北太平洋秋刀魚漁場與水溫垂直結構的關系

張培超　張孝民　陳丙見　李凡

摘要：根據2019年7—12月我國大陸秋刀魚（Cololabis saira）漁船生產數據，對秋刀魚漁場與水溫垂直結構的關系進行了分析。首先，運用信息增益技術（IGT）分析了影響CPUE的6個水溫因子，各因子按影響大小排序依次是12.5 m水層溫度（T12.5）、0～12.5 m水溫的垂直梯度（△T0-12.5）、12.5～37.5 m水溫的垂直梯度（△T12.5-37.5）、海表面溫度（T0）、37.5～62.5 m水溫的垂直梯度（△T37.5-62.5）和37.5 m水層溫度（T37.5）。然后，用頻度分析的方法確定了影響秋刀魚漁場分布的六個水溫因子的適宜范圍，分別是：T12.5為7～12 ℃，△T0-12.5為（1～3）×10-2 ℃/m，△T12.5-37.5為（3～4）×10-2 ℃/m，T0為10～16 ℃，△T37.5-62.5為（2～3）×10-2 ℃/m，T37.5為6～10 ℃。研究結果顯示12.5 m水層溫度（T12.5）比海表面溫度（T0）對秋刀魚漁場的分布有更大的影響，以后應加強研究12.5 m水層及其附近水層溫度與秋刀魚漁場的關系。

關鍵詞：信息增益;水溫垂直結構;秋刀魚（Cololabis saira） ;漁場;北太平洋

秋刀魚（Cololabis saira） 是冷水性洄游的中上層魚類[1-2]，受環境因子影響較大[2-3]，尤其是水溫因子[4-5]。我國對秋刀魚漁場的研究開始于2003年[1]，目前為止，國內外學者對秋刀魚漁場與海表面溫度的關系進行了一系列的研究[6-12]，研究表明秋刀魚的適溫范圍為10～24 ℃，最適水溫為15～18 ℃。秋刀魚有晝夜垂直移動的習性，白天在距海面15 m左右的水層活動，夜晚在海表面活動[1]。水溫垂直結構對秋刀魚活動和分布有很大影響，進而影響秋刀魚漁場分布[6]，因此，對秋刀魚漁場與水溫垂直結構的關系也有相關的研究[6-7]。本文使用2019年全漁期（7—12月）生產數據，在秋刀魚漁場研究中首次嘗試運用信息增益技術和頻度分析法，著重分析水溫垂直結構中對秋刀魚漁場影響較大的關鍵因子，并確定關鍵因子的適宜范圍，為更好地開發利用北太平洋秋刀魚漁場提供參考。

1材料與方法

1.1材料

本文使用的漁業數據來自山東省海洋資源與環境研究院遠洋漁業研究中心，時間序列為2019年7—12月，內容包括日期、經緯度、產量和作業次數，生產調查海域為40°N～47°N，147.5°E～162°E。探捕調查范圍分布如圖1，將經緯度05°×0.5°的空間定義為一個漁區。

水溫數據來源于美國哥倫比亞大學的海洋環境數據庫，網址是http：//iridl.Ideo.columbia.edu/。數據內容包括海表面溫度（T0）、12.5 m水層溫度（T12.5）、37.5 m水層溫度（T37.5），時間分辨率為月，空間分辨率為0.5°×0.5°。

1.2數據處理

將CPUE定義為一個漁區內單船平均日產量，單位為：噸/天（t/d）。

根據各水層的溫度計算水溫的垂直梯度，包括0～12.5 m水溫的垂直梯度（△T0-12.5）、12.5～37.5 m水溫的垂直梯度（△T12.5-37.5）、37.5～62.5 m水溫的垂直梯度（△T37.5-62.5）。水溫垂直梯度的計算公式為：△Td1-d2=T1-T2d1-d2，單位為 ℃/m，式中d1、d2分別代表不同水層深度，T1、T2分別代表不同水層深度的溫度值。

1.3分析方法

1.3.1信息增益法信息增益技術（IGT）是一種典型的、常用的決策分類算法[13-15]，本文利用IGT，計算北太秋刀魚漁場作業的CPUE與各屬性即水溫垂直結構（T0、T12.5、T37.5、△T0-12.5、△T12.5-37.5、△T37.5-62.5）的信息增益值，以此來反映水溫垂直結構對CPUE的影響程度，確定影響漁場資源分布的水溫因子。其中，要對各個屬性進行概化，即將各個屬性分為不同的分類區間，盡量保持各分類區間的數值個數大致相等[16]。各個屬性的分類區間見表1，其中T0、T12.5、T37.5按間隔2 ℃進行區間分類，△T0-12.5、△T12.5-37.5、△T37.5-62.5按間隔1×10-2 ℃進行區間分類，CPUE按間隔5 t/d進行區間分類。

1.3.1.1CPUE的信息期望I用以下公式求出：

式中：m表示CPUE不同屬性值的個數;Si為CPUE第i個屬性值的記錄條數;S為樣本總數。

1.3.1.2每個屬性對應于CPUE分類的熵E1（A）用以下公式求出：

式中：v為屬性A不同屬性值的個數;Sij為屬性A值為Aj且CPUE為第i個屬性值的記錄條數;S為樣本總數;I（S1j，S2j，…，Smj）為屬性A取值Aj時對應的CPUE分類的信息期望。

1.3.1.3各個屬性對應于CPUE分類信息增益G1（A）用以下公式求出：

1.3.2頻度分析法采用頻度分析法分析7—12月份中6個水溫因子（T12.5、△T0-12.5、△T12.5-37.5、T0、△T37.5-62.5、T37.5）的適宜范圍，來描述各月CPUE與水溫垂直結構的關系。

2結果

2.1關鍵因子對CPUE的影響

信息增益分析的結果見表2，各因子對CPUE影響從大到小依次為T12.5、△T0-12.5、△T12.5-37.5、T0、△T37.5-62.5、T37.5，對應的信息增益值為0.297 4、0.253 2、0.251 1、0.247 5、0.242 8、0.242。

2.2各月CPUE與關鍵因子的關系

2.2.1各月水溫因子的適宜范圍

圖2為利用頻度分析法分析7—12月份CPUE與水溫垂直結構的關系，其中各個參數的適宜范圍分別是：T12.5為7～10 ℃，在此區間的CPUE占全部CPUE的百分比約為40%;△T0-12.5為（3～4）×10-2℃，所占的百分比約為30%;△T12.5-37.5為（3～4）×10-2℃，所占的百分比約為54.5%;T0為10～12 ℃，所占的百分比約為30%; △T37.5-62.5為（0～1）×10-2℃，所占的百分比約為58%;T37.5為8～10 ℃，所占的百分比約為45%。

表3為7—12月各個月份水溫因子的適宜范圍，基本反映了秋刀魚漁場各個月份的水溫環境條件。

2.2.2水溫因子適宜范圍的變化規律由圖3可以看出，不同水層溫度中水溫因子適宜范圍隨月份的變化規律基本相同，7—8月份適宜水溫逐漸升高，8—10月份適宜水溫降低，10—12月份適宜水溫基本不變。不同水層溫度梯度中水溫因子的適宜范圍隨月份的變化規律不盡相同，其中△T0-12.5的變化規律為7—8月份增大，8—10月份減小，10—12月份呈增加趨勢;△T12.5-37.5的變化規律為7-9月份不變，9—10月份迅速減小，10—12月份不變;△T37.5-62.5的變化規律為7—11月份大體呈增大趨勢，11—12月份減小。

3分析與討論

3.112.5 m水層水溫因子分析

朱清澄等[6]2006年運用灰色關聯分析法研究認為，對漁區平均日產量影響較大的有T0、△T0-12.5、△T0-40，本文運用信息增益技術分析得到影響CPUE的水溫因子的順序依次為T12.5、△T0-12.5 、△T12.5-37.5、T0、△T37.5-62.5、T37.5，部分研究結果與之前研究基本相同，并且發現三個新的關鍵因子：T12.5、△T37.5-62.5、T37.5，尤其是T12.5，本文研究得到T12.5對CPUE的影響最大，孫滿昌等[1]認為秋刀魚適宜于生活在10～20 m的水層范圍，本文研究結果與秋刀魚的生活習性基本相符，在今后的研究中要重點研究12.5 m及其附近水層的水溫與秋刀魚漁場的關系。

3.2水溫因子的適宜范圍

通過頻度分析法得到的T0的適宜范圍為10～12 ℃，此結果與國內外的研究結果相似[7-9，17-18]，T12.5和T37.5由于之前研究較少，對其適宜范圍更沒有準確研究，本文研究結果有待于進一步驗證。水溫垂直梯度中，△T0-12.5和△T12.5-37.5在7—9月份適宜的水溫垂直梯度較大，可能的原因是受到溫躍層的影響，10—12月份適宜的水溫垂直梯度變小，而△T37.5-62.5在10—12月份適宜的水溫垂直梯度較大，說明秋刀魚漁場溫躍層的深度范圍隨月份的增加有變深的趨勢，有關溫躍層與漁場分布的關系仍需要進一步研究。

3.3信息增益技術（IGT）

IGT適用于對大量數據的信息挖掘[19]，在秋刀魚漁船逐年增加，生產數據大量積累的情況下，IGT很有必要被引進到秋刀魚漁場與環境因子關系的研究中來，以便于充分利用收集到的生產數據，為準確分析秋刀魚漁場與環境因子的關系提供幫助。

另外和柔魚一樣，在秋刀魚漁場利用IGT分析環境因子時會遇到同樣的問題，即屬性（環境因子）的概化沒有嚴格的標準，本文在參考柔魚概化方法[20-22]的基礎上，結合秋刀魚漁場研究的經驗，對本文所研究的各個屬性進行了簡單概化，希望在未來的研究中能夠更好地解決這個問題，以便得到更準確的結果。

參考文獻：

[1] 孫滿昌，葉旭昌，張健，等.西北太平洋秋刀魚漁業探析[J].海洋漁業，2003（3）：112-115.

[2] 黃洪亮，張勛，徐寶生，等.北太平洋公海秋刀魚漁場初步分析[J].海洋漁業，2005，27（3）：206-212.

[3] NAKAMURA H，LIN G，YAMAGAWA T.Decadal climate variability in the North Pacific during the recent decades[J]. Bull Am Meteorol SOC，1997，78（1）：2215-2225.

[4] TIAN Y J，UENO Y，SUDA M，et al.Decadal variability in the abundance of Pacific saury and its response to climatic/oceanic regime shifts in the northwestern subtropical Pacific during the last half century[J]. Journal of Marine Systems，2004，52（1-4）：235-257.

[5] TIAN Y J，UENO Y，SUDA M.Climate-ocean variability and the response of Pacific saury（Cololabis saira）in the northwestern Pacific during the last half century[J]. Fish SCI，2002（68）：158-161.

[6] 朱清澄，花傳祥，許巍，等.西北太平洋公海7-9月秋刀魚漁場分布及其與水溫的關系[J].海洋漁業，2006，28（3）：228-233.

[7] 朱國平，朱清澄，陳錦淘，等.北太平洋秋刀魚漁場形成與水溫之間關系的初步研究[J].海洋科學，2006（7）：91-96.

[8] 花傳祥，朱清澄，吳永輝，等.2005年西北太平洋公海秋刀魚漁場分布及其與表溫之間的關系[J].中國農業科技指導，2006，8（5）：90-94.

[9] 晏磊，朱清澄，張陽，等.2010年北太平洋公海秋刀魚漁場分布及其與表溫的關系[J].上海海洋大學學報，2012，21（4）：609-615.

[10] 曾振德.衛星影像應用于臺灣秋刀魚漁業之漁海況變動研究[D].臺灣：國立臺灣大學海洋研究所，2012.

[11] 松宮羲晴，田中昌.東北北海道海區の表面水溫分布の數量化とサンマ漁場との 結[J].水產海洋研究會報，1976（29）：30-40.

[12] 宇田道隆.千葉以北の秋刀魚漁場的の移動につぃて[J].水產物理談話會報，1930（23）：1-43.

[13] 董立巖，李真，周靈艷.特定信息增益決策森林分類器研究[J].計算機工程與應用，2010，46（26）：111-113.

[14] 胡智喜，唐學忠.基于信息增益法的決策樹構造方法[J].計算機與現代化，2006（3）：28-30.

[15] 郭亞寧，馮莎莎.基于決策樹方法的數據挖掘分析[J].軟件導刊，2010，9（9）：103-105.

[16] HAN J W，KAMBER M.數據挖掘：概念與技術[M].范明，孟小峰，譯.北京：機械工業出版社，2001：1-3.

[17] TIAN Y J，AKAMINE T， SUDA M.Variations in the abundance of Pacific saury （Cololabis saira） from the northwestern Pacific in relation to oceanic-climate changes[J]. Fisheries Research，2003，60（2-3） ：439-454.

[18] WATANABE K，TANAKA E，YAMADA S，et al.Spatial and temporal migration modeling for stock of Pacific saury Cololabis saira （Brevoort），incorporating effect of sea surface temperature[J].FISHERIES SCIENCE，2006，72（6）：1153-1165.

[19] 陳文偉，黃金才，趙新星.數據挖掘技術[M].北京：北京工業大學出版社，2002：1-48.

[20] 余為，陳新軍，易倩，等.2013西北太平洋柔魚傳統作業漁場資源豐度年間差異及其影響因子[J].海洋漁業，2013，35（4）：373-381.

[21] 鄧薇，張健，劉必林.基于信息增益技術的影響漁場環境因子的選定[J].上海海洋大學學報，2009，18（1）：120-123.

[22] 易倩，陳新軍.基于信息增益法選取柔魚中心漁場的關鍵水溫因子[J].上海海洋大學學報，2012，21（3）：425-430.

Relationship between fishing ground of Pacific saury and

vertical temperature structure in the north Pacific Ocean

ZHANG Peichao，ZHANG Xiaomin，CHEN Bingjian，LI Fan

（Shandong Provincial Key Laboratory of Restoration for Marine Ecology，

Shandong Marine Resource and Environment Research Institute，Yantai 264006）

Abstract：Vertical temperature structure has important influence on the Pacific saury fishery distribution.Based on the catch data collected by Chinese Pacific saury fishing vessels from July to December 2019，the relationship between the distribution of fishing ground of Pacific saury and

vertical temperature structure was analyzed. First of all，information gain technology （IGT） was used to analyze the relationship between CPUE and 6 water temperature factors，and identified the six key factors，according to influence size，the key factors is the water tempemture at 12.5 m，the temperature gradient in 0～12.5 m，the temperature gradient in 12.5～37.5 m，the water tempemture at 0 m，the temperature gradient in 37.5～62.5 m，the water tempemture at 37.5 m. Then，the frequency analysis method was used to determine the suitable range of the six key temperature factors，i.e.T12.5 for 7～12 ℃，T0-12.5 for （1～3）×10-2 ℃，T12.5-37.5 for （3～4）×10-2 ℃，T0 for 10～16 ℃，T37.5-62.5 for （2～3）×10-2 ℃，T37.5 for 6～10 ℃.The results showed that 12.5 m water temperature （T12.5） has a greater impact for Pacific saury fishery distribution than the sea surface temperature （T0） ，the research of the relationship between 12.5 m after water layer and water layer near temperature and Pacific saury fishery should be strengthened.

Key words：information gain technology; vertical temperature structure; Pacific saury fishing ground; North Pacific

（收稿日期：2022-02-16）

基金項目：山東省重點研發計劃（2018GHY115014）;山東省自然科學基金重點項目（ZR2020KE050）。

作者簡介：張培超（1964-），男，工程師，研究方向：漁業資源。E-mail：zhangpeichao@shandong.cn。

通信作者：張孝民（1991-），男，碩士，助理研究員，研究方向：漁業資源和生態修復。E-mail：zhangxiaominyt@163.com。DOI：10.3969/j.issn.1004-6755.2022.06.010