【摘要】：長鰭金槍魚(Thunnus alalunga)是世界金槍魚漁業(yè)產(chǎn)量較高的漁獲種類之一,也是我國金槍魚延繩釣漁業(yè)重點(diǎn)開發(fā)的資源之一,因此迫切需要對(duì)其進(jìn)行深入的研究,以達(dá)到高效、可持續(xù)地利用該資源。為了能更好地量化預(yù)測長鰭金槍魚資源豐度、更全面地掌握其資源分布狀況,需要使用高分辨率的海洋環(huán)境數(shù)據(jù)和漁獲數(shù)據(jù),從而構(gòu)建有效預(yù)測長鰭金槍魚棲息地綜合指數(shù)的模型。由于長鰭金槍魚的資源分布與海洋環(huán)境因子之間的緊密聯(lián)系,所以將相關(guān)的環(huán)境因子納入到長鰭金槍魚CPUE的預(yù)測模型及棲息地綜合指數(shù)模型的研究就顯得十分必要。本文利用2014年4月庫克群島海域海洋環(huán)境數(shù)據(jù)(海表水溫、海面高度距平均值、初級(jí)生產(chǎn)力、150m水層水溫及其交互項(xiàng)等數(shù)據(jù))和對(duì)應(yīng)的長鰭金槍魚漁獲數(shù)據(jù)(以天為單位的作業(yè)時(shí)間、作業(yè)位置、長鰭金槍魚漁獲尾數(shù)及每日每艘漁船的投放釣鉤的數(shù)量),應(yīng)用廣義相加模型(Generalized Additive Model,GAM)、分位數(shù)回歸模型(Quantile Regression Model,QRM)和支持向量機(jī)(Support Vector Machine,SVM)這3種模型建立長鰭金槍魚單位捕撈努力量漁獲量(Catch Per Unit Fishing Effort,CPUE)預(yù)測模型,計(jì)算出預(yù)測CPUE,然后分別計(jì)算出這三種模型所對(duì)應(yīng)的長鰭金槍魚棲息地綜合指數(shù)(IHI),計(jì)算其與實(shí)測CPUE之間的泊松相關(guān)系數(shù)、通過符號(hào)秩(Wilcoxon)檢驗(yàn)方法檢驗(yàn)三種模型所得預(yù)測CPUE與實(shí)測CPUE之間是否存在相關(guān)性、計(jì)算分析各分區(qū)和整個(gè)海域的IHI的算術(shù)平均值并與實(shí)測的平均CPUE進(jìn)行比較,從而比對(duì)這三種模型預(yù)測長鰭金槍魚CPUE的能力。此外,使用2014年5月相同海域同類型的20個(gè)格網(wǎng)的海洋環(huán)境數(shù)據(jù),將其導(dǎo)入3種模型,分別計(jì)算出相應(yīng)的預(yù)測CPUE,通過符號(hào)秩(Wilcoxon)檢驗(yàn)預(yù)測CPUE與實(shí)測CPUE是否存在差異,并判斷各模型在預(yù)測長鰭金槍魚CPUE時(shí)是否適用,同時(shí)確立最優(yōu)模型。結(jié)果表明:1)基于三種數(shù)值模型所得的長鰭金槍魚在各分區(qū)的棲息地綜合指數(shù)各不相同,其中廣義相加模型得出的模型在分區(qū)1海域預(yù)測能力最強(qiáng),基于支持向量機(jī)的預(yù)測模型在分區(qū)3海域范圍內(nèi)預(yù)測能力最強(qiáng),而分位數(shù)回歸得出的模型在分區(qū)2及整個(gè)海域范圍內(nèi)的預(yù)測能力最強(qiáng)。2)在整個(gè)海域范圍內(nèi),通過廣義相加模型所得長鰭金槍魚棲息地綜合指數(shù)較高的海域?yàn)?0o00′S~12o30′S,157o00′W~159o30′W,通過分位數(shù)回歸模型所得長鰭金槍魚棲息地綜合指數(shù)較高的海域?yàn)?0o00′S~12o30′S,156o30′W~159o30′W,而基于支持向量機(jī)模型所得長鰭金槍魚棲息地綜合指數(shù)較高的海域?yàn)?0o30′S~12o30′S,157o00′W~159o00′W。3)把2014年5月份20個(gè)驗(yàn)證格網(wǎng)內(nèi)的海洋環(huán)境數(shù)據(jù)導(dǎo)入三種模型得到預(yù)測CPUE,通過符號(hào)秩(Wilcoxon)檢驗(yàn),三種預(yù)測CPUE與實(shí)測CPUE均存在一定相關(guān)性,基于分位數(shù)回歸模型建立的預(yù)測模型與實(shí)測CPUE相關(guān)性最高,支持向量機(jī)模型其次,廣義相加模型的相關(guān)性則相對(duì)較弱,在分區(qū)3表現(xiàn)為非顯著相關(guān)性。4)不同模型所得的影響長鰭金槍魚在各海區(qū)分布的關(guān)鍵環(huán)境因子各不相同。廣義相加模型相關(guān)性最強(qiáng)的環(huán)境因子為海面高度距平均值;分位數(shù)回歸模型則為初級(jí)生產(chǎn)力、海表水溫、海面高度距平均值及其交互項(xiàng);而支持向量機(jī)得出的是海面高度距平均值和海表水溫。5)不同模型特點(diǎn)各不相同。廣義相加模型適用于關(guān)鍵環(huán)境因子的篩選;分位數(shù)回歸模型預(yù)測能力在3種模型中為最佳;而基于支持向量機(jī)構(gòu)建的模型則適用于中心漁場的預(yù)測。
【學(xué)位授予單位】：上海海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：S931.1
【圖文】：

圖 2-1 海域范圍和格網(wǎng)示意圖Fig.2-1 Study area and grid sites2.1.3 漁具與漁法深圳市聯(lián)成遠(yuǎn)洋漁業(yè)有限公司2014年度所用的漂流延繩釣釣具結(jié)構(gòu)為：浮子直徑為360mm；浮子繩長22m；干線直徑為4.0mm；支線第一段為硬質(zhì)聚丙烯，直徑3.5mm，長1m左右，第二段為180#單絲，直徑為1.8mm，長20m；第一段與第二段用H型轉(zhuǎn)環(huán)連接；釣鉤采用圓型釣鉤（14/0），支繩總長21m。調(diào)查期間，一般情況下，早晨05：30～09：30為投繩時(shí)間，持續(xù)時(shí)間約為4個(gè)小時(shí)；下午15：30～次日凌晨3：00為起繩時(shí)間，持續(xù)時(shí)間約為11.5小時(shí)；船長根據(jù)探捕調(diào)查站點(diǎn)位置決定投繩的位置，但實(shí)際的投繩位置仍會(huì)有一定的偏移。船速一般為8.0~9.0節(jié)，出繩速度一般為5.5m/s，兩浮子間的釣鉤數(shù)固定為28枚，兩釣鉤間的時(shí)間間隔約為6秒。 每天投放釣鉤總數(shù)為3800至4400枚。

圖 2-2 2014 年 2 月 23 日海表水溫空間插值圖Fig.2-2 Spatial interpolation of SST on 23rd February, 2014插值的結(jié)果導(dǎo)入地理信息空間數(shù)據(jù)庫中，以經(jīng)緯度中心點(diǎn)為索引進(jìn)行存儲(chǔ)。每一條索引數(shù)據(jù)包括該點(diǎn)的經(jīng)緯度信息、海表水溫（SST）、海面高度距平均值（SSH）、初級(jí)生產(chǎn)力（PLA）、150米水層水溫（T150）、漁撈日期。在數(shù)據(jù)庫中，經(jīng)緯度信息（Lonij、Latij）、海表水溫（T0ij）、海面高度距平均值（Hij）、150米水層水溫（T150ij）均為double型，初級(jí)生產(chǎn)力（Pij）為int型，漁撈日期為text型。2.2.3 基于廣義相加模型的長鰭金槍魚 CPUE 預(yù)測模型廣義相加模型是在線性回歸模型的基礎(chǔ)上進(jìn)行拓展，使得每個(gè)環(huán)境因子均能響應(yīng)長鰭金槍魚的漁場分布，因此較適合描述 CPUE 和環(huán)境因子間的關(guān)系，并且能篩選出影響漁獲率的關(guān)鍵環(huán)境因子。同時(shí)，由于廣義相加模型使用了 S 函數(shù)替代了線性回歸模型中各自變量前的參數(shù)，所以廣義相加模型更加偏向于研究獨(dú)立于參數(shù)的數(shù)據(jù)之間關(guān)系研究，其因變量和各自變量的關(guān)系式如下：

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 張浩然;韓正之;李昌剛;;支持向量機(jī)[J];計(jì)算機(jī)科學(xué);2002年12期

2 Wang Chien-Hsiung;Wang Shyh-Bin;;Assessment of South Pacific Albacore Stock (Thunnus alalunga) by Improved Schaefer Model[J];Journal of Ocean University of China;2006年02期

3 周彬彬;應(yīng)用自由度調(diào)整復(fù)相關(guān)系數(shù)方法進(jìn)行漁期預(yù)報(bào)的研究[J];海洋學(xué)報(bào)(中文版);1987年06期

本文編號(hào)：2728801