CN103053450B - 一种西南大西洋阿根廷滑柔鱼资源补充量预测方法 - Google Patents
一种西南大西洋阿根廷滑柔鱼资源补充量预测方法 Download PDFInfo
- Publication number
- CN103053450B CN103053450B CN201210567707.1A CN201210567707A CN103053450B CN 103053450 B CN103053450 B CN 103053450B CN 201210567707 A CN201210567707 A CN 201210567707A CN 103053450 B CN103053450 B CN 103053450B
- Authority
- CN
- China
- Prior art keywords
- catch
- sst
- ssta
- year
- warm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 241000238440 Illex argentinus Species 0.000 title abstract description 4
- 239000013589 supplement Substances 0.000 title abstract 3
- 238000013277 forecasting method Methods 0.000 title abstract 2
- 241000251468 Actinopterygii Species 0.000 claims abstract description 51
- 241000238366 Cephalopoda Species 0.000 claims description 52
- 235000019688 fish Nutrition 0.000 claims description 45
- 238000012417 linear regression Methods 0.000 claims description 23
- 230000007115 recruitment Effects 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 12
- 235000013601 eggs Nutrition 0.000 claims description 10
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 6
- 229930002868 chlorophyll a Natural products 0.000 claims description 6
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 241001124553 Lepismatidae Species 0.000 description 4
- 239000007795 chemical reaction product Substances 0.000 description 4
- 230000017448 oviposition Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 241000238557 Decapoda Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 241000276438 Gadus morhua Species 0.000 description 1
- 241000356842 Larimichthys polyactis Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000269799 Perca fluviatilis Species 0.000 description 1
- 241001622901 Scomberomorus commerson Species 0.000 description 1
- 241000269821 Scombridae Species 0.000 description 1
- 241001125843 Trichiuridae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000009571 larval growth Effects 0.000 description 1
- 235000020640 mackerel Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004681 ovum Anatomy 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种西南大西洋阿根廷滑柔鱼资源补充量预测方法，(1)计算以往的表温数据(SST)；(2)计算以往的表温距平均值(SSTA)；(3)计算以往每年的捕捞渔获量(Catch)；(4)计算以往每年的单位捕捞努力渔获量(CPUE)；(5)得出捕捞渔获量(Catch)与表温数据(SST)以及表温距平均值(SSTA)的关系式；(6)得出单位捕捞努力渔获量(CPUE)与表温数据(SST)以及表温距平均值(SSTA)的关系式；(7)获得本年的表温数据(SST)；(8)生成本年的表温距平均值(SSTA)；(9)计算次年捕捞渔获量(Catch)和单位捕捞努力渔获量(CPUE)，预测下一年度西南大西洋阿根廷滑柔鱼资源补充量。
Description
技术领域
本发明是利用海洋遥感获得表温数据、地理信息系统技术生成西南大西洋海域阿根廷滑柔鱼分布海区海洋表温等值线，结合产卵期间福克兰寒流和巴西暖流的情况，以40°S－42°S、56°W－58°W海域的表温高低作为指标，预测来年阿根廷滑柔鱼资源补充量大小的预报方法。
背景技术
阿根廷滑柔鱼Illex argentinus隶属头足纲、柔鱼科、滑柔鱼属。广泛分布于西南大西洋22°S－54°S的大陆架和陆坡，其中以35°S－52°S资源尤为丰富，它是目前世界头足类中最为重要的资源之一。它为大洋性浅海种，栖息水深由表层至800m，秋冬在大陆架50-200m群体密集。年产量最高超过100万吨，是重要经济头足类之一，也是我国鱿钓渔业重要的目标种类，在我国整个头足类产业中起着举足轻重的作用。根据计算，2000－2010年我国每年约有50—100艘鱿钓船投入生产，最高年产量曾达到18多万吨，2000－2010年累计捕捞阿根廷滑柔鱼产量达到84.56万吨，形成产值132.5多亿元，取得了显著的经济效益和社会效益。
渔情预报是渔业生产的关键环节，对西南大西洋阿根廷滑柔鱼资源补充量的预报有利于柔鱼产量、中心渔场位置和鱼汛期的预报。柔鱼幼仔鱼的存活率除了与其内在的生理因素相关外，与外界海洋环境因素也密切相关。外界因子很多，直接或间接的影响幼仔鱼的行动，包括水文（海流、水温、潮汐、盐度、水色、水质和径流等），气象（包括风、气压、气温、降水等），地理（地形、地质、地貌等），生物（浮游、底栖、敌害等）。
50年代起，沿海各海洋水产研究所先后开展了毛虾、小黄鱼、对虾、带鱼、鳕鱼、大黄鱼、鲐鱼、鲅鱼等鱼种的可能渔获量预报、现场预报或汛期预报工作。60年代起又进一步得到发展，不仅预报的品种增多，且预报的内容也逐渐充实，对渔业生产的发展起到了一定的促进作用。70年代起，开始应用数理模式来估算鱼类资源数量变动，这对我国渔业实现现代化创造了良好条件。
以往渔情预报工作的开展主要依托现场采样调查，所投入的人力物力较大，工序复杂且受气象影响较大，并且只能采到局部地区的样本，不能直观看到全局海洋环境因子的分布特征。比如，洪泽湖银鱼的渔情预报是通过每年鱼汛前进行2-3次全胡定点拖网，每次都在一天内完成。拖网船开中速，没点拖网30分钟，测定网获鱼数量、尾数、种类组成和生长情况。根据银鱼数量、密度、生长情况和大银鱼食性转换情况来测报银鱼渔情。
之后，遥感（RS）、全球定位系统（GPS）和地理信息系统（GIS）3种空间技术的出现为海洋渔业进一步发展提供了一个坚实的平台。国内外利用3S技术进行渔场渔情预报的成果不胜枚举。在国外，卫星遥感的海洋渔业应用主要以美国、日本等渔业发达国家为主。早期开始将卫星遥感用于获取海洋水体环境的信息，并作出渔情预报。随着技术手段的进步，获取的环境因子越来越多，精度越来越高，已对个别鱼种的活动规律和分布建立了定量的回归模型，并多次成功预报；我国在“九五”期间，国家863计划把卫星遥感技术、地理信息系统和人工智能专家系统相结合进行渔情信息分析与预报，并实现业务化运行。总体来说，国内外的研究多偏重于3S技术中的某一方面，对3S技术综合运用于渔场渔情的整体框架研究不足。
但在海洋中运用遥感技术获取信息存在弊端，海洋鱼类生活在海洋表面以下，遥感不能直接获取渔场鱼群的信息。只能通过对渔场渔情海洋水体环境信息进行研究分析。
发明内容
本发明就是为了解决上述问题，克服现有技术中渔情预报中所存在的问题，本发明提供一种利用海洋遥感获得海域的表温数据，借助地理信息系统技术将获得的有效数据转换成表温等值线图，选取柔鱼产卵场区域，并自动计算适宜产卵表温的区间范围，预测来年西南大西洋阿根廷滑柔鱼资源补充量的大小的方法以满足需求。
为了实现上述目的，本发明的技术方案如下：
一种西南大西洋阿根廷滑柔鱼资源补充量预测方法，其特征在于，包括以下步骤：
（1）计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域的表温数据（SST）；
（2）计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域的表温距平均值（SSTA）；
（3）计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域阿根廷滑柔鱼的捕捞渔获量（Catch）；
（4）计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域阿根廷滑柔鱼的单位捕捞努力渔获量（CPUE）；
（5）将以往十年中每年的捕捞渔获量（Catch）与上一年对应的表温数据（SST）以及表温距平均值（SSTA）进行线性回归，得出捕捞渔获量（Catch）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式,具体为通过一般线性回归模型（GLM模型）对以往十年中每年的捕捞渔获量（Catch）进行标准化，其标准化的GLM模型ln(Catchi,j,k,l+1)=k+α1yeari+α2month1+α3lonk+α4latj+α5SST(SSTA)+α6SSH+α7Chl-a+α8Interactions+εi,j,k,l，式中：year为年；month为月；lon为经度；lat为纬度；SST为作业海域的表温，单位为%,SSTA为作业海域的表温距平均值，单位为%；SSH为海表高度；Chl-a为叶绿素a；Interactions为交互项，表示时间与空间解释变量的交互效应；α1-α8为模型参数；ε为误差项,GLM模型中，将时间、空间、海洋环境因素作为解释变量，其中变量年、月、经度、纬度为分类离散变量，其它变量为连续变量，Catch加上常数1，再作对数变换后，作为响应变量，解决Catch为0的情况，利用经过标准化后的Catch数据，与上一年对应的表温数据（SST）以及表温距平均值（SSTA）进行线性回归，同时利用AIC准则进行判别，即最小AIC值为最优，最后得出捕捞渔获量（Catch）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式；
（6）将以往十年中每年的单位捕捞努力渔获量（CPUE）与上一年度对应的表温数据（SST）以及表温距平均值（SSTA）进行线性回归，得出单位捕捞努力渔获量（CPUE）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式，具体为通过一般线性回归模型（GLM模型）对以往十年中每年的单位捕捞努力渔获量（CPUE）进行标准化，其标准化的GLM模型ln(CPUEi,j,k,l+1)=k+α1yeari+α2month1+α3lonk+α4latj+α5SST(SSTA)+α6SSH+α7Chl-a+α8Interactions+εi,j,k,l，式中：year为年；month为月；lon为经度；lat为纬度；SST为作业海域的表温，单位为%,SSTA为作业海域的表温距平均值，单位为%；SSH为海表高度；Chl-a为叶绿素a；Interactions为交互项，表示时间与空间解释变量的交互效应；α1-α8为模型参数；ε为误差项,GLM模型中，将时间、空间、海洋环境因素作为解释变量，其中变量年、月、经度、纬度为分类离散变量，其它变量为连续变量，CPUE加上常数1，再作对数变换后，作为响应变量，解决CPUE为0的情况，利用经过标准化后的CPUE数据，与上一年对应的表温数据（SST）以及表温距平均值（SSTA）进行线性回归，同时利用AIC准则进行判别，即最小AIC值为最优，最后得出单位捕捞努力渔获量（CPUE）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式；
（7）利用海洋遥感技术获得本年度的5-8月份40°S－42°S、56°W－58°W海域的表温数据（SST）；
（8）利用海洋遥感技术获得当年度的5-8月份40°S－42°S、56°W－58°W海域的表温距平均值（SSTA）；
（9）将（7）和（8）步骤中得到的表温数据（SST）和表温距平均值（SSTA）代入到（5）和（6）所得到的捕捞渔获量（Catch）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式和单位捕捞努力渔获量（CPUE）分别与表温数据（SST）以及海洋表温距平均值（SSTA）的关系式中，计算得出次年捕捞渔获量（Catch）和单位捕捞努力渔获量（CPUE）。
上述一种西南大西洋阿根廷滑柔鱼资源补充量预测方法的应用方法，其特征在于，所述5-8月份为滑柔鱼产卵适宜时间。
上述一种西南大西洋阿根廷滑柔鱼资源补充量预测方法的应用方法，其特征在于，所述5-8月份中6份为滑柔鱼产卵适宜时间。
本发明的有益效果是：本关系式可以解释滑柔鱼资源丰度变化的60%以上。西南大西洋阿根廷滑柔鱼资源补充量的预报结果及时提供给用户及相关部门，以供科学参考，今后可作为一种产品进行实时发布。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，进一步阐述本发明。
阿根廷滑柔鱼通常可分为巴塔哥尼亚等4种群体，其中巴塔哥尼亚种群是中国等远洋鱿钓船的主要捕捞对象，其年产量在40万吨以上，其产卵时间通常为5－8月，产卵场分布在巴西和阿根廷交界的普拉塔河口附近海域，是一种暖水性的种类。阿根廷滑柔鱼作为一年生的短生命周期的种类，产卵后即死，因此没有剩余群体只有补充群体，其来年的补充量取决于产卵场的海洋环境条件。如果其产卵场海洋环境条件合适，其孵化卵的成活率就高，幼体生长就顺利，次年阿根廷滑柔鱼的资源补充量就好。
前人大量研究认为，阿根廷滑柔鱼与表温关系极为密切，水温是目前利用海洋遥感获取最为方便和最为准确的资料，也是船长寻找中心渔场最为常用的因子，本发明的渔业计算数据来源于中国远洋渔业分会上海海洋大学鱿钓技术组，时间分辨率为天，空间分辨率为0.5°×0.5°。温度数据来源于哥伦比亚大学网站：http://iridl.ldeo.columbia.edu，时空分辨率分别为月和1°×1°。本发明所要解决的技术问题在于利用海洋遥感获得表温数据（SST）、地理信息系统技术生成西南大西洋海域阿根廷滑柔鱼分布海区海洋表温距平均值（SSTA），结合产卵期间福克兰寒流和巴西暖流的情况，以40°S－42°S、56°W－58°W海域的表温高低作为指标，来预测来年阿根廷滑柔鱼资源补充量大小。本发明的渔业计算数据来源于中国远洋渔业分会上海海洋大学鱿钓技术组，时间分辨率为天，空间分辨率为0.5°×0.5°。
一种西南大西洋阿根廷滑柔鱼资源补充量预测方法，包括以下步骤：
（1）计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域的表温数据（SST）；
（2）计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域阿根廷滑柔鱼分布海区表温距平均值（SSTA）；
（3）计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域阿根廷滑柔鱼的捕捞渔获量（Catch）；
（4）计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域阿根廷滑柔鱼的单位捕捞努力渔获量（CPUE）；
（5）将以往十年中每年的捕捞渔获量（Catch）与上一年对应的表温数据（SST）以及表温距平均值（SSTA）进行线性回归，得出捕捞渔获量（Catch）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式,具体为通过一般线性回归模型（GLM模型）对以往十年中每年的捕捞渔获量（Catch）进行标准化，其标准化的GLM模型ln(Catchi,j,k,l+1)=k+α1yeari+α2month1+α3lonk+α4latj+α5SST(SSTA)+α6SSH+α7Chl-a+α8Interactions+εi,j,k,l，式中：year为年；month为月；lon为经度；lat为纬度；SST为作业海域的表温，单位为%,SSTA为作业海域的表温距平均值，单位为%；SSH为海表高度；Chl-a为叶绿素a；Interactions为交互项，表示时间与空间解释变量的交互效应；α1-α8为模型参数；ε为误差项,GLM模型中，将时间、空间、海洋环境因素作为解释变量，其中变量年、月、经度、纬度为分类离散变量，其它变量为连续变量，Catch加上常数1，再作对数变换后，作为响应变量，解决Catch为0的情况，利用经过标准化后的Catch数据，与上一年对应的表温数据（SST）以及表温距平均值（SSTA）进行线性回归，同时利用AIC准则进行判别，即最小AIC值为最优，最后得出捕捞渔获量（Catch）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式；
相关性分析表明，产卵场6月份表温数据（SST）和次年捕捞渔获量（Catch）之间存在线性正相关性(P=0.027<0.05)，关系式为Catch=60.66*SST-543.53(n=11,R=0.7178)。其中，相关系数R为样本相关系数，是变量之间相关程度的指标。R的取值范围为[-1,1]。|R|值越大，误差越小，变量之间的线性相关程度越高；|R|值越接近0，误差越大，变量之间的线性相关程度越低。而P<0.05，即小概率事件，代表计算所得的相关系数R值可靠性强，其中P为不发生R＝0.7178的概率。
（6）将以往十年中每年的单位捕捞努力渔获量（CPUE）与上一年度对应的表温数据（SST）以及表温距平均值（SSTA）进行线性回归，得出单位捕捞努力渔获量（CPUE）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式，具体为通过一般线性回归模型（GLM模型）对以往十年中每年的单位捕捞努力渔获量（CPUE）进行标准化，其标准化的GLM模型ln(CPUEi,j,k,l+1)=k+α1yeari+α2month1+α3lonk+α4latj+α5SST(SSTA)+α6SSH+α7Chl-a+α8Interactions+εi,j,k,l，式中：year为年；month为月；lon为经度；lat为纬度；SST为作业海域的表温，单位为%,SSTA为作业海域的表温距平均值，单位为%；SSH为海表高度；Chl-a为叶绿素a；Interactions为交互项，表示时间与空间解释变量的交互效应；α1-α8为模型参数；ε为误差项,GLM模型中，将时间、空间、海洋环境因素作为解释变量，其中变量年、月、经度、纬度为分类离散变量，其它变量为连续变量，CPUE加上常数1，再作对数变换后，作为响应变量，解决CPUE为0的情况，利用经过标准化后的CPUE数据，与上一年对应的表温数据（SST）以及表温距平均值（SSTA）进行线性回归进行线性回归，同时利用AIC准则进行判别，即最小AIC值为最优，最后得出单位捕捞努力渔获量（CPUE）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式；
当孵化场海域SST相对较高时(如1998年、1999年和2006年，平均温度达到11.37℃)，次年在福克兰海域的阿根廷滑柔鱼产量就会相对稍高，否则结果相反，即当SST较低时(如2003年和2004年，平均温度为9.60℃)，次年的产量则会偏低。同样，当孵化场海域SSTA相对较大时(如1998年、1999年和2006年，平均达到0.55℃)，次年的产量就会相对稍高；而SSTA较小时(如2003年和2004年，平均仅为－0.45℃)，对应次年的产量也会相对较低。
相关性分析表明，产卵场6月份表温数据（SST）和次年的单位捕捞努力渔获量（CPUE）之间存在显著相关性(P=0.048<0.05)，其关系式为CPUE=621.18*SST-5461.7(n=11,R=0.7058)。产卵场6月表温距平均值（SSTA）和次年的单位捕捞努力渔获量（CPUE）存在显著的正相关性(P=0.043<0.05)，其关系式为CPUE=641.48*SST+1194.9(n=11,R=0.6466)。
当产卵场海域SST相对较高时(如1998年、1999年、2005年和2006年，平均温度达到11.22℃)，次年的CPUE就会相对稍高。而当产卵场海域SST较低时(如2001年、2003年和2004年，平均温度为9.40℃)，次年的产量则会偏低。同样，当产卵场海域SSTA相对较大时(如1998年，1999年，2005年和2006年，平均为0.38℃)，次年的CPUE就会相对稍高，而SSTA较小时(如2003年和2004年，平均仅为-0.44℃)，下一年的CPUE也会相对较低。
（7）利用海洋遥感技术获得本年度的5-8月份40°S－42°S、56°W－58°W海域的表温数据（SST）；
（8）利用海洋遥感技术获得当年度的5-8月份40°S－42°S、56°W－58°W海域的表温距平均值（SSTA）；
（9）将（7）和（8）步骤中得到的表温数据（SST）和海洋表温距平均值（SSTA）代入到（5）和（6）所得到的捕捞渔获量（Catch）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式和单位捕捞努力渔获量（CPUE）分别与表温数据（SST）以及表温距平均值（SSTA）的关系式中，计算得出次年捕捞渔获量（Catch）和单位捕捞努力渔获量（CPUE）。
计算捕捞渔获量（Catch）时，可以将当年的表温数据（SST）代入到以往十年中每年的捕捞渔获量（Catch）与当年对应的表温数据（SST）进行线性回归，然后得出捕捞渔获量（Catch）与表温数据（SST）的关系式中进行计算，得出最后结果；也可以将当年的表温距平均值（SSTA）代入到以往十年中每年的捕捞渔获量（Catch）与当年对应的表温距平均值（SSTA）进行线性回归，然后得出捕捞渔获量（Catch）与表温距平均值（SSTA）的关系式中进行计算，得出最后结果。
计算单位捕捞努力渔获量（CPUE）时，可以将当年的表温数据（SST）代入到以往十年中每年的单位捕捞努力渔获量（CPUE）与当年对应的表温数据（SST）进行线性回归，然后得出单位捕捞努力渔获量（CPUE）与表温数据（SST）的关系式中进行计算，得出最后结果；也可以将当年的表温距平均值（SSTA）代入到以往十年中每年的单位捕捞努力渔获量（CPUE）与当年对应的表温距平均值（SSTA）进行线性回归，然后得出单位捕捞努力渔获量（CPUE）与表温距平均值（SSTA）的关系式中进行计算，得出最后结果。
5-8月份为滑柔鱼产卵适宜时间，并且其中6月份为滑柔鱼产卵适宜时间。
另外关于福克兰海流、巴西暖流对产卵场的影响。阿根廷滑柔鱼的产卵场分布在巴西和阿根廷交界的普拉塔河口附近海域，福克兰海流、巴西暖流对其有很大影响。福克兰海流和巴西暖流势力强弱可以用40°S－42°S、56°W－58°W海域的表温高低来表达。本研究认为福克兰海流势力强，产卵场水温偏低，40°S－42°S、56°W－58°W海域6月份表温偏低，2个海流交汇区所占面积增大，使得适宜产卵范围大幅度减少，来年阿根廷滑柔鱼资源补充量小。相反，产卵期间，福克兰海流势力弱，产卵场水温偏高，40°S－42°S、56°W－58°W海域6月份表温偏高，2个海流交汇区所占面积少，使得适宜产卵范围大幅度增大，来年阿根廷滑柔鱼资源补充量大。
本发明的有益效果是：本关系式可以解释阿根廷滑柔鱼资源丰度变化的60%以上。西南大西洋阿根廷滑柔鱼资源补充量的预报结果及时提供给用户及相关部门，以供科学参考，今后可作为一种产品进行实时发布。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。
Claims (3)
1.一种西南大西洋阿根廷滑柔鱼资源补充量预测方法，其特征在于，包括以下步骤：
(1)计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域的表温数据(SST)；
(2)计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域的表温距平均值(SSTA)；
(3)计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域阿根廷滑柔鱼的捕捞渔获量(Catch)；
(4)计算以往十年中每年的5-8月份40°S－42°S、56°W－58°W海域阿根廷滑柔鱼的单位捕捞努力渔获量(CPUE)；
(5)将以往十年中每年的捕捞渔获量(Catch)与上一年对应的表温数据(SST)以及表温距平均值(SSTA)进行线性回归，得出捕捞渔获量(Catch)分别与表温数据(SST)以及表温距平均值(SSTA)的关系式,具体为通过一般线性回归模型的GLM模型对以往十年中每年的捕捞渔获量(Catch)进行标准化，其标准化的GLM模型ln(Catchi,j,k,l+1)＝k+α1yeari+α2month1+α3lonk+α4latj+α5SST(SSTA)+α6SSH+α7Chl-a+α8Interactions+εi,j,k,l，式中：year为年；month为月；lon为经度；lat为纬度；SST为作业海域的表温，单位为％,SSTA为作业海域的表温距平均值，单位为％；SSH为海表高度；Chl-a为叶绿素a；Interactions为交互项，表示时间与空间解释变量的交互效应；α1-α8为模型参数；ε为误差项,GLM模型中，将时间、空间、海洋环境因素作为解释变量，其中变量年、月、经度、纬度为分类离散变量，其它变量为连续变量，Catch加上常数1，再作对数变换后，作为响应变量，解决Catch为0的情况，利用经过标准化后的Catch数据，与上一年对应的表温数据(SST)以及表温距平均值(SSTA)进行线性回归，同时利用AIC准则进行判别，即最小AIC值为最优，最后得出捕捞渔获量(Catch)分别与表温数据(SST)以及表温距平均值(SSTA)的关系式；
(6)将以往十年中每年的单位捕捞努力渔获量(CPUE)与上一年度对应的表温数据(SST)以及表温距平均值(SSTA)进行线性回归，得出单位捕捞努力渔获量(CPUE)分别与表温数据(SST)以及表温距平均值(SSTA)的关系式，具体为通过一般线性回归模型的GLM模型对以往十年中每年的单位捕捞努力渔获量(CPUE)进行标准化，其标准化的GLM模型ln(CPUEi,j,k,l+1)＝k+α1yeari+α2month1+α3lonk+α4latj+α5SST(SSTA)+α6SSH+α7Chl-a+α8Interactions+εi,j,k,l，式中：year为年；month为月；lon为经度；lat为纬度；SST为作业海域的表温，单位为％,SSTA为作业海域的表温距平均值，单位为％；SSH为海表高度；Chl-a为叶绿素a；Interactions为交互项，表示时间与空间解释变量的交互效应；α1-α8为模型参数；ε为误差项,GLM模型中，将时间、空间、海洋环境因素作为解释变量，其中变量年、月、经度、纬度为分类离散变量，其它变量为连续变量，CPUE加上常数1，再作对数变换后，作为响应变量，解决CPUE为0的情况，利用经过标准化后的CPUE数据，与上一年对应的表温数据(SST)以及表温距平均值(SSTA)进行线性回归，同时利用AIC准则进行判别，即最小AIC值为最优，最后得出单位捕捞努力渔获量(CPUE)分别与表温数据(SST)以及表温距平均值(SSTA)的关系式；
(7)利用海洋遥感技术获得当年度的5-8月份40°S－42°S、56°W－58°W海域的表温数据(SST)；
(8)利用海洋遥感技术获得当年度的5-8月份40°S－42°S、56°W－58°W海域的表温距平均值(SSTA)；
(9)将(7)和(8)步骤中得到的表温数据(SST)和表温距平均值(SSTA)代入到(5)和(6)所得到的捕捞渔获量(Catch)分别与表温数据(SST)以及表温距平均值(SSTA)的关系式和单位捕捞努力渔获量(CPUE)分别与表温数据(SST)以及表温距平均值(SSTA)的关系式中，计算得出次年可能的捕捞渔获量(Catch)和单位捕捞努力渔获量(CPUE)。
2.根据权利要求1所述一种西南大西洋阿根廷滑柔鱼资源补充量预测方法的应用方法，其特征在于，所述5-8月份为阿根廷滑柔鱼产卵适宜时间。
3.根据权利要求2所述一种西南大西洋阿根廷滑柔鱼资源补充量预测方法的应用方法，其特征在于，所述5-8月份中6月份为阿根廷滑柔鱼产卵适宜时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210567707.1A CN103053450B (zh) | 2012-12-24 | 2012-12-24 | 一种西南大西洋阿根廷滑柔鱼资源补充量预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210567707.1A CN103053450B (zh) | 2012-12-24 | 2012-12-24 | 一种西南大西洋阿根廷滑柔鱼资源补充量预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103053450A CN103053450A (zh) | 2013-04-24 |
| CN103053450B true CN103053450B (zh) | 2014-09-10 |
Family
ID=48096598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210567707.1A Expired - Fee Related CN103053450B (zh) | 2012-12-24 | 2012-12-24 | 一种西南大西洋阿根廷滑柔鱼资源补充量预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103053450B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295833B (zh) * | 2015-05-18 | 2021-06-29 | 上海海洋大学 | 一种太平洋褶柔鱼资源补充量预测方法及其应用 |
| CN106259059B (zh) * | 2015-06-10 | 2019-01-15 | 上海海洋大学 | 一种南美沙丁鱼资源量预测方法及其应用 |
| CN106203686A (zh) * | 2016-06-30 | 2016-12-07 | 上海海洋大学 | 基于灰色系统的西北太平洋柔鱼冬春生群体丰度预测方法 |
| CN107590549A (zh) * | 2016-07-08 | 2018-01-16 | 上海海洋大学 | 一种日本鱿冬生群资源丰度预测方法 |
| CN106251006A (zh) * | 2016-07-22 | 2016-12-21 | 上海海洋大学 | 一种阿根廷鱿鱼资源补充量预测方法 |
| CN106651616B (zh) * | 2016-12-26 | 2021-06-18 | 上海海洋大学 | 一种中西太平洋鲣鱼围网渔业入渔的预测方法 |
| CN109584098B (zh) * | 2018-12-20 | 2023-07-25 | 上海海洋大学 | 一种渔场单位捕捞努力量渔获量的预测方法及装置 |
| CN110363386A (zh) * | 2019-06-05 | 2019-10-22 | 中国水产科学研究院南海水产研究所 | 一种鸢乌贼渔情数据处理方法、系统、装置和存储介质 |
| CN110751323B (zh) * | 2019-10-14 | 2023-06-23 | 浙江海洋大学 | 一种基于动态建模的渔场渔情预测方法 |
| CN113065247B (zh) * | 2021-03-26 | 2022-09-09 | 自然资源部第一海洋研究所 | 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 |
-
2012
- 2012-12-24 CN CN201210567707.1A patent/CN103053450B/zh not_active Expired - Fee Related
Non-Patent Citations (16)
| Title |
|---|
| Drivers of euphausiid species abundance and numerical abundance in the Atlantic Ocean;TB Letessier等;《Marine biology》;20091130;第156卷(第12期);第2539-2553页 * |
| Modelling the impacts of environmental variation on the distribution of blue marlin, Makaira nigricans, in the Pacific Ocean;Nan-Jay Su等;《ICES Journal of Marine Science》;20111231;第68卷(第6期);第1072-1080页 * |
| Nan-Jay Su等.Modelling the impacts of environmental variation on the distribution of blue marlin, Makaira nigricans, in the Pacific Ocean.《ICES Journal of Marine Science》.2011,第68卷(第6期),第1072-1080页. |
| TB Letessier等.Drivers of euphausiid species abundance and numerical abundance in the Atlantic Ocean.《Marine biology》.2009,第156卷(第12期),第2539-2553页. |
| 北太平洋柔鱼渔获量与海洋环境关系的遥感学研究;唐峰华等;《海洋技术》;20110630;第30卷(第2期);第7-12页 * |
| 印度洋中国大眼金枪鱼延绳钓渔业CPUE标准化;戴小杰等;《上海海洋大学学报》;20110331;第20卷(第2期);1-3 * |
| 唐峰华等.北太平洋柔鱼渔获量与海洋环境关系的遥感学研究.《海洋技术》.2011,第30卷(第2期),第7-12页. |
| 基于环境因子的东、黄海鲐鱼剩余产量模型及应用;郑晓琼等;《海洋湖沼通报》;20100915(第3期);第41-48页 * |
| 大洋性柔鱼类资源开发现状及可持续利用的科学问题;陈新军等;《上海海洋大学学报》;20120930;第21卷(第9期);第831-840页 * |
| 徐冰等.海洋水温对茎柔鱼资源补充量影响的初探.《上海海洋大学学报》.2012,第21卷(第5期),第878-883页. |
| 我国东、黄海鲐鱼灯光围网渔业CPUE标准化研究;李纲等;《水产学报》;20091130;第33卷(第6期);第1050-1059页 * |
| 戴小杰等.印度洋中国大眼金枪鱼延绳钓渔业CPUE标准化.《上海海洋大学学报》.2011,第20卷(第2期),1-3. |
| 李纲等.我国东、黄海鲐鱼灯光围网渔业CPUE标准化研究.《水产学报》.2009,第33卷(第6期),第1050-1059页. |
| 海洋水温对茎柔鱼资源补充量影响的初探;徐冰等;《上海海洋大学学报》;20120930;第21卷(第5期);第878-883页 * |
| 郑晓琼等.基于环境因子的东、黄海鲐鱼剩余产量模型及应用.《海洋湖沼通报》.2010,(第3期),第41-48页. |
| 陈新军等.大洋性柔鱼类资源开发现状及可持续利用的科学问题.《上海海洋大学学报》.2012,第21卷(第9期),第831-840页. |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103053450A (zh) | 2013-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103053450B (zh) | 一种西南大西洋阿根廷滑柔鱼资源补充量预测方法 | |
| CN103004664B (zh) | 一种西北太平洋柔鱼资源补充量预测方法 | |
| Pierce et al. | A review of cephalopod–environment interactions in European Seas | |
| Drinkwater et al. | The response of marine ecosystems to climate variability associated with the North Atlantic Oscillation | |
| Atkinson et al. | Oceanic circumpolar habitats of Antarctic krill | |
| CN106295833A (zh) | 一种太平洋褶柔鱼资源补充量预测方法及其应用 | |
| Batchelder et al. | Climate impacts on zooplankton population dynamics in coastal marine ecosystems | |
| De Silva-Dávila et al. | Cephalopod paralarval assemblages in the Gulf of California during 2004-2007 | |
| Hernández-León et al. | Carbon export through zooplankton active flux in the Canary Current | |
| Osgood | Climate impacts on US living marine resources: National Marine Fisheries Services concerns, activities and needs | |
| Lowther et al. | Post-breeding at-sea movements of three central-place foragers in relation to submesoscale fronts in the Southern Ocean around Bouvetøya | |
| Visbeck et al. | The North Atlantic Oscillation: climatic significance and environmental impact | |
| García-Morales et al. | Conceptual models of Pacific sardine distribution in the California Current System | |
| Yunrong et al. | Biological characteristics and spatial—temporal distribution of mitre squid, Uroteuthis chinensis, in the Beibu Gulf, South China Sea | |
| Wilson et al. | Ocean-colour radiometry and fisheries | |
| Gislason et al. | Abundance, feeding and reproduction of Calanus finmarchicus in the Irminger Sea and on the northern Mid-Atlantic Ridge in June | |
| KR101836813B1 (ko) | 가을철(秋季) 남해안의 멸치 어황 예측방법 | |
| Casal et al. | Generating a long-term series of SST and chlorophyll-a for the coast of Ireland | |
| Stepputtis | Distribution patterns of Baltic sprat (Sprattus sprattus L.): causes and consequences | |
| Jiang et al. | Diazotrophic cyanobacterium Trichodesmium spp. in China marginal seas: Comparison with other global seas | |
| Acton | Issues in Global Environment—Freshwater and Marine Environments: 2013 Edition | |
| Oróstica et al. | Performance of a warm-water limpet species towards its poleward range edge compared to a colder-water congener | |
| Nolan et al. | Irish ocean climate and ecosystem status report 2009 | |
| Barceló et al. | Time-Varying Epipelagic Community Seascapes: Assessing and Predicting Species Composition in the Northeastern Pacific Ocean | |
| Chen et al. | Trends in trawl-targeted species landings off northern Taiwan and effects of fishing and environmental factors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: SHANGHAI FISHERIES (GROUP) CORPORATION Effective date: 20141017 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20141017 Address after: 201306 Shanghai city Pudong New Area Lingang New City Shanghai City Ring Road No. 999 Patentee after: SHANGHAI OCEAN University Patentee after: Shanghai Aquatic Products (Group) Corp. Address before: 201306 Shanghai city Pudong New Area Lingang New City Shanghai City Ring Road No. 999 Patentee before: SHANGHAI OCEAN University |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140910 |