基于GAM和GLM模型的西北太平洋秋刀鱼CPUE标准化比较研究

秋刀鱼（Cololabis saira）是中国在西北太平洋海域的重要的捕捞对象之一,单位捕捞努力量渔获量（CPUE） 标准化是开展其资源评估研究的重要内容,许多统计模型被运用到CPUE标准化研究中。本文根据2003-2017年中国大陆在西北太平洋海域的秋刀鱼生产统计资料,结合卫星遥感获得的海洋环境数据如：海表面温度、海表面高度以及海温梯度等,基于广义线性模型（general linear model,GLM） 和广义加性模型（generalized additive model,GAM） 对中国大陆西北太平洋秋刀鱼渔业进行CPUE 标准化,并对两种模型的结果进行了对比分析研究。通过贝叶斯信息准则选择最佳GLM和GAM模型,使用解释偏差和5-fold交差验证来对比两个模型结果。GLM模型的最佳模型对CPUE偏差的解释率为21.57%,GAM的最佳模型对CPUE偏差的解释率为38.95%。通过5-fold交差验证分析发现,GAM模型标准化结果较优于GLM模型,因此,认为GAM模型更适合于西北太平洋秋刀鱼渔业CPUE标准化。     

基于GAM模型西北印度洋鸢乌贼CPUE标准化

单位捕捞努力量渔获量(Catch Per Unit Effort,CPUE)是资源评估的前提和基础,为了更好地评估西北印度洋鸢乌贼资源,采用广义加性模型(generalized additive model,GAM)对2016~2020年西北印度洋鸢乌贼的CPUE进行了标准化。结果显示,月份、海表温度(sea surface temperature,SST)、海面高度(sea surface height,SSH)、经度和纬度对CPUE呈显著性影响,通过对不同GAM模型的AIC(Akaike information criterion)值比较,由月份、SST、SSH、经度和纬度5个因子构成的GAM模型为最优CPUE标准化模型,对CPUE偏差的解释率为40.3%。研究表明,西北印度洋鸢乌贼高CPUE主要出现在9月至翌年3月,海域范围为16°~19°N、60°~65°E,SST为25~28℃、SSH为0.2~0.4m的海域内。整体而言,标准化CPUE低于名义CPUE,但二者的变化趋势基本一致。     

基于GM(1,1)模型的海洋经济发展预测研究

文章采用灰色预测法,选取2001—2016年我国海洋生产总值作为基础数据,建立海洋经济发展预测模型即GM(1,1)模型;运用残差检验、关联度检验和后验差检验对该模型精度进行检验,同时运用该模型对已知年份数据进行预测并将预测值与实际值相比较,结果表明模型预测精度较高,对于短期预测具有可信度;在此基础上,运用GM(1,1)模型计算和预测2017—2021年我国海洋生产总值,得出我国海洋经济将保持稳步增长的结论。     

基于空间自相关的阿根廷滑柔鱼CPUE标准化研究

CPUE的观测往往不是独立的,而是存在空间相关性的。但是,大多数的CPUE标准化方法通常都假设名义CPUE在空间上是相互独立的。为此,本研究以西南大西洋阿根廷滑柔鱼为例,采用2000-2014年1-5月中国大陆鱿钓生产统计数据以及对应的海表温度和叶绿素浓度数据,选择广义线性模型（general linear model,GLM）为基础模型,将空间自相关加入到GLM中,比较标准GLM和4种加入空间自相关的空间GLM的CPUE标准化。根据最小信息准则（Akaike Information Criterion,AIC）及贝叶斯信息准则（Bayesian Information Criterion,BIC）,空间自相关的GLM的CPUE标准化结果优于标准GLM,其中指数模型的CPUE标准化结果最佳。同时,标准GLM与空间自相关的GLM相比,存在精确度过高估计的问题。因此,在CPUE标准化中,应充分考虑空间自相关这一因素。     

基于灰色预测模型GM(1,1)的海洋人才预测研究

我国海洋经济已进入快速发展阶段,海洋人才需求量不断增长。文章使用灰色预测模型GM(1,1)对海洋从业人员数进行预测,结果显示:2015年我国海洋从业人员需求量将达到4 595.5万人,海洋科技人才将达到689.3万人。文中最后指出,要满足未来几年内海洋人才大幅上升的需求,必须加强海洋类高校的人才培养力度。     

GM(1,1) 灰色模型改进及其应用

就GM(1,1)模型定解条件的选取问题做了一定的探讨。GM(1,1)模型传统算法认为最小二乘拟合曲线通过第一点,该方法存在一定的不足之处。提出使拟合曲线通过最新点的方法进行预测的改进方法,并且用MATLAB编程语言实现了改进灰色模型的预测程序。将提出的改进方法应用到变形预测中,并且将预测结果与传统模型得到的预测结果进行比较,结果表明提出的改进模型具有较好的实用性和参考价值。     

基于GM(1,1)模型的海区大风灰色理论预测

根据灰色理论方法对影响东海某海区大风建立了GM(1,1)模型,并利用海区8~10月观测资料进行了对比分析,研究发现,该模型物理概念清晰,对9~10月海区大风预测效果较好,对海区灾害性大风长期预报具有一定的指导意义。     

不同环境模态下空间分辨率对北太平洋柔鱼CPUE标准化的影响

单位捕捞努力量渔获量(catch per unit effort,CPUE)常被假设与渔业资源量成正比而被应用于渔业资源评估与管理中,不同的环境模态下,所选取的空间分辨率对CPUE的标准化会产生影响,从而影响对该渔业资源丰度的评价.本研究运用广义加性模型(generalized additive model,GAM),...     

利用渔场环境因子标准化西北太平洋柔鱼CPUE的研究

本文利用1998-2016年西北太平洋柔鱼渔业数据及其渔场（35°~45°N,140°~165°E）的海洋遥感环境数据,包括海表温度、海面高度异常和叶绿素浓度,采用基于渔场环境的方法标准化西北太平洋柔鱼单位捕捞努力量渔获量（catch per unit effort,CPUE）。结果表明:柔鱼高频次作业的海表温度范围为10.2~22.2℃（96.05%）,海面高度异常范围为-15.9~28.2 cm（97.91%）,叶绿素浓度范围为0.0~1.0 mg/m3（96.69%）。名义CPUE和基于环境因子的标准化CPUE年际变化趋势基本一致。但由于柔鱼作业方式高度集中,有效捕捞努力量远低于名义捕捞努力量,以及考虑环境因子影响效应,名义CPUE均低于标准化CPUE。在深入理解鱿钓渔业和其生物学特性的基础上,基于渔场环境因子准化后的CPUE更具代表性,建议在以后的柔鱼资源评估与管理中使用基于渔场环境因子的标准化CPUE。     

浙江省滨海城市入境旅游发展研究——基于GM(1,1)模型

作为区域旅游业发展研究的一项重要内容,旅游指标建模与预测研究起始于20世纪60年代,已成为旅游研究的热点之一。基于灰色系统理论,以浙江省滨海7城市1995—2007年入境旅游统计资料为原始数据,建构旅游指标GM(1,1)灰色预测动态模型,并进行模型精度检验;对预测结果分析表明,模型预测结果与实际数据基本一致,进而利用该模型对浙江省滨海7城市2008—2012年入境旅游指标进行预测;最后,提出浙江省滨海7城市入境旅游可持续发展对策。     

GM ( 1, 1 ) 模型研究及其在水质预测中的应用

对GM ( 1, 1 ) 模型原始数列进行对数变换,减缓了数据变化的趋势,并通过matlab编程实现模型计算,简化了模型计算.将模型应用于胶州湾前湾海域水质预测,结果表明,模型对于单调数列的预测精度较高,预测结果与实测值吻合较好.     

基于DEA-Malmquist-Tobit模型的中国海洋渔业补贴财政效率及影响因素研究

作为世界上最大的渔业生产国和贸易国,中国渔业补贴政策的制定和实施对国计民生具有重大意义,也是推进海洋强国战略建设的题中应有之义。本文选取基于规模报酬可变假设的DEA模型测算了中国海洋渔业补贴的效率水平,进一步利用Malmquist指数对补贴效率的动态变化进行分解,探究效率变化的内在驱动因素,然后建立分析补贴效率影响因素的面板Tobit模型,对补贴投入和环境变量对补贴效率的影响进行分析,结果表明,当前我国海洋渔业补贴效率整体较低,且全要素生产率呈下降趋势,最后基于实证结果从改善补贴规模和调整产业结构等方面提出改善渔业补贴效率的对策建议。     

基于水足迹理论的即墨市水资源可持续利用对策研究

为制定合理的水资源可持续利用对策以缓解即墨市水资源短缺现状,研究采用水足迹理论和方法核算即墨市2008—2011年的水足迹大小,并采用GM(1,1)模型预测了未来5年的发展趋势。结果表明:研究期内即墨市水足迹呈上升趋势,年均增幅4.6%,在"惯性发展"情景下,到2016年水足迹较2011年增长25.7%,年均增幅为5.1%;农业是即墨市的用水大户,占总水足迹的90%以上;水足迹组成中,蓝水量所占比例最大,绿水量次之,绿水在农业生产中发挥了重要作用;各类农产品中牲畜产品耗水比例最大,粮食作物次之,林果业产品最小。在核算结果与分析的基础上,提出了6项即墨市水资源可持续利用对策。研究不仅体现了目前即墨市水资源的消耗类型、消耗量及发展趋势,为即墨市制定合理的水资源可持续利用对策提供一定科学依据和决策支持,而且丰富了水足迹核算的实践应用。     

Analysis of bycatch in the South African midwater trawl fishery for horse mackerel Trachurus capensis based on observer data

The South African midwater trawl fishery targets adult horse mackerel Trachurus capensis. The bulk of the catch is taken by a single freezer-trawler, the biggest fishing vessel operating in South African waters. As fishing takes place off the south coast in ecologically sensitive areas, there are concerns about the potential impacts of this fishing operation on non-target species. Fishing behaviour and bycatch of this fishery from 2004 to 2014 were investigated by analysing observer records with regard to catch composition, volume and temporal and spatial patterns. The midwater trawl fishery was estimated to have caught 25 415 tonnes annually, with a bycatch of 6.9% of the total catch, by weight. There are species overlaps with various fisheries, namely the demersal trawl, small-pelagic, line, shark longline and squid fisheries, yet the total bycatch estimates from this fishery are generally small relative to catches taken in the target fisheries. Bycatch species with the highest average annual catches were chub mackerel Scomber japonicus, redeye roundherring Etrumeus whiteheadi, ribbonfish Lepidopus caudatus and hake Merluccius spp. Large-fauna bycatch species included sunfish Mola mola as well as a number of CITES II- and IUCN-listed species, such as Cape fur seal Arctocephalus pusillus, dusky shark Carcharhinus obscurus, smooth hammerhead shark Sphyrna zygaena and thresher sharks Alopias spp. The 97.9% observer coverage is high and the 6.9% bycatch rate low compared to other South African fisheries; however, due to the large size of the individual hauls (average of 46.3 t), the average sampling rate of 1.56% is low. Our analyses suggest that bycatch in the South African midwater trawl fishery has been lower than in other South African fisheries and similar fisheries elsewhere, but due to the combination of high catch volumes and low sampling rates, estimation errors for rare species are high and there is a substantial risk of incidental unmonitored bycatch of rare large fauna and aggregations of small fauna. This could be mitigated by spatio-temporal management of this fishery, to avoid fishing in high-risk areas, and the introduction of an electronic monitoring programme.