舟山漁場及其附近海域漁場漁情分析預(yù)測

胡莉燁++潘洪軍++畢振波++劉亞飛

摘 要：本文選用棲息地適應(yīng)性指數(shù)模型為預(yù)測模型對舟山漁場及其附近海域漁場漁情進(jìn)行分析。利用Arcgis軟件工具，根據(jù)小漁區(qū)形式對海表溫度（SST）和葉綠素a濃度（CHL-a）數(shù)據(jù)進(jìn)行分區(qū)統(tǒng)計(jì)提取處理，形成具有相同空間尺度的漁獲量、海表溫度和葉綠素a濃度的網(wǎng)格數(shù)據(jù)，從而建立綜合棲息地指數(shù)模型，最終將預(yù)測結(jié)果與實(shí)際作業(yè)區(qū)域作疊加分析。本預(yù)測方法具有計(jì)算量小、可靠性強(qiáng)的特點(diǎn)，對合理捕撈作業(yè)具有一定的指導(dǎo)作用。

關(guān)鍵詞：漁場分析預(yù)測；海表溫度；葉綠素濃度；棲息地指數(shù)模型

中圖分類號：S931.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1006—7973（2016）12-0047-02

在相當(dāng)長的歷史時期內(nèi)，主要的捕撈方式是天然捕撈作業(yè)，這種捕撈方式存在著很大的盲目性、隨機(jī)性。50年代后，我國海洋漁業(yè)得到了重視并且迅速發(fā)展，但也付出了沉重的代價，由于不加限制大量捕撈，我國許多海洋經(jīng)濟(jì)魚類資源嚴(yán)重衰退。因此，國家也日益重視漁業(yè)的健康穩(wěn)健發(fā)展和漁業(yè)資源及環(huán)境的監(jiān)測、養(yǎng)護(hù)與管理，大力支持漁業(yè)資源調(diào)查和監(jiān)測。對海洋漁業(yè)資源實(shí)施科學(xué)、有效、持續(xù)的管理和開發(fā)具有非常重要的意義。

近年來，隨著人工智能理論和技術(shù)的發(fā)展，許多學(xué)者開始采用機(jī)器學(xué)習(xí)及人工智能等方法進(jìn)行漁場漁情的分析預(yù)報研究。人工智能的方法眾多，現(xiàn)今在漁情分析預(yù)報中應(yīng)用最多的是專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、范例推理等方法，本文使用的即是專家系統(tǒng)中的棲息地指數(shù)模型。

1 漁場資源具體評估預(yù)測實(shí)現(xiàn)

漁場預(yù)報是漁場學(xué)研究的重點(diǎn)。本文以23°-42°N，117°-132°E的舟山漁場及其鄰近海域作為研究區(qū)域，數(shù)據(jù)時間段包括2014年7月至2015年1月以及2015年7月至2016年1月。其中將2014年7-9月和2015年7-9月的統(tǒng)計(jì)數(shù)據(jù)用于建立漁場綜合棲息地指數(shù)模型，并對2015年8月的海洋環(huán)境因子數(shù)據(jù)利用建立的綜合棲息地指數(shù)模型進(jìn)行計(jì)算和中心漁場的預(yù)測分析。其中本文選用海表溫度和海表葉綠素a濃度作為漁場分析預(yù)測的海洋環(huán)境影響因子。

在ArcMap軟件下對各月按海表溫度和葉綠素a數(shù)據(jù)進(jìn)行漁獲量統(tǒng)計(jì)，然后對2014年7-9月份和2015年7-9月份總的漁獲量統(tǒng)計(jì)數(shù)據(jù)按海表溫度和葉綠素a進(jìn)行等間距統(tǒng)計(jì)得出：捕撈漁獲量較大的區(qū)域主要集中在29.5℃左右的高溫海域，只有很少一部分漁獲量出現(xiàn)在低于28.5℃和高于30.5℃的海域，總體呈正態(tài)分布趨勢；漁獲量高的海域?yàn)槿~綠素a濃度在0.4mg/m3左右的海域，在葉綠素a低于或高于0.4mg/m3的海域漁獲量迅速減少，在葉綠素a大于1.6 mg/m3的海域幾乎沒有漁獲，總體趨于偏正態(tài)分布，所以由上可知漁獲量最高時為29.5℃左右的高溫海域和葉綠素a濃度在0.4mg/m3左右的海域。

2 棲息地指數(shù)模型分析

本文采用棲息地指數(shù)模型對舟山漁場及其附近海域漁場漁情資源和中心漁場分布進(jìn)行分析，棲息地適應(yīng)性指數(shù)模型是目前用來評價生物棲息地環(huán)境經(jīng)典的量化指標(biāo)。以生物主動選擇環(huán)境因子較適宜的區(qū)域作為棲息地和環(huán)境因子數(shù)據(jù)與生物數(shù)量存在線性的或正態(tài)分布等關(guān)系為假設(shè)條件，已經(jīng)被成熟應(yīng)用于海洋漁業(yè)中。本研究將海表溫度數(shù)據(jù)和葉綠素a濃度數(shù)據(jù)作為漁場棲息地指數(shù)模型的輸入變量。利用Arcgis軟件工具，根據(jù)小漁區(qū)的漁網(wǎng)格（時空尺度為10′×10′）對海表溫度和葉綠素a濃度數(shù)據(jù)進(jìn)行分區(qū)統(tǒng)計(jì)提取處理，分別取網(wǎng)格內(nèi)海表溫度和葉綠素a濃度數(shù)據(jù)的平均值，形成具有相同空間尺度的漁獲量、海表溫度和葉綠素a濃度的網(wǎng)格數(shù)據(jù)，再將網(wǎng)格區(qū)域內(nèi)包含的漁業(yè)捕撈漁獲量數(shù)據(jù)作為適宜指標(biāo)，分別建立海表溫度和葉綠素a濃度的單因子適宜性模型，計(jì)算方法如式（1）。然后利用Matlab軟件的cftool工具對基于漁獲量的海表溫度和葉綠素a濃度數(shù)據(jù)做1階高斯正態(tài)分布模型擬合，并計(jì)算出擬合方程。

式（1）中，表示基于漁獲量的適宜性值，表示網(wǎng)格內(nèi)的捕撈漁獲量，表示最大捕撈漁獲量。

根據(jù)2014年7-9月份和2015年7-9月份的空間尺度同化數(shù)據(jù)，利用正態(tài)分布模型分別對基于捕撈漁獲量建立的海表溫度和葉綠素a濃度的單因子適宜性指數(shù)模型進(jìn)行擬合。式（2）為海表溫度的單因子適宜性指數(shù)模型擬合方程，其均方根標(biāo)準(zhǔn)差為0.05709，確定系數(shù)為0.9804；式（3）為葉綠素a濃度的單因子適宜性指數(shù)模型擬合方程，其均方根標(biāo)準(zhǔn)差為0.07605，確定系數(shù)為0.9189。標(biāo)準(zhǔn)差（RMSE）越接近于0說明模型擬合的偏差越小，數(shù)據(jù)預(yù)測也越成功，確定系數(shù)（R^2）的正常取值范圍為[0，1]，越接近1，表明這個模型對數(shù)據(jù)擬合的效果也更好。根據(jù)計(jì)算擬合結(jié)果的方程，可見，兩個單因子適宜性模型均具有較好的擬合度，但誤差仍然存在，且葉綠素a濃度與漁獲量的耦合關(guān)系略弱于海表溫度。

根據(jù)根據(jù)綜合棲息地指數(shù)模型式（4）計(jì)算綜合棲息地指數(shù)。根據(jù)前人的研究結(jié)果將HSI從0至1均分為5個區(qū)間，各區(qū)間別為不適宜（0.0-0.2）、一般適宜（0.2-0.4）、中等適宜（0.4-0.6）、較適宜（0.6-0.8）和最適宜（0.8-1.0），通過計(jì)算的HSI結(jié)果統(tǒng)計(jì)各區(qū)間段內(nèi)的漁獲量占比，表（1）所示分別為6個月份各HSI區(qū)間內(nèi)的漁獲量占比。

從表中可以看出，2014年7-9月份漁獲量較大的HSI值區(qū)間為0.6-0.8，而2015年7-9月份較大漁獲量對應(yīng)的HSI值區(qū)間為0.4-0.6。根據(jù)擬合的海表溫度和葉綠素a濃度的單因子適宜性指數(shù)模型，對2015年8月的海表溫度和葉綠素a濃度數(shù)據(jù)分別計(jì)算單因子適宜值，根據(jù)綜合棲息地指數(shù)模型，式（4），式中海表溫度表示分區(qū)統(tǒng)計(jì)所得的海表溫度數(shù)值，葉綠素a濃度表示分區(qū)統(tǒng)計(jì)所得的葉綠素a濃度數(shù)值，分別賦予海表溫度和葉綠素a濃度單因子模型權(quán)重為0.5，計(jì)算綜合棲息地指數(shù)（HSI）。

將公式導(dǎo)入到速預(yù)報系統(tǒng)中，設(shè)定HSI>0.6的區(qū)域?yàn)橹行臐O場，對2015年8月的數(shù)據(jù)進(jìn)行中心漁場的預(yù)測預(yù)報，結(jié)果如圖1所示。圖中三角形為實(shí)際作業(yè)區(qū)，圓形為預(yù)測結(jié)果，預(yù)測結(jié)果與實(shí)際作業(yè)區(qū)域疊加分析，部分區(qū)域有重合，總體位置趨勢相似，因此將對中心漁場預(yù)測結(jié)果進(jìn)行再分析對實(shí)際作業(yè)具有一定指導(dǎo)意義。

3 總結(jié)

本研究利用海洋信息技術(shù)和遙感技術(shù)結(jié)合近海漁業(yè)捕撈數(shù)據(jù)建立了一種適合于分析預(yù)測近海海洋漁業(yè)資源的方法模型，將對舟山新區(qū)漁業(yè)資源開發(fā)利用起到一定的輔助性作用。但是海洋環(huán)境因子不同于陸地，海洋面積廣大且一直處于運(yùn)動狀態(tài)，海洋水文狀態(tài)容易受氣候、風(fēng)場等眾多因素的影響且不同魚類對不同生態(tài)環(huán)境情況做出的響應(yīng)不盡相同，本研究僅選取海表溫度和葉綠素a作為分析漁情分布特征的變量因子，通過對建立的綜合棲息地指數(shù)模型的預(yù)測結(jié)果的分析，結(jié)果表明該漁場綜合棲息地指數(shù)模型的誤差仍然存在，預(yù)測準(zhǔn)確度有待提高。所以下一步研究中著重分析不同海洋環(huán)境因子對漁情分布特征的影響，利用適宜的計(jì)算方法確定不同環(huán)境因子的權(quán)重系數(shù)，或?qū)⑹節(jié)O場綜合棲息地指數(shù)模型更加準(zhǔn)確完善。

參考文獻(xiàn)：

[1] 曹威，鄒逸江. 基于“3S”技術(shù)的漁場漁情信息預(yù)報系統(tǒng)初步框架研究[J]. 黑龍江工程學(xué)院學(xué)報，2008，22（2）： 26-31

[2] 紀(jì)世建，周為峰，程田飛等. 南海外海漁場漁情分析預(yù)報的探討[J]. 漁業(yè)信息與戰(zhàn)略，2015，30（2）： 98-105

[3] 樊偉，崔雪森，沈新強(qiáng). 漁場漁情分析預(yù)報的研究及進(jìn)展[J]. 水產(chǎn)學(xué)報，2005，29（5）： 706-710

[4] 陳新軍，漁業(yè)資源與漁場學(xué)[M]. 北京：海洋出版社，2004： 86-215

[5]于杰，李永振. 海洋漁業(yè)遙感技術(shù)及其漁場漁情應(yīng)用進(jìn)展[J]. 南方水產(chǎn)，2007，3（2）： 62-68

[6]潘剛，段舜山. 基于遙感技術(shù)的海岸帶資源環(huán)境管理[J]. 遙感技術(shù)與應(yīng)用，2009（02）