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。     

基于环境因子的东、黄海鲐鱼剩余产量模型及应用

海洋环境是影响中上层鱼类资源的重要因子之一。本文根据东、黄海鲐鱼推断的产卵场海域平均海表面温度(SST)和适宜SST(15~21℃)范围,假设环境容量K和内禀自然增长率r与环境因子呈线性关系,建立了基于SST的剩余产量模型(Environmentally Dependent Surplus Produc-tion Model,EDSP模型),分析环境因子对东、黄海鲐鱼资源的影响。用Akaike信息法则(Akaike Information Criterion,AIC)对不同模型进行了比较。研究结果表明,产卵场适宜SST面积与平均SST成反比,基于产卵场适宜SST面积的ESDP模型为最优模型,并证实产卵场适宜SST面积大小与Kr、呈线性关系,进而对鲐鱼繁殖成功率和补充量的影响。研究结果可为鲐鱼资源量的预测和科学管理提供参考。     

应用水温数据对印度洋黄鳍金枪鱼亲体-补充量Ricker模型的扩展

海洋环境是影响印度洋黄鳍金枪鱼(Thunnus albacares)资源量的重要原因之一。本文根据1960-2002年印度洋黄鳍金枪鱼亲体-补充量数据,基于以0~40m海水垂直平均温度(Verticalaverage sea temperature,VAST)为代表的环境因子对Ricker式亲体补充量模型进行了优化。分析表明,印度洋4月0~5°N、80°E~85°E,5月、6月0~5°N、45°E~50°E,7月、8月5°N-10°N、90°E-95°E,12月5°N-10°N、70°E-75°E等海域的VAST对印度洋黄鳍金枪鱼的补充量影响最为显著,加入这些VAST环境因子的Ricker模型,其AIC(Akaike information criterion)值明显降低,拟合效果得到明显提高,这表明水温等环境因子对黄鳍金枪鱼的种群补偿过程产生了干扰。     

渔业产量和资源生物量数值模型及相关因子的初步研究

对于渔业的中长期预报计算,是渔业种群补充的关键问题。本文在单位补充量产量和单位补充量生物量模型中加入了亲体一补充模型即密度相关过程,并引入了白色噪音以模拟环境变化。结果表明：本研究(1)可以明确地给出渔业种群崩溃的可能性,估计出达到崩溃时的捕捞死亡率;(2)可以估计最大持续产量的绝对值;(3)引入的白色噪音可以模拟环境变化对产量与捕捞死亡率和产量与亲体生物量关系曲线的影响。虽然亲体补充关系仍多是个假设,补充与亲体之间存在的补偿机制需要进一步的研究。     

利用后向预报方法分析印度洋黄鳍金枪鱼资源评估模型

当前,对渔业资源评估模型的诊断与选择,主要依赖于模型对观察数据的拟合度,很少评价模型的预测能力、并将其作为评价渔业资源评估与管理质量的依据。为此,本文利用后向预报方法评价了印度洋黄鳍金枪鱼(Thunnus albacores)资源评估模型的预测能力,并在此基础上分析了印度洋黄鳍金枪鱼的资源评估与管理质量。研究表明,在利用贝叶斯剩余产量模型对印度洋黄鳍金枪鱼进行资源评估时,存在如下问题:(1)拟合较好的模型其预测能力较差;(2)利用不同时段数据拟合模型时,采用DIC(Deviance Information Criterion)选择的最佳模型缺少稳定性;(3)不同模型估计的TAC (Total Allowable Catch)存在较大差异。据此可以判断,利用贝叶斯剩余产量模型对印度洋黄鳍金枪鱼进行资源评估与管理效果较差。本研究结果表明:(1)利用后向预报方法可评价模型的预测能力、DIC选择模型的稳定性,从而能在一定程度上判断模型模拟的种群演化动态是否正确、资源评估结果是否存在问题;(2)利用后向预报方法可揭示评估结果的不确定性及其可能引起的渔业管理风险,从而有利于避免渔业管理风险、实现渔业管理目标。     

叉长频数数据误差对东海中部鲐鱼资源评估结果的影响

以2009年至2010年在东海中部采集的鲐鱼(Scomber japonicus)样本叉长数据为基础,结合历史数据,开展叉长数据误差对资源评估结果影响的研究。评估考虑2种情况:1)使用完整采样数据和历史数据建立Von Bertalanffy生长方程,并将鲐鱼的叉长转换为年龄。其生长参数为:K=0.49,L∞=404.6,t0=-0.9;2)删除部分大个体鲐鱼,使用剩余叉长数据建立有误差的Von Bertalanffy生长方程,同样将叉长转换为年龄。其生长参数为:K=0.4,L∞=372.5,t0=-0.34。根据以上2个转换结果,基于2006年至2012年鲐鱼产量和捕捞努力量等数据,分别进行资源评估。2组数据得出的剩余产量曲线基本吻合,最大可持续产量(MSY)和捕捞努力量(EMSY)分别约为18.8万t和72艘标准机轮围网渔船。而亲体补充量曲线则相去甚远,含有误差的年龄分组得出的亲体量范围在3000×106到5000×106之间,呈现出亲体量过高,需要增加捕捞努力量来提高补充量的状态,这与现实情况的400×106到500×106不相符。含误差的分组预测出的近几十年亲体量和渔获量是大幅度周期性剧烈变化的,生物量将在1年内达到高峰值约135.5万t,而随后2年内降至约40万t,之后又将在2年内升至高峰值,以此周期循环。亲体量的高峰值与低谷值与渔获量十分接近,渔获量的高峰值与低谷值维持在约60万t和15万t左右。与无误差分组得出的生物量将在6年内减少至约32.3万t,随后保持稳定,亲体量与年渔获量分别将稳定在15.8万t和10.5万t的评估结果相比存在很大差异。     

利用生物量动态模型与Euler-Lotka方程估算亲体-补充量模型的陡度参数

陡度是亲体与补充量模型中的关键参数,能反映补充量受亲体量的约束程度,但该参数难以通过渔业资源评估模型直接估计,而随意假设则可能会降低渔业资源评估结果的可靠性。因此,本文提出了利用生物量动态模型(Biomass dynamic model)与Euler-Lotka方程估计陡度经验分布的方法。先利用贝叶斯生物量动态模型估计内禀增长率的分布,在此基础上,利用Euler-Lotka方程估计陡度的经验分布,再以印度洋长鳍金枪鱼(Thunnus alalunga)陡度估计为例,展示了该方法。研究表明:陡度的估计受资源丰度指数、自然死亡系数、性成熟率、生长参数等数据的影响;当使用中国台湾延绳钓渔业在15°S~45°S、55°E~100°E海域的标准化CPUE、4种自然死亡系数与4种性成熟率时,生物量动态模型能较好估计内禀增长率,估计的陡度均值在0.80~0.87之间,与大西洋、北太平洋长鳍金枪鱼陡度值基本一致,估计结果具有合理性;同时,本文陡度估计支持印度洋长鳍金枪鱼资源处于健康状态的判断。研究结果将进一步丰富陡度估计方法,为陡度的合理假设及印度洋长鳍金枪鱼的资源评估提供理论支持。     

基于地面激光扫描仪的潮滩地貌研究初探

传统潮滩地貌的研究方法难以刻画潮滩的微观地貌特征,地面激光扫描仪(TLS)的应用为潮滩地貌的研究提供了新的切入点,然而目前关于TLS在潮滩地貌研究中鲜有报道。以江苏东灶港海岸一段潮滩地貌为研究对象,基于野外扫描数据,对扫描区域的点云数据进行精度评估,并尝试利用反距离加权插值(IDW)与克里金插值(Kriging)方法构建了潮滩地貌的数字高程模型(DEM)。研究结果表明:(1)通过点云数据构建的DEM数据能够实现潮滩地貌的定量模拟;(2)利用IDW插值可以便捷高效构建潮滩海量数据点的DEM;(3)利用TLS量化短期地貌变化如潮汐沉积旋回效果并不好。本研究可为利用TLS在潮滩微观地貌中的量化研究提供参考。     

黄河河流水体二氧化碳分压及其影响因素分析

根据2003年秋季黄河河流水体二氧化碳分压(p(CO2))的实测数据，结合水文、化学和生物等要素的同步观测资料，对河流水体p(CO2)的影响因素进行了探讨。研究结果表明：生物好氧呼吸作用不是影响河流水体p(CO2)的主要因素，黄河河流p(CO2)的高低主要受水体碳酸盐系统的控制。     

基于GIS的高频地波雷达回波信号的表达处理与显示

高频地波雷达的“距离-多普勒”(Range-Doppler, R-D)数据与“恒虚警率”(Constant False-Alarm-Rate, CFAR)检测结果数据存在非直观性的问题, 本文针对此问题, 分析了地波雷达回波数据特点以及结果形式, 研究了采用地理信息系统(Geographic Information System, GIS)技术对回波数据进行显示分析, 对R-D 与CFAR 检测结果进行表达, 实现高频数据在GIS 环境下的表达处理与显示。本文采用GIS的栅格表达“距离-多普勒”数据, 采用矢量数据结构表达CFAR 检测结果, 实现了地波雷达检测信息的直观显示; 研究了高频地波雷达数据中特定距离一维谱信号的提取, 实现了基于距离值的目标CFAR 检测查询; 针对雷达数据量大、处理时间长的问题, 采用多线程处理机制实现了高效实时显示和分析。     

Developing spatial models of sugar kelp (Saccharina latissima) potential distribution under natural conditions and areas of its disappearance in Skagerrak

Sugar kelp (Saccharina latissima) forests have an important ecological function in the coastal zone, as they inhabit a high number and a specific composition of fauna. In 2002, a large-scale disappearance of sugar kelp was observed in Skagerrak and parts of the south-western coast of Norway, and the perennial sugar kelp forests were replaced by opportunistic and ephemeral filamentous algae. For management purposes, including identifying areas for restoration initiatives, maps of where sugar kelp forests are supposed to be found and where and under what conditions they have disappeared are needed. Based on modelled and field-measured geophysical variables and presence/absence/loss data of sugar kelp, we therefore developed spatial predictive probability models (i.e. maps) for sugar kelp potential distribution under natural conditions and areas of kelp loss. The influence of geophysical factors was analysed using generalized additive models (GAMs). Using the Akaike Information Criterion (AIC) for model selection, we found that wave exposure, depth, light exposure and slope best explained the potential distribution of sugar kelp. Areas of sugar kelp disappearance were identified by the combined effect of wave and light exposure. These models were developed into maps presented to the managers.     

基于GAM的西北太平洋日本鲭资源丰度预测模型建立

日本鲭(Scomber japonicus)是西北太平洋重要的鱼类资源之一,科学预测日本鲭的资源丰度有利于其资源的合理开发和利用。本研究依据日本渔业机构提供的1987–2012年日本鲭太平洋群体的资源量数据,结合产卵场和渔场的海洋环境数据以及气候因子,使用广义加性模型对影响日本鲭太平洋群体的海洋环境和气候因子进行分析,筛选出有显著影响的因子并建立该群体的资源量预测模型。结果表明,与该群体资源量有显著关系的影响因子有:北极涛动指数、太平洋年代际振荡指数、渔场海表面高度、渔场海表面盐度和渔场海表面温度。基于赤池信息准则筛选出的4个资源量预测模型分析表明,包含北极涛动指数、渔场海表面高度和渔场海表面温度的模型有较好的预测效果,该模型的验证结果也通过了t检验(P<0.05),可用于日本鲭太平洋群体资源量的预测。     

A multi-distribution approach to POT methods for determining extreme wave heights

Determination of extreme wave heights using a Peaks-Over-Threshold (POT) approach is revisited. Firstly, the GPD-Poisson model is recalled. A double threshold is presented and justified, with objective tools for determining the high threshold. This model is then extended to other statistical distributions, namely the Weibull and Gamma distributions. Objective criteria (BIC and AIC) based upon likelihood are used to select the best-fitting distribution. This method is tested on two locations: the historical IAHR Haltenbanken dataset and a location at the entry of the Strait of Gibraltar. Finally, sensitivity analyses are carried out with respect to the high threshold and to the duration of the dataset to estimate the robustness of the approach presented.     

生物和非生物因子对秋季海州湾长蛇鲻栖息地适宜性的影响

根据2011年和2013-2018年秋季在海州湾及邻近海域进行的底拖网调查数据,结合同步采集的底层水温、底层盐度、水深、资源密度、饵料生物等生物和非生物因子数据,开展长蛇鲻(Saurida elongata)栖息地适宜性的相关研究。利用提升回归树(Boosted Regression Tree, BRT)模型确定各环境因子的权重,分别采用算术平均法和几何平均法建立栖息地适宜性指数(Habitat Suitability Index, HSI)模型,并通过交叉验证确定最优模型。结果表明:海州湾长蛇鲻在秋季最适宜栖息的底层水温范围为17.5～18℃,最适底层盐度范围为31.3～32.0,最适水深范围为24～37 m;选择其3种主要饵料生物作为生物因子,即枪乌贼(Loligospp.)、戴氏赤虾(Metapenaeopsis dalei)和六丝钝尾鰕虎鱼(Amblychaeturichthys hexanema),与底层水温、底层盐度和水深共同作为影响因子建立HSI模型。结果显示,对长蛇鲻空间分布总偏差贡献率最高的是饵料因子,其次是水深和底层水温。通过交叉验证发现,运用算术平均算法,且赋予权...     

Identifying soft sediments at sea using GIS-modelled predictor variables and Sediment Profile Image (SPI) measured response variables

Macrofauna composition and diversity in soft sediments are commonly used as “health indicators” in various pollution monitoring programmes worldwide. Hence, finding a modelling method for predicting the presence of soft sediments and enable production of digital maps of where soft sediments are likely to be found would be valuable for developing a cost-effective sampling design. This study presents a first-generation model that can predict where to find soft sediments in coastal areas with a complex topography and a mosaic of seabed habitat types. We used geophysical data that were quantitative, objectively defined (through GIS modelling) and integrated over time. We analysed, using a Generalised Additive Model (GAM) and the model-selection approach Akaike Information Criterion (AIC), the influence of in-situ measured depth and GIS-modelled terrain structures, wave exposure and current speed on the distribution of soft sediment measured using a Sediment Profile Image (SPI) camera. Our analyses showed that the probability of finding soft sediment was best determined by depth, terrain curvature and median current speed at the seafloor. These predictors were used to develop a spatial predictive GIS-model/-map (for parts of Skagerrak, Norway, with a spatial resolution of 25 m × 25 m) of the probability of soft seabed occurrence.     

Identifying Rocky Seabed Using GIS-Modeled Predictor Variables

Mapping the seabed along the Norwegian coast is costly and time consuming. Hence, finding a modeling method to separate rocky seabed from other substrate types will provide digital maps that may be used to develop cost-effective sampling designs to predict species and habitat distribution. Our approach was to use geophysical data that were quantitative and objectively defined, generalized additive models (GAMs), and Akaike information criterion (AIC) to develop statistical models and select among them. We found that slope, terrain curvature, wave exposure, and depth predicted rocky seabed occurrence with a high degree of certainty.     

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。     

Forecasting ocean wave energy: The ECMWF wave model and time series methods

Recently, the technology has been developed to make wave farms commercially viable. Since electricity is perishable, utilities will be interested in forecasting ocean wave energy. The horizons involved in short-term management of power grids range from as little as a few hours to as long as several days. In selecting a method, the forecaster has a choice between physics-based models and statistical techniques. A further idea is to combine both types of models. This paper analyzes the forecasting properties of a well-known physics-based model, the European Center for Medium-Range Weather Forecasts (ECMWF) Wave Model, and two statistical techniques, time-varying parameter regressions and neural networks. Thirteen data sets at locations in the Atlantic and Pacific Oceans and the Gulf of Mexico are tested. The quantities to be predicted are the significant wave height, the wave period, and the wave energy flux. In the initial tests, the ECMWF model and the statistical models are compared directly. The statistical models do better at short horizons, producing more accurate forecasts in the 1-5 h range. The ECMWF model is superior at longer horizons. The convergence point, at which the two methods achieve comparable degrees of accuracy, is in the area of 6 h. By implication, the physics-based model captures the underlying signals at lower frequencies, while the statistical models capture relationships over shorter intervals. Further tests are run in which the forecasts from the ECMWF model are used as inputs in regressions and neural networks. The combined models yield more accurate forecasts than either one individually.