论文部分内容阅读
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。