库克群岛海域长鳍金枪鱼栖息地综合指数模型的比较研究

发布时间：2020-06-25 03:40

【摘要】：长鳍金枪鱼(Thunnus alalunga)是世界金枪鱼渔业产量较高的渔获种类之一,也是我国金枪鱼延绳钓渔业重点开发的资源之一,因此迫切需要对其进行深入的研究,以达到高效、可持续地利用该资源。为了能更好地量化预测长鳍金枪鱼资源丰度、更全面地掌握其资源分布状况,需要使用高分辨率的海洋环境数据和渔获数据,从而构建有效预测长鳍金枪鱼栖息地综合指数的模型。由于长鳍金枪鱼的资源分布与海洋环境因子之间的紧密联系,所以将相关的环境因子纳入到长鳍金枪鱼CPUE的预测模型及栖息地综合指数模型的研究就显得十分必要。本文利用2014年4月库克群岛海域海洋环境数据(海表水温、海面高度距平均值、初级生产力、150m水层水温及其交互项等数据)和对应的长鳍金枪鱼渔获数据(以天为单位的作业时间、作业位置、长鳍金枪鱼渔获尾数及每日每艘渔船的投放钓钩的数量),应用广义相加模型(Generalized Additive Model,GAM)、分位数回归模型(Quantile Regression Model,QRM)和支持向量机(Support Vector Machine,SVM)这3种模型建立长鳍金枪鱼单位捕捞努力量渔获量(Catch Per Unit Fishing Effort,CPUE)预测模型,计算出预测CPUE,然后分别计算出这三种模型所对应的长鳍金枪鱼栖息地综合指数(IHI),计算其与实测CPUE之间的泊松相关系数、通过符号秩(Wilcoxon)检验方法检验三种模型所得预测CPUE与实测CPUE之间是否存在相关性、计算分析各分区和整个海域的IHI的算术平均值并与实测的平均CPUE进行比较,从而比对这三种模型预测长鳍金枪鱼CPUE的能力。此外,使用2014年5月相同海域同类型的20个格网的海洋环境数据,将其导入3种模型,分别计算出相应的预测CPUE,通过符号秩(Wilcoxon)检验预测CPUE与实测CPUE是否存在差异,并判断各模型在预测长鳍金枪鱼CPUE时是否适用,同时确立最优模型。结果表明:1)基于三种数值模型所得的长鳍金枪鱼在各分区的栖息地综合指数各不相同,其中广义相加模型得出的模型在分区1海域预测能力最强,基于支持向量机的预测模型在分区3海域范围内预测能力最强,而分位数回归得出的模型在分区2及整个海域范围内的预测能力最强。2)在整个海域范围内,通过广义相加模型所得长鳍金枪鱼栖息地综合指数较高的海域为10o00′S~12o30′S,157o00′W~159o30′W,通过分位数回归模型所得长鳍金枪鱼栖息地综合指数较高的海域为10o00′S~12o30′S,156o30′W~159o30′W,而基于支持向量机模型所得长鳍金枪鱼栖息地综合指数较高的海域为10o30′S~12o30′S,157o00′W~159o00′W。3)把2014年5月份20个验证格网内的海洋环境数据导入三种模型得到预测CPUE,通过符号秩(Wilcoxon)检验,三种预测CPUE与实测CPUE均存在一定相关性,基于分位数回归模型建立的预测模型与实测CPUE相关性最高,支持向量机模型其次,广义相加模型的相关性则相对较弱,在分区3表现为非显著相关性。4)不同模型所得的影响长鳍金枪鱼在各海区分布的关键环境因子各不相同。广义相加模型相关性最强的环境因子为海面高度距平均值;分位数回归模型则为初级生产力、海表水温、海面高度距平均值及其交互项;而支持向量机得出的是海面高度距平均值和海表水温。5)不同模型特点各不相同。广义相加模型适用于关键环境因子的筛选;分位数回归模型预测能力在3种模型中为最佳;而基于支持向量机构建的模型则适用于中心渔场的预测。
【学位授予单位】：上海海洋大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S931.1
【图文】：

示意图,格网,海域,钓钩

图 2-1 海域范围和格网示意图Fig.2-1 Study area and grid sites2.1.3 渔具与渔法深圳市联成远洋渔业有限公司2014年度所用的漂流延绳钓钓具结构为：浮子直径为360mm；浮子绳长22m；干线直径为4.0mm；支线第一段为硬质聚丙烯，直径3.5mm，长1m左右，第二段为180#单丝，直径为1.8mm，长20m；第一段与第二段用H型转环连接；钓钩采用圆型钓钩（14/0），支绳总长21m。调查期间，一般情况下，早晨05：30～09：30为投绳时间，持续时间约为4个小时；下午15：30～次日凌晨3：00为起绳时间，持续时间约为11.5小时；船长根据探捕调查站点位置决定投绳的位置，但实际的投绳位置仍会有一定的偏移。船速一般为8.0~9.0节，出绳速度一般为5.5m/s，两浮子间的钓钩数固定为28枚，两钓钩间的时间间隔约为6秒。每天投放钓钩总数为3800至4400枚。

海表水温,空间插值

图 2-2 2014 年 2 月 23 日海表水温空间插值图Fig.2-2 Spatial interpolation of SST on 23rd February, 2014插值的结果导入地理信息空间数据库中，以经纬度中心点为索引进行存储。每一条索引数据包括该点的经纬度信息、海表水温（SST）、海面高度距平均值（SSH）、初级生产力（PLA）、150米水层水温（T150）、渔捞日期。在数据库中，经纬度信息（Lonij、Latij）、海表水温（T0ij）、海面高度距平均值（Hij）、150米水层水温（T150ij）均为double型，初级生产力（Pij）为int型，渔捞日期为text型。2.2.3 基于广义相加模型的长鳍金枪鱼 CPUE 预测模型广义相加模型是在线性回归模型的基础上进行拓展，使得每个环境因子均能响应长鳍金枪鱼的渔场分布，因此较适合描述 CPUE 和环境因子间的关系，并且能筛选出影响渔获率的关键环境因子。同时，由于广义相加模型使用了 S 函数替代了线性回归模型中各自变量前的参数，所以广义相加模型更加偏向于研究独立于参数的数据之间关系研究，其因变量和各自变量的关系式如下：

【参考文献】