一种西南大西洋阿根廷滑柔鱼资源补充量预测方法

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(Catch_{i，j，k，l}+1)=k+α₁year_i+α₂month₁+α₃lon_k+α₄lat_j+α₅SST(SSTA)+α₆SSH+α₇Chl-a+α₈Interactions+ε_{i，j，k，l}，式中：yrar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)以及表温踞平均值(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(CPUE_{i，j，k，l}+1)=k+α₁year_i+α₂month₁+α₃lon_k+α₄lat_i+α₅SST(SSTA)+α₆SSH+α₇Chl-a+α₈Interactions+ε_{i，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(Catch_{i，j，k，l}+1)=k+α₁year_i+α₂month₁+α₃lon_k+α₄lat_j+α₅SST(SSTA)+α₆SSH+α₇Chl-a+α₈Interactions+ε_{i，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(CPUE_{i，j，k，l}+1)=k+α₁year_i+α₂month₁+α₃lon_k+α₄lat_j+α₅SST(SSTA)+α₆SSH+α₇Chl-a+α₈Interactions+ε_{i，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。