一种基于高分辨率海洋预报系统的新型渔情预报模型及方法与流程

本发明属于渔情预报技术领域，具体涉及一种基于高分辨率海洋预报系统的新型渔情预报模型及方法。

背景技术：

鱼类在海洋中资源量巨大，其空间分布广泛，因此调查难度大，其种群动态研究一直是渔业管理和渔业研究的一大挑战。在过去的二十多年，许多学者主要利用基于个体模型(individual-basedmodel，ibm)来解决这一生态问题。ibm由海洋物理模型和生物学模型组成，以个体或空间单元为目标，对其时间演变和空间运动进行研究，从而获得整个模型的时空模式。

但是，ibm的应用存在许多局限性。在研究中，考虑完整的海洋物理过程对提高渔情预报模型的精度至关重要，但ibm的大部分研究不支持完整的水动力环境，仅涉及了海流背景下的平流和扩散。以往ibm主要被用于模拟单个鱼种在仔幼鱼阶段的被动运动过程，很少用于成熟阶段主动运动的研究。此外，在渔业生态学方面，以往大多仅支持单鱼种的模拟，所模拟的渔业生态学过程也不够完整，生长相关的生物学变量比较单一，并且在死亡率的设置方面仅考虑了自然死亡率来模拟中长期的死亡活动，不涉及非自然死亡率。

技术实现要素：

本发明的目的在于解决现有技术中存在的上述问题，提出了一种基于高分辨率海洋预报系统的新型渔情预报模型及方法，该模型包括水动力学模块、被动运动模块和渔业生态模块；支持完整的水动力过程，涉及洄游性鱼类的主动运动策略，可用于多鱼种完整的生活史的模拟和预报，该方法得到的预报结果不仅可以提供一些渔情预报产品用于指导渔业科学生产，也可为优化渔业资源管理等方面提供参考。

本发明的技术方案是：

一种基于高分辨率海洋预报系统的新型渔情预报模型，包括水动力学模块，被动运动模块和渔业生态模块；具体包括完整的水动力环境，洄游性鱼类的主动运动策略和多鱼种完整生活史的模拟和预报。所述水动力学模块为完整的水动力环境，用于提供完整的水动力学背景；所述被动运动模块包括被动运动过程；所述渔业生态模块包括主动运动策略和多鱼种完整生活史的模拟和预报；所述洄游性鱼类的主动运动策略，用于确定成熟鱼类主动运动的速度大小和方向；所述多鱼种完整生活史的模拟，用于模拟多种鱼类在各生长阶段完整的渔业生态学过程。

进一步的，所述水动力学模块用于提供完整的水动力学背景，水动力学数据参数包括水平方向流速、海面风场、潮汐潮流和海浪相关数据。

进一步的，所述模型针对高分辨率海洋预报系统所设计的接口包括单模式高分辨率接口，单模式自带插值功能的接口和多模式拼接的接口。

进一步的，所述被动运动模块包括鱼类的被动运动过程；所述渔业生态模块包括洄游性鱼类的主动运动策略和多鱼种完整生活史的模拟和预报。

进一步的，所述渔业生态模块具体包括产卵过程、生长过程、死亡过程、主动运动过程；所述主动运动策略包括水平方向上的大尺度运动，水平方向上的小尺度运动，以及垂直方向上的昼夜垂直运动。

进一步的，对于水平方向上的大尺度运动，成熟个体抵抗水流返回产卵场进行产卵洄游；对于水平方向上的小尺度运动，以温度梯度和盐度梯度作为初始食物场的相关因子，通过下述公式(1)控制运动方向：

其中，g是标量，是单位矢量，wt和ws是温度梯度和盐度梯度的权重，和是温度梯度在x和y方向上的分量，和是盐度梯度在x和y方向上的分量；单位矢量可以用于确定个体主动运动的方向，主动运动的速度设置为参数。

对于垂直方向上的昼夜垂直运动，通过渔业调查或者文献得到目标鱼种的栖息水深范围，然后在该范围内令个体白天向上游，晚上向下游，垂直方向上的运动速度以参数的形式提供。

进一步的，多鱼种完整生活史的模拟具体包括：支持同时模拟多种鱼类，覆盖鱼类整个生活史的各生长阶段，涉及完整的渔业生态学过程；

其中，所述产卵过程，对新出生的个体进行初始化处理；

所述生长过程，根据鱼种选择相应的生长方案，所述生长方案所涉及的生物学变量包括鱼类体长、鱼类体重、性腺重量以及性腺体指数；

在生长方面，模型支持不同的生长方案，具体方案如下所示：

鱼类的体长有两种计算方案，一种与水温有关，其公式如下：

其中，l表示体长(mm)；lmax最大体长；t是时间，单位为日；c是一个常数；rt是与水温有关的函数；

另一种方案与时间有关，其公式如下：

其中l表示体长(mm)；coea和coeb是由鱼种决定的参数；bt是与时间有关的函数。

鱼类的体重也有两种计算方案，一种与鱼类的体长有关，体长-体重关系方程如下：

w＝al^b(4)

其中a和b是由鱼种决定的参数；w表示鱼的体重(g)；l表示鱼的体长(mm)；

另一种体重的计算则与饵料浓度有关，其表达式如下：

其中，w和wt-1分别表示在第t天和t-1天鱼的湿重(g)；c表示食物消耗量；r表示呼吸或新陈代谢的损失；sda表示食物消化的能量消耗；f表示排泄引起的能量消耗；e含氮排泄物的能量消耗；calz和calf分别表示浮游植物和鱼类的热量。c，r，sda，f和e的单位都是wpreywt-1^-1day^-1,其中wprey表示饵料的湿重(g)。

性腺重量是与鱼类体重相关的函数：

gw=coel(w-coe2)+coe3(6)

其中，gw表示性腺重量(g)；w表示体重(g)；coe1，coe2和coe3是由鱼种和成熟度决定的参数。

性腺体指数(gsi)反映了鱼类的性腺重量与体重的相对关系：

其中gsi表示性腺体指数；gw和w分别表示鱼的性腺重量和体重(g)。

所述死亡过程包括自然死亡和非自然死亡，未成熟个体仅采用自然死亡率，所述自然死亡率的设置选择相应的方案，成熟的个体同时考虑自然死亡率和和非自然死亡率，所述非自然死亡采用捕捞死亡率进行计算，所述捕捞死亡率为常数。

在死亡方面，模型支持自然死亡和非自然死亡，其中自然死亡率的设置支持两种方案：

一是将自然死亡率设为常数，二是自然死亡率的计算依赖于鱼类的生长，其表达式如下：

其中m表示日平均自然死亡率；g表示日平均绝对生长率(mm)；l表示体长(mm)；pa，pb和pc是由鱼种确定的参数。

非死亡过程采用的是捕捞死亡率，在模型中根据渔业调查或者相关文献设为常数。

一种基于高分辨率海洋预报系统的新型渔情预报方法，其特征在于，包括如下步骤：

(1)确定目标区域的经纬度范围，设定模拟的起止时间，然后选择合适的数据接口，基于高分辨率海洋预报系统(ofs)完整的水动力学环境读取目标时刻的水动力学数据；

(2)设置初始产卵场，根据渔业调查或者渔业资源评估报告确定产卵场的中心位置坐标，然后设置产卵场半径，将新生个体均匀释放在产卵场半径范围内，然后设定产卵时间和产卵频率；

(3)基于已读取的水动力学数据实现鱼类个体的运动过程，判断当前个体所处的生长阶段，未成熟个体随水动力环境做被动运动，成熟个体抵抗水流进行被动和主动运动，最后计算得到个体所在最新位置的经度、纬度和深度；

(4)对当前时刻个体所处的生长阶段进行判断，然后对其渔业生态学过程进行模拟，主要包括产卵过程、生长过程、死亡过程和运动过程，其中运动过程由步骤(3)实现；在产卵方面，对新出生的个体进行初始化处理；在生长方面，根据鱼种选择相应的生长方案；在死亡方面，未成熟个体仅采用自然死亡率，成熟的个体同时考虑自然死亡率和捕捞死亡率；最后对所处阶段的生物学变量进行模拟，包括体长、体重、性腺重量和性腺体指数；

(5)将步骤(1)至(4)按照时间进行循环步进，每间隔一天输出一次预报结果，用于预报结果的统计。

本发明的有益效果：

本发明提供了一种基于高分辨率海洋预报系统的新型渔情预报模型，该模型包括水动力学模块、被动运动模块和渔业生态模块；提供了一个研究不同物理或渔业过程的影响和相互作用的平台，可以提高渔业资源预报的准确性，还可以提供渔获产量、渔情分布和鱼类的生物学变量等渔情预报产品用于后续的过程分析等。

本发明所提供的预报方法支持完整的水动力学过程，涉及洄游性鱼类的主动运动过程，可用于多鱼种完整的生活史的模拟和预报，其预报结果不仅可以提供一些渔情预报产品用于指导渔业科学生产，也可为优化渔业资源管理等方面提供参考。

附图说明

图1为渔情预报模型设计框架图；

图2为渔情预报模型系统流程图；

图3为太平洋褶柔鱼秋生群全年分布图；其中，a为数量分布图，b为产量分布图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了进一步理解本发明，将结合附图和实施例对本发明作进一步的说明。

如图1和图2所示，本发明提供了一种基于高分辨率海洋预报系统的新型渔情预报模型及方法。模型包括水动力学模块，被动运动模块和渔业生态模块；具体包括完整的水动力学环境，鱼类的被动运动过程，洄游性鱼类的主动运动策略和多鱼种完整生活史的模拟和预报。

水动力学模块包括完整的水动力环境，用于提供完整的水动力学背景，包括水平方向流速、海面风场、潮汐潮流和海浪等相关数据；被动运动模块包括鱼类的被动运动；渔业生态模块包括洄游性鱼类的主动运动策略和多鱼种完整生活史的模拟和预报；具体包括产卵过程、生长过程、死亡过程、主动运动过程；主动运动策略包括水平方向上的大尺度运动，水平方向上的小尺度运动，以及垂直方向上的昼夜垂直运动。

实施例

下面，以太平洋褶柔鱼秋生群为实例，基于本发明对其分布和生物学变量进行模拟。

按照步骤(1)，开发水动力学模块，选取目标区域，范围覆盖100°e-220°e，0°-80°n，测试时间为2017年10月-2018年9月，通过ofs单模式自带插值功能的接口读取某时刻完整的水动力学数据，即读取目标区域的网格数据并通过插值法自定义网格数据的分辨率，本次模拟过程将网格分辨率设为0.1°。

按照步骤(2)，开发渔业生态模块，根据日本渔业机构提供的2018年太平洋褶柔鱼秋生群资源评估报告确定两个产卵场的中心位置坐标分别为130.5°e，35.5°n和136.2°e，37.1°n，然后设置产卵场半径为111公里，将新生个体均匀释放在产卵半径范围内；产卵时间设置为2017年10月-12月，产卵频率为3.5天一次。

按照步骤(3)，开发被动运动模块，该模块和渔业生态模块分别模拟单个个体的被动运动和主动运动过程。判断当前个体所处的生长阶段，未成熟个体随水动力环境做被动运动，成熟个体抵抗水流进行被动和主动运动。对于水平方向上的大尺度运动，成熟个体返回产卵场进行产卵洄游；对于水平方向上的小尺度运动，以温度梯度和盐度梯度作为初始食物场的相关因子主导成熟个体的主动运动方向，主动运动方向的确定参照公式(1)；对于垂直方向上的昼夜垂直运动，该鱼种主要分布在80-150米的水深范围内，令成熟个体白天向上游，晚上向下游，运动速度的大小设置为0.01m/s，个体所在位置的分布情况参考图3a。

按照步骤(4)，在渔业生态模块中，对当前时刻个体所处生长阶段的渔业生态学过程进行模拟。对于产卵过程，在产卵场释放亲鱼使其参与产卵过程，在产卵期内产卵数共计约42万枚，然后对新出生的个体进行初始化处理。对于生长过程，系统首先对当前时刻个体所处的生长阶段进行判断，选择相应的生长方案，胴背长的生长依赖于时间，如公式(3)所示(雌性：coea＝268，coeb＝0，bt＝-4.5+0.026t；雄性：coea＝258，coeb＝0，bt＝-4.54+0.0257t)；体重的生长依赖于胴背长，如公式(4)所示(a＝e^-9.27，b＝2.72)；性腺的生长依赖于体重，如公式(6)所示，其中未成熟雌性(coe1＝0.021，coe2＝50.5，coe3＝0)，成熟雌性对应的参数为(coe1＝0.033，coe2＝200，coe3＝5.785)，未成熟雄性对应的参数为(coe1＝0.038，coe2＝54.3，coe3＝0)，成熟雄性对应的参数为(coe1＝0.021，coe2＝150，coe3＝6.684)；性腺成熟度依赖于性腺重量和体重的相对关系，用性腺体指数gsi表示，如公式(7)所示。对于死亡过程，未成熟的个体仅采用自然死亡率，月平均自然死亡率设置为0.1；成熟的个体同时考虑自然死亡率和捕捞死亡率，渔期期间的月平均捕捞死亡率设置为0.027，渔期为2018年4月-9月。模拟结束时场内的总个体数约为12万。

按照步骤(5)，将步骤(1)～(4)按照时间循环计算，每间隔一天输出依次预报结果，经统计可以得出如图3所示的太平洋褶柔鱼秋生群的数量分布(图3a)和产量分布(图3b)情况，从中可以看出该群体主要集中在对马暖流沿岸和日本海西南部沿岸海域，与2018年日本资源评估报告的结果基本一致。基于本发明再现了太平洋褶柔鱼秋生群完整的生活史，并提供了一些渔情情报产品，表明了该发明的实用性，可为指导渔业科学生产、优化渔业资源管理等方面提供参考。

上述说明仅为本发明的优选实施例，并非是对本发明的限制，尽管参照前述实施例对本发明进行了详细的说明，对于本领域技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改型等，均应包含在本发明的保护范围之内。