基于最大熵模型的南太平洋长鳍金枪鱼栖息地预测

长鳍金枪鱼（Thunnus alalunga）是一种高度洄游的中上层鱼类,其分布受环境影响明显,利用海洋环境的变化对其栖息地分布进行预测有重要的科学意义。本研究采用2015—2017年盛渔期中国（不含港澳台地区）渔船在南太平洋140°E~130°W,0°~50°S区域长鳍金枪鱼延绳钓渔捞日志数据,结合同时期海洋环境数据,使用最大熵模型获得了2015—2016年盛渔期（5—8月）长鳍金枪鱼渔获率对各环境因子的反馈曲线以及各环境因子的贡献率,并据此计算出2017年盛渔期其潜在栖息地分布,然后叠加同年真实渔业数据对各模型的预测准确率进行比较。结果表明：（1）由渔获率对各环境因子的反馈曲线发现,25°S以北区域最适宜长鳍金枪鱼栖息的海表温度为28.4~30.6℃,300 m水深温度为13.2~17.6℃,海表面盐度为35.6~36.7,海表风场南北分量为-1.6~5.8 m/s;25°S以南区域最适宜长鳍金枪鱼栖息的海表温度为17.8~23.4℃,300 m水深温度为12.2~16.9℃,海表面盐度为35.2~36.0,海表风场南北分量为-0.7~4.9 m/s,总体相似。（2）25°S以北区域环境因子的重要性排名由高到低依次为海表面温度（因子平均贡献率31.3%）、海表面盐度（30.1%）、300 m水深温度（29.2%）、海表风场南北分量（9.4%）;在25°S以南区域依次为海表面温度（60.7%）、海表面盐度（22.4%）、海表风场南北分量（10.6%）和300 m水深温度（6.3%）;在25°S以南区域,最重要的环境因子为海表面温度（平均贡献率大于60%）,且显著高于以北区域的31%;在25°S以北区域,3个主要环境因子的重要性差异较小,平均贡献率都在30%左右。（3）模型的综合预测准确率在30%~85%,具体以中适生区的预测准确率较高,高、低适生区预测准确率相对较低。     

南印度洋长鳍金枪鱼渔获率与水深温度关系研究

印度洋金枪鱼延绳钓渔业是我国远洋渔业的重要组成部分,海洋不同深度的水温影响到长鳍金枪鱼(Thunnus alalunga)延绳钓渔获率。文章利用2008—2017年延绳钓生产作业数据,并结合Argo浮标水温数据,采用广义加性模型(Generalized additive model, GAM)分析长鳍金枪鱼空间分布与不同深度水温之间的关系。结果表明,海表面(0 m)、200和400 m 3个水层的温度显著影响长鳍金枪鱼的空间分布,最优的GAM模型对渔获率(单位捕捞努力量渔获量,Catch per unit effort, CPUE)的方差解释率为53.3%,模型拟合的决定系数为0.527。长鳍金枪鱼渔获率与所选取的3个水层温度均呈非线性关系,高渔获区集中分布于17～30℃的表层海域,17～20℃的200 m层海域,9～15℃的400 m层海域,以及他们的交集海线。文章初步得出了南印度洋长鳍金枪鱼空间分布与水深断面温度的关系,可为指导长鳍金枪鱼的合理生产提供技术支撑。     

基于栖息地指数的东太平洋长鳍金枪鱼渔场分析

长鳍金枪鱼(Thunnus alalunga)是东太平洋海域重要的金枪鱼种类之一,也是我国金枪鱼延绳钓的主要捕捞对象之一。本文根据2009~2011年美洲间热带金枪鱼委员会(IATTC)在东太平洋海域(20°N~30°S、85°W~150°W)长鳍金枪鱼延绳钓生产统计数据,结合海洋遥感获得的表温(SST)和海面高度(SSH)的数据,运用一元非线性回归方法,以渔获产量、单位捕捞努力量CPUE为适应性指数,按季度分别建立了基于SST和SSH的长鳍金枪鱼栖息地适应性指数,采用算术平均法获得基于SST和SSH环境因子的栖息地指数综合模型,并用2012年各月实际作业渔场进行验证。研究结果显示,在东太平洋长鳍金枪鱼的栖息地预测中,以CPUE为适应性指数的栖息地指数模型比以渔获量为适应性指数的栖息地指数模型预测更为准确。2012年中心渔场的预报准确性达75%以上,具较高预报准确度,可为金枪鱼延绳钓渔船寻找中心渔场提供指导。     

基于LightGBM的南太平洋长鳍金枪鱼渔场预报模型研究

长鳍金枪鱼以高经济效益、资源丰富等优点成为世界金枪鱼渔业主要捕捞目标之一,进行长鳍金枪鱼渔场预报研究,可以有效提高渔获产量,对渔业生产具有重要意义。传统的线性模型在面对复杂多变的海洋环境数据时无法准确分析其关键因子。本研究选取2000—2015年南太平洋长鳍金枪鱼的延绳钓生产数据,结合海表温度、叶绿素a质量浓度和海面高度等海洋环境因子以及月份和经、纬度等时空数据,采用集成学习模型—轻度量化梯度促进机(LightGBM)模型进行长鳍金枪鱼渔场预报,并与朴素贝叶斯、XGBoost和BP神经网络模型进行对比。同时采用网格搜索算法获取LightGBM模型的最优参数,利用交叉验证法验证模型的稳定性。试验结果表明,利用LightGBM模型对南太平洋长鳍金枪鱼渔场的最佳预报准确率可达72.6%,对比其他模型,LightGBM模型的准确率有了显著提高。研究表明,海面高度和海面温度为南太平洋长鳍金枪鱼渔场形成的关键影响因子。     

基于GAM模型分析水温垂直结构对热带大西洋大眼金枪鱼渔获率的影响

通过模型分析环境变量对延绳钓大眼金枪鱼渔获率的影响,评估适宜垂直活动空间对大西洋大眼金枪鱼延绳钓渔获率的作用。首先采用回归分析检验环境变量对延绳钓渔获率(由单位捕捞努力渔获量(catch per unit fishing effort,CPUE)表示)的影响显著性,结合时空变量,采用GAM(generalized additive model)模型分析各变量对大眼金枪鱼CPUE非线性作用。模型结果表明,环境因子和时空变量对热带大西洋延绳钓大眼金枪鱼渔获率空间分布影响明显。大西洋大眼金枪鱼延绳钓的高渔获率月份出现在夏季和冬季,空间上在赤道以北和30?~50?W。12℃等温线深度对大眼金枪鱼延绳钓渔获率的影响表现为抛物线形状,高渔获率出现在深度较浅的250 m水层,随着12℃等温线深度的增加,大眼金枪鱼延绳钓渔获率降低。温跃层下界深度和深度差对大眼金枪鱼延绳钓渔获率的影响都是穹顶状。随着温跃层下界深度值和深度差由小变大至200 m,延绳钓渔获率递增;温跃层下界深度和深度差超过200 m后,延绳钓渔获率变小。温跃层下界深度和深度差对大眼金枪鱼延绳钓渔获率影响显著的水层分别是200 m和50 m。研究结果显示,12℃等温线深度和温跃层对热带大西洋延绳钓大眼金枪鱼渔获率影响是交叉的,在大眼金枪鱼适宜垂直活动水层受限到和延绳钓作业深度相同时,延绳钓渔获率最高;在适宜垂直活动空间过深或者过浅时,延绳钓渔获率都变小,但可以通过改变作业方式提高渔获率。采用延绳钓CPUE进行渔场和资源评估要考虑金枪鱼适宜垂直活动空间。     

罩网兼作金枪鱼延绳钓的钓钩深度与渔获水层分析

2015年3-4月及2017年1月在南海外海进行了两次罩网渔船兼作金枪鱼延绳钓的捕捞试验,基于试验数据分析延绳钓钓钩深度及渔获水层分布,以期优化改进试验钓具,有效提高南海金枪鱼延绳钓捕捞效益。研究发现:1)经济渔获以剑鱼(Xiphias gladius)与黄鳍金枪鱼(Thunnus albacares)为主,剑鱼的单位捕捞努力量渔获量(CPUE,kg·千钩-1)为所有渔获中最高; 2)钓钩深度(D)与钩位(n)、风速(SW)、风流合压角(γ)成正相关,与漂移速度(SD)、投绳船速(SV)呈负相关,回归方程为:D=10. 259n-37. 247SD-29. 878SV+6. 940SW+23. 493γ+35. 633; 3)模型的预测结果与实测数据间无显著性差异,相对权重表明各影响因子中钩位具有最大的相对重要性; 4)试验中拟合钩深分布范围为35. 08～110. 80 m,剑鱼上钩率与CPUE最高的水层为60～80 m,黄鳍金枪鱼上钩率与CPUE最高的水层为80～100 m; 5) 60～80 m水层主要经济渔获CPUE最大且钓钩数目最多,认为钓钩水层分布较合理。     

金枪鱼延绳钓钓具的最适浸泡时间

根据2010年10月—2011年1月金枪鱼延绳钓海上调查数据,分两种起绳方式,建立每次作业每一根支绳的浸泡时间计算模型。将钓具的浸泡时间以1 h为间隔分别统计每个区间的支绳数量及大眼金枪鱼(Thunnus obesus)、黄鳍金枪鱼(Thunnus albacores)的渔获尾数,并计算其钓获率(CPUE)。结果表明:1)大眼金枪鱼和黄鳍金枪鱼的CPUE都随浸泡时间的增加呈现先增后减的趋势,这是由于饵料的诱引效果变化及渔获的丢失引起的;2)二次曲线可拟合浸泡时间与大眼金枪鱼和黄鳍金枪鱼CPUE的关系;3)大眼金枪鱼和黄鳍金枪鱼CPUE最高的浸泡时间分别为9.9 h和10.1 h。建议:1)今后在金枪鱼延绳钓作业中,保证每一根支绳在水中的浸泡时间为9.5~10.5 h,以提高捕捞效率并减少副渔获物;2)可把延绳钓钓具的浸泡时间作为有效捕捞努力量,并用于CPUE的标准化。研究结果可用于提高捕捞效率并减少副渔获物的技术方案制订,并为渔业生产和CPUE的标准化提供科学参考。     

北太平洋远东拟沙丁鱼渔场时空分布及其最适环境特征

基于2019—2020年北太平洋灯光敷网渔业数据和海表温度、叶绿素、海面高度等环境数据,采用空间叠加图、频次分析与经验累积分布函数、K-S检验和GAM模型4种方法分析了远东拟沙丁鱼(Sardinops sagax)渔场的单位捕捞努力量(CPUE)时空分布特征及与关键环境因子的相关关系。分析结果显示,作业渔场重心分布范围为147°~153°E、39°~43°N,在4—8月向东北方向移动,9—11月则向西南方向折返。通过频次分析与经验累积分布函数分析,中心渔场区域最适海表温度为10.0~18.0 ℃,最适叶绿素浓度为0.2~0.6 mg/m3,最适海面高度为0.2~0.7 m。K-S检验分析表明,高值CPUE海域和海表温度、叶绿素浓度、海面高度均有密切关系,最适范围分别为10.9~18.9 ℃、0.2~0.6 mg/m3、0.2~0.7 m。GAM模型模拟结果表明,高值CPUE的最适海表温度为11.0~17.0 ℃,最适叶绿素浓度为0.3~0.8 mg/m3,最适海面高度为0.1~0.4 m。综合来说,CPUE高值区海域的最适海表温度为11.0~18.0 ℃,叶绿素浓度为0.2~0.6 mg/m3,海面高度为0.2~0.7 m。     

南太平洋延绳钓长鳍金枪鱼生物学组成及其与栖息环境关系

长鳍金枪鱼(Thunnus alalunga)经济价值高,是我国延绳钓渔业重要的目标鱼种。根据2013年9月~2014年1月和2014年4~8月我国金枪鱼观察员在南太平洋东部海域收集的长鳍金枪鱼样本和海洋环境数据,对其生物学组成和栖息环境进行了研究。结果表明:叉长(FL,cm)与体质量(WW,kg)的关系为:WW=3×10-5×FL2.909 9(雌雄性,R2=0.915 3);体长(TL,cm)与叉长(FL,cm)关系为:TL=1.033 6FL+2.555(R2=0.961 4);叉长(FL,cm)与两背鳍间距(LD1D2,cm)的关系为:LD1D2=0.248 5FL+1.238 1(R2=0.815 1);利用各水层长鳍金枪鱼渔获率(catch per unit effort,CPUE)推测其主要的栖息水层为150~270 m,栖息水层温度范围16~22℃,盐度范围35.0~35.6,其中最高资源丰度主要分布在190~230 m的水层,对应的温度为18~20℃,盐度为35.2~35.4。研究结果可为掌握南太平洋长鳍金枪鱼栖息环境提供基础数据。     

基于粒子群可拓的南太平洋长鳍金枪鱼产量预测方法研究

长鳍金枪鱼(Thunnus alalunga)作为大洋中上层洄游性鱼类,因其经济价值高、分布范围广而成为各渔业国家的主要捕捞对象之一。结合南太平洋长鳍金枪鱼渔业捕捞作业背景,提出一种新的面向渔业应用的产量预测方法。依据2000—2015年南太平洋长鳍金枪鱼的延绳钓渔获数据、空间因子以及海表温度、海面高度和叶绿素a质量浓度等关键影响因子数据,利用可拓神经网络模型对金枪鱼进行产量预测,并采用粒子群算法(PSO)进行权值优化。结果显示:总召回率达到68%,较传统方法有所提高,对高产区预测有较大优势,召回率达到74.2%,但对中产区的预测效果明显低于高产区和低产区。研究表明,利用粒子群可拓的方法可解决可拓神经网络中经典域不易确定的问题,对丰富渔场预测方法和合理捕捞作业具有一定的指导作用。     

环境因子对东南太平洋智利竹䇲鱼渔场时空分布异质性影响

基于2012—2018 年4—8 月我国东南太平洋智利竹?鱼 (Trachurus murphyi) 渔捞日志数据,应用地理权重回归模型 (GWR) 探究智利竹?鱼渔场资源分布与环境因子的空间异质性关系.结果表明,环境因子海面温度基于GWR 模型回归的拟合优度为0.54,校正的拟合优度为0.34,赤池信息准则 (Aka...     

Meridional patterns in the deep scattering layers and top predator distribution in the central equatorial Pacific

The deep scattering layers (DSL) in the central equatorial Pacific form an important prey resource in a relatively oligotrophic habitat. In March of 2006, we used a calibrated 38‐kHz SIMRAD EK60 scientific sonar to assess the spatial distribution of the deep scattering layer relative to broad‐scale oceanographic features and fine‐scale physical and biological measurements. We conducted a single continuous transect from approximately 10°S to 20°N at 170°W while measuring acoustic backscatter, current velocity and direction, temperature, salinity, oxygen, and fluorescence with depth, coincident with marine mammal occurrence. These data were combined with remotely sensed sea surface height, chlorophyll, and sea surface temperature data to examine patterns in DSL distribution. To analyze DSL density with depth, acoustic backscatter was binned into surface (<200 m), mid (200–550 m) and deep (550–1000 m) layers. Backscatter was highly correlated with chlorophyll‐a and low sea surface height anomalies and was greatest near the equator. We found high diel variability in DSL depth and scattering intensity between the mid and surface layers as well as a shallowing of the deep layer moving northward across the equator. Marine mammal sightings consisted primarily of odontocetes with their distribution coincident with higher acoustic densities of their forage base. Shifts in DSL distribution and scattering intensity are an important component towards understanding the behavior and distribution of highly migratory predator species.     

南极磷虾调查CPUE指数变动的影响因素初步分析

根据2010年1月~2月在南极南设得兰群岛和南奥克尼群岛周围水域开展的南极磷虾拖网调查期间收集的数据,对南极磷虾CPUE指数变动的影响因素(包括表温、水深、拖速和拖曳深度)进行了分析。结果表明:(1)开始捕捞至结束捕捞的表温相差较小时,平均CPUE相对较高(250 kg/min);(2)起放网表温在0.5~1.0℃和1.0~1.5℃时,平均CPUE均较高(250 kg/min);(3)当海底平均深度大于2 000 m时,CPUE均最低(100 kg/min);(4)随着拖速和拖曳深度的增加,平均CPUE逐渐减小,当拖速小于2.5 kn及拖曳水深小于25 m时,平均CPUE达到最大,分别为364.46 kg/min和347.59 kg/min。本研究结果可为开发南极磷虾资源提供基础数据,并为海上生产提供指导性参考。     

Distribution of albacore (Thunnus alalunga) in the Indian Ocean and its relation to environmental factors

The distribution pattern of albacore, Thunnus alalunga, in the Indian Ocean was analyzed based on catch data from the Taiwanese tuna longline fishery during the period 1979–85. The Taiwanese tuna fishery began operating in the Indian Ocean in 1967. We used a geographic information system to compile a fishery and environmental database and statistically explored the catch per unit effort (CPUE) distribution of albacore. Our results indicated that immature albacore were mainly distributed in areas south of 30°S although some displayed a north–south seasonal migration. Mature albacore, which were mainly concentrated between 10°S and 25°S, also showed a north–south migration. Within 10°S and 30°S, the separation of mature, spawning, and immature albacore life history stages roughly coincided with the boundaries of the three oceanic current systems in the Indian Ocean. The optimal environmental variables for CPUE prediction by stepwise discriminant analysis differed among life history stages. For immature albacore, the sea surface variables sea surface temperature (SST), chlorophyll concentration and surface salinity were significant. For mature albacore, SST was significant, while for spawning albacore, the sub‐surface variables temperature at 100 m and oxygen at 200 m were significant. Spawning albacore evidently prefer deep oceanographic conditions. Our results on the oceanographic conditions preferred by different developmental stages of albacore in the Indian Ocean were compatible with previous studies found in the Pacific Ocean.     

Impacts of changing spatial scales on CPUE–factor relationships of Ommastrephes bartramii in the northwest Pacific

The selection of spatial scales is of particular importance in modeling relationships between fishery abundance and its influencing factors, because these relationships are significantly affected by spatial scale. Here, we explore the spatial scale effects of catch per unit effort (CPUE)–factor relationships for Ommastrephes bartramii in the northwest Pacific. The original commercial fishery data and oceanographic factors were tessellated to 12 spatial scales from 5′ to 60′ with an interval of 5′. Under the original scale and 12 tessellated scales, we constructed the generalized additive models (GAMs) to model the relationships between the O. bartramii CPUE and the influencing factors, including Year, Month, Latitude (Lat), Longitude (Lon), sea surface salinity (SSS), sea surface temperature (SST), sea surface chlorophyll‐a (Chl‐a) concentration, and sea surface height (SSH). Our multi‐scale analysis showed that the relationships are sensitive to spatial scales. Among the factors, Year, Month, and SSS share quadratic polynomial scaling relations; Lat, SST, and Chl‐a illustrate power law scaling relations; Lon has a linear scaling relation; and SSH presents an exponential scaling relation. Considering the scale sensitivity of the factor sort‐order and the accumulation of explained residual deviance in GAM, we suggest 30′–45′ as the optimal range of spatial scales for analyzing the CPUE–factor relationships for O. bartramii. Our research improves understanding of the impacts of changing scales in fisheries and provides a potential method for the selection of a suitable spatial scale for fisheries analysis and resource surveying.     

基于PCA-GAM的阿拉伯海公海鸢乌贼资源量空间分布预测模型研究

为了科学预测鸢乌贼资源量的分布,更加合理开发和利用其资源,实验利用2017—2019年阿拉伯海公海灯光围网鸢乌贼生产数据,结合同期的盐度、温度、混合层厚度、海面高度异常、叶绿素a浓度、海表流速、经度和纬度数据构建了阿拉伯海鸢乌贼渔场的PCA-GAM预报模型。环境因子间的相关性会形成多重共线性,易造成模型过拟合,降低模型的预报能力。基于主成分分析(principal component analysis,PCA)降维技术,将环境数据转变成少数几个不相关但保留重要信息的主成分(PCs),将前8个PCs作为广义加性模型(GAM)的解释变量构建模型。利用交叉验证得到预报值和实际单位捕捞努力量渔获量(CPUE)[经过ln(CPUE+1)变换]相关系数均值为0.532 7,回归模型斜率的均值为0.708 7,截断的均值为1.471 1。模型预报的鸢乌贼资源量分布和实际的CPUE[经过ln(CPUE+1)变换]在空间上重叠度较高,表明PCA-GAM模型能够较好地预报阿拉伯海鸢乌贼资源量的空间分布。     

热带印度洋大眼金枪鱼渔场时空分布与温跃层关系

为了解印度洋大眼金枪鱼(Thunnus obesus)温跃层参数适宜分布区间及季节变化,采用Argo浮标剖面温度数据重构热带印度洋各月平均温跃层特征参数,并结合印度洋金枪鱼委员会(IOTC)大眼金枪鱼延绳钓渔业数据,本文绘制了月平均温跃层特征参数和月平均CPUE的空间叠加图,用于分析热带印度洋大眼金枪鱼渔场CPUE时空分布和温跃层特征参数的关系。结果表明,热带印度洋温跃层上界深度、温度和下界深度都具有明显的季节性变化,大眼金枪鱼中心渔场分布和温跃层季节性变化有关。夏季季风期间,高CPUE渔区温跃层上界深度在30~50 m,浅于冬季的50~70 m;温跃层上界温度范围为24~30℃。在冬季季风期间,高CPUE区域对应的温跃层上界温度范围为27~30℃;从马达加斯加岛北部沿非洲大陆至索马里附近海域,温跃层下界深度在170~200 m时的渔区CPUE普遍较高;当深度超过300 m时,CPUE值均非常低。采用频次分析和经验累积分布函数计算其最适温跃层特征参数分布,得出大眼金枪鱼最适温跃层的上界、下界温度范围分别是26~29℃和13~15℃;其上界、下界深度范围分别是30~60 m和140~170 m。文章初步得出印度洋大眼金枪鱼中心渔场温跃层各特征参数的适宜分布区间及季节变化特征,为金枪鱼实际生产作业和资源管理提供理论参考。     

基于结构方程模型研究环境因子对毛里塔尼亚双拖鲣CPUE的影响

探索渔业资源丰度与环境因子的关系, 并掌握种群分布对环境变化的响应机制, 是养护资源、实现渔业可持续发展的基础。然而, 渔业资源的变化受多个环境因素的综合影响, 这些因素之间存在复杂且相关的关系。目前的研究主要集中于环境因子对种群分布和资源丰度等直接影响, 而忽视了环境因素之间的相互作用。为了探索不同环境因子及其相互关系对毛里塔尼亚双拖鲣种群资源量的影响机制与路径, 本研究基于 2017—2019 年毛里塔尼亚海域双拖渔业鲣(Katsuwonus pelamis)单位捕捞努力量渔获量(CPUE), 采用结构方程模型(SEM)构建海表面温度 (SST)、海表面盐度(SSS)、海面高度异常(SLA)、溶解氧(DO)和叶绿素 a 浓度(Chl-a) 5 个环境因子对鲣 CPUE 直接和间接影响。结果表明: SEM 模型具有良好的拟合效果; SST、SSS、SLA、DO 和 Chl-a 对鲣 CPUE 均有直接影响, 其中 DO 和 SLA 对 CPUE 有着显著正相关影响, 而 SST、SSS 和 Chl-a 对 CPUE 有显著负相关影响; SST 等环境因子还会通过多种路径对鲣 CPUE 产生间接影响。研究揭示了毛塔海域 SST 通过直接影响或通过影响其他环境因子而间接影响鲣种群资源变动的潜在机制。     

我国东、黄海鲐鱼灯光围网渔业CPUE标准化研究

日本鲐是我国近海重要的中上层鱼类资源之一,评估其资源量需要对单位捕捞努力量渔获量（CPUE）进行标准化。影响CPUE标准化的因素很多,包括季节、区域和海洋环境等。本文利用广义线型模型（GLM）和广义加性模型（GAM）,结合时空、捕捞船、表温等因子,对1998-2006年东、黄海大型灯光围网渔业鲐鱼CPUE进行标准化,并评价各因子对CPUE的影响。首先应用GLM模型评价时间、空间、环境以及捕捞渔船参数对CPUE的影响,并确定显著性变量。其次,将显著性变量逐一加入GAM模型,根据Akaike信息法则（AIC）,选择最优的GAM模型。最后,利用最优的GAM模型对CPUE标准化,并定量分析时间、空间、环境以及捕捞渔船参数对鲐鱼CPUE的影响。GLM模型结果表明：8个变量对CPUE有重要影响,依次为年、船队、船队与年的交互效应、月、船队与月份的交换效应、经度、纬度和海表温。根据AIC,包含上述8个显著性变量的GAM模型为最优模型,对CPUE偏差的解释为27.78%。GAM模型结果表明：高CPUE分别出现在夏季海表温为28～31 ℃的东海中部和冬季海表温为12～16 ℃的黄海;1998-2006年,标准化后的CPUE呈逐年下降趋势,与持续增长的捕捞努力量有关。     

基于栖息地指数的南海北部枪乌贼渔情预报模型构建

根据2009年~2014年南海捕捞信息网络获取的南海北部200 m等深线以内近海底拖网渔业数据,结合环境遥感数据,构建南海北部枪乌贼类(Uroteuthis sp.)栖息地指数(habitat suitability index,HSI)模型。选取海表水温(sea surface temperature,SST)、海面高度(sea surface height,SSH)和叶绿素a浓度(chlorophyll-a concentration,CHL)等环境因子,采用一元非线性回归建模,并分月份采用最小二乘法确定各环境因子的权重系数,从而建立南海北部枪乌贼类的栖息地指数综合模型。构建的模型能够有效解释渔场分布与环境要素之间的关系,并可从模型中推断各环境因子的最适范围和变化趋势;单位捕捞努力量渔获量(catch per unite effect,CPUE)高的渔场主要分布于HSI大于0.5的海域,其他HSI高的海域可能为潜在渔场。对不同因子权重系数的研究发现,叶绿素a浓度是影响渔场分布的重要因素。对模型的验证结果表明,其准确率达到75%以上。该研究表明,基于不同权重系数的HSI模型能够较好地预测南海北部枪乌贼渔场。