一种秘鲁鱿鱼的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，尤其是秘鲁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。已有研究表明，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。秘鲁鱿鱼分布在东南太平洋海域，易受厄尔尼诺现象、拉尼娜等异常环境因子的影响，而且年间变化尤为明显，严重影响着渔业生产。为此，需要研究海洋环境因子对大洋性经济柔鱼类资源补充量的影响，特别是秘鲁鱿鱼，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报模型，并分析其原因。

技术实现要素：

本发明研究了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秘鲁鱿鱼的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，建立一种秘鲁鱿鱼的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，预报精度提高20％，具有显著技术效果。

附图说明

图1是2003～2012年东南太平洋茎柔鱼GAM模型标准化CPUE图。

图2是特征环境因子与茎柔鱼单位捕捞努力量渔获量的线性关系图(a)。

图3是特征环境因子与茎柔鱼单位捕捞努力量渔获量的线性关系图(b)。

图4是特征环境因子与茎柔鱼单位捕捞努力量渔获量的线性关系图(c)。

图5是特征环境因子与茎柔鱼单位捕捞努力量渔获量的线性关系图(d)。

图6是特征环境因子与茎柔鱼单位捕捞努力量渔获量的线性关系图(e)。

图7是特征环境因子与茎柔鱼单位捕捞努力量渔获量的线性关系图(f)。

图8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；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。

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、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。

利用时间分辨率月、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(year)+factor(month)+s(longitude)+s(latitude)+s(SST)+s(SSH)+S(Chl-a)+ε

式中s为样条平滑函数，常数c为1，varε＝σ²，E(ε)＝0。

逐个加入环境因子与交互因子，选择DIC值最小的模型作为茎柔鱼CPUE标准化的最佳模型。

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，两者最大值出现在2004年，Nominal CPUE为7.06t/d，GAM CPUE为7.82t/d，Nominal CPUE最小值出现在2007年为4.03t/d，GAM CPUE最小值出现在2012年为3.99t/d。

茎柔鱼资源补充量与其产卵场和索饵场的栖息环境密切相关。因此分别计算分析1～12月份研究海域每点(0.5°×0.5°)SST、SSH、Chla组成的时间序列值与本年和次年CPUE组成的时间序列值的相关性，选取相关性高海域的SST、SSH、Chl-a作为茎柔鱼资源补充量的影响因子。其中，SST、SSH、Chl-a与本年CPUE相关性高的海域表示索饵栖息环境对资源补充量的影响；SST、SSH、Chl-a与次年CPUE相关性高的海域表示产卵栖息环境对资源补充量的影响。

9月份茎柔鱼产卵时适宜SST为24～28℃；7月份茎柔鱼的索饵时适宜SST为17～22℃。因此计算9月份产卵时、7月份索饵时最适表层水温范围占总面积的比例，表达产卵场索饵场栖息环境的适宜程度。

在1～12月份20°S～20°N、110°W～70°W海域范围内，各月每一个0.5°×0.5°的SST与本年和次年CPUE作相关性分析，发现SST与本年CPUE相关性最大值出现在7月份的13°N、102°W(Point1)(表1，图2)，SST与次年CPUE相关性最大值出现在6月份的8°N、103.5°W(Point2)(表1，图4)处；在1～12月份20°S～20°N、110°W～70°W海域范围内，各月每一个0.5°×0.5°的SSH与本年和次年CPUE作相关性分析，发现SSH与本年CPUE相关性最大值出现在9月份的11°N、102°W(Point3)(表1，图3)处，SSH与次年CPUE相关性最大值出现在2月的12°N、97.5°W(Point4)(表1，图5)处；在1～12月份20°S～20°N、110°W～70°W海域范围内，各月每一个0.5°×0.5°的Chla与本年和次年CPUE作相关性分析，发现Chl-a与本年CPUE相关性最大值出现在3月份的8°S、107°W(Point5)(表1，图6)处，Chl-a与次年CPUE相关性最大值出现在10月的10°S、93.5°W(Point4)(表1，图7)处。

表1关键海区环境因子与资源丰度、补充量的相关性分析参数

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EBP预报模型的输入因子，构造多种EBP预报模型，分别为：

方案1：选取Point1的SST、Point3的SSH、Point5的Chl-a、P_F共4个因子作为输入层，构造4:5:1的EBP网格结构，表示利用索饵环境关键影响因子建立的预报模型。

方案2：选取Point2的SST、Point4的SSH、Point6的Chl-a、Ps共4个因子作为输入因子，构造4:5:1的网络结构，表示利用产卵环境关键影响因子建立的预报模型。

方案3：选择Point1与Point2的SST、Point3与Point4的SSH、Point5与Point6的Chla、P_S、P_F共8个因子作为输入因子，构造8:9:1的网络结构，表示利用综合环境关键因子建立的预报模型。

利用matlab进行建模，计算三种方案下的均方误差(图8)，方案2和方案3的均方误差相近且优于方案1，其准确率在90％左右。