本发明涉及一种渔情预报方法，特别是涉及东南太平洋南美沙丁鱼资源量预测方法及其应用。
背景技术：
南美沙丁鱼Sardinops sagax属硬骨鱼纲、鲱形目、鲱科、拟沙丁鱼属。主要分布在秘鲁和智利的沿海海域，北至5°S的Sechura湾，南至智利的摩卡岛(Mocha Island，38°30'5)。南美沙丁鱼为沿岸性的小型中上层鱼类，主要在40米水层捕获。夏季的栖息水温为16-23℃，冬季栖息水温为10-18℃。高密度集群主要分布在秘鲁海流。主要捕食浮游甲壳类动物。一年产卵2次，主要为7-9月，其次为2-3月。产卵场分布在整个沿岸海域。体长24厘米的个体性腺基本成熟。
南美沙丁鱼的捕捞产量到1961年联合国粮农组织才有统计，1961年秘鲁捕捞2700吨，1973年增加为10万吨。以后捕捞产量出现急剧增长，1985年达到650万吨，但是此时由于厄尔尼诺现象秘鲁鳀鱼出现了剧减。1985年以后，捕捞产量出现下降，1995年达到150万吨，主要来自秘鲁。捕捞作业方式主要为小型围网。1999年捕捞产量为44.2万吨，其中智利为24.6万吨，秘鲁为18.8万吨。2001年捕捞产量进一步下降到13万吨，2007年以后不足1000吨。在南美沙丁鱼的捕捞国家中，智利和秘鲁是主要的国家。其捕捞产量同样呈现出相同的变化趋势。
根据联合国粮农组织的生产统计，秘鲁和智利海域捕捞的南美沙丁鱼和鳀鱼产量呈现相反的趋势。在开发初期的60年代(1960-1971年)，智利海域南美沙丁鱼、鳀鱼的平均年产量分别为2180吨和67万吨；1979-1987年间，南美沙丁鱼、鳀鱼的平均年产量分别为221万吨和29万吨；1993-2012年，南美沙丁鱼、鳀鱼的平均年产量分别为6.8万吨和137.8万吨。
渔情预报是渔业生产的关键环节，对南美沙丁鱼资源量的预报有利于南美沙丁鱼产量、中心渔场位置和鱼汛期的预报。南美沙丁鱼幼仔鱼的存活率除了与其内在的生理因素相关外，与外界海洋环境因素也密切相关。外界因子很多，直接或间接的影响幼仔鱼的行动，包 括水文(海流、水温、潮汐、盐度、水色、水质和径流等)，气象(包括风、气压、气温、降水等)，地理(地形、地质、地貌等)，生物(浮游、底栖、敌害等)。
据前人研究太平洋沙丁鱼资源量受海洋环境因子、气候因子等影响，利用这些因子建立了多种预报资源量模型。如Manuel(2001)等利用海表温度(SST)、上升流(IS)以及调查采样的渔业数据分析了加利福尼亚海湾沙丁鱼资源量与栖息地环境的关系，结果表明：当沙丁鱼资源量丰富时其分布范围较广，反之，其分布范围较小。其资源丰度与环境变量之间存在非线性关系，最高资源丰度出现在IS为13-18m3s-1/10m、SST为19-25℃海域，利用这些因子建立的预报模型偏差解释了为78.8％。Juan(2009)等利用SST、SL(Sea level)、EK(Ekman transport index in the Chilean coast)、N34(Nino3+4SST)、N12(Nino1+2SST)以及SOI(south oscillation index)数据建立智利北部沙丁鱼产量预报模型(MLRs、GAMs、CNNs)，同时考虑变量因子的滞后效应。选出的最佳预报模型的偏差解释了为86％，标准差为7.66％。另外，Eleuterio(2010)等利用环境因子，鯷鱼产量和沙丁鱼CPUE，建立智利北部的鯷鱼和沙丁鱼神经网络资源量预报模型。最佳的预报模型偏差解释率为82％，预测标准差低于45％。以上预报精度难以满足业务化和生产的要求，有待于进一步提高。
技术实现要素：
本发明为了解决上述问题，克服现有技术中渔情预报模型预报精度不高的问题，本发明提供一种利用海洋遥感海洋环境和气候因子数据，借助有关统计软件分析不同月份不同滞后的与南美沙丁鱼资源量的相关性，选取相关性最高的10个因子，作为BP神经网络输入层建立10-8-1的预测模型预测南美沙丁鱼资源量大小的方法，以满足渔业生产和业务化运行的需求。
为了实现上述目的，本发明的技术方案如下：
一种南美沙丁鱼资源量预测方法，其特征在于，包括以下步骤：
(1)通过遥感卫星获取厄尔尼诺1.2与厄尔尼诺4之间标准差异指数(TNI)、赤道区南方涛动指数(ESOI)、东太平洋赤道区海平面气压(EEPSLP)、全球月平均综合角动量指数(MGIAMI)、达尔文海平面气压(Dar SLP)、南方涛动指数标准数据(SOI s)、南方涛动指数距平数据(SOI a)等共7个海洋环境与气候因子；
(2)按月以及年平均对7个海洋环境和气候因子与南美沙丁鱼年产量进行0-6年的滞后相关性分析，获得统计上显著的因子；
(3)分析选取的10个因子分别为：TNI-8-lag5(表示环境因子TNI在8月份滞后5年的影响)；MGIAMI-10-R(表示环境因子MGIAMI在10月份的影响)；MGIAMI-10-lag1 (表示环境因子MGIAMI 10月份滞后1年的影响)；MGIAMI-9-lag1(表示环境因子MGIAMI在9月份滞后1年的影响)；Dar SLP-7-lag6(表示环境因子Dar SLP在7月份滞后6年的影响)；SOI a-11-lag1(表示环境因子SOI a在11月份滞后1年的影响)；EEPSLP-5-lag1(表示环境因子EEPSLP在5月份滞后1年的影响)；SOI s-3-lag 1(表示环境因子SOI s在3月份滞后1年的影响)；EEPSLP-5-R(表示环境因子EEPSLP在5月份的影响)；ESOI-年平均值-lag1(表示环境因子ESOI年平均值滞后1年的影响)；
(4)将选取的10个海洋环境和气候因子作为BP神经网络输入层，建立网络结构为10-8-1的南美沙丁鱼资源量预测模型。即输入层为10个因子，隐含层为8个因子，输出层为南美沙丁鱼资源量1个因子；
(5)通过对1970-2012年南美沙丁鱼预测资源量与实际资源量分析，得到预测资源量(Y)与实际资源量(X)关系式为：Y＝1.0293X-1.1065。
根据本发明所述一种南美沙丁鱼资源量预测方法，7-9月份为南美沙丁鱼产卵适宜时间，2-3月为次要产卵时间。
根据本发明所述一种南美沙丁鱼资源量预测方法，5、10月份为南美沙丁仔稚鱼生长发育的最适时间。
本发明还提供一种所述南美沙丁鱼资源量预测方法在渔情预报上的应用。
本发明的有益效果是：本预测模型可以解释南美沙丁鱼资源丰度变化的90％以上。南美沙丁鱼资源量的预报结果及时提供给用户及相关部门，以供科学参考，今后可作为一种产品进行实时发布。
具体实施方式
下面对本发明作进一步阐述，本领域技术人员应当理解，所述实施例仅用于示例，而不对本发明构成任何限制。
东南太平洋南美沙丁鱼是生命周期为5-6年的种类，为沿岸上层鱼类，其资源量主要取决于产卵场的海洋环境条件。适宜的海洋环境条件下卵成活率高，反之则低。南美沙丁鱼的产卵时间通常为7－9月，次要产卵期为2-3月。
一种南美沙丁鱼资源量预测方法，包括以下步骤：
(1)通过遥感卫星获取厄尔尼诺1.2与厄尔尼诺4之间标准差异指数(TNI)、赤道区南方涛动指数(ESOI)、东太平洋赤道区海平面气压(EEPSLP)、全球月平均综合角动量指数(MGIAMI)、达尔文海平面气压(Dar SLP)、南方涛动指数标准数据(SOI s)、南方涛动指数距平数据(SOI a)等共7个海洋环境与气候因子；
(2)按月以及年平均对7个海洋环境和气候因子与南美沙丁鱼年产量进行0-6年的滞后相关性分析，获得统计上显著的因子；
(3)分析选取的10个因子分别为：TNI-8-lag5(表示环境因子TNI在8月份滞后5年的影响)；MGIAMI-10-R(表示环境因子MGIAMI在10月份的影响)；MGIAMI-10-lag1(表示环境因子MGIAMI 10月份滞后1年的影响)；MGIAMI-9-lag1(表示环境因子MGIAMI在9月份滞后1年的影响)；Dar SLP-7-lag6(表示环境因子Dar SLP在7月份滞后6年的影响)；SOI a-11-lag1(表示环境因子SOI a在11月份滞后1年的影响)；EEPSLP-5-lag1(表示环境因子EEPSLP在5月份滞后1年的影响)；SOI s-3-lag 1(表示环境因子SOI s在3月份滞后1年的影响)；EEPSLP-5-R(表示环境因子EEPSLP在5月份的影响)；ESOI-年平均值-lag1(表示环境因子ESOI年平均值滞后1年的影响)；
(4)将选取的10个海洋环境和气候因子作为BP神经网络输入层，建立网络结构为10-8-1的南美沙丁鱼资源量预测模型；
(5)通过对1970-2012年南美沙丁鱼预测资源量与实际资源量分析，得到预测资源量(Y)与实际资源量(X)关系式为：Y＝1.0293X-1.1065。
本发明的有益效果是：本关系式可以解释南美沙丁鱼资源量变化的90％以上，远高于前人所建立的预报模型。南美沙丁鱼资源量的预报结果及时提供给用户及相关部门，以供科学参考，今后可作为一种产品进行实时发布。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。