汪金濤，高峰，2，3，雷林，2，3，官文江，2，3，陳新軍，2，3*

（1.上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306；2.大洋漁業(yè)資源可持續(xù)開(kāi)發(fā)省部共建教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306；3.上海海洋大學(xué)國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306）

基于產(chǎn)卵場(chǎng)環(huán)境因子的阿根廷滑柔魚(yú)資源補(bǔ)充量預(yù)報(bào)模型研究

汪金濤1，高峰1，2，3，雷林1，2，3，官文江1，2，3，陳新軍1，2，3*

（1.上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306；2.大洋漁業(yè)資源可持續(xù)開(kāi)發(fā)省部共建教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306；3.上海海洋大學(xué)國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306）

西南大西洋阿根廷滑柔魚(yú)Illex argentinus是短生命周期種類(lèi)，其資源量極易受到海洋環(huán)境變化的影響。根據(jù)2003—2011年我國(guó)魷釣船隊(duì)在西南大西洋的生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)，以及產(chǎn)卵場(chǎng)海洋表面溫度（SST）、海表溫度距平值（SSTA），計(jì)算分析了阿根廷滑柔魚(yú)在產(chǎn)卵期產(chǎn)卵場(chǎng)各月最適表層水溫范圍占總面積的比例（用PS表示）以及表征海流強(qiáng)度的SST、SSTA等多種環(huán)境變量因子與單位捕撈量漁獲量（CPUE）的相關(guān)性，建立多種基于主要環(huán)境因子的資源補(bǔ)充量預(yù)報(bào)模型，同時(shí)分析比較預(yù)報(bào)模型的優(yōu)劣。相關(guān)性分析表明：6月份有3片連續(xù)區(qū)域的SST與CPUE之間存在強(qiáng)相關(guān)性，分別為38°～39°S、54°～55°W，40.5°～41.5°S、51°～52°W，39.9°～40.4°S、42.6°～43.1°W。利用6月份此3片連續(xù)區(qū)域SST與次年CPUE建立的三元線(xiàn)性模型，模型符合統(tǒng)計(jì)檢驗(yàn)，偏差解釋率為82.4%。在此基礎(chǔ)上加入7月份PS影響因子建立3種方案下的誤差反向傳播（EBP）神經(jīng)網(wǎng)絡(luò)模型。結(jié)果認(rèn)為，包含了?？颂m寒流與巴西暖流表溫信息的方案3模型優(yōu)于其他兩種模型，其準(zhǔn)確率可以達(dá)到90%以上。

西南大西洋；阿根廷滑柔魚(yú)；補(bǔ)充量預(yù)報(bào)；神經(jīng)網(wǎng)絡(luò)

1 引言

阿根廷滑柔魚(yú)Illex argentinus廣泛分布于西南大西洋22°～54°S的大陸架和陸坡，其中以35°～52°S的大陸架尤為豐富，具有分布廣、產(chǎn)量高、波動(dòng)大的特點(diǎn)［1—2］，是目前世界范圍內(nèi)最為重要的已開(kāi)發(fā)頭足類(lèi)資源之一，也是中國(guó)大陸及臺(tái)灣地區(qū)魷釣漁業(yè)重要的捕撈種類(lèi)之一［1］。資源量預(yù)報(bào)屬于漁情預(yù)報(bào)中長(zhǎng)期預(yù)報(bào)的一種，對(duì)資源補(bǔ)充量進(jìn)行精確的預(yù)報(bào)是漁業(yè)進(jìn)行科學(xué)管理、合理開(kāi)發(fā)的關(guān)鍵［3］。目前，有關(guān)阿根廷滑柔魚(yú)的研究多集中在滑柔魚(yú)漁場(chǎng)變化與海洋環(huán)境之間的關(guān)系［4—7］，而有關(guān)資源補(bǔ)充量預(yù)報(bào)則較少研究。例如，Waluda等［8］假設(shè)在產(chǎn)卵海域（49°～61°W、32°～39°S）產(chǎn)卵月（6—7月），阿根廷滑柔魚(yú)最適表溫溫度（16～18℃）海域面積占全部產(chǎn)卵海域面積比例越大，次年的阿根廷滑柔魚(yú)資源豐度越豐富；陸化杰［9］假設(shè)阿根廷滑柔魚(yú)產(chǎn)卵海域?yàn)?0°～42°S、56°～58°W，認(rèn)為6月份產(chǎn)卵場(chǎng)高于10℃、SSTA大于0℃，次年的滑柔魚(yú)資源補(bǔ)充量會(huì)相對(duì)較高，而當(dāng)6月份SST低于10℃、SSTA小于0℃，次年的資源補(bǔ)充量應(yīng)可能會(huì)較低。當(dāng)年的6月份SST和SSTA與次年的CPUE基本成正相關(guān)。以上的研究都是使用名義CPUE作為資源豐度指標(biāo)，由于在?？颂m海域作業(yè)漁船的功率大小、船長(zhǎng)水平、集魚(yú)燈功率等不同，名義CPUE可能反映不了其真實(shí)的資源豐度水平。為此，本文在前人研究的基礎(chǔ)上用GLBM（Generalized Linear Bayesian Models）模型標(biāo)準(zhǔn)化后的CPUE作為資源豐度指標(biāo)，通過(guò)產(chǎn)卵場(chǎng)表溫及其距平均值與CPUE的相關(guān)性分析找出影響資源豐度關(guān)鍵海域，利用關(guān)鍵海域的表溫及其距平均值、適宜表溫所占海域面積等因子作為影響資源豐度的環(huán)境指標(biāo)，試圖建立不同環(huán)境影響因子與資源豐度之間的預(yù)報(bào)模型，為西南大西洋海域滑柔魚(yú)的科學(xué)管理與生產(chǎn)提供參考依據(jù)。

2 材料與方法

2.1 材料來(lái)源

阿根廷滑柔魚(yú)冬季產(chǎn)卵群體是主要的商業(yè)捕撈對(duì)象［10］，2003—2011年我國(guó)魷釣船隊(duì)在西南大西洋的生產(chǎn)數(shù)據(jù)來(lái)自上海海洋大學(xué)魷釣技術(shù)組，并假設(shè)捕獲的群體全部是冬季產(chǎn)卵群。海表溫度數(shù)據(jù)來(lái)自http：／／oceanwatch.pifsc.noaa.gov／las／servlets／dataset，時(shí)間分辨率月，空間分辨率為經(jīng)緯度0.1°×0.1°；海表溫度異常數(shù)據(jù)來(lái)自http：／／iridl.ldeo.columbia. edu，時(shí)間分辨率月，空間分辨率為經(jīng)緯度0.5°×0.5°。海表溫度數(shù)據(jù)和海表溫度異常數(shù)據(jù)的經(jīng)緯度范圍均是40°W～65°W、30°S～45°S。

2.2 研究方法

2.2.1 CPUE計(jì)算

計(jì)算每年單船平均日產(chǎn)量CPUE（t／d），并用GLBM模型進(jìn)行了標(biāo)準(zhǔn)化處理［9］，標(biāo)準(zhǔn)化后的CPUE作為西南大西洋阿根廷滑柔魚(yú)資源豐度指數(shù)。

2.2.2 影響因子選取

前人研究表明，40°W～65°W、30°S～45°S海域通常被認(rèn)為是西南大西洋阿根廷滑柔魚(yú)的產(chǎn)卵場(chǎng)［11—12］。在產(chǎn)卵月份（6—8月），計(jì)算分析每點(diǎn)SST、SSTA組成的時(shí)間序列值與來(lái)年CPUE組成的時(shí)間序列值的相關(guān)性，選取相關(guān)性高海域的SST、SSTA作為阿根廷滑柔魚(yú)補(bǔ)充量的影響因子。

計(jì)算產(chǎn)卵場(chǎng)最適表層水溫范圍占產(chǎn)卵場(chǎng)總面積的比例是衡量產(chǎn)卵場(chǎng)棲息地環(huán)境優(yōu)劣的重要方法之一［8］。根據(jù)Waluda等［8］研究，將SST為16～18℃定義為產(chǎn)卵場(chǎng)最適表溫，計(jì)算最適表層水溫范圍占產(chǎn)卵場(chǎng)總面積的比例（PS），用PS表達(dá)產(chǎn)卵場(chǎng)棲息環(huán)境的適宜程度。因此選定PS為滑柔魚(yú)補(bǔ)充量的影響因子，計(jì)算分析PS組成的時(shí)間序列值與來(lái)年CPUE組成的時(shí)間序列值的相關(guān)性。

2.2.3 預(yù)報(bào)模型建立

（1）線(xiàn)性預(yù)報(bào)模型

根據(jù)2.2.2的相關(guān)性分析，建立影響滑柔魚(yú)資源補(bǔ)充量的顯著相關(guān)因子與CPUE之間的多元線(xiàn)性模型。

（2）EBP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型

誤差反向傳播神經(jīng)網(wǎng)絡(luò)（Error Backpropagation Network，EBP）屬于多層前向神經(jīng)網(wǎng)絡(luò)，采用誤差反向傳播的監(jiān)督算法，能夠?qū)W習(xí)和存儲(chǔ)大量的模式映射關(guān)系，已被廣泛應(yīng)用于各個(gè)領(lǐng)域［13—14］。

EBP神經(jīng)網(wǎng)絡(luò)的建立在matlab軟件中完成，首先對(duì)樣本進(jìn)行歸一化處理，使樣本處在0～1間。使用神經(jīng)網(wǎng)絡(luò)工具箱的擬合工具，將2003—2010年的歸一化樣本作為訓(xùn)練樣本，2011年的歸一化樣本作為驗(yàn)證樣本。網(wǎng)絡(luò)設(shè)計(jì)的參數(shù)為：輸入層神經(jīng)元個(gè)數(shù)根據(jù)2.2.2選定的顯著相關(guān)因子和PS的組合而決定，輸出層神經(jīng)元1個(gè)為CPUE，隱含層神經(jīng)元個(gè)數(shù)根據(jù)經(jīng)驗(yàn)公式得到［15—16］。學(xué)習(xí)速率為0.1，動(dòng)量參數(shù)為0.5。網(wǎng)絡(luò)訓(xùn)練的終止參數(shù)為：最大訓(xùn)練批次100次，最大誤差給定0.001。模型經(jīng)多次訓(xùn)練，取最優(yōu)結(jié)果，同時(shí)防止過(guò)擬合狀態(tài)的出現(xiàn)［17］。

EBP模型以均方誤差（MSE）作為判斷最優(yōu)模型的標(biāo)準(zhǔn)。擬合殘差是將預(yù)報(bào)值與實(shí)際值進(jìn)行比較所得，其函數(shù)定義式為：

式中yk為CPUE的實(shí)際值，k為CPUE的預(yù)報(bào)值。

3 結(jié)果

3.1 年CPUE變化趨勢(shì)

用GLBM模型標(biāo)準(zhǔn)化后的CPUE顯示（見(jiàn)圖1），2003—2011年CPUE年間波動(dòng)較大，CPUE較低年份出現(xiàn)在2006年和2007年，最低年份為2006年的5.46 t／d，CPUE最高年份出現(xiàn)在2009年為9.29 t／d，其余年份CPUE均在平均值上下波動(dòng)。

圖1 2003—2011年阿根廷滑柔魚(yú)CPUE變化趨勢(shì)Fig.1 CPUE ofIllex argentinusfrom 2003 to 2011

3.2 相關(guān)性分析及關(guān)鍵區(qū)域選擇

在產(chǎn)卵月份（6—8月）產(chǎn)卵場(chǎng)區(qū)域內(nèi)（30°～45°S、40°～65°W），6—8月份各月每一個(gè)0.1°×0.1°的SST與次年CPUE作相關(guān)性分析，發(fā)現(xiàn)6月份SST有3片連續(xù)區(qū)域與次年CPUE呈顯著相關(guān)（表1、圖2），分別為區(qū)域一（Area 1）的分布范圍是38°～39°S、54°～55°W，區(qū)域二（Area 2）的分布范圍是40.5°～41.5°S、51°～52°W，區(qū)域三（Area 3）的范圍是39.9°～40.4°S、42.6°～43.1°W。6—8月份各月每一個(gè)0.5°×0.5°的SSTA沒(méi)有與次年CPUE呈顯著相關(guān)的連續(xù)區(qū)域。PS時(shí)間序列與CPUE時(shí)間序列相關(guān)性分析表明（見(jiàn)表2），6—8月份最適表層水溫范圍占產(chǎn)卵場(chǎng)總面積的比例與次年CPUE之間不存在顯著相關(guān)性。Area 3

表1 6月份關(guān)鍵區(qū)域SST與次年CPUE相關(guān)性分析參數(shù)Tab.1 Correlation analysis parameters between SST in key areas and CPUE in Jun

圖2 與CPUE顯著相關(guān)的關(guān)鍵區(qū)域及其海表溫度（℃）分布Fig.2 Tke key areas significantly associated with CPUE and its SST（℃）

表2 產(chǎn)卵場(chǎng)最適表溫分為PS與次年CPUE相關(guān)性分析參數(shù)Tab.2 Correlation analysis between favorableSSTin the spawning ground（PS）and CPUE of the next year

3.3 預(yù)報(bào)模型實(shí)現(xiàn)及結(jié)果比較

3.3.1 線(xiàn)性預(yù)報(bào)模型

根據(jù)2.2的結(jié)果，利用選定的6月份3片連續(xù)區(qū)域表溫與次年CPUE（t／d）組成的樣本建立多元線(xiàn)性模型，其方程為：

其相關(guān)系數(shù)R為0.943（p=0.007＜0.05）。

3.3.2 EBP預(yù)報(bào)模型

利用選定的6月份3片連續(xù)區(qū)域表溫和7月份PS不同組合作為EBP預(yù)報(bào)模型的輸入因子，構(gòu)造多種EBP預(yù)報(bào)模型，分別是：

方案1：選取區(qū)域一表溫、區(qū)域三表溫、PS共3個(gè)因子作為輸入層，構(gòu)造3∶4∶1的EBP網(wǎng)絡(luò)結(jié)構(gòu)。

方案2：選取區(qū)域二表溫、區(qū)域三表溫、PS共3個(gè)因子作為輸入層，構(gòu)造3∶4∶1的EBP網(wǎng)格結(jié)構(gòu)。

方案3：選取區(qū)域一表溫、區(qū)域二表溫、區(qū)域三表溫、Ps共4個(gè)因子作為輸入層，構(gòu)造4∶5∶1的EBP網(wǎng)絡(luò)結(jié)構(gòu)。

利用matlab進(jìn)行計(jì)算，獲得了3種方案下的均方誤差（圖3）。由圖3可知，方案3的均方誤差最小，其準(zhǔn)確率為96.4%。

圖3 不同神經(jīng)網(wǎng)絡(luò)模型的模擬結(jié)果Fig.3 The simulation results of different neural network models

4 討論與分析

阿根廷滑柔魚(yú)由于其獨(dú)特的生物學(xué)特性，其資源補(bǔ)充量的多少與其產(chǎn)卵場(chǎng)棲息環(huán)境密切相關(guān)。通常認(rèn)為，巴西暖流與?？颂m寒流匯合海域，營(yíng)養(yǎng)鹽豐富，是阿根廷滑柔魚(yú)重要的餌料場(chǎng)，也是促使阿根廷滑柔魚(yú)穿越整個(gè)大陸架及大陸坡海域洄游至該海域的重要?jiǎng)恿Γ?8］。已有的研究表明［4—5，19—20］，利用產(chǎn)卵場(chǎng)海表溫度和海表溫度異常數(shù)據(jù)來(lái)預(yù)報(bào)?？颂m海域內(nèi)的冬生群的資源補(bǔ)充量是可行的。在本文所選擇的關(guān)鍵區(qū)域中，用2002—2010年這些海漁的表溫疊加后發(fā)現(xiàn)（見(jiàn)圖2），區(qū)域一的表溫可以表征?？颂m寒流對(duì)阿根廷滑柔魚(yú)資源補(bǔ)充量影響的強(qiáng)弱，區(qū)域二的表溫可以表征巴西暖流對(duì)阿根廷滑柔魚(yú)資源補(bǔ)充量影響的強(qiáng)弱，這兩處表溫高低與兩股海流的相對(duì)強(qiáng)弱密切相關(guān)，影響阿根廷滑柔魚(yú)產(chǎn)卵環(huán)境，進(jìn)而影響到次年阿根廷滑柔魚(yú)的資源補(bǔ)充量。

本文經(jīng)過(guò)相關(guān)性分析，表明只有6月份SST存在3片連續(xù)區(qū)域與次年CPUE存在顯著相關(guān)性，而SSTA和PS與次年CPUE不存在顯著相關(guān)性。這與陸化杰［9］、Waluda等［8］的研究結(jié)果不盡相同。分析其原因可能有兩點(diǎn)：（1）生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)來(lái)源不同，中國(guó)大陸的魷釣船都在阿根廷經(jīng)濟(jì)專(zhuān)屬區(qū)線(xiàn)外生產(chǎn)，有可能導(dǎo)致CPUE的變化趨勢(shì)有所差異；（2）CPUE計(jì)算方式不同，本文使用的是經(jīng)GLBM模型標(biāo)準(zhǔn)化后的CPUE，這更能反映阿根廷滑柔魚(yú)資源的真實(shí)狀況。

本文建立多元線(xiàn)性模型所用數(shù)據(jù)樣本都是經(jīng)過(guò)相關(guān)性分析得到的與CPUE呈顯著相關(guān)的數(shù)據(jù)，模型符合統(tǒng)計(jì)檢驗(yàn)，解釋率為82.4%，優(yōu)于文獻(xiàn)［5］的用一個(gè)假設(shè)的關(guān)鍵區(qū)域（40°～42°S、56°～58°W）數(shù)據(jù)所建立線(xiàn)性模型。對(duì)于3種方案下EBP神經(jīng)網(wǎng)絡(luò)模型，方案3模型包含了?？颂m寒流與巴西暖流兩股海流的表溫信息，明顯優(yōu)于方案1和方案2包含的一股海流表溫信息的模型。

阿根廷滑柔魚(yú)的資源補(bǔ)充量預(yù)報(bào)是一件極其復(fù)雜的系統(tǒng)工作，在其早期生活階段不僅僅受到海域環(huán)境因素的影響［8］，還受到來(lái)自外部和內(nèi)部的捕食者的影響［9］，利用其早期生活階段海域環(huán)境因素進(jìn)行資源量評(píng)估只是其中一種重要方法。但今后需要結(jié)合物理海洋學(xué)、生態(tài)系統(tǒng)動(dòng)力學(xué)等，綜合其個(gè)體的生長(zhǎng)、死亡等因素以及海流、初級(jí)生產(chǎn)力等因子，建立更為全面、科學(xué)的阿根廷滑柔魚(yú)資源補(bǔ)充量預(yù)測(cè)模型，為阿根廷滑柔魚(yú)資源合理利用和科學(xué)管理提供依據(jù)。

參考文獻(xiàn)：

［1］ 王堯耕，陳新軍.世界大洋性經(jīng)濟(jì)柔魚(yú)類(lèi)資源及其漁業(yè)［M］.北京：海洋出版社，2005.

［2］ Chen X J，Liu B L，Chen Y.A review of the development of Chinese distant-water squid jigging fisherie［J］.Fisheries Research，2008，89（3）：211 -221.

［3］ 陳新軍.漁業(yè)資源與漁場(chǎng)學(xué)［M］.北京：海洋出版社，2004.

［4］ 陳新軍，劉必林，王躍中.2000年西南大西洋阿根廷滑柔魚(yú)產(chǎn)量分布及其與表溫關(guān)系的初步研究［J］.湛江海洋大學(xué)學(xué)報(bào)，2005，25（1）：29-34.

［5］ 劉必林，陳新軍.2001年西南大西洋阿根廷滑柔魚(yú)產(chǎn)量分布及其與表溫關(guān)系的初步研究［J］.海洋漁業(yè)，2004，26（4）：326-330.

［6］ 陸化杰，陳新軍.2006年西南大西洋魷釣漁場(chǎng)與表溫和海面高度距平值的關(guān)系［J］.大連水產(chǎn)學(xué)報(bào)，2008，23（3）：230-234.

［7］ 張煒，張健.西南大西洋阿根廷滑柔魚(yú)漁場(chǎng)與主要海洋環(huán)境因子關(guān)系探討［J］.上海水產(chǎn)大學(xué)學(xué)報(bào)，2008，17（4）：471-475.

［8］ Waluda C，Rodhouse P，PodestáG，et al.Surface oceanography of the inferred hatching grounds ofIllex argentinus（Cephalopoda：Ommastrephidae）and influences on recruitment variability［J］.Marine Biology，2001，139（4）：671-679.

［9］ 陸化杰.西南大西洋阿根廷滑柔魚(yú)漁業(yè)生物學(xué)及資源評(píng)估［D］.上海：上海海洋大學(xué)，2012.

［10］ Brunetti N E，Ivanovic M L.Distribution and abundance of early life stages of squid（Illex argentinus）in the southwest Atlantic［J］.Journal of Marine Science，1992，49：175-183.

［11］ Csirke J.The Patagonian fishery resources and the offshore fisheries in the South-West Atlantic［C］.FAO Fisheries Technical Paper，1987.

［12］ Basson M，Beddinton J R，Crombile J A，et al.Assessment and management of annual squid stocks：theIllex argentinusin the Southwest Atlantic as an example［J］.Fisheries Research，1996，28：3-29.

［13］ Benediktsson J A，Swain P H，Ersoy O K.Neural network approaches versus statistical methods in classification of multisource remote sensing data［J］.IEEE Transactions on Geoscience and Remote Sensing，1990，28（4）：540-552.

［14］ Hush D R，Horne B G.Progress in supervised neural networks［J］.IEEE Signal Processing Magazine，1993，10（1）：8-39.

［15］ 劉剛.一種綜合改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)及其實(shí)現(xiàn)［J］.武漢理工大學(xué)學(xué)報(bào)，2002，24（10）：57-60.

［16］ 呂硯山，趙正琦.BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化及應(yīng)用研究［J］.北京化工大學(xué)學(xué)報(bào)，2001，28（1）：67-69.

［17］ 金龍，況雪源，黃海洪，等.人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型的過(guò)擬合研究［J］.氣象學(xué)報(bào)，2004，62（1）：62-70.

［18］ O'Dor R K.Big squid in big currents［J］.South African Journal of Marine Science，1992，12（1）：225-235.

［19］ Boyle P R.Cephalopod biology in the fisheries context［J］.Fisheries Research，1990，8（4）：303-321.

［20］ 曹杰.西北太平洋柔魚(yú)資源評(píng)估與管理［D］.上海：上海海洋大學(xué)，2010.

Study on forecasting model of recruitment for Illex argentinus
by using the environmental factors in the spawning ground

Wang Jintao1，Gao Feng1，2，3，Lei Lin1，2，3，Guan Wenjiang1，2，3，Chen Xinjun1，2，3

（1.College of Marine Sciences of Shanghai Ocean University，Shanghai 201306，China；2.The Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources，Ministry of Education，Shanghai 201306，China；3.National Distant-water Fisheries Engineering Research Center，Shanghai Ocean University，Shanghai 201306，China）

Illex argentinus isshort-life cycle squid and is sensitive responding to environment changes with great abundance fluctuations.In this study，according to the fishing production data from Chinese mainland squid jigging fleets from 2003 to 2011 in the southwest Atlantic，combined with sea surface temperature（SST）and sea surface temperature anomaly（SSTA）in the spawning ground，the relationships between the area occupied by favorable SST（defined as those with temperatures in the range from 16℃to 18℃，expressed byPS），current strength（Characterized by SST，SSTA）and catch per unit effort（CPUE）were calculated and analyzed by different methods，and then the forecasting model of resources recruitment based on the above environmental factors were established.The results indicated that there are significant correlations between CPUE and SST at three key areas onJune.The key areas are as follows：38°-39°S and 54°-55°W，40.5°-41.5°S and 51°-52°W，39.9°-40.4°S and 42.6°-43.1°W，respectively.A multivariate linear model between the SST in three key areas and CPUE of the next year is established（p＜0.05）.The other models by using Error Backpropagation Network（EBP）were also developed，which included SST in three key areas and Ps on July.It is found that the model with SST in the key areas indicationg Falkland current and Brazil current is better than the other models，the forecasting accuracy rate was more than 90%.

southwest Atlantic；Illex argentinus；forecasting resources recruitment；neural network

S931.41

A

0253-4193（2014）12-0119-06

汪金濤，高峰，雷林，等.基于產(chǎn)卵場(chǎng)環(huán)境因子的阿根廷滑柔魚(yú)資源補(bǔ)充量預(yù)報(bào)模型研究［J］.海洋學(xué)報(bào)，2014，36（12）：119—124，

10.3969／j.issn.0253-4193.2014.12.012

Wang Jintao，Gao Feng，Lei Lin，et al.Study on forecasting model of recruitment forIllex argentinusby using the environmental factors in the spawning ground［J］.Acta Oceanologica Sinica（in Chinese），2014，36（12）：119—124，doi：10.3969／j.issn.0253-4193.2014.12.012

2013-12-09；

2013-12-27。

國(guó)家863計(jì)劃（2012AA092303）；國(guó)家發(fā)改委產(chǎn)業(yè)化專(zhuān)項(xiàng)（2159999）；上海市科技創(chuàng)新行動(dòng)計(jì)劃（12231203900）；國(guó)家科技支撐計(jì)劃（2013BAD13B01）。

汪金濤（1987-），男，安徽省安慶市人，博士生，從事漁業(yè)資源學(xué)研究。E-mail：wangjintao0510＠163.com

*通信作者：陳新軍（1967—），男，教授。E-mail：xjchen＠shou.edu.cn