CN117251673B - 一种海洋渔业资源动态追踪方法 - Google Patents

Abstract

本发明主要提供了一种海洋渔业资源动态追踪方法，属于海洋渔业管理分析技术领域，首先获取渔业数据，对渔业数据进行空间插值和时间插值，提高其时空分辨率；其次，将插值后的单元时间的单元网格与该单元时间的涡旋进行匹配；然后，建立渔获量的超定方程，对超定方程优化求解，最后得到不同极性涡旋在不同相对半径范围的平均渔获量系数，以反映在该鱼种相对于涡旋的空间概率分布。本发明基于海洋鱼类与涡旋的耦合特征，通过历史数据挖掘追踪，可有效获悉不同鱼种在海洋中的聚集位置，可以指导人们进行重点保护或高效捕捞，思路设计新颖，为涡‑鱼耦合研究提供了一种全新的思路，为后期海洋渔业资源动态管理提供了技术方法支撑。

Description

一种海洋渔业资源动态追踪方法

技术领域

本发明属于海洋渔业管理分析技术领域，尤其涉及一种海洋渔业资源动态追踪方法。

背景技术

随着地球人口数量的不断增长和陆地资源的逐渐枯竭，海洋将成为21世纪人类竞相发展的重要生存空间。2022年全球处于长期饥饿的人口约占世界总人口的9.2%，达到了7.35亿；预计到2050年全球人口对粮食产量的需求将增加60%，开发海洋生物资源尤其是直接可以食用的渔业资源似乎是不二选择。然而，目前估计的海洋渔业总可捕量为2—3亿吨/年，实际捕捞量却不足1亿吨/年。虽然海洋仍然有蕴藏着巨大的捕捞潜力，但由于捕捞不规范、不科学，导致有些大型经济鱼种处于濒临甚至灭绝状态，如金枪鱼类。为此，为满足当代人的需要而不损害后代人的利益，必须对海洋渔业资源进行可持续开发，要做到这一点，需要对海洋经济鱼类的栖息、觅食及迁徙习性有充分的了解，建立可以科学指导渔业开发的动态追踪方法，这将对人类发展生态安全、粮食安全的“蓝色粮仓”具有重要意义。

中尺度涡旋，是海洋中普遍存在的一种动力过程，可谓无时不在、无时不有、数以万计、大小不一，空间尺度约为几十到几百公里，时间尺度从几天到几年，垂直尺度可达千米，每天移动约几公里，是一种相对独立的移动三维旋转流体，覆盖海洋表面积的大约30%，海表总动能的90%，分为气旋涡（CE，又称“冷涡”）和反气旋涡（AE，又称“暖涡”），对海洋物质循环和能量级联具有重要作用，已成为当前跨学科研究的天然载体。

海洋大型鱼类因具有高流动性和强迁徙能力，将会主动选择利于其自身觅食、繁殖、栖息的生存环境，而中尺度涡旋由于其独特的物理环境（即“天然热氧通道、封闭流场环境”），往往成为海洋鱼类的活动“热点”。通常认为，海洋大型鱼类的觅食行与中尺度涡旋的高生产力直接相关。有学者利用延绳钓数据，发现墨西哥湾流区蓝鳍金枪鱼、夏威夷群岛附近马林鱼倾向于分布在冷涡中；综合卫星遥感、现场水文和生物采样数据，有学者报道了墨西哥湾北部的鲸鱼和海豚也主要聚集在冷涡附近以及冷-暖涡旋对的交汇处，这符合涡旋动力影响下的浮游植物-浮游动物-顶级捕食者的食物链解释范式（称之为“食物说”）。然而，也存在相反的情况，基于电子标签技术，有学者发现大西洋梭皮龟、巴西-马尔维纳斯汇流的红海龟幼龟倾向于在暖涡边缘或内部活动；墨西哥湾流地区的蓝鲨在暖涡内下潜的更深、驻留时间更长。这种“违背”现有涡旋生态范式的行为，被归因于暖涡内温暖而高氧的环境减轻了海洋大型鱼类下潜捕食的生理限制（称之为“生理说”）。由此可见，揭示海洋涡旋与特定海洋大型鱼类习性之间的内在规律，对于建立基于中尺度涡旋的海洋动态保护区，实现渔业资源的科学管理与可持续发展等具有重要的生态价值和社会价值。

目前，涡-鱼耦合研究主要基于电子标签的个例研究，但个例研究结果具有一定的偶然性，无法代替统计结果。然而，由于海洋渔业资源捕捞多属于商业机密，其渔获量捕捞的精确时间和位置往往不对外公开发布，比如延绳钓数据。而目前公开的渔业数据，时间和空间分辨率都比较粗糙，比如金枪鱼的渔获量数据，最优空间分辨率为1°、时间分辨率为1月，与中尺度涡旋数据的时空分辨率（空间分辨率0.25°、时间分辨率为1天）不一致，二者无法进行直接匹配，限制了海洋鱼类与涡旋的耦合特征揭示，也就无法获悉不同鱼种在海洋中的聚集位置。

发明内容

针对上述问题，本发明提出了一种海洋渔业资源动态追踪方法，包括以下步骤：

步骤1，获取拟追踪鱼类的历史渔业数据和中尺度涡旋数据集；

步骤2，对获取的渔业数据进行空间插值和时间插值，即从空间上将渔业数据的每个单位经纬度网格划分为不高于涡旋空间分辨率的若干个单元网格，从时间上将渔业数据的单位时间划分为与中尺度涡旋时间分辨率相等的单元时间，相应地，渔业数据在每个单位经纬度网格和单位时间内的总渔获量平均分配到划分后的单元时间的单元网格内；

步骤3，将插值后的单元时间的单元网格与单元时间内的中尺度涡旋进行匹配；根据每个单元网格距离涡旋涡心的距离，即相对半径，进行面积归类统计；

步骤4，建立基于渔业数据统计的单位时间的单位经纬度网格内的总渔获量的超定方程式；

步骤5，将超定方程式进行求解，得到不同极性涡旋在不同相对半径范围的平均渔获量系数；

步骤6，根据平均渔获量系数得到拟追踪鱼类在中尺度涡旋内不同区域面积内的分布情况，从而完成追踪。

优选的，所述步骤1中的历史渔业数据和中尺度涡旋数据集均通过公开网站获取，中尺度涡旋数据的空间分辨率为0.25°× 0.25°，时间分辨率为1天，参数包括极性、涡心位置、半径R、振幅和涡旋边界位置。

优选的，所述步骤3具体为：

将单元时间的单元网格分别与该单元时间附近的中尺度涡旋进行匹配，根据每个单元网格中心相对于涡心的距离进行面积归类，如果单元网格的中心与涡心距离d大于2R，则将该小网格面积归为，其中R为涡旋半径，如果距离d≤2R，则分别将0≤d≤0.5R、0.5R＜d≤1R、1R＜d≤1.5R、1.5R＜d≤2R四个范围的单元网格面积，属于反气旋涡AE的归为/>到/>，属于气旋涡CE的归为/>到/>。

优选的，所述步骤4中的超定方程式的公式为：

具体超定方程式为：

…

所述超定方程式用于求解不同极性涡旋在不同相对半径范围的平均渔获量系数到/>，其中/>为统计的单位时间的单位经纬度网格总数。

优选的，所述步骤5中将超定方程式进行求解，是通过最小二乘法原理进行拟合求出近似解，具体是通过编程软件库函数直接求得，使用python中numpy库的linalg函数。

优选的，所述步骤6中，结合每天更新的中尺度涡旋全球分布，绘制特定目标鱼类的实时动态分布图，从而完成追踪，指导进行重点保护或高效捕捞。

与现有技术相比，本发明提出了一种海洋渔业资源动态追踪方法，基于海洋鱼类与涡旋的耦合特征，通过历史数据挖掘追踪，可有效获悉不同鱼种在海洋中的聚集位置，可以指导人们进行重点保护或高效捕捞。本发明通过将公开共享的粗时空分辨率的渔业数据进行时空插值，实现与中尺度涡选的匹配，进而建立基于渔获量的超定方程，并进行最小二乘法优化求解，提取目标鱼类在不同极性涡旋不同半径范围内的相对分布特征，获悉目标鱼类的栖息习性，思路设计新颖，为涡-鱼耦合研究提供了一种全新的思路，为后期海洋渔业资源动态管理提供了技术方法支撑，具有重大意义。

附图说明

为了更清楚地说明本发明或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍，显而易见地，下面描述的仅仅是本发明的一个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为以黄鳍金枪鱼为例的总体技术路线。

图2为反气旋涡AE和气旋涡CE面积分类统计示意图。

图3为以黄鳍金枪鱼为例的不同极性涡旋的平均渔获量系数随径向变化示意图。

图4为涡旋与黄鳍金枪鱼的复合示意图。

具体实施方式

下面结合具体实施例对发明进行进一步说明。

本发明的整体构思为：首先，获取拟追踪鱼类的渔业数据及涡旋数据集；其次，对获取的渔业数据进行空间插值和时间插值，即从空间上将渔业数据的每个单位经纬度网格划分为不高于涡旋空间分辨率的若干个单元网格，从时间上将渔业数据的单位时间划分为与中尺度涡旋时间分辨率相等的单元时间，相应地，渔业数据在每个单位经纬度网格和单位时间内的总渔获量平均分配到划分后的单元时间的单元网格内；然后，将插值后的单元时间的单元网格与单元时间内的中尺度涡旋进行匹配，根据每个单元网格距离涡旋涡心的距离，即相对半径，进行面积归类统计；再次，建立基于渔业数据统计的单位时间的单位经纬度网格内的总渔获量的超定方程式；将超定方程式进行求解，得到不同极性涡旋在不同相对半径范围的平均渔获量系数；最后，根据平均渔获量系数/>得到拟追踪鱼类在中尺度涡旋内不同区域面积内的分布情况，从而完成追踪。

本实施例以黄鳍金枪鱼为例，对本发明的整体方案进行进一步说明。其整体技术路线如图1所示。

步骤1，下载获取公开共享的渔业（捕捞渔获量）数据集和中尺度涡旋数据集。

本实施例中，黄鳍金枪鱼数据来自美洲热带金枪鱼委员会（IATTC，https://www.iattc.org/），选取黄鳍金枪鱼，空间分辨率为1°× 1°、时间分辨率为1月，空间范围为29°S—49°N，150°W—70°W，时间范围为2010年-2022年）

中尺度涡旋数据集是通过AVISO官网进行下载获取，（https://www.aviso.altimetry.fr/en/home.html），包括空间分辨率为0.25°× 0.25°，时间分辨率为1天，参数包括极性、涡心位置、半径（记为R）、振幅、涡旋边界位置等，空间范围为全球，时间范围为1993年-2022年。

步骤2，对获取的渔业数据进行空间插值和时间插值，提高其空间分辨率及时间分辨率。

从空间上将渔业数据的每个单位经纬度网格划分为不高于涡旋空间分辨率的若干个单元网格，从时间上将渔业数据的单位时间划分为与中尺度涡旋时间分辨率相等的单元时间，相应地，渔业数据在每个单位经纬度网格和单位时间内的总渔获量平均分配到划分后的单元时间的单元网格内。

本实施例中，具体是将黄鳍金枪鱼渔业数据的每月（单位时间）每1°×1°大网格（单位经纬度网格）划分为每天（单元时间）的25个0.2°×0.2°小网格（单元网格）；然后将每月每1°×1°大网格内给出的原渔获量平均分配到每天的25个0.2°×0.2°小网格内。

步骤3，将插值后的单元时间的单元网格与单元时间内的中尺度涡旋进行匹配，根据每个单元网格距离涡旋涡心的距离，即相对半径，进行面积归类统计。

本实施例中，是将每天的每个0.2°×0.2°小网格分别与该天附近的涡旋进行匹配，根据每个小网格中心相对于涡心的距离进行面积归类，如果小网格的中心与涡心距离（记为d）大于2R，R为涡旋半径，则将该小网格面积归为S9，如果距离d≤2R，则分别将0≤d≤0.5R、0.5R＜d≤1R、1R＜d≤1.5R、1.5R＜d≤2R四个范围的该小网格面积，属于AE的归为S1—S4，属于CE的归为S5—S8，如图2所示。

步骤4，建立基于渔业数据统计的单位时间的单位经纬度网格内的总渔获量的超定方程式。

在时间上，假定每月的各1°×1°网格的总渔获量是该月每一天渔获量的和；

在空间上，假定每天每1°×1°网格的渔获量是所有小网格渔获量的和，即每月每1°网格的总渔获量等于该月所有天、所有小网格渔获量的总和；

这样渔业数据的每月每1°×1°网格的渔获量为一个方程，公式如下：

本实施例中，建立基于黄鳍金枪鱼渔业数据统计的每月每1°×1°网格渔获量的超定方程式：

（公式1）

（公式2）

…

（公式n）

假设，从2010年到2022年共13年计156个月，区域范围为29°S—49°N、150°W—70°W及1600个1°×1°网格，理想情况下共有156×1600=249600个渔获量数据，但在实际处理时，如果某月某个1°×1°网格没有渔获量数据，则不予处理，否则将具有渔获量的网格进行时空插值、涡旋匹配、面积归类，建立一个基于该网格渔获量的方程式，比如公式1，渔获量1指2010年1月份第一个具有渔获量数据的1°×1°网格内的总渔获量，指插值后的小网格落在AE的0≤d≤0.5R范围内的面积和，/>为该范围内单位面积渔获量系数，相应地，—/>分别为落在AE的0.5R＜d≤1R、1R＜d≤1.5R、1.5R＜d≤2R范围和CE的0≤d≤0.5R、0.5R＜d≤1R、1R＜d≤1.5R、1.5R＜d≤2R范围以及d＞2R范围的面积和，而/>-/>分别为各自范围内单位面积的渔获量系数；公式n指某年某月某个具有渔获量数据的1°×1°网格内的总渔获量，/>分别为落在AE、CE的0.5R＜d≤1R、1R＜d≤1.5R、1.5R＜d≤2R范围和d＞2R范围的面积和；最后建立2010-2022年间、29°S—49°N、150°W—70°W范围内每1°×1°网格所有具有渔获量数据的方程式。

步骤5，将超定方程式进行求解，得到不同极性涡旋在不同相对半径范围的平均渔获量系数。

由于方程的个数远远超过未知数的个数，称之为超定方程，超定方程理论上是无解的，但在处理时可通过最小二乘法原理进行拟合求出近似解。其原理为，已知一组数据观测点，这些观测点具有某种关系，选择一个方程（直线或平面方程）作为该关系的拟合，然后计算这条直线（或平面）上每个数据点到这条线（或平面）的垂直距离，并将这些距离的平方相加，这就是误差的平方和，调整方程的参数使误差的平方和最小，此时的方程为这些观测点的最佳拟合方程，然后可以根据此方程预测其他数据点的值或更好理解数据间的关系。具体可通过编程软件库函数直接求得，如python中的numpy库中的linalg函数。其算法部分如下所示：

A=result[:,3:]

b=result[:,2]

#最小二乘法：x为解，resid是残差的平方和，rank是系数矩阵的秩，s为奇异值；

x,resid, rank,s=np.linalg.lstsq(A,b)

x=np.round(x,decimals=7)

A是一个n行9列的矩阵，b是一个列向量。

本实施例为2010-2021年间副热带东南太平洋区域，黄鳍金枪鱼的计算结果，如表1所示，平均渔获量系数单位为10^-4t/km²。

表1 不同极性涡旋在不同相对半径范围的平均渔获量系数表

步骤6，根据平均渔获量系数得到相应鱼类在中尺度涡旋内的聚集位置。

中尺度涡旋某半径范围内的平均渔获量系数越大，说明目标鱼类喜欢在该极性涡旋的此范围内聚集，根据此关系，结合每天更新的中尺度涡旋全球分布，绘制特定目标鱼类的实时动态分布图，从而完成追踪，指导人们进行重点保护或高效捕捞。

其中，根据每天不同极性涡旋的空间位置和半径范围，按照-/>按大小排序后并进行深浅颜色区分的方式，来表示目标鱼类在全球海洋中的相对分布，实现目标鱼类的实时动态分布追踪。

本实施例的分析结果说明：

本实施例中，如图3所示，不同极性涡旋的平均渔获量系数随径向变化而变换；如图4所示，表明黄鳍金枪鱼更喜欢暖涡，尤其是在涡核和涡边缘处，在涡核处是由于涡核较高的热氧条件，缓解其反复下潜捕食中层生物群落（猎物）而承受的生理压力，是生理因素占主导；而在涡边缘处，虽然热氧条件不如涡核，但AE边缘处的亚中尺度过程较为丰富，可以带来较高的初级生产力，引起中层生物在该区域的聚集，而此时黄鳍金枪鱼在该区域的分布，可能是由食物因素占主导。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (3)

1.一种海洋渔业资源动态追踪方法，其特征在于，包括以下步骤：

步骤1，获取拟追踪鱼类的历史渔业数据和中尺度涡旋数据集；

步骤2，对获取的渔业数据进行空间插值和时间插值，即从空间上将渔业数据的每个单位经纬度网格划分为不高于涡旋空间分辨率的若干个单元网格，从时间上将渔业数据的单位时间划分为与中尺度涡旋时间分辨率相等的单元时间，相应地，渔业数据在每个单位经纬度网格和单位时间内的总渔获量平均分配到划分后的单元时间的单元网格内；

步骤3，将插值后的单元时间的单元网格与单元时间内的中尺度涡旋进行匹配；根据每个单元网格距离涡旋涡心的距离，即相对半径，进行面积归类统计；具体为：

将单元时间的单元网格分别与该单元时间附近的中尺度涡旋进行匹配，根据每个单元网格中心相对于涡心的距离进行面积归类，如果单元网格的中心与涡心距离d大于2R，则将该单元网格面积归为，其中R为涡旋半径，如果距离d≤2R，则分别将0≤d≤0.5R、0.5R＜d≤1R、1R＜d≤1.5R、1.5R＜d≤2R四个范围的单元网格面积，属于反气旋涡AE的归为/>到，属于气旋涡CE的归为/>到/>；

步骤4，建立基于渔业数据统计的单位时间的单位经纬度网格内的总渔获量的超定方程式：

具体超定方程式为：

…

所述超定方程式用于求解不同极性涡旋在不同相对半径范围的平均渔获量系数到，其中/>为统计的单位时间的单位经纬度网格总数；/>指插值后的单元网格落在AE的0≤d≤0.5R范围内的面积和，/>为该范围内单位面积渔获量系数，相应地，/>—分别为落在AE的0.5R＜d≤1R、1R＜d≤1.5R、1.5R＜d≤2R范围和CE的0≤d≤0.5R、0.5R＜d≤1R、1R＜d≤1.5R、1.5R＜d≤2R范围以及d＞2R范围的面积和，而/>-/>分别为各自范围内单位面积的渔获量系数；

步骤5，将超定方程式进行求解，得到不同极性涡旋在不同相对半径范围的平均渔获量系数；

步骤6，根据平均渔获量系数得到拟追踪鱼类在中尺度涡旋内不同区域面积内的分布情况；结合每天更新的中尺度涡旋全球分布，绘制特定目标鱼类的实时动态分布图，从而完成追踪，指导进行重点保护或高效捕捞。

2.如权利要求1所述的一种海洋渔业资源动态追踪方法，其特征在于：所述步骤1中的历史渔业数据和中尺度涡旋数据集均通过公开网站获取，中尺度涡旋数据的空间分辨率为0.25°× 0.25°，时间分辨率为1天，参数包括极性、涡心位置、半径R、振幅和涡旋边界位置。

3.如权利要求1所述的一种海洋渔业资源动态追踪方法，其特征在于：所述步骤5中将超定方程式进行求解，是通过最小二乘法原理进行拟合求出近似解，具体是通过编程软件库函数直接求得，使用python中numpy库的linalg函数。