查看你使用的版本和引用格式。

汇总分析适用于任何产量数据：可以是fishing_area_data()得到的某个渔区，也可以是load_fao_data()的任意子集（见💾 FAO数据）。图表保存在figures/png/summary/，表格保存在tables/，文件名以渔区名称（或label的值）开头。每个函数还会以不可见的方式返回结果，可以赋值给变量后在R中继续使用。

FAO27 <- fishing_area_data("Atlantic, Northeast")

⚙️ 通用参数

本文大多数函数都有下面这些参数，后面各函数的参数表只列出它们自己的参数。

参数	含义	默认值
area_data	FAO产量数据：fishing_area_data()$area_data，或load_fao_data()的任意子集（如一个国家或几个渔区）	必填
plot	是否把图保存到figures/png/summary/	TRUE
table	是否把表格保存到tables/	TRUE
lang	图中文字和名称的语言："en"、"zh"或"both"	NULL：使用fao_settings()设定的语言（未修改时为"en"）
pptx	是否同时把图保存为可编辑的PowerPoint文件，存放在figures/pptx/summary/	FALSE；fao_settings(pptx = TRUE)可对所有函数生效
plot_show	保存图表的同时把图画在绘图窗口中（例如RStudio的Plots窗格）	FALSE，或fao_settings()中的plot_show
label	输出文件名开头的名称	NULL：数据所属的渔区（或国家；含多个渔区和国家时为"selected_data"）

🧺 物种类群结构

species_group_composition()按ISSCAAP物种类群（FAO将物种划分为约50个类群的分类体系，如”Herrings, sardines, anchovies”）或按大类（鱼类、甲壳类、软体动物……）汇总产量。FAO没有给出这些类群的中文名，本包使用的中文名是非官方译名。

groups <- species_group_composition(FAO27$area_data)

第一幅图显示各类群的产量，第二幅图显示各类群在每年总产量中的占比。产量最大的top_n个类群单独显示，其余合并为一类。表格列出各类群每个年代的年均产量、最近五年每年的产量，以及最后一年的占比（吨和%）：

show_table(groups$table, digits = 0)

物种类群 (ISSCAAP)	1950s	1960s	1970s	1980s	1990s	2000s	2010s	2020s	2020	2021	2022	2023	2024	share_2024_pct
鳕、无须鳕、黑线鳕类	2,507,170	3,022,010	4,169,322	3,694,448	2,971,859	3,518,007	3,122,258	3,280,509	3,463,440	3,149,488	2,932,054	3,502,551	3,355,012	43
鲱、沙丁鱼、鳀类	2,779,324	3,202,760	1,865,383	1,621,417	2,425,069	2,688,692	2,175,941	1,988,596	2,089,755	2,049,083	2,079,641	1,928,844	1,795,658	23
其他中上层鱼类	269,410	890,080	3,173,777	2,661,330	2,371,030	1,735,251	1,761,012	1,454,800	1,176,739	1,441,312	1,857,547	1,654,906	1,143,495	15
其他沿岸鱼类	77,690	186,400	546,076	833,692	989,272	505,487	337,299	252,807	483,374	266,377	197,125	193,064	124,098	2
其他底层鱼类	285,220	263,060	345,996	424,319	405,580	382,355	358,843	328,769	329,019	333,933	315,636	314,796	350,461	4
鲆、鲽、鳎类	203,200	306,580	346,399	351,725	340,789	260,697	250,601	182,052	213,784	203,179	172,402	166,824	154,073	2
褐藻	141,882	249,340	282,269	279,593	316,267	262,672	242,414	335,848	263,397	272,022	518,245	349,189	276,387	4
未鉴定的海洋鱼类	252,710	246,840	248,921	153,214	87,960	33,651	24,212	4,129	4,912	8,694	4,501	2,200	340	0
其余类群	439,560	563,979	564,321	716,972	822,271	696,854	635,533	631,309	587,282	634,639	654,495	637,457	642,670	8

species_group_composition(FAO27$area_data, group = "major", lang = "zh")

参数	含义	默认值
group	"isscaap"（ISSCAAP物种类群）或"major"（大类）	"isscaap"
top_n	单独显示的类群数，其余合并	8
area_data、plot、table、lang、pptx、label	见通用参数

输出：图<label>_group_isscaap.png（或_group_major）和..._share.png，表格<label>_group_isscaap.csv；函数返回yearly（各类群逐年产量）和table。

🚦 资源状态图

stock_status()根据每个物种的产量相对于其序列峰值产量的比例，逐年判定该产量序列的资源开发状态（Kleisner et al. 2013）：

状态	判定规则
开发中(Developing)	峰值年之前，产量不超过峰值的50%
充分开发(Exploited)	产量高于峰值的50%
过度开发(Over-exploited)	峰值年之后，产量在峰值的10%至50%之间
崩溃(Collapsed)	峰值年之后，产量低于峰值的10%
恢复中(Rebuilding)	崩溃之后，产量回升至峰值的10%至50%之间

status <- stock_status(FAO27$area_data)

第一幅图是处于各状态的种群数量占比，第二幅图是各状态的产量占比。这里的“种群”指数据中的一个物种条目（所有国家合计），最后一次报告产量之后的年份按零产量计。只有符合纳入标准的序列才会参与分类：

参数	含义	默认值
taxon_levels	纳入的分类阶元："species"、"genus"、"family"和"higher"中的任意几个（“Marine fishes nei”等合并类群属于"higher"）	c("species", "genus", "family")
min_years	从首次到最后一次有产量的最少年数	10
min_consecutive	连续有产量的最少年数	5
min_catch	序列的最低总产量（吨）	1000
smooth	分类前是否先做3年滑动平均	FALSE
area_data、plot、table、lang、pptx、label	见通用参数

种群表列出每个种群的峰值年份及其最后一年的状态：

show_table(status$stocks, digits = 0)

species_name	species_en	first_year	peak_year	peak_tonnes	last_year_tonnes	pct_of_peak	status_last_year
毛鳞鱼	Capelin	1950	1977	3,773,808	168693.267	4	崩溃
大西洋鲱	Atlantic herring	1950	1965	3,736,100	1250851.116	33	过度开发
小鳍鳕	Blue whiting(=Poutassou)	1950	2004	2,419,291	1832649.131	76	充分开发
大西洋鳕	Atlantic cod	1950	1969	2,147,600	762408.034	36	过度开发
大西洋鲭	Atlantic mackerel	1950	2014	1,382,490	904016.963	65	充分开发
Sandeels(=Sandlances) nei	Sandeels(=Sandlances) nei	1954	1997	1,242,671	96630.953	8	崩溃
黍鲱	European sprat	1950	1975	982,776	343221.482	35	过度开发
黑线鳕	Haddock	1950	1969	889,200	293250.936	33	过度开发
挪威长臀鳕	Norway pout	1959	1974	877,910	5372.615	1	崩溃
青鳕 Saithe(=Pollock)	Saithe(=Pollock)	1950	1974	723,652	299652.086	41	过度开发

table(status$stocks$status_last_year)
#> 
#> 充分开发     崩溃   恢复中 过度开发 
#>       91      122       38       85

# 平滑后的产量，更严格的纳入标准
stock_status(FAO27$area_data, smooth = TRUE, min_catch = 10000, label = "FAO27 smoothed")

输出：图<label>_stock_status_stocks.png和<label>_stock_status_catch.png，表格<label>_stock_status.csv（各状态逐年的种群数和产量）和<label>_stock_status_stocks.csv；函数返回yearly、stocks和status（每个种群每年的状态）。

资源状态图只使用产量数据。产量下降也可能源于管理措施、市场或数据上报的变化，因此结果仅供参考，不能替代资源评估。

⛰️ 峰值与趋势

peak_trend()针对总产量以及主要物种（或国家、渔区），找出峰值产量出现的年份和数值、最后一年产量相当于峰值的百分比，以及最近recent_years年的趋势：

• 年均增长率（growth_pct_per_year）：这段时间首年到末年之间的年均增长率，即$100\,[(C_n/C_1)^{1/(n-1)} - 1]$，其中$C_1$和$C_n$分别是这$n$年中第一年和最后一年的产量；
• 趋势：Mann-Kendall趋势检验（Mann 1945；Kendall 1975），即年份与产量之间的Kendall τ。渔获序列有自相关，普通检验会找出过多的趋势，因此检验的方差按AR(1)过程的有效样本量校正（Yue and Wang 2004），所用的一阶自相关取自去趋势后的序列，并校正了小样本偏差（Kendall 1954；lag1_autocorrelation）。p_value是校正后的p值，p_value_iid是普通检验的p值。p_value < 0.05时trend为"up"（上升）或"down"（下降），否则为"none"。只有十年数据时，校正只能部分起作用：自相关很强的序列仍会过多地显示趋势。
• 多条序列：在十条或更多序列中，总有一些序列偶然显示出趋势。q_value按结果中的序列数（不含总产量）校正p值（Benjamini and Hochberg 1995）。p_value < 0.05的趋势应视为探索性的结果，q_value < 0.05的才作为显著趋势；📝 评估报告对主要种类和主要国家就是这样处理的。

species_trend <- peak_trend(FAO27$area_data, by = "species", top_n = 10)

show_table(species_trend[, c("name", "peak_year", "pct_of_peak", "growth_pct_per_year", "kendall_tau", "p_value", "q_value", "trend")])

	name	peak_year	pct_of_peak	growth_pct_per_year	kendall_tau	p_value	q_value	trend
p	合计	1976	59.53	-2.0050033	-0.33	0.21	NA	none
p1	大西洋鲱	1965	33.48	-0.4745389	-0.20	0.71	0.95	none
p2	大西洋鳕	1969	35.50	-5.2914437	-0.82	0.03	0.16	down
p3	毛鳞鱼	1977	4.47	-13.1229391	-0.02	1.00	1.00	none
p4	小鳍鳕	2004	75.75	2.9400918	0.16	0.74	0.95	none
p5	大西洋鲭	2014	65.39	-3.1263873	-0.38	0.33	0.83	none
p6	Sandeels(=Sandlances) nei	1997	7.78	-12.5836285	-0.47	0.07	0.25	none
p7	黍鲱	1975	34.92	-5.7343149	-0.82	0.00	0.01	down
p8	青鳕	1974	41.41	0.4885031	0.11	0.84	0.95	none
p9	黑线鳕	1969	32.98	0.3336638	0.07	0.86	0.95	none

peak_trend(FAO27$area_data, by = "country", top_n = 15, recent_years = 20, lang = "zh")

参数	含义	默认值
by	比较的对象："species"、"country"或"area"	"species"
top_n	取总产量最大的几个序列（Inf表示全部）	10
recent_years	计算趋势所用的最近年数	10
area_data、plot、table、lang、pptx、label	见通用参数

输出：图<label>_peak_trend_species.png（或_country、_area）和同名表格；函数返回一个数据框，每个序列一行，第一行是总产量。

🌍 全部FAO海洋渔区

area_overview()对比全部FAO海洋渔区：给出各渔区产量随时间的变化并标出峰值，以及各渔区的峰值与趋势图（即peak_trend(by = "area")）：

overview <- area_overview()

show_table(overview[, c("name", "peak_year", "peak_tonnes", "last_year_tonnes", "pct_of_peak", "trend")], n = 20, digits = 0)

	name	peak_year	peak_tonnes	last_year_tonnes	pct_of_peak	trend
p	合计	1996	87,687,040	80930379.329	92	none
p1	西北太平洋	1997	24,020,927	19067991.408	79	down
p2	东北大西洋	1976	13,172,602	7842194.162	60	none
p3	东南太平洋	1994	20,422,424	9453525.210	46	none
p4	西部中太平洋	2024	14,105,189	14105189.055	100	up
p5	东印度洋	2017	6,910,165	6401679.921	93	none
p6	中东大西洋	2018	5,520,055	5099475.194	92	none
p7	西印度洋	2024	6,223,934	6223934.387	100	none
p8	西北大西洋	1968	4,612,569	1407262.000	31	down
p9	东北太平洋	1987	3,401,535	2551440.501	75	down
p10	东南大西洋	1978	3,299,221	1475796.444	45	none
p11	西南大西洋	1997	2,664,636	1970436.942	74	none
p12	西部中大西洋	1984	2,505,870	1077647.351	43	none
p13	中东太平洋	2024	2,349,505	2349505.260	100	up
p14	地中海和黑海	1986	2,046,352	1026111.034	50	none
p15	西南太平洋	1991	929,232	381352.879	41	down
p16	南极大西洋	1987	510,151	466706.916	91	up
p17	南极印度洋	1972	189,586	10861.059	6	none
p18	南极太平洋	1983	10,678	2665.606	25	none
p19	北冰洋	2023	20,094	16604.000	83	none

参数	含义	默认值
recent_years	计算趋势所用的最近年数	10
data_version	使用的FAO数据版本（见load_fao_data()）	"latest"
plot、table、lang、pptx	见通用参数

area_overview()自己读取FAO数据，所以没有area_data和label参数。输出：图marine_areas_catch.png、marine_areas_peak_trend_area.png和表格marine_areas_peak_trend_area.csv；函数返回peak_trend()的数据框。

🔀 突变点同步性

regime_shift()对主要物种（所有物种条目，包括nei类群）的产量序列做突变点分析，并统计每一年有多少个物种的平均产量发生变化。每个序列在平均值发生变化处分段（strucchange::breakpoints()，Bai and Perron 2003；Zeileis et al. 2002，2003），突变点个数按BIC选择；突变点的年份是新时段的第一年。许多物种在同一年发生变化，可能意味着整个生态系统发生了生态系统转变(regime shift)，也可能源于管理或数据上报方式的改变。

shifts <- regime_shift(FAO27$area_data, top_n = 20)

show_table(shifts$breakpoints[, c("species", "first_year", "n_breakpoints", "breakpoint_years")], n = 20)

species	first_year	n_breakpoints	breakpoint_years
大西洋鲱	1950	3	1969, 1994, 2011
大西洋鳕	1950	5	1967, 1978, 1989, 2000, 2011
毛鳞鱼	1950	3	1970, 1986, 2004
小鳍鳕	1950	3	1978, 1998, 2009
大西洋鲭	1950	2	1966, 2010
Sandeels(=Sandlances) nei	1954	3	1974, 1986, 2003
黍鲱	1950	5	1961, 1972, 1983, 1994, 2011
青鳕	1950	3	1966, 1978, 2011
黑线鳕	1950	2	1964, 1977
挪威长臀鳕	1959	3	1968, 1985, 1998
褐藻类	1950	3	1961, 2000, 2014
沙丁鱼	1950	2	1996, 2012
Atlantic redfishes nei	1950	4	1961, 1975, 1987, 2000
大西洋竹筴鱼	1950	4	1970, 1988, 2000, 2014
扁海鲽	1950	3	1961, 1995, 2006
牙鳕	1950	3	1963, 1985, 1998
Finfishes nei	1950	2	1972, 1986
欧洲无须鳕	1950	4	1966, 1977, 1993, 2011
竹筴鱼属物种	1950	5	1968, 1979, 1991, 2002, 2013
Northern prawn	1950	3	1971, 1982, 2003

head(shifts$yearly[order(-shifts$yearly$n_species), ], 5)
#>    Year n_species
#> 62 2011         5
#> 12 1961         4
#> 51 2000         4
#> 17 1966         3
#> 29 1978         3

参数	含义	默认值
top_n	分析总产量最大的几个物种	20
h_value	两个突变点之间的最短时段：序列长度的比例或年数	0.15
area_data、plot、table、lang、pptx、label	见通用参数

序列太短、不满足h_value的物种会跳过并给出提示。输出：图<label>_regime_shift.png（每年发生突变的物种数）和<label>_regime_shift_species.png（各物种的突变点），表格<label>_regime_shift.csv和<label>_regime_shift_years.csv；函数返回breakpoints和yearly。

🐟 中上层鱼/底层鱼渔获比

pelagic_demersal()计算每个FAO海洋渔区中上层鱼渔获量与底层鱼渔获量之比（P/D），按年和按年代给出。Caddy (1993)提出，营养盐增加有利于以浮游生物为食、寿命短的中上层鱼，而不利于底层鱼；de Leiva Moreno et al. (2000)用P/D作为欧洲周边海域营养水平的替代指标。每个年代的P/D是该年代各年P/D的平均值（与Hondorp et al. 2010相同），并给出最低值和最高值。

pd <- pelagic_demersal(FAO27$area_data)

show_table(pd$decades[, c("period", "pd_mean", "pd_min", "pd_max", "counted_pct")])

period	pd_mean	pd_min	pd_max	counted_pct
1950s	0.88	0.80	1.02	85.66
1960s	0.85	0.35	1.18	79.60
1970s	0.34	0.26	0.43	64.27
1980s	0.29	0.24	0.34	66.68
1990s	0.48	0.34	0.59	68.98
2000s	0.56	0.44	0.78	75.38
2010s	0.52	0.43	0.67	72.70
2020s	0.46	0.42	0.54	74.33

show_table(pd$groups[, c("group", "counted_as", "catch_pct")], n = 12)

group	counted_as	catch_pct
鳕、无须鳕、黑线鳕类	demersal	34.17
鲱、沙丁鱼、鳀类	pelagic	24.62
其他中上层鱼类	not counted	18.84
其他沿岸鱼类	demersal	5.00
其他底层鱼类	demersal	3.65
鲆、鲽、鳎类	demersal	2.98
褐藻	not counted	2.69
未鉴定的海洋鱼类	not counted	1.46
虾类	demersal	1.11
鲨、鳐、银鲛类	not counted	0.87
贻贝类	not counted	0.63
蛤、鸟蛤、蚶类	not counted	0.54

FAO数据中每个物种都有一个ISSCAAP类群，所以函数按类群划分。fao_pd_groups()（没有参数）列出两种已发表的定义如何计算每个类群：

definition	中上层鱼	底层鱼
"de_leiva_moreno"（默认）	鲱、沙丁鱼、鳀类（小型中上层鱼）	鲆鲽类、鳕类、其他沿岸鱼类、其他底层鱼类、海洋甲壳类（磷虾除外）
"grainger_garcia"（Grainger and Garcia 1996）	小型中上层鱼、金枪鱼和旗鱼类、其他中上层鱼类	鲆鲽类、鳕类、其他沿岸鱼类、其他底层鱼类、鲨鳐类、未鉴定的海洋鱼类

show_table(fao_pd_groups(), n = 15)

isscaap_code	isscaap_en	de_leiva_moreno	grainger_garcia
31	Flounders, halibuts, soles	demersal	demersal
32	Cods, hakes, haddocks	demersal	demersal
33	Miscellaneous coastal fishes	demersal	demersal
34	Miscellaneous demersal fishes	demersal	demersal
35	Herrings, sardines, anchovies	pelagic	pelagic
36	Tunas, bonitos, billfishes	not counted	pelagic
37	Miscellaneous pelagic fishes	not counted	pelagic
38	Sharks, rays, chimaeras	not counted	demersal
39	Marine fishes not identified	not counted	demersal
42	Crabs, sea-spiders	demersal	not counted
43	Lobsters, spiny-rock lobsters	demersal	not counted
44	King crabs, squat-lobsters	demersal	not counted
45	Shrimps, prawns	demersal	not counted
46	Krill, planktonic crustaceans	not counted	not counted
47	Miscellaneous marine crustaceans	demersal	not counted

也可以用pelagic = ...和demersal = ...指定自己的类群。已发表的研究是逐个物种划分的，不是按ISSCAAP类群，所以它们的数值只能粗略对比：de Leiva Moreno et al. (2000)中，贫营养海域低于1，中营养海域约1至3.5，富营养海域约6至20。除了营养盐，捕捞和市场（底层鱼需求更高；Caddy et al. 1998）、缺氧（Hondorp et al. 2010）、小型中上层鱼本身的自然波动以及报告方式都会改变P/D，详见?pelagic_demersal。27区的P/D一直低于1（各年代在0.29至0.88之间），尽管中上层鱼是该渔区的主要渔获：小鳍鳕（Blue whiting，一种中上层的鳕类）被归入鳕、无须鳕、黑线鳕类，按这一定义算作底层鱼，而大西洋鲭属于“其他中上层鱼类”，不计入。这说明分组方式对P/D影响很大。

参数	含义	默认值
definition	哪些类群算中上层鱼和底层鱼："de_leiva_moreno"或"grainger_garcia"	"de_leiva_moreno"
pelagic、demersal	改用自己指定的ISSCAAP类群（使用FAO数据中的英文名，如"Herrings, sardines, anchovies"），代替definition的类群	NULL
by	"area"，或"division"（用于load_fao_divisions()的分区渔获数据，🧩扩展功能）	"area"
area_data、plot、table、lang、pptx、label	见通用参数

内陆渔区会被剔除，并给出提示。输出：图<label>_pelagic_demersal_ratio.png（逐年P/D，每个渔区一个分图）、<label>_pelagic_demersal.png和..._share.png（中上层鱼、底层鱼和其他渔获），表格<label>_pelagic_demersal.csv、..._decades.csv和..._groups.csv；函数返回yearly、decades和groups。

🧩 按分区计算（扩展功能）

de Leiva Moreno et al. (2000)比较的是地中海和黑海的各个分区。区域渔业组织的分区渔获数据中有同样的分区，用load_fao_divisions()读取（这是本包的扩展功能，不纳入Word报告；其他数据集见🚢 贸易与就业）：

pelagic_demersal(load_fao_divisions("GFCM"), by = "division")

在2026.1.0版数据中，1980年代的平均P/D在爱奥尼亚海（0.6）和黎凡特海（0.4）低于1，在亚得里亚海约为4，在黑海约为18，分别落在de Leiva Moreno et al. (2000)给出的贫营养、中营养和富营养海域的范围内。

📝 写入Word报告

fao_report()可以把这些分析写进某个渔区的Word报告（见📝 一键生成评估报告（Word、LaTeX、PDF））。ISSCAAP类群（groups = TRUE）和资源状态图（status = TRUE）默认就是报告的章节；中上层鱼/底层鱼渔获比用pelagic = TRUE加入。各函数的设置以章节名为前缀传入，例如status_smooth = TRUE就是stock_status()的smooth = TRUE：

fao_report(27, pelagic = TRUE, status_smooth = TRUE, pelagic_definition = "grainger_garcia")

报告中主要物种表和主要国家表的趋势由peak_trend()计算；area_overview()和regime_shift()不在报告中。

📖 参考文献

Bai, J. and Perron, P. (2003). Computation and analysis of multiple structural change models. Journal of Applied Econometrics 18: 1–22. doi:10.1002/jae.659

Benjamini, Y. and Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B 57: 289–300. doi:10.1111/j.2517-6161.1995.tb02031.x

Caddy, J.F. (1993). Toward a comparative evaluation of human impacts on fishery ecosystems of enclosed and semi-enclosed seas. Reviews in Fisheries Science 1: 57–95. doi:10.1080/10641269309388535

Caddy, J.F., Carocci, F. and Coppola, S. (1998). Have peak fishery production levels been passed in continental shelf area? Some perspectives arising from historical trends in production per shelf area. Journal of Northwest Atlantic Fishery Science 23: 191–219. doi:10.2960/J.v23.a13

de Leiva Moreno, J.I., Agostini, V.N., Caddy, J.F. and Carocci, F. (2000). Is the pelagic-demersal ratio from fishery landings a useful proxy for nutrient availability? A preliminary data exploration for the semi-enclosed seas around Europe. ICES Journal of Marine Science 57: 1091–1102. doi:10.1006/jmsc.2000.0705

FAO (2026). Global Capture Production 1950–2024, release 2026.1.0. In: Fisheries and Aquaculture. Rome: FAO. https://www.fao.org/fishery/collection/capture/en. Licence: CC BY 4.0. Release file: https://www.fao.org/fishery/static/Data/Capture_2026.1.0.zip

Grainger, R.J.R. and Garcia, S.M. (1996). Chronicles of marine fishery landings (1950–1994): trend analysis and fisheries potential. FAO Fisheries Technical Paper 359. Rome: FAO. https://www.fao.org/4/w3244e/w3244e00.htm

Hondorp, D.W., Breitburg, D.L. and Davias, L.A. (2010). Eutrophication and fisheries: separating the effects of nitrogen loads and hypoxia on the pelagic-to-demersal ratio and other measures of landings composition. Marine and Coastal Fisheries 2: 339–361. doi:10.1577/C09-020.1

Kendall, M.G. (1954). Note on bias in the estimation of autocorrelation. Biometrika 41: 403–404. doi:10.1093/biomet/41.3-4.403

Kendall, M.G. (1975). Rank correlation methods, 4th edition. London: Charles Griffin.

Kleisner, K., Zeller, D., Froese, R. and Pauly, D. (2013). Using global catch data for inferences on the world’s marine fisheries. Fish and Fisheries 14: 293–311. doi:10.1111/j.1467-2979.2012.00469.x

Mann, H.B. (1945). Nonparametric tests against trend. Econometrica 13: 245–259. doi:10.2307/1907187

Yue, S. and Wang, C.Y. (2004). The Mann-Kendall test modified by effective sample size to detect trend in serially correlated hydrological series. Water Resources Management 18: 201–218. doi:10.1023/B:WARM.0000043140.61082.60

Zeileis, A., Leisch, F., Hornik, K. and Kleiber, C. (2002). strucchange: an R package for testing for structural change in linear regression models. Journal of Statistical Software 7(2): 1–38. doi:10.18637/jss.v007.i02

Zeileis, A., Kleiber, C., Krämer, W. and Hornik, K. (2003). Testing and dating of structural changes in practice. Computational Statistics & Data Analysis 44: 109–123. doi:10.1016/S0167-9473(03)00030-6