留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于栖息地指数的南海北部枪乌贼渔情预报模型构建

范江涛 陈国宝 陈作志

引用本文:
Citation:

基于栖息地指数的南海北部枪乌贼渔情预报模型构建

    作者简介: 范江涛(1987-),男,硕士,助理研究员,从事渔业资源和渔情预报研究。E-mail:tianxiahaiyin@163.com;
    通讯作者: 陈国宝, chenguobao@scsfri.ac.cn
  • 基金项目: 农业部财政项目“南海海洋捕捞生产结构调查” 640
    公益性行业(农业)科研专项经费项目 201403008
    国家科技支撑计划项目 2013BAD13B06
    农业部海洋渔业资源调查与探捕(近海)项目 2014-2018

  • 中图分类号: S934

Forecasting fishing ground of calamary in the northern South China Sea according to habitat suitability index

    Corresponding author: Guobao CHEN, chenguobao@scsfri.ac.cn ;
  • CLC number: S934

  • 摘要: 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。
  • 图 1  渔场位置示意图

    Figure 1.  Map of location of fishing grounds

    图 2  各因子最适值

    Figure 2.  Most suitable value for each factor

    图 3  2014年春季调查单位捕捞努力量渔获量分布

    Figure 3.  CPUE distribution of survey in spring of 2014

    表 1  各因子适应性指数模型

    Table 1.  SI model for each factor

    月份month SISST SISSH SICHL
    1 SI=e-0.153 8×(20.61-SST)2 SI=e-0.015 69×(108.2-SSH)2 SI=e-2.871×(1.279-CHL)2
    2 SI=e-0.038 41×(19.24-SST)2 SI=e-0.086 13×(94.23-SSH)2 SI=e-1.661×(4.428-CHL)2
    3 SI=e-0.056 05×(21.86-SST)2 SI=e-0.011 29×(70.11-SSH)2 SI=e-5.356×(1.931-CHL)2
    4 SI=e-0.161 1×(23.65-SST)2 SI=e-0.004 74×(80.02-SSH)2 SI=e-0.427×(1.938-CHL)2
    5 SI=e-0.934 2×(23.90-SST)2 SI=e-0.051 68×(93.56-SSH)2 SI=e-1.217×(1.015-CHL)2
    8 SI=e-1.089 1×(27.80-SST)2 SI=e-0.062 05×(98.80-SSH)2 SI=e-8.530×(4.026-CHL)2
    9 SI=e-0.280 8×(28.97-SST)2 SI=e-0.069 79×(99.49-SSH)2 SI=e-4.187×(1.461-CHL)2
    10 SI=e-0.238 8×(27.28-SST)2 SI=e-0.004 93×(99.82-SSH)2 SI=e-6.694×(0.510-CHL)2
    11 SI=e-0.104 5×(24.66-SST)2 SI=e-0.004 40×(99.01-SSH)2 SI=e-1.333×(0.956-CHL)2
    12 SI=e-0.171 6×(23.15-SST)2 SI=e-0.004 20×(91.12-SSH)2 SI=e-3.807×(2.362-CHL)2
    下载: 导出CSV

    表 2  各模型权重系数

    Table 2.  Weight coefficient for each model

    月份
    month
    a b c
    1 0.302 2 0.241 0 0.454 8
    2 0.194 1 0.000 0 0.805 9
    3 0.269 8 0.482 1 0.248 0
    4 0.000 0 0.000 0 0.998 0
    5 0.385 4 0.472 1 0.140 5
    8 0.415 7 0.368 1 0.214 3
    9 0.033 3 0.311 2 0.653 5
    10 0.000 8 0.195 4 0.801 8
    11 0.000 1 0.000 0 0.997 9
    12 0.079 5 0.162 6 0.755 9
    平均值 mean 0.168 1 0.223 3 0.607 1
    下载: 导出CSV

    表 3  渔场预报结果统计

    Table 3.  Results of forecast

    月份
    trmonth
    作业渔区个数
    number of fishing area
    预测正确
    correct forecast
    预测不正确
    wrong forecast
    渔区数
    number of fishing areas
    比例/%
    proportion
    渔区数
    number of fishing areas
    比例/%
    proportion
    1 23 18 78 5 22
    2 22 13 59 9 41
    3 24 15 63 9 38
    4 25 18 72 7 28
    5 24 20 83 4 17
    8 24 19 79 5 21
    9 27 22 81 5 19
    10 26 21 81 5 19
    11 25 20 80 5 20
    12 26 24 92 2 8
    合计total 246 190 77 56 23
    下载: 导出CSV
  • [1] 陈新军, 刘必林, 王尧耕.世界头足类[M].北京:海洋出版社, 2009:25-49.
    [2] 黄梓荣.南海北部陆架区头足类的种类组成和资源密度分布[J].南方水产, 2008, 4(5):1-7.
    [3] ROBIN J P, DENIS V.Squid stock fluctuations and water temperature:temporal analysis of English Channel Loliginidae[J].J Appl Ecol, 1999, 36(1):101-110. doi: 10.1046/j.1365-2664.1999.00384.x
    [4] YAN Y R, LI Y Y, YANG S Y, et al. Biological characteristics and spatial-temporal distribution of mitre squid, Uroteuthis chinensis, in the Beibu Gulf, South China Sea [J]. J Shellfish Res, 2013, 32(3):835-844. doi: 10.2983/035.032.0327
    [5] 陈新军, 刘必林, 田思泉, 等.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[J].海洋与湖沼, 2009, 40(6):707-713. doi: 10.11693/hyhz200906006006
    [6] 孙典荣, 李渊, 王雪辉, 等.北部湾剑尖枪乌贼生物学特征及资源状况变化的初步研究[J].南方水产科学, 2011, 7(2):8-13.
    [7] WANG K Y, CHANG K Y, LIAO C H, et al. Growth strategies of the swordtip squid, Uroteuthis edulis, in response to environmental changes in the southern East China Sea:a cohort analysis [J]. Bull Mar Sci, 2013, 89(3):677-698. doi: 10.5343/bms.2012.1044
    [8] BERTIGNAC M, LEHODEY P, HAMPTON J. A spatial population dynamics simulation model of tropical tunas using a habitat index based on environmental parameters[J]. Fish Oceanogr, 1998, 7(3/4):326-334.
    [9] SONG L, ZHOU Y. Developing an integrated habitat index for bigeye tuna (Thunnus obesus)in the Indian Ocean based on longline fisheries data[J].Fish Res, 2010, 105(2):63-74. doi: 10.1016/j.fishres.2010.03.004
    [10] 陈新军, 冯波, 许柳雄.印度洋大眼金枪鱼栖息地指数研究及其比较[J].中国水产科学, 2008, 15(2):269-278.
    [11] 李永孝.农业应用生物统计[M].济南:山东科学技术出版杜, 1989:313-327.
    [12] 陈作志, 邱永松.南海北部生态系统食物网结构、能量流动及系统特征[J].生态学报, 2010, 30(18):4855-4865.
    [13] 郭金富, 陈丕茂.南海头足类资源开发利用研究[J].热带海洋, 2000, 19(4):51-58.
    [14] 李建柱, 陈丕茂, 贾晓平, 等.中国南海北部剑尖枪乌贼资源现状及其合理利用对策[J].中国水产科学, 2010, 17(6):1309-1318.
    [15] MUCHLISIN Z A, ZULKARNAINI B, PURNAWAN S, et al.Morphometric variations of three species of harvested cephalopods found in northern sea of Aceh Province, Indonesia[J].Biodiversitas, 2014, 15:142-146. doi: 10.13057/biodiv
    [16] SIDDIQUE M A M, ARSHAD A, NURUL AMIN S M. Length-weight relationships of the tropical cephalopod Uroteuthis chinensis(Gray, 1849) from Sabah, Malaysia[J].Zool Ecol, 2014, 24(3):215-218. doi: 10.1080/21658005.2014.934515
    [17] IKEDA Y, KOBAYASHI M.Statolith growth of juvenile oval squid Sepioteuthis lessoniana (Cephalopoda:Loliginidae) with special reference to ambient thermal condition[J].Mar Biol Res, 2010, 6(5):485-495. doi: 10.1080/17451000903334710
    [18] JACKSON G, FORSYTHE J, HIXON R, et al.Age, growth, and maturation of Lolliguncula brevis(Cephalopoda:Loliginidae)in the northwestern Gulf of Mexico with a comparison of length-frequency versus statolith age analysis[J].Can J Fish Aquat Sci, 1997, 54(12):2907-2919. doi: 10.1139/f97-192
    [19] 俞存根, 虞聪达, 宁平, 等.浙江南部外海头足类种类组成和数量分布[J].海洋渔业, 2009, 31(1):27-33.
    [20] 朱文斌, 薛利建, 卢占晖, 等.东海南部海域头足类群落结构特征及其与环境关系[J].海洋与湖沼, 2014, 45(2):436-442. doi: 10.11693/hyhz20121228001
    [21] JACKSON G, MOLTSCHANIWSKYJ N. Spatial and temporal variation in growth rates and maturity in the Indo-Pacific squid Sepioteuthis lessoniana (Cephalopoda:Loliginidae) [J]. Mar Biol, 2002, 140(4):747-754. doi: 10.1007/s00227-001-0746-9
  • [1] 方舟金岳胡飞飞陈新军 . 南海北部秋季杜氏枪乌贼角质颚形态和生长特征. 南方水产科学, 2018, 14(4): 17-26. doi: 10.3969/j.issn.2095-0780.2018.04.003
    [2] 范江涛张俊冯雪陈作志 . 基于栖息地模型的南沙海域鸢乌贼渔情预报研究. 南方水产科学, 2015, 11(5): 20-26. doi: 10.3969/j.issn.2095-0780.2015.05.003
    [3] 杨吝张旭丰谭永光张鹏 . 南海北部灯光围网渔获组成分析. 南方水产科学, 2009, 5(6): 65-70. doi: 10.3969/j.issn.1673-2227.2009.06.012
    [4] 杨吝张旭丰谭永光张鹏 . 南海北部灯光罩网渔获组成及其对渔业资源的影响. 南方水产科学, 2009, 5(4): 41-46. doi: 10.3969/j.issn.1673-2227.2009.04.008
    [5] 张鹏谭永光张旭丰杨吝 . 南海北部金线鱼流刺网渔业情况分析. 南方水产科学, 2008, 4(6): 101-107.
    [6] 蔡研聪徐姗楠陈作志许友伟江艳娥杨长平 . 南海北部近海渔业资源群落结构及其多样性现状. 南方水产科学, 2018, 14(2): 10-18. doi: 10.3969/j.issn.2095-0780.2018.02.002
    [7] 王岩陈作志张俊张国胜汤勇徐姗楠江艳娥 . 南海北部陆坡海域粗鳞灯笼鱼耳石形态特征. 南方水产科学, 2017, 13(6): 65-72. doi: 10.3969/j.issn.2095-0780.2017.06.008
    [8] 王跃中袁蔚文 . 南海北部底拖网渔业资源的数量变动. 南方水产科学, 2008, 4(2): 26-33.
    [9] 范江涛冯雪陈作志 . 基于水温垂直结构的南海北部近海竹䇲鱼渔场分析. 南方水产科学, 2018, 14(2): 124-128. doi: 10.3969/j.issn.2095-0780.2018.02.017
    [10] 张文博刘华雪巩秀玉史荣君黄洪辉 . 南海北部不同粒级浮游动物氮稳定同位素研究. 南方水产科学, 2017, 13(6): 48-55. doi: 10.3969/j.issn.2095-0780.2017.06.006
    [11] 彭露江艳娥徐姗楠陈作志 . 南海北部陆架区金线鱼矢耳石形态及其与体长、体质量关系. 南方水产科学, 2018, 14(6): 27-33. doi: 10.12131/20180049
    [12] 江艳娥林昭进黄梓荣 . 南海北部大陆架渔业生物多样性研究. 南方水产科学, 2009, 5(5): 32-37. doi: 10.3969/j.issn.1673-2227.2009.05.006
    [13] 赵明辉黄洪辉齐占会李纯厚林昭进陈桂珠 . 南海北部浮游动物的景观格局分析. 南方水产科学, 2010, 6(6): 41-45. doi: 10.3969/j.issn.1673-2227.2010.06.007
    [14] 刘华雪张文博徐军李纯厚黄洪辉 . 南海北部不同粒级浮游动物碳稳定同位素研究. 南方水产科学, 2018, 14(2): 36-40. doi: 10.3969/j.issn.2095-0780.2018.02.005
    [15] 韩青鹏陆化杰陈新军金岳陈国宝 . 南海北部海域中国枪乌贼角质颚的形态学分析. 南方水产科学, 2017, 13(4): 122-130. doi: 10.3969/j.issn.2095-0780.2017.04.015
    [16] 孙典荣李渊王雪辉王跃中吴洽儿 . 北部湾剑尖枪乌贼生物学特征及资源状况变化的初步研究. 南方水产科学, 2011, 7(2): 8-13. doi: 10.3969/j.issn.2095-0780.2011.02.002
    [17] 薛嘉伦樊伟唐峰华郭刚刚汤伟张胜茂 . 基于最大熵模型预测西北太平洋公海鲐潜在栖息地分布. 南方水产科学, 2018, 14(1): 92-98. doi: 10.3969/j.issn.2095-0780.2018.01.012
    [18] 邹建伟林丕文王强哲 . 南海北部湾2012年捕捞产量估算. 南方水产科学, 2013, 9(4): 76-82. doi: 10.3969/j.issn.2095-0780.2013.04.012
    [19] 于杰李永振 . 海洋渔业遥感技术及其渔场渔情应用进展. 南方水产科学, 2007, 3(1): 62-68.
    [20] 陈作志邱永松 . 南海北部湾二长棘鲷的资源变动. 南方水产科学, 2005, 1(3): 26-31.
  • 加载中
图(3)表(3)
计量
  • 文章访问数:  804
  • HTML全文浏览量:  197
  • PDF下载量:  638
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-12-30
  • 录用日期:  2017-03-03
  • 刊出日期:  2017-08-05

基于栖息地指数的南海北部枪乌贼渔情预报模型构建

    作者简介:范江涛(1987-),男,硕士,助理研究员,从事渔业资源和渔情预报研究。E-mail:tianxiahaiyin@163.com
    通讯作者: 陈国宝, chenguobao@scsfri.ac.cn
  • 中国水产科学研究院南海水产研究所,农业部南海渔业资源环境重点野外科学观测试验站,广东 广州 510300
基金项目:  农业部财政项目“南海海洋捕捞生产结构调查” 640公益性行业(农业)科研专项经费项目 201403008国家科技支撑计划项目 2013BAD13B06农业部海洋渔业资源调查与探捕(近海)项目 2014-2018

摘要: 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。

English Abstract

  • 枪乌贼属(Uroteuthis)隶属于头足纲、枪形目、枪乌贼科,广泛分布于热带亚热带大陆架海域[1],在南海北部是重要的捕捞对象,近年来年产量均在15×104 t左右,并呈逐年上升的趋势[2]。已有的研究认为枪乌贼的分布跟海表温度(sea surface temperature, SST)、盐度、叶绿素a浓度(chlorophyll-a concentration, CHL)、海面高度(sea surface height, SSH)等环境因子密切相关[3-4]。陈新军等[5]研究了表温对北太平洋柔鱼(Ommastrephes bartramii)渔场形成的影响,孙典荣等[6]对北部湾剑尖枪乌贼(U.edulis)的资源变动特征进行了研究,WANG等[7]对东海南部的剑尖枪乌贼对环境的响应进行了分析。栖息地模型可以用来模拟生物对环境因子的反应,广泛应用于渔情预报的研究[8-9]。已有的研究大多没有分别考虑不同环境因子对渔场形成的影响[5, 7, 10]。不同因子对渔场形成的影响程度并不一样。为此,该研究基于栖息地指数(habitat suitability index, HSI)模型,采用不同环境因子,尝试建立基于HSI的南海北部枪乌贼渔情预报模型,对南海北部枪乌贼的渔场分布状况和中心渔场进行分析研究,为南海北部枪乌贼资源的合理开发利用提供科学依据。

    • 渔业数据来自南海渔船信息动态监测网络,时间为2009年~2014年。在其中选取200 m等深线以内陆架区底拖网渔业枪乌贼的渔获统计数据(图 1),由于生活习性相似[4],故而将中国枪乌贼(U.chinensis)和剑尖枪乌贼合并为枪乌贼类进行统计处理。由于南海区伏季休渔为每年的5月16日~7月31日,该研究统计每年1月~5月和8月~12月共10个月的生产数据,为方便进行数据标准化,结合不同类型渔船数量与数据特点,仅选择底拖网渔船数据,总作业网次25 128网,渔船总数92艘。

      图  1  渔场位置示意图

      Figure 1.  Map of location of fishing grounds

    • 环境因子选取SST、CHL、SSH等,均采用遥感数据,来自美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA),数据分辨率为0.25°×0.25°。

    • 按经纬度0.25°×0.25°统计底拖网生产数据,按月计算其CPUE。

      $ {\rm{CPUE}} = Y/M $

      式中Y为该月的渔获量(kg),M为该月在此区域作业的渔船功率数(kW)。

      对全部数据按月随机选取70%进行建模计算,剩余30%用于模型验证。

    • 利用CPUE分别与SST、SSH、CHL来建立相应的适应性指数(suitability in dex, SI)模型。该研究假定最高的CPUE为枪乌贼资源分布最多的海域,认定其SI为1;CPUE为0时,则认定是枪乌贼资源分布较少的海域,认定其SI为0。SI实际值的计算公式为:

      $ {\rm{S}}{{\rm{I}}_i} = \frac{{{\rm{CPUE}}}}{{{\rm{CPU}}{{\rm{E}}_{\max }}}} $

      式中SIii月得到的适应性指数;CPUEmaxi月的最大单位捕捞努力量渔获量。

      利用一元非线性回归分别建立SST、SSH、CHL与SI之间的关系模型[11],计算公式为:

      $ {\rm{S}}{{\rm{I}}_f} = {{\rm{e}}^{{\rm{A}} \times {{{\rm{(B + }}\mathit{X}{\rm{)}}}^2}}} $

      式中f为各环境因子,A、B均为模型系数,X为各因子的值,利用DPS 12.0软件求解。

      将建立的模型代入公式计算HSI理论值,计算公式为:

      $ {\rm{HSI = a}} \times {\rm{S}}{{\rm{I}}_{{\rm{SST}}}} + {\rm{b}} \times {\rm{S}}{{\rm{I}}_{{\rm{SSH}}}} + {\rm{c}} \times {\rm{S}}{{\rm{I}}_{{\rm{CHL}}}} $

      式中a、b、c分别代表各模型的权重系数,均大于等于0,小于等于1,且a+b+c=1。采用最小二乘法使得模型计算理论值HSI与实际值SI最接近,分月份利用Excel 2010的规划求解,确定a、b、c值,从而确定HSI模型。

    • 分别计算剩余30%数据实际值SIi和模型理论值HSI。如实际值与理论值之差绝对值小于等于0.4,则认为模型预报准确,如大于0.4则认为模型预报不准确。并采用2014年渔业资源调查站位中出现枪乌贼类的站点,共18个,数据处理参照上述方法,带入模型,验证模型精度。

    • 采用一元非线性回归,分不同月份分别建立各因子与CPUE间的SI,结果见表 1。表中各式,显著性水平均为P < 0.01,可知模型拟合准确。

      月份month SISST SISSH SICHL
      1 SI=e-0.153 8×(20.61-SST)2 SI=e-0.015 69×(108.2-SSH)2 SI=e-2.871×(1.279-CHL)2
      2 SI=e-0.038 41×(19.24-SST)2 SI=e-0.086 13×(94.23-SSH)2 SI=e-1.661×(4.428-CHL)2
      3 SI=e-0.056 05×(21.86-SST)2 SI=e-0.011 29×(70.11-SSH)2 SI=e-5.356×(1.931-CHL)2
      4 SI=e-0.161 1×(23.65-SST)2 SI=e-0.004 74×(80.02-SSH)2 SI=e-0.427×(1.938-CHL)2
      5 SI=e-0.934 2×(23.90-SST)2 SI=e-0.051 68×(93.56-SSH)2 SI=e-1.217×(1.015-CHL)2
      8 SI=e-1.089 1×(27.80-SST)2 SI=e-0.062 05×(98.80-SSH)2 SI=e-8.530×(4.026-CHL)2
      9 SI=e-0.280 8×(28.97-SST)2 SI=e-0.069 79×(99.49-SSH)2 SI=e-4.187×(1.461-CHL)2
      10 SI=e-0.238 8×(27.28-SST)2 SI=e-0.004 93×(99.82-SSH)2 SI=e-6.694×(0.510-CHL)2
      11 SI=e-0.104 5×(24.66-SST)2 SI=e-0.004 40×(99.01-SSH)2 SI=e-1.333×(0.956-CHL)2
      12 SI=e-0.171 6×(23.15-SST)2 SI=e-0.004 20×(91.12-SSH)2 SI=e-3.807×(2.362-CHL)2

      表 1  各因子适应性指数模型

      Table 1.  SI model for each factor

    • 各月份各因子的最适值在SI接近1时取得(表 1),故公式(3)中的B值即为各月份各因子的最适值,结果见图 2

      图  2  各因子最适值

      Figure 2.  Most suitable value for each factor

      SST的最适值的变化呈现先增大后减小的趋势,在9月达到最高(28.97 ℃),2月最低(19.24 ℃),基本呈正态型分布(图 2-a)。SSH的最适值呈先减小后增大的趋势,3月最低(70.11 cm),1月最高(108.2 cm),呈偏正态分布(图 2-b)。CHL的最适值全年有2个波峰,分别出现在2月和8月,波谷出现在5月和10月,最大值和最小值分别为4.428 mg · km-2和0.51 mg · km-2,呈明显的双峰分布(图 2-c)。

    • 根据公式(4),采用最小二乘法使得模型计算HSI数值与实际SI最接近,从而确定各因子权重系数。分月份利用Excel 2010的规划求解,结果见表 2

      月份
      month
      a b c
      1 0.302 2 0.241 0 0.454 8
      2 0.194 1 0.000 0 0.805 9
      3 0.269 8 0.482 1 0.248 0
      4 0.000 0 0.000 0 0.998 0
      5 0.385 4 0.472 1 0.140 5
      8 0.415 7 0.368 1 0.214 3
      9 0.033 3 0.311 2 0.653 5
      10 0.000 8 0.195 4 0.801 8
      11 0.000 1 0.000 0 0.997 9
      12 0.079 5 0.162 6 0.755 9
      平均值 mean 0.168 1 0.223 3 0.607 1

      表 2  各模型权重系数

      Table 2.  Weight coefficient for each model

      表 2中a、b、c分别为SST、SSH、CHL的权重系数,可看出各因子的系数没有明显的季节变化趋势,但c值平均值超过0.5,所占权重较大,而a与b平均值均未超过0.5,可知渔场形成与SST和SSH的关系不大,而与CHL关系密切。

    • 根据已建立的HSI模型,将剩余的30%CPUE数据代入模型中计算相应的理论值HSI和实际值SI,理论值与实际值之差小于等于0.4,则认为模型预报准确,结果见表 3,作业渔区指按照0.25°精度统计的渔区个数,各月份渔区数大致相同。1月~5月、8月~12月模型预报准确率在59%~92%,平均准确率为77%,表明所建立的模型能够有效解释渔场分布与环境要素之间的关系。

      月份
      trmonth
      作业渔区个数
      number of fishing area
      预测正确
      correct forecast
      预测不正确
      wrong forecast
      渔区数
      number of fishing areas
      比例/%
      proportion
      渔区数
      number of fishing areas
      比例/%
      proportion
      1 23 18 78 5 22
      2 22 13 59 9 41
      3 24 15 63 9 38
      4 25 18 72 7 28
      5 24 20 83 4 17
      8 24 19 79 5 21
      9 27 22 81 5 19
      10 26 21 81 5 19
      11 25 20 80 5 20
      12 26 24 92 2 8
      合计total 246 190 77 56 23

      表 3  渔场预报结果统计

      Table 3.  Results of forecast

      为了进一步验证模型的准确性,该研究尝试用2014年春季(3月)渔业资源近岸调查的数据(底拖网)进行进一步检验,结果见图 3。可以看出CPUE值较高的点均出现在预报的高HSI区域。

      图  3  2014年春季调查单位捕捞努力量渔获量分布

      Figure 3.  CPUE distribution of survey in spring of 2014

    • 该研究采用遥感数据与捕捞数据相结合,构建了南海北部枪乌贼类的渔情预报模型,并采用最小二乘法确定模型中各因子的权重系数,提高了模型的准确性。而各因子的权重系数也能分别反映和解释不同的物理生物过程,可为南海北部枪乌贼渔场分析与资源管理提供理论依据,并对海洋生物变化过程进行相应解释。

      南海北部海底地形复杂,海洋环境因子的变化有别于其他海区,因此渔场形成的机制复杂,对渔场判别与渔情预报的研究有更高的要求[2, 12-14]。已有的研究推测头足类渔场的形成和资源量变动与SST、SSH、CHL等海洋因子密切相关,但研究方向主要集中在其生物学特征[15-18]和资源量的时空变化上[6, 19-20],而其渔场与海洋环境因子关系的研究还较为少见。根据该研究建立的模型可推断出各月份SST、SSH和CHL的最适值,即为公式(3)中的B值。该研究的结果显示,最适SST呈明显的季节性变化;SSH在春季明显偏低,这可能受冬季季风结束而西南季风尚未盛行的影响;最适CHL的月份变化没有明显规律,但平均值均较高,明显高于海区的平均值。在实际渔情预报中,若环境数据获取不完全,可以通过一两个因子进行渔场位置的大致判断。

      该研究分月份对不同SI模型赋予不同权重系数,探讨不同环境因子对枪乌贼分布的影响。从研究结果来看,SST的权重系数在全年中的占比均未超过0.5,而CHL的权重均比较高,与其他大洋性头足类分布有所差异[1, 5],这可能是由于南海的物理环境比较稳定,但海域生物生产力较低,头足类的分布更容易受到饵料生物分布的影响。

      进一步探讨各环境因子权重系数的变化发现,CHL的权重系数均值超过0.5,表明CHL对HSI的影响较大,超过0.5的月份有2月、4月、9月、10月、11月和12月。尝试从枪乌贼的生活习性分析,枪乌贼主要摄食小型鱼类、甲壳类和头足类,而主要饵料种类的生长周期在2~3个月,故而CHL对枪乌贼渔场分布的影响要迟滞2~3个月[6]。另外,枪乌贼繁殖高峰在春夏季,此时枪乌贼的摄食强度较低[1],也从另一方面解释了此种现象。此外,从饵料生物的聚集效应来考虑,CHL高的区域有利于浮游动物的繁殖生长,从而会吸引小型鱼类等饵料生物聚集,进而会吸引枪乌贼聚集。这也有一个滞后效应,但会比生长周期短。

      枪乌贼类有昼夜垂直移动的现象[21],夜间在表层进行觅食,白天沉入底层。该研究选取的是只在白天作业的底拖网渔船的数据,恰好能充分反映其分布规律和资源状况。但由于选用的是捕捞生产渔船的数据,数据存在一定的偏差,在今后的研究中应当结合多种作业方式和更多的环境因子,更全面地探讨枪乌贼渔场的形成机制和分布规律。

参考文献 (21)

目录

    /

    返回文章
    返回