【摘要】：莖柔魚(Docidicus gigas)屬于大洋性淺海種,廣布于加利福尼亞(37°N)至智利(40°S)一帶海域,是世界頭足類中個體較大的種類之一。自20世紀90年代以來,秘魯莖柔魚資源得到大規(guī)模開發(fā)利用,并成為我國重要的遠洋魷釣漁場之一。莖柔魚具有生命周期短,全年產(chǎn)卵繁殖等特性,其資源量及其分布極易受海洋環(huán)境變化的影響,掌握其資源時空分布規(guī)律是資源可持續(xù)開發(fā)與管理的重要基礎。因此,本研究將以我國魷釣生產(chǎn)統(tǒng)計數(shù)據(jù)為基礎,基于地統(tǒng)計學的理論和方法,開展秘魯外海莖柔魚資源的空間分布特征及變異機理研究,掌握秘魯外海莖柔魚高產(chǎn)海域的分布規(guī)律,為漁業(yè)資源可持續(xù)開發(fā)與科學管理提供參考及理論支撐。主要結(jié)論如下:(1)基于單位日產(chǎn)量(CPUE)的秘魯外海莖柔魚資源空間分布異質(zhì)性。以2003-2012年6-9月秘魯外海莖柔魚漁獲統(tǒng)計數(shù)據(jù)為基礎,利用全局和局部自相關(guān)性分析,結(jié)合半變異函數(shù)模型,探討秘魯外海莖柔魚資源空間分布的異質(zhì)性特點,并尋找影響莖柔魚資源空間分布的關(guān)鍵環(huán)境因子。研究認為:1)全局自相關(guān)統(tǒng)計量Moran’s I和局部自相關(guān)統(tǒng)計量Getis-Ord Gi*的z得分結(jié)果顯示,秘魯外海莖柔魚資源呈斑塊狀聚集分布,具有較強的空間聚集性;2)6月份的最優(yōu)模型為指數(shù)模型,7、9月份的最優(yōu)模型為球狀模型,8月份的最優(yōu)模型為高斯模型,6-9月份的塊金系數(shù)分別為9.53%、20.40%、33.61%和24.59%,其反映了較強的空間自相關(guān)性,與全局自相關(guān)的分析結(jié)果基本一致;3)相關(guān)性檢驗認為,秘魯外海莖柔魚產(chǎn)卵前期(6月份)分布受葉綠素a(Chl-a)的影響較大,進入產(chǎn)卵期(7-9月份)后表溫(SST)成為主要影響因素。(2)基于單因子的協(xié)同克里金法和普通克里金法比較分析莖柔魚資源豐度空間分布。利用地理信息系統(tǒng)和地統(tǒng)計學方法,嘗試基于單因子的協(xié)同克里金法和普通克里金法,比較分析2003-2012年6-9月秘魯外海莖柔魚資源的空間分布。利用殘差平方和(rss)和決定系數(shù)(r2)選擇不同環(huán)境因子(海表溫,sst;海面高度,ssh,海表面鹽度,sss;葉綠素a,chl-a)為協(xié)變量下的最優(yōu)協(xié)變異函數(shù)模型,并根據(jù)交叉驗證結(jié)果及相對誤差指標比較普通克里金(ok)和協(xié)同克里金法(cok)空間插值的預報精度。結(jié)果顯示,6月份與秘魯莖柔魚資源分布具有相關(guān)性的環(huán)境因子為sss、ssh和chl-a,以chl-a為協(xié)變量的高斯模型最優(yōu);7月份的相關(guān)性環(huán)境因子為為sss、ssh和sst,且以sss為協(xié)變量的高斯模型最優(yōu);8月份與秘魯莖柔魚資源分布具有相關(guān)性的環(huán)境因子為sss和sst,以sss為協(xié)變量的高斯模型最優(yōu);9月份的相關(guān)性環(huán)境因子為sst。6月份莖柔魚資源空間分布的依賴性較強,7-9月份具有中等程度的空間依賴性。6-9月份cok法相比較于ok法插值精度提高分別提高了1.51%、3.00%、1.72%和1.18%。(3)基于綜合環(huán)境因子的協(xié)同克里金法研究秘魯外海莖柔魚資源空間分布。選用2003-2012年6-9月秘魯外海莖柔魚cpue為主變量,將sst、ssh、sss和chl-a海洋環(huán)境數(shù)據(jù)標準化處理為0-1之間的數(shù)值,采用主成分分析將標準化后的環(huán)境因子整合為單一綜合環(huán)境因子作為協(xié)變量,進行協(xié)同克里金插值及交叉驗證。結(jié)果認為:1)6-9月份綜合環(huán)境因子與cpue具有顯著相關(guān)性;2)協(xié)同克里金插值預測高產(chǎn)分布區(qū)與實際cpue分布規(guī)律較為吻合;3)6-9月的協(xié)同克里金插值預測準確性很高(mse0.01),6月份的估算值精度最高(rmse=0.4128),8月份的估算值精度最低(rmse=0.5169),但4個月份的預測精度相差不大,都在同一數(shù)量級上。6、7月份的rmsse較接近與1,8、9月份的rmsse與1的差值都大于0.1,說明6、7月份的預測標準差有效性高,8、9月份的稍差一點。從mse、rmse和rmsse三者綜合來看,6-9月的預測值具有一定的可靠性。(4)協(xié)同克里金法與glm模型預測秘魯外海莖柔魚資源豐度及其比較。選用2003-2012年6-9月秘魯外海莖柔魚cpue和sss、sst、ssh、chl-a為研究數(shù)據(jù),從總數(shù)據(jù)樣本中隨機抽取75%為實驗樣本,用于glm建模和協(xié)半變異函數(shù)建模,根據(jù)aic原則選取最優(yōu)glm模型,根據(jù)殘差平方和(rss)最小和決定系數(shù)(r2)最大原則從相關(guān)環(huán)境因子中選取最優(yōu)半變異函數(shù)模型。剩余25%為外推驗證樣本,用于驗證擬合的glm模型及半變異函數(shù)模型在協(xié)同克里金法中預測cpue的有效性,并結(jié)合75%的實驗樣本進行的模型自身驗證及自身驗證誤差外推驗證誤差的比值,對協(xié)同克里金法和GLM法的預測結(jié)果進行精度評價及比較。研究認為:1)6-9月份的GLM模型中,有顯著貢獻率的影響因子有所不同,說明海洋環(huán)境對不同生長階段的莖柔魚影響不同,但模型中的環(huán)境因子與選取的最優(yōu)協(xié)變量環(huán)境因子稍差別。2)在自身驗證中,GLM得到的平均誤差(ME)幾乎接近且小于0,協(xié)同克里金法的誤差維持在屬于誤差可接受范圍的千分位水平上,但是其數(shù)量級相對于GLM較大,說明GLM模型表現(xiàn)出較好的預測準確性。在外推驗證中(剩余的25%樣本),GLM的ME普遍小于COK法的ME,但是兩者的ME數(shù)量級相差不大。COK法的J絕對值明顯小于GLM模型的J絕對值,說明在內(nèi)外預測上GLM不如COK法的穩(wěn)健性強。就預測誤差而言,COK法與GLM模型的預測效果不相上下。(5)基于CPUE和作業(yè)次數(shù)捕撈努力量的普通克里金插值法比較莖柔魚資源空間分布。對2003-2012年6-9月秘魯外海莖柔魚作業(yè)次數(shù)捕撈努力量和CPUE進行數(shù)據(jù)歸一化處理,統(tǒng)一為0.5°×0.5°網(wǎng)格內(nèi)0-1數(shù)值區(qū)間范圍,結(jié)合變異函數(shù)和普通克里金法插值預測秘魯外海莖柔魚資源分布。研究認為:1)除了9月份,6-8月份作業(yè)次數(shù)的塊金系數(shù)都小于CPUE的塊金系數(shù),說明在結(jié)構(gòu)性變異中作業(yè)次數(shù)的隨機誤差性因素小于CPUE的隨機因素,其系統(tǒng)性結(jié)構(gòu)較強。整體來說,作業(yè)次數(shù)的空間依賴性和聚集性強于CPUE的空間依賴性和聚集性。2)除了7月份作業(yè)次數(shù)的OK插值誤差均大于CPUE的OK插值誤差,說明基于作業(yè)次數(shù)的OK法插值預測準確性不如CPUE,但6-8月份基于作業(yè)次數(shù)的克里金估值精度高于基于CPUE的估值精度,而9月份基于作業(yè)次數(shù)的克里金估值精度低于基于CPUE的克里金估值精度,說明作業(yè)次數(shù)的OK插值預測精度高于CPUE。3)6-9月份CPUE與作業(yè)次數(shù)的算術(shù)平均數(shù)的OK法插值預測的準確性和精確性均表現(xiàn)出了優(yōu)越性,精度分別提高14.04%,18.40%,22.34%,39.65%。可見,綜合考慮作業(yè)次數(shù)和CPUE進行莖柔魚資源空間分布預測更為合理。
【圖文】：

圖 1-1 技術(shù)路線圖 (注：紅底 1,2,3,4,5 代表研究順序)Figure 1-1 Diagram of technical route. Note: the numbers on the red background of 1, 2, 3, 4, 5represent the process order

第二章 基于 CPUE 的秘魯外海莖柔魚資源空間異質(zhì)性料與方法數(shù)據(jù)來源及處理國魷釣漁船主要是在秘魯外海海域（6°S-20°S）進行全年作業(yè)，，由于每年莖柔魚的漁汛旺期[23]，因此本研究從上海海洋大學魷釣技術(shù)組提供的漁業(yè)篩選出 2003-2012 年 6-9 月數(shù)據(jù)進行研究，數(shù)據(jù)包括時間、經(jīng)緯度、作業(yè)獲產(chǎn)量等。研究范圍為 6°S-20°S，75°W-88°W（圖 2-1）。
【學位授予單位】：上海海洋大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：S932

【相似文獻】

相關(guān)期刊論文 前10條

1 范勝垣;王金元;楊桂云;宋雅珍;趙致欣;;克里金法在吉林省某硼礦儲量計算中的應用[J];吉林地質(zhì);1982年03期

2 張瑞新 ,于汝綬;層狀礦床儲量計算中普通克里金法的完善途徑[J];中國礦業(yè)大學學報;1989年03期

3 劉志平;何秀鳳;張淑輝;;多測度加權(quán)克里金法在高邊坡變形穩(wěn)定性分析中的應用[J];水利學報;2009年06期

4 孟令順,朱仁學,周云軒,劉萬松,楊長保,李成立;泛克里金法在大慶油田徐家圍子西北地區(qū)密度建模上的應用[J];石油物探;2001年01期

5 牛文杰;基于先驗信息的殘余克里金法的研究[J];計算機工程與應用;2004年35期

6 孫強;薛雷;王媛媛;;克里金參數(shù)估值法及其在參數(shù)估計分析中的應用[J];巖土力學;2009年S2期

7 R.O.Hanscn ,王英;用各向異性克里金法進行人機交互網(wǎng)格化[J];石油物探譯叢;1994年04期

8 朱宏偉,孫效玉,王宏,方征;對數(shù)正態(tài)克里金法的研究[J];露天采煤技術(shù);1999年02期

9 牛文杰,朱大培,陳其明;貝葉斯同位置協(xié)同克里金(Bayesian collocated CoKriging)估值法的研究[J];計算機輔助設計與圖形學學報;2002年04期

10 張景雄;Michael F Goodchild;;野外空間采樣的漸進式策略[J];武漢大學學報(信息科學版);2008年05期

相關(guān)會議論文 前1條

1 周艷霞;笪良龍;韓梅;張浩;;基于ArcGIS的海水溫度空間插值方法研究[A];中國聲學學會水聲學分會2013年全國水聲學學術(shù)會議論文集[C];2013年

相關(guān)碩士學位論文 前3條

1 宣騰;基于克里金法的地質(zhì)勘探位置分析[D];哈爾濱工業(yè)大學;2016年

2 方學燕;基于地統(tǒng)計學的秘魯外海莖柔魚資源分布的初步研究[D];上海海洋大學;2016年

3 顏慧敏;空間插值技術(shù)的開發(fā)與實現(xiàn)[D];西南石油學院;2005年

本文編號：2536139