一种北太平洋鱿鱼资源补充量预测方法与流程

本发明涉及渔情预报中长期预报的方法，尤其是北太平洋鱿鱼资源补充量预测方法。

背景技术：

资源补充量预报属于渔情预报中长期预报的一种，对资源补充量进行精确的预报是渔业进行科学管理、合理开发的关键。大洋性经济柔鱼类是短生命周期种类，尽管其自身具有很强的自我调节能力，可以在较短时间内对海洋环境变化进行反应，并很快适应这种变化，但海洋环境变动对其资源补充量的影响依然显著。研究表明，影响大洋性经济柔鱼类资源补充量的最主要的因子是环境因素。因此，目前对其资源补充量的预报研究也是基于此而展开。但以往的研究选择的环境因子较为单一，建立的预报模型也是简单的线性模型。为此，需要了解多种海洋环境因子对大洋性经济柔鱼类资源补充量的影响，找出对大洋性经济柔鱼类资源补充量影响最为显著的海洋环境因子，在此基础上建立资源补充量预测模型，并分析其原因。

技术实现要素：

本发明研究了解海洋环境因子对大洋性经济柔鱼类资源补充量的影响，找出对大洋性经济柔鱼类资源补充量影响最为显著的海洋环境因子，目的是在此基础上建立一种北太平洋鱿鱼资源补充量预测方法，用于中长期渔情预报。

本发明的技术方案包括选择海洋环境因子和建立BP网络结构预测模型，其特征是利用柔鱼类索饵月份索饵场的海洋环境因子组成的时间序列值与本年平均日产量(CPUE)时间序列的的相关性，选择相关性高海域的海洋环境因子作为索饵栖息环境对柔鱼类资源补充量影响的相关因子；利用柔鱼类在产卵月份产卵场的海洋环境因子组成的时间序列值与次年CPUE时间序列的相关性，选择相关性高海域的海洋环境因子作为产卵栖息环境对柔鱼类资源补充量影响的相关因子；利用柔鱼类产卵月份产卵场适宜表层水温范围占总面积的比例(P_S)、索饵月份索饵场适宜表层水温范围占总面积的比例(P_F)，用P_S、P_F表达柔鱼类资源产卵场索饵场栖息环境的适宜程度；相关性系数(r)采用皮尔逊(Pearson)相关系数，公式如下：

$r=\frac{{\Σ}_i^n(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{{\Σ}_i^n{(x_i-\stackrel{\‾}{x})}^2{\Σ}_i^n{(y_i-\stackrel{\‾}{y})}^2}}$

式中：x、y分别表示环境因子(包括产卵场和索饵场的海洋环境因子，以及各月份的P_S和P_F)、CPUE组成的系列值；

利用选定的产卵场和索饵场环境因子以及P_S、P_F的不同组合作为BP预测模型的输入因子，分别建立BP网络结构预测模型，然后选择预报精度最高的模型，用于中长期渔情预报。

本发明利用海洋环境因子对大洋性经济柔鱼类资源补充量的影响，找出对大洋性经济柔鱼类资源补充量影响最为显著的海洋环境因子，建立一种北太平洋鱿鱼资源补充量预测方法，预报精度均在90％以上，与传统的多元线性模型相比，预报精度显著提高约20％。

附图说明

图1是2003～2011年西北太平洋柔鱼GAM模型标准化CPUE图。

图2是与柔鱼资源量显著相关的关键海区图。

图3是1月份145°-146°E、25°-26°N的SST与柔鱼资源补充量的线性关系式图(a)。

图4是3月份168°-169°E、27°-28.5°N的Chl-a与柔鱼资源补充量的线性关系式图(b)。

图5是11月份156.5°-158°E、40°-40.5°N的SST与柔鱼资源补充量的线性关系式图(c)。

图6是8月份158°-160°E、38°-39°N的Chl-a与柔鱼资源补充量的线性关系式图(d)。

图7是不同神经网络模型的模拟结果和准确率图。

具体实施方式

大洋性经济柔鱼类资源补充量与其产卵场和索饵场的栖息环境密切相关。因此，可以计算柔鱼类在索饵月份索饵场的海洋环境因子组成的时间序列值与本年CPUE时间序列的的相关性，选择相关性高海域的海洋环境因子作为索饵栖息环境对柔鱼类资源补充量的影响的相关因子；计算柔鱼类在产卵月份产卵场的海洋环境因子组成的时间序列值与次年CPUE时间序列的相关性，选择相关性高海域的海洋环境因子作为产卵栖息环境对柔鱼类资源补充量的影响的相关因子。

产卵场、索饵场最适表层水温范围占总面积的比例是衡量柔鱼类栖息地环境优劣的指标之一。计算产卵月份产卵场适宜表层水温范围占总面积的比例(用P_S表示)、索饵月份索饵场适宜表层水温范围占总面积的比例(用P_F表示)，用P_S、P_F表达柔鱼类资源产卵场索饵场栖息环境的适宜程度。相关性系数采用Pearson相关系数，公式如下：

$r=\frac{{\Σ}_i^n(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{{\Σ}_i^n{(x_i-\stackrel{\‾}{x})}^2{\Σ}_i^n{(y_i-\stackrel{\‾}{y})}^2}}$

其中x、y分别表示环境因子(包括产卵场和索饵场的海洋环境因子，以及各月份的P_S和P_F)、CPUE组成的系列值。

根据选取的相关因子，建立影响柔鱼类资源补充量的显著相关因子与CPUE之间的多元线性模型或BP神经网络模型。

根据曹杰和Tian的研究结果表明：GAM能够较好地标准化西北太平洋柔鱼CPUE，所以用GAM模型标准化后的年CPUE作为柔鱼的资源丰度指数。

利用匹配好的样本方案集(时间分辨率月、空间分辨率0.5°×0.5°以及环境因子SST、SSH和Chl-a)进行年CPUE标准化，使用的GAM模型公式如下：

Ln(CPUE+c)＝factor(年)+factor(月)+s(经度)+s(纬度)+s(表温)+s(海面高度)+S(叶绿素a)+ε

式中s为样条平滑函数，常数c为CPUE均值的10％，varε＝σ²，E(ε)＝0。

利用时间因子(年、月)，空间因子(经度、纬度)，环境因子(SST、SSH、Chl-a构建的CPUE标准化GAM模型结果发现：Nominal CPUE和GAM CPUE两者变化趋势基本相同；最大的不同出现在2007年，Nominal CPUE最高为5.12t/d，而GAM CPUE为2.4t/d。

西北太平洋柔鱼西部冬春生群体产卵月份为1-4月，产卵场为20°-30°N,130°-170°E，产卵场P_S范围为21–25℃；索饵场为38°-46°N,150°-165°E，索饵场各月P_F均不相同，如8月份适宜为15-19℃，9月份为14-18℃，10月份为10-13℃，11月份为12-15℃。

因此，计算1-4月份产卵场每点海洋环境因子(SST、Chl-a)组成的时间序列值以及P_S序列值与CPUE组成的序列值的相关性，选取高相关性海域的环境因子或P_S作为产卵环境对西北太平洋柔鱼资源补充量的影响；计算8-11月份索饵场每点海洋环境因子组成的时间序列值以及P_F序列值与CPUE组成的序列值的相关性，选取高相关性海域的环境因子或P_F作为索饵环境对西北太平洋柔鱼资源补充量的影响的相关因子。

分析结果表明：在产卵月份(1～4月)产卵场区域内(20°-30°N,130°-170°E)，1～4月份各月每一个0.5°×0.5°的SST与CPUE作相关性分析，发现1月份SST有一片连续区域与CPUE呈显著相关，分布范围是145°-146°E、25°-26°N(Area1)，3月份Chl-a有一片连续区域与CPUE呈显著相关，分布范围是168°-169°E、27°-28.5°N(Area3)；Ps时间序列与CPUE时间序列相关性分析说明1-4月份产卵场最适表层水温范围占产卵场总面积的比例与CPUE之间不存在显著相关性。在主要索饵月份(8-11月)索饵场区域内(150°-165°E、38°-46°N)，8-11月份各月每一个0.5°×0.5°的SST与CPUE作相关性分析，发现11月份SST有一片连续区域与CPUE呈显著相关，分布范围是156.5°-158°E、40°-40.5°N(Area2)，8月份Chl-a有一片连续区域与CPUE呈显著相关，分布范围是158°-160°E、38°-39°N(Area4)；P_F时间序列与CPUE时间序列相关性分析说明，8-11月份索饵场最适表层水温范围占总索饵场的比例与CPUE之间不存在显著相关性。

表1 关键区域SST与CPUE相关性分析参数

表2 西北太平洋柔鱼资源丰度(GAM CPUE)与P_S、P_F的相关性分析

利用选定的关键海区环境因子以及P_S、P_F的不同组合作为BP预报模型的输入因子，构造BP网络结构预测模型，分别为：

方案1：选取Area1的SST、Area3的Chl-a、P_S共3个因子作为输入层，构造的BP网格结构，表示利用产卵环境关键影响因子建立的预测模型。

方案2：选取Area2的SST、Area4的Chl-a、P_F共3个因子作为输入因子，构造的BP网络结构，表示利用索饵环境关键影响因子建立的预测模型。

方案3：选择Area1与Area2的SST、Area3与Area4的Chl-a、P_S、P_F共6个因子作为输入因子，构造的BP网络结构，表示利用综合环境关键因子建立的预测模型。

利用matlab进行建模，计算三种方案下的均方误差和预报准确率，方案1和方案3的均方误差相近且优于方案2，但三种模型的预报精度都高，均在90％以上。