基于sar识别茎柔鱼空间分布及海洋环境影响的方法
【专利摘要】本发明涉及一种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，包括：1)获取茎柔鱼商业捕捞数据和海洋环境遥感数据，将渔获量换算成单位捕捞努力量渔获量CPUE；2)按月对茎柔鱼的CPUE绘图进行空间分布图；3)对海洋环境数据绘制箱线图，分析各月份海洋环境因子的变化；4)根据已有数据，采用GAM模型对CPUE、SST、SSS、SSH、经纬度、月份和年份进行联合分析；5)根据已有的数据，采用SAR模型对CPUE、SST、SSS、SSH进行联合计算，得出CPUE与海洋环境因子的关系；6)利用所建立的GAM与SAR两种模型，预测茎柔鱼资源的空间分布，利用精度指标对所得结果进行评价。与现有技术相比，本发明具有显著提高了预测准确率等优点。
【专利说明】
基于SAR识别茎柔鱼空间分布及海洋环境影响的方法
技术领域
[0001] 本发明涉及一种识别渔业资源空间分布及环境影响的方法，尤其是涉及一种基于 空间自回归SAR识别茎柔鱼空间分布及海洋环境影响的方法。
【背景技术】
[0002] 远洋渔业活动是在一定的时空范围进行的，因此对于时间序列数据中普遍存在的 序列相关问题，并且这些数据存在显著的空间特征。我国的渔业资源工作不断深入并逐渐 趋于成熟，研究人员能相对容易的找到渔业作业的相关数据。这些数据一般都是由时间数 据和空间数据组合在一起。随着我国渔业资源的统计手段的提高，遥感和GIS技术被纳入到 海洋渔业中来，为利用空间自相关研究空间分布提供了支持。研究渔业资源(CPUE与努力量 等）与海洋环境因子的关系，是渔业海洋学的核心内容。传统研究大多采用广义可加模型 (GAM)，该模型没有充分考虑到渔业数据存在的空间自相关特性，因此其预测结果在表达渔 业资源空间分布方面，存在一定的不足。在研究渔业资源时空分布以及环境影响时，尽管 GAM利用图形可方便解释应变量与自变量的关系，是有效的数据探索、分析工具，但其任何 形式的推断过程(假设检验、置信区间等)均可能存在问题。
[0003] 目前，虽然国际国内已利用空间自相关指标对渔业资源的空间分布开展了一些研 究，但是迄今为止并未采用空间自回归(SAR)对CPUE与海洋环境因子的关系进行分析，从而 进行更加有效的预测。
【发明内容】
[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于SAR识别茎 柔鱼空间分布及海洋环境影响的方法。
[0005] 本发明的目的可以通过以下技术方案来实现：
[0006] -种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，其特征在于，包括：
[0007] 1)获取茎柔鱼商业捕捞数据和海洋环境遥感数据，将渔获量换算成单位捕捞努力 量渔获量CPUE，其中海洋环境遥感数据包括海表层温度SST，海表层盐度SSS和海表层高度 SSH ；
[0008] 2)按月对茎柔鱼的CPUE绘图进行空间分布图，对茎柔鱼按月的渔获量和努力量进 行比较分析；
[0009] 3)对海洋环境数据绘制箱线图，分析各月份海洋环境因子的变化；
[0010] 4)根据已有数据，采用GAM模型对0?1^、331\333、33!1、经炜度、月份和年份进行联 合分析；
[0011] 5)根据已有的数据，采用SAR模型对0?诎、551\555、55!1进行联合计算，得出0?诎与 海洋环境因子的关系；
[0012] 6)利用所建立的GAM与SAR两种模型，预测茎柔鱼资源的空间分布，利用精度指标 对所得结果进行评价，得出结论；
[0013] 7)输出并保存结果。
[0014]所述的步骤1)具体为：
[0015] 11)获取η个年份某几个月份的商业捕捞数据，在每个作业区域内的CPUE和捕捞努 力量计算公式：
[0016]
(1)
[0017] 式中，Ci是一个0.5° Χ0.5°的作业区域内第i年的渔获量(吨），Ei是0.5° Χ0.5°的 作业区域内相应的努力量数值，η是总的年份；
[0018] 12)获取海表面温度数据、海表层盐度数据、海表层深度数据，将这些数据的空间 分辨率转化为与CPUE数据一致，即0.5° X 0.5°。
[0019] 所述的步骤2)具体为：
[0020] 13)利用经典统计学方法，对每个月份的渔业CPUE的空间分布状况进行分析，通过 经典统计量评价CPUE、渔获量和努力量数据的分布。
[0021] 所述的步骤3)具体为：
[0022] 14)利用经典统计学方法，对每个月份的海洋环境数据进行统计分析，绘制出每月 SST，SSS和SSH值的变化图。
[0023]所述的步骤4)具体为：
[0024] 15)采用GAM模型对数据进行计算，即探索因变量CPUE和多个自变量的非线性关 系，其中自变量包括SST、SSS、SSH、经炜度、月份和年份；
[0025] 16)具体设置海洋的影响因子和茎柔鱼的时空分布因子在GAM模型中的作用，其中 影响因子包括SST，SSS和SSH，时空分布因子包括位置、年份year和月份Month，位置包括经 度Longitude和炜度Latitude，GAM使用一个未指定的平滑函数，把非参数GAM设定为：
[0026] In(CPUE)~s(SST)+s(SSS)+s(SSH)+s(year)
[0027] +s(Month)+s(Longitude)+s(Latitude)+δ (2)
[0028] 这里In(CPUE)是茎柔鱼CPUE的对数变换，所有的CPUE数据都服从正态分布，s(.) 是一个样条平滑函数，S是模型拟合残差。
[0029]所述的步骤5)具体为：
[0030] 17)在运用空间自回归模型前进行空间自相关检验，使用空间自回归检验统计量 为Moran's I系数：
[0031] (飞）
[0032] Y1为第i地区的观测值，η为地区总数， Wlj为空间权重矩阵的任一元素，用标准化统计量Z来检验η个是否存在空间自相关，Z的计算 公式：
[0033]
(4)
[0034] 当Z值为正且显著时，表明存在正的空间自相关；当Z值为负且显著时，表明存在负 的空间自相关;当Z值为零时，观测值呈独立随机分布；
[0035] 18)检验后空间自相关自后，采用SAR模型进行计算，SAR模型表达如下：
[0036]
(5)
[0037] 式中，y是被解释变量，X是解释变量，β是与解释变量X相关的参数向量，P空间滞后 项系数，λ是空间误差项的回归系数，WjPW 2分别是与被解释变量和残差的空间自回归 过程相关的权重矩阵，ε表示随机误差项向量，In表示残差的空间自相关系数，表示方差 矩阵；
[0038]当P辛0，β辛0，λ = 〇时，为混合回归与空间自回归模型，在这个模型中，所研究区域 的被解释变量不仅与本区域的解释变量有关，还与相邻区域的被解释变量有关；
[0039] 当Ρ = 0，β乒0，λ乒〇,为残差空间自回归模型。
[0040] 所述的步骤6)具体为：
[0041] 19)在GIS环境下，基于海洋环境因素，利用所建立的GAM和SAR模型对茎柔鱼资源 的空间分布进行预测，得到渔业CPUE的空间分布预测图；
[0042] 20)对采用SAR和GAM得出的结果进行对比分析，采用多个指标评估两个模型的拟 合优度，其中包括校正的R2、赤池信息准则AIC、残差平均值、残差平方和、残差的Moran's I 及P值;校正的R2接近1则表示一个很好的模型拟合，而规模较小的AICC值表示更接近于实 际近似值，同样地较小的残差平均值和残差平方和表明模型拟合较好，而残差的全局 Moran's I越接近0且p值大于0.05说明模型效果更好；
[0043] 21)分别绘制GAM和SAR在茎柔鱼预测热点比较分布图，分析CPUE冷热点分析状况， 利用步骤20)的方法对空间热点分布图进行评价。
[0044] 与现有技术相比，本发明采用空间自回归模型（SAR)参数模型对秘鲁茎柔鱼的空 间分布进行分析和预测，与传统的广义可加模型(GAM)比较，显著提高了预测准确率。
【附图说明】
[0045]图1为本发明的流程图；
[0046]图2为秘鲁茎柔鱼CPUE的月分布图；
[0047] 图3为2009-2013年秘鲁茎柔鱼的每月卫星SST，SSS和SSH值；
[0048]图4为95%置信度下GAM模型得到的各因子与CPUE的关系
[0049] 图5为GAM和SAR模型对秘鲁茎柔鱼CPUE的预测比较图；
[0050] 图6为GAM和SAR模型在秘鲁茎柔鱼预测热点比较分布图。
【具体实施方式】
[0051] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发 明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实 施例，都应属于本发明保护的范围。
[0052] 1)以2009-2013年10月、11月、12月秘鲁茎柔鱼渔业数据为基础，从已记录的捕捞 数据，取其中的日期、经炜度、渔获量、捕捞量，将茎柔鱼鱼产量数据转换为单位捕捞努力量 渔获量，并绘制CPUE分布图，如图2;获取商业渔业数据和海洋环境数据(SST，SSS和SSH); [0053] 2)对茎柔鱼的CPUE按月进行时空分布分析，对渔获量和努力量进行分析对比，表1 为秘鲁茎柔鱼渔获量和努力量年、月的变化分析；
[0054] 3)在R语言环境下，对秘鲁茎柔鱼的每月卫星SST，SSS和SSH值绘制统计图形，分析 环境因子的月变化(图3);
[0055] 4)采用GAM模型借助R软件进行计算，表2显示秘鲁茎柔鱼GAM模型的参数估计，并 绘制在95%置信区间下CPUE和预测变量之间的关系（图4);
[0056] 5)在Geoda软件环境下计算并得到SAR模型参数，从而建立的秘鲁海外茎柔鱼的 SAR模型，表3是示秘鲁茎柔鱼SAR参数模型评估的汇总；
[0057] 6)对两种模型建模的拟合结果进行比较(表4)，可以看到SAR的模型性能从拟合优 度到拟合残差每一项均优于传统GAM模型；
[0058] 6)利用GAM和SAR两种模型对莖柔鱼的空间分布进行预测，结果如图5所示；利用 GIS中的热点分析绘制商业捕捞数据、GAM模型和SAR模型的空间热点分布（图6)。与商业捕 捞数据比较，表明SAR结果具有更高的预测精度(表5)。
[0059]分析结果：
[0060] 本发明创新性的采用SAR参数模型对秘鲁茎柔鱼的进行预测，和传统的GAM参数模 型比较分析，提高预测准确率。采用SAR模型识别茎柔鱼空间分布及环境影响的方法，相较 于运用比较普遍的GAM模型，SAR模型所得结果校正的R 2更高、AIC值更小，说明更其效果更 优，残差的Moran's I更小说明效果更好。在热冷点分析时，采用SAR模型方法相较于GAM方 法所得结果更精准，效果更理想。SAR结果显示，茎柔鱼热点在10月份最主要分布在18° S附 近，11月主要分布在17° S-19° S左右，12月份主要分布在15° S-17° S附近，冷点10月份主要分 布在15° S附近，11月份主要分布在10° S-12° S附近，12月份主要分布在11° S-13° S附近。
[0061] 表 1
[0071]以上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何 熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替 换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利 要求的保护范围为准。
【主权项】
1. 一种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，其特征在于，包括： 1) 获取茎柔鱼商业捕捞数据和海洋环境遥感数据，将渔获量换算成单位捕捞努力量渔 获量CPUE，其中海洋环境遥感数据包括海表层温度SST，海表层盐度SSS和海表层高度SSH; 2) 按月对茎柔鱼的CPUE绘图进行空间分布图，对茎柔鱼按月的渔获量和努力量进行比 较分析； 3) 对海洋环境数据绘制箱线图，分析各月份海洋环境因子的变化； 4) 根据已有数据，采用GAM模型对0?1^、551\555、55!1、经炜度、月份和年份进行联合分 析； 5) 根据已有的数据，采用SAR模型对CPUE、SST、SSS、SSH进行联合计算，得出CPUE与海洋 环境因子的关系； 6) 利用所建立的GAM与SAR两种模型，预测茎柔鱼资源的空间分布，利用精度指标对所 得结果进行评价，得出结论； 7) 输出并保存结果。2. 根据权利要求1所述的一种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，其 特征在于，所述的步骤1)具体为： 11) 获取η个年份某几个月份的商业捕捞数据，在每个作业区域内的CPUE和捕捞努力量 计算公式：式中，Ci是一个0.5° X 0.5°的作业区域内第i年的渔获量(吨），Ei是0.5° X 0.5°的作业 区域内相应的努力量数值，η是总的年份； 12) 获取海表面温度数据、海表层盐度数据、海表层深度数据，将这些数据的空间分辨 率转化为与CPUE数据一致，即0.5° X 0.5°。3. 根据权利要求2所述的一种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，其 特征在于，所述的步骤2)具体为： 13) 利用经典统计学方法，对每个月份的渔业CPUE的空间分布状况进行分析，通过经典 统计量评价CPUE、渔获量和努力量数据的分布。4. 根据权利要求3所述的一种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，其 特征在于，所述的步骤3)具体为： 14) 利用经典统计学方法，对每个月份的海洋环境数据进行统计分析，绘制出每月SST， SSS和SSH值的变化图。5. 根据权利要求4所述的一种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，其 特征在于，所述的步骤4)具体为： 15) 采用GAM模型对数据进行计算，即探索因变量CPUE和多个自变量的非线性关系，其 中自变量包括SST、SSS、SSH、经炜度、月份和年份； 16) 具体设置海洋的影响因子和茎柔鱼的时空分布因子在GAM模型中的作用，其中影响 因子包括SST，SSS和SSH，时空分布因子包括位置、年份year和月份Month，位置包括经度 Longitude和炜度Latitude，GAM使用一个未指定的平滑函数，把非参数GAM设定为： ln(CPUE)~s(SST)+s(SSS)+s(SSH)+s(year) +(Month)+s(Longitude)+s(Latitude)+δ (2) 这里ln(CPUE)是茎柔鱼CPUE的对数变换，所有的CPUE数据都服从正态分布，s(.)是一 个样条平滑函数，S是模型拟合残差。6. 根据权利要求5所述的一种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，其 特征在于，所述的步骤5)具体为： 17) 在运用空间自回归模型前进行空间自相关检验，使用空间自回归检验统计量为 Moran's I系数：，Yi为第i地区的观测值，η为地区总数，Wij为 空间权重矩阵的任一元素，用标准化统计量Z来检验η个是否存在空间自相关，Z的计算公 式：当Ζ值为正且显著时，表明存在正的空间自相关；当Ζ值为负且显著时，表明存在负的空 间自相关;当Ζ值为零时，观测值呈独立随机分布； 18) 检验后空间自相关自后，采用SAR模型进行计算，SAR模型表达如下：式中，y是被解释变量，X是解释变量，β是与解释变量X相关的参数向量，ρ空间滞后项yWi 的系数，λ是空间误差项的回归系数，WjPW2分别是与被解释变量和残差的空间自回归过程 相关的权重矩阵，ε表示随机误差项向量，I n表示残差的空间自相关系数，σ〗表示方差矩阵； 当ρ辛〇，β辛0，λ=0时，为混合回归与空间自回归模型，在这个模型中，所研究区域的被 解释变量不仅与本区域的解释变量有关，还与相邻区域的被解释变量有关； 当ρ = 〇，β辛〇，λ辛〇,为残差空间自回归模型。7. 根据权利要求6所述的一种基于SAR识别茎柔鱼空间分布及海洋环境影响的方法，其 特征在于，所述的步骤6)具体为： 19) 在GIS环境下，基于海洋环境因素，利用所建立的GAM和SAR模型对茎柔鱼资源的空 间分布进行预测，得到渔业CPUE的空间分布预测图； 20) 对采用SAR和GAM得出的结果进行对比分析，采用多个指标评估两个模型的拟合优 度，其中包括校正的R2、赤池信息准则AIC、残差平均值、残差平方和、残差的Moran's I及p 值;校正的R2接近1则表示一个很好的模型拟合，而规模较小的AICC值表示更接近于实际近 似值，同样地较小的残差平均值和残差平方和表明模型拟合较好，而残差的全局Moran's I 越接近0且P值大于0.05说明模型效果更好； 21)分别绘制GAM和SAR在茎柔鱼预测热点比较分布图，分析CPUE冷热点分析状况，利用 步骤20)的方法对空间热点分布图进行评价。
【文档编号】G06Q50/02GK106056240SQ201610356543
【公开日】2016年10月26日
【申请日】2016年5月26日
【发明人】冯永玖, 崔丽, 陈新军
【申请人】上海海洋大学