基于分类回归树算法的东南太平洋智利竹筴鱼渔场预报

为了提高智利竹筴鱼渔场预报水平和满足渔业捕捞生产的需要,利用2002—2008年的东南太平洋公海海域捕捞的中国大型拖网渔船共计15艘的生产统计资料,以及海洋环境数据(包括海表温度、叶绿素a浓度、表温距平、叶绿素a浓度距平、海表温度梯度强度和海面高度异常等数据),基于CART的算法,构建了智利竹筴鱼渔场决策树预报模型。用含1 114条记录的数据集对模型进行训练,并采用ROC方法对该模型诊断中心渔场的准确性进行了分析。最后将该模型应用于2009年各月份的智利竹筴鱼中心渔场预报,并与实际渔场位置进行了对比,结果显示预报渔场与实际生产位置基本一致,表明利用CART决策树方法建立智利竹筴鱼渔场预报模型是可行的。     

智利外海竹筴鱼中心渔场时空变动的初步研究

根据2005年3～12月14艘中国渔船在智利外海的竹筴鱼生产统计数据和卫星遥感反演的海表温度、叶绿素浓度,分析智利外海竹筴鱼中心渔场的时空变动以及渔场与环境因子的关系.结果表明,随着南半球秋季转入冬季,竹筴鱼中心渔场相应地由南向北、由东向西推移,10月份渔场达到最北端,春末夏初开始南撤;智利外海竹筴鱼渔场的表层水温大致为12～16℃,中心渔场为14～15℃,月间略有差异;渔场的叶绿素质量浓度大致为0.06～0.12 mg/m~3,当渔场的叶绿素质量浓度处于0.08～0.10 mg/m~3时,渔船作业频次和竹筴鱼产量最高.     

不同模态下气候变化对智利竹筴鱼补充量的影响

智利竹筴鱼(Trachurus murphyi)是东南太平洋重要的经济鱼类之一,其资源量受补充量影响明显,了解补充量状况对智利竹筴鱼资源可持续利用和科学管理具有重要意义。本文基于模态分析将1971-2017年间智利竹筴鱼补充量划分不同模态,运用贝叶斯模型平均法,分析海表面温度、海表面盐度、海表面高度、厄尔尼诺和太平洋年代际振荡5个环境因子在不同模态中对补充量的解释能力,并探讨模态变动对补充量预测的影响。结果表明,第1模态(1971-1980年)更多的受捕捞因素的干扰;第2模态(1981-1990年)厄尔尼诺对补充量变动的解释概率最高;第3模态(1991-2001年)解释概率最高的环境因子为太平洋年代际振荡;第4模态(2002-2015年)厄尔尼诺为解释概率最高的环境因子。对比不考虑模态变动的分析结果,两者存在明显差异,基于不同模态的分析结果对智利竹筴鱼补充量变动的解释更为合理。研究认为,智利竹筴鱼补充量变动受到多个环境因子的影响,在不同模态时期起主导作用的环境因子也不同,推测年代际太平洋年代际振荡冷暖期交替与厄尔尼诺现象可能是诱发智利竹筴鱼补充量发生模态转变的重要因素。建议在未来智利竹...     

2014年智利外海东部海域智利竹筴鱼CPUE的时空分布

根据2014年4~9月"开富"号大型拖网加工船在东南太平洋智利外海的东部海域进行智利竹筴鱼拖网作业的生产数据及NOAA遥感卫星记录的海表温度(SST)数据,研究并分析了智利竹筴鱼的网产量、单位捕捞努力量渔获量(CPUE)的月份及季节变化;不同季节智利竹筴鱼产量分布频次与SST的关系;各月的CPUE空间均值分布与SST的关系;不同季节CPUE空间均值及中心渔场的时空分布;以及放网次数和CPUE空间均值的空间分布.结果表明:冬季智利竹筴鱼的月均CPUE高于秋季,且两者均显著高于初春的月均CPUE,平均网产量的月份及季节变动规律与CPUE的变化相同;智利竹筴鱼的秋季产量集中在SST为12.5~13.0℃及13.5~14.0℃的海域,冬季产量集中在SST为12.5~13.5℃及15.0~16.0℃的海域,初春产量则集中在SST为15.5~16.0℃的海域;4~5月在SST为13.5~14.0℃内的智利竹筴鱼的CPUE较高,6月在SST为11.0~11.5℃内的CPUE较高,7~8月在SST为12.5~13.0℃的CPUE较高,9月在SST为15.5~16.0℃内的CPUE较高.中心渔场随着季节的变化则持续向北进行转移;CPUE在纬度方向的波动较大,在27°~28°S、37°~39°S及40°~44°S这3个范围内CPUE均值高于5 t/h,在79°~81°W范围内,CPUE空间均值介于10~15 t/h.     

基于朴素贝叶斯的西北太平洋柔鱼渔场预报模型的建立

西北太平洋是中国进行柔鱼(Ommastrephes bartramii)捕捞生产的重要海区,准确预报渔场出现的位置对提高渔业捕捞产量、节省燃油有重要的意义。本研究利用2002—2011年中国在该海域的历史产量数据、渔场时空数据以及包括海表温度、叶绿素浓度a、表温梯度强度和叶绿素梯度强度在内的海洋环境数据,基于朴素贝叶斯方法,建立了西北太平洋柔鱼渔场的预报模型。为满足朴素贝叶斯方法对条件独立性的假设,利用独立成份分析,重新获得相互独立的属性变量。通过求Cohen′s Kappa系数最大值的方法,确定3种CPUE类型的先验概率,建立可用于渔场预报的朴素贝叶斯预报模型。作为实际验证,将2012年7~11月我国柔鱼渔船在西北太平洋实际生产数据与预报的高CPUE渔场位置进行叠加,平均综合预报精度达到69.9%,表明该模型对西北太平洋渔场的预报具有较好效果和可行性。     

东南太平洋智利竹筴鱼生物学特征与个体繁殖力研究

鱼类生物学特征研究包括叉长、体重分布,胃含物种类及出现频率,性腺发育状程度方面。根据2012年3-9月以及2014年4-8月在东南太平洋采集的1 055尾智利竹筴鱼样本,选取性腺成熟度Ⅲ期以上的智利竹筴鱼雌性样本,对个体繁殖力及其与生物学指标的关系进行了研究。结果显示,样本叉长范围为182~581 mm,体重范围为62.2~1 494 g,绝对繁殖力在42 211~305 305粒,平均繁殖力为145 482粒;个体叉长相对繁殖力在142~686粒/mm平均值为371粒/mm;个体体重相对繁殖力在133~349粒/g平均值为211粒/g。绝对繁殖力与叉长、体重、纯体重及性腺重等生物学指标显著性正相关,8月份的摄食强度较高,可能与性腺的发育和繁殖有关。     

基于栖息地指数的西北太平洋日本鲭渔情预报模型构建

根据2014-2017年5-11月西北太平洋公海灯光围网日本鲭(Scomber japonicus)生产数据,结合同期的环境遥感数据,分别基于捕捞量和作业次数,构建日本鲭栖息地适宜性指数(Habitat Suitability Index,HSI)模型。选取海表水温、海面高度异常和叶绿素a浓度,采用一元指数回归拟合,建立各个环境变量的适应性指数模型,并利用线性规划方法确定各环境因子的权重,从而提高日本鲭HSI模型对渔场的预报精度。利用2018年5-11月的实际捕捞数据对模型进行预报准确率验证,在基于渔获量和作业次数构建的HSI模型中,HSI大于0.7的海域,渔获量平均占比分别为77.29%、76.79%,这表明基于不同权重环境因子的HSI模型能够较好地预测西北太平洋公海日本鲭中心渔场。     

东南太平洋秘鲁鳀资源量预报模型的构建

秘鲁鳀（Engraulis ringens）是栖息于东南太平洋沿岸的一种小型中上层鱼类。有效地对秘鲁鳀资源量进行预报将有助于为我国鱼粉进口企业提供决策支撑。为此,本研究结合秘鲁鳀生物（上一个渔汛季度的资源量、渔获物中的幼鱼比例）和环境（渔场水温和nino1+2区的温度距平）因素及捕捞量为预报因子,利用主成分分析和多元线性回归的方法对17个渔汛季度（2006年至2014年第一渔汛季度）秘鲁鳀的资源量建立预报模型并利用主成分分析的结果对影响秘鲁鳀资源变动的因子进行初步评价。研究表明,随着时间的推移样本量的增加,模型拟合资源量与真实资源量的平均相对误差逐渐下降,拟合资源量序列与真实资源量序列的相关系数逐渐增加。最终模型5（建模数据为2006-2013年第二渔汛季度的数据,验证数据为2014年第一渔汛季度的数据）能够很好地拟合出秘鲁鳀资源量的大小及变动趋势拟合资源量序列与真实资源量序列的相关系数为0.861;拟合资源量序列与真实资源量序列的平均相对误差为12%;预报得到的2014年第一渔汛季度的数据与真实值相比,相对误差为1%。结合主成分分析的结果对影响秘鲁鳀资源变动的因素进行评价结果表明,第一主成分的方差贡献率为46%,其中环境因素占据了最大的载荷;第二主成分的方差贡献率为23%,同样环境因素占据了最大载荷,但是,排名第二和第三的因素分别是上一个渔汛季度的资源量和捕捞量,其载荷相当;第三和第四主成分的方差贡献率分别为9%和7%,其中幼鱼比例占的载荷最大。根据各主成分得分序列与资源量序列的相关系数结果,环境因子对秘鲁鳀资源变动有重要影响。     

西北太平洋柔鱼中长期预测方法研究

为了能更好预测西北太平洋柔鱼的资源量, 选择合适的预测方法及开发相应的预测系统颇为重要。利用相关性分析, 筛选出在产卵区显著影响西北太平洋柔鱼资源量的关键网格点, 并采用这些网格点的海表温度、产卵区适宜温度所占面积的比例和单位努力捕获量等数据组织样本, 然后利用线性回归、BP 神经网络、RBF 神经网络和支持向量机等预测方法进行实验。结果表明: 在西北太平洋柔鱼中长期预测中, BP 神经网络要优于其他方法。以相关性分析和BP 神经网络为基础建立的西北太平洋柔鱼资源量预测系统是有效可行的。     

利用BP神经网络标准化东南太平洋茎柔鱼(Dosidicus gigas)资源丰度

东南太平洋茎柔鱼(Dosidicus gigas)是短生命周期大洋性经济鱼类,其资源量受环境因素变化的影响较大。根据我国鱿钓船队2013~2017年在东南太平洋的生产统计数据,结合海洋环境数据包括海表面温度(SST)、海表面盐度(SSS)、叶绿素a浓度(chl a),运用BP神经网络(back propagation network)模型来标准化单位捕捞努力量渔获量(catch per unit effort, CPUE,也称名义CPUE)。以均方误差(mean square errors, MSE)和平均相对变动值(average relative variances, ARV)为最优模型判断依据,比较隐含层节点3-10的神经网络模型,发现6-9-1结构为最优模型。用Garson算法解释模型结果,发现各输入层因子对东南太平洋茎柔鱼资源丰度影响重要度排序为chl a、SST、经度(Lon)、SSS、纬度(Lat)、月份(Month)。并作名义CPUE和标准化CPUE资源丰度对比分布图,结果显示CPUE与标准化CPUE总体分布状况基本一致,但局部区域存在明显差异, 80°~85°W及10°~20°S海域适宜鱿钓生产,表明BP神经网络模型可以适用于东南太平洋茎柔鱼的CPUE标准化,从而为鱿钓渔业生产提供一定参考依据。     

基于产卵场环境因子的阿根廷滑柔鱼资源补充量预报模型研究

西南大西洋阿根廷滑柔鱼Illex argentinus是短生命周期种类,其资源量极易受到海洋环境变化的影响。根据2003—2011年我国鱿钓船队在西南大西洋的生产统计数据,以及产卵场海洋表面温度(SST)、海表温度距平值(SSTA),计算分析了阿根廷滑柔鱼在产卵期产卵场各月最适表层水温范围占总面积的比例(用PS表示)以及表征海流强度的SST、SSTA等多种环境变量因子与单位捕捞量渔获量(CPUE)的相关性,建立多种基于主要环境因子的资源补充量预报模型,同时分析比较预报模型的优劣。相关性分析表明:6月份有3片连续区域的SST与CPUE之间存在强相关性,分别为38°~39°S、54°~55°W,40.5°~41.5°S、51°~52°W,39.9°~40.4°S、42.6°~43.1°W。利用6月份此3片连续区域SST与次年CPUE建立的三元线性模型,模型符合统计检验,偏差解释率为82.4%。在此基础上加入7月份PS影响因子建立3种方案下的误差反向传播(EBP)神经网络模型。结果认为,包含了福克兰寒流与巴西暖流表温信息的方案3模型优于其他两种模型,其准确率可以达到90%以上。     

A New model to forecast fishing ground of Scomber japonicus in the Yellow Sea and East China Sea

The pelagic species is closely related to the marine environmental factors, and establishment of forecasting model of fishing ground with high accuracy is an important content for pelagic fishery. The chub mackerel(Scomber japonicus) in the Yellow Sea and East China Sea is an important fishing target for Chinese lighting purse seine fishery. Based on the fishery data from China's mainland large-type lighting purse seine fishery for chub mackerel during the period of 2003 to 2010 and the environmental data including sea surface temperature(SST), gradient of the sea surface temperature(GSST), sea surface height(SSH) and geostrophic velocity(GV), we attempt to establish one new forecasting model of fishing ground based on boosted regression trees. In this study, the fishing areas with fishing effort is considered as one fishing ground, and the areas with no fishing ground are randomly selected from a background field, in which the fishing areas have no records in the logbooks. The performance of the forecasting model of fishing ground is evaluated with the testing data from the actual fishing data in 2011. The results show that the forecasting model of fishing ground has a high prediction performance, and the area under receiver operating curve(AUC) attains 0.897. The predicted fishing grounds are coincided with the actual fishing locations in 2011, and the movement route is also the same as the shift of fishing vessels, which indicates that this forecasting model based on the boosted regression trees can be used to effectively forecast the fishing ground of chub mackerel in the Yellow Sea and East China Sea.     

基于提升回归树的东、黄海鲐鱼渔场预报

为提高东、黄海鲐鱼渔场预报准确率、降低渔业生产成本,研究提出了一种基于提升回归树的渔场预报模型。研究采用2003—2010年我国大型灯光围网渔捞日志数据,以有网次记录的小渔区为渔场,以渔捞日志未记录的区域作为背景场随机选择假定非渔场数据,以海表水温等环境因子作为预测变量构建东、黄海鲐鱼渔场预报模型并以2011年的实际作业记录对预报模型进行精度验证。验证计算得到预报模型的AUC(area under receiver operating curve)值为0.897,表明模型的预报精度较高。模型的空间预测结果表明,预报渔场与实际作业位置基本吻合,其位置移动也与实际情况相符。这表明基于提升回归树的渔场预报模型可以用来进行东、黄海鲐鱼渔场的预报。     

基于不同权重的栖息地指数模型预报阿根廷滑柔鱼中心渔场

本文根据2003-2009年1-5月和2011年1-5月西南大西洋海域阿根廷滑柔鱼(Illex argentinus)的生产数据,结合遥感获得的海表面温度(SST)和海表面高度(SSH)数据,利用不同权重的栖息地指数模型来预报阿根廷滑柔鱼的中心渔场。采用外包络法,利用作业次数与SST、SSH建立适应性指数(SI)模型,依据作业次数比重和产量比重来比较不同权重的算术加权模型(AWM),从而筛选出最佳模型,并对最佳模型进行验证。结果显示,确定AWM(a=0.3,SST权重为0.3,SSH的权重为0.7)为最佳模型,当栖息地适应性指数(HSI)大于0.6时,作业次数的比重为93.23%,产量比重为89.28%,当HSI小于0.4时,作业次数的比重为2.12%,产量比重为3.35%。利用2011年1-5月的生产数据和环境数据对AWM(a=0.3)进行验证,结果显示,在HSI大于0.6的海域,各月作业次数比重均在91%以上,产量比重均在95%以上。研究表明,在阿根廷滑柔鱼渔场形成中SSH比SST更为重要,基于SST和SSH的AWM(a=0.3)能够较好地预测西南大西洋阿根廷滑柔鱼的中心渔场。     

利用栖息地适宜指数分析秘鲁外海茎柔鱼渔场分布

根据2003—2007年秘鲁外海茎柔鱼渔获数据以及海洋环境数据[表温(SST),表温水平梯度、表层盐度(SSS)、海面高度(SSH)、叶绿素(Chl-a)浓度],利用主成分分析法确定各环境因子的权重,分别采用权重求和法和几何平均法进行栖息地适宜指数(HSI)建模分析,选择最优模型进行实证分析,结果表明,权重最高的环境因子为SST,最小的为Chl-a浓度。HSI值较高的海区一般位于200海里专属经济区外附近海域。经统计比较,用权重求和法计算所得HSI值好于几何平均法。利用2008年茎柔鱼生产数据进行实证分析,产量和作业次数随HSI值升高而增加,权重求和法的HSI模型可用于茎柔鱼渔场的实时动态预报。分析还显示,HSI分布情况与研究海域的的海洋环境密切相关,HSI不小于0.8的海区一般处在水团交汇处。     

利用栖息地适宜指数分析秘鲁外海茎柔鱼渔场分布

根据2003—2007年秘鲁外海茎柔鱼渔获数据以及海洋环境数据 ,利用主成分分析法确定各环境因子的权重,分别采用权重求和法和几何平均法进行栖息地适宜指数(HSI)建模分析,选择最优模型进行实证分析,结果表明,权重最高的环境因子为SST,最小的为Chl-a浓度。HSI值较高的海区一般位于200海里专属经济区外附近海域。经统计比较,用权重求和法计算所得HSI值好于几何平均法。利用2008年茎柔鱼生产数据进行实证分析,产量和作业次数随HSI值升高而增加,权重求和法的HSI模型可用于茎柔鱼渔场的实时动态预报。分析还显示, HSI分布情况与研究海域的的海洋环境密切相关,HSI不小于0.8的海区一般处在水团交汇处。     

基于神经网络的南太平洋长鳍金枪鱼渔场预报

南太平洋长鳍金枪鱼是我国远洋渔业的重点捕捞对象;对南太平洋长鳍金枪鱼进行准确的渔场预报;可以提高捕捞效率;提高渔业的生产能力。本研究根据1993-2010年南太平洋长鳍金枪鱼的延绳钓生产数据以及海洋卫星遥感数据（海水表面温度;SST;海面高度;SSH）和ENSO（El Niño-Southern Oscillation）指标;采用DPS（data processing system）数据处理系统中的BP人工神经网络模型;以渔获产量（单位时间的渔获尾数）和单位捕捞努力量渔获量（CPUE;Catch per unit of effort）分别作为中心渔场的表征因子;并作为BP模型的输出因子;以月、经度、纬度、SST、SSH和ENSO指标等作为输入因子;分别构建4-3-1;5-4-1;5-3-1;6-5-1;6-4-1;6-3-1等BP模型结构;比较渔场预报模型优劣。研究结果表明;以CPUE作为输出因子的BP人工神经网络结构总体上较优;其中以6-4-1模型结构为最优;相对误差只有0.006 41。研究认为;以CPUE为输出因子的6-4-1结构的人工神经网络模型;能够准确预报南太平洋长鳍金枪鱼的渔场位置。     

利用基于表温因子的栖息地模型预测西北太平洋柔鱼(Ommastrephes bartramii)渔场

根据1999—2004年8—10月主渔汛期间我国鱿钓船在150—165°E海域的鱿钓生产数据,结合其表温及表温梯度,分别将作业次数百分比和单位渔船日产量作为适应性指数,利用算术平均法(AM)和联乘法(GM)分别建立基于表温因子(表温和表温水平梯度)的综合栖息地指数模型。结果表明,AM栖息地指数模型和GM栖息地指数模型均拟合较好,在HSI大于0.6的海域,1999—2004年间其作业次数平均比重分别在70%以上,平均日产量均在2t/d以上。但AM模型稍优于GM模型。利用2005年8—10月生产数据及表温资料对AM模型进行验证,分析认为作业渔场主要分布在HSI大于0.6海域,其作业次数比重达到80%以上,各月平均CPUE均在3.0t/d以上。研究表明,基于表温和表温水平梯度的AM栖息地模型能获得较好预测西北太平洋柔鱼中心渔场。