胡莉燁++潘洪軍++畢振波++劉亞飛

摘 要：本文選用棲息地適應性指數(shù)模型為預測模型對舟山漁場及其附近海域漁場漁情進行分析。利用Arcgis軟件工具，根據(jù)小漁區(qū)形式對海表溫度（SST）和葉綠素a濃度（CHL-a）數(shù)據(jù)進行分區(qū)統(tǒng)計提取處理，形成具有相同空間尺度的漁獲量、海表溫度和葉綠素a濃度的網(wǎng)格數(shù)據(jù)，從而建立綜合棲息地指數(shù)模型，最終將預測結(jié)果與實際作業(yè)區(qū)域作疊加分析。本預測方法具有計算量小、可靠性強的特點，對合理捕撈作業(yè)具有一定的指導作用。

關(guān)鍵詞：漁場分析預測；海表溫度；葉綠素濃度；棲息地指數(shù)模型

中圖分類號：S931.4 文獻標識碼：A 文章編號：1006—7973（2016）12-0047-02

在相當長的歷史時期內(nèi)，主要的捕撈方式是天然捕撈作業(yè)，這種捕撈方式存在著很大的盲目性、隨機性。50年代后，我國海洋漁業(yè)得到了重視并且迅速發(fā)展，但也付出了沉重的代價，由于不加限制大量捕撈，我國許多海洋經(jīng)濟魚類資源嚴重衰退。因此，國家也日益重視漁業(yè)的健康穩(wěn)健發(fā)展和漁業(yè)資源及環(huán)境的監(jiān)測、養(yǎng)護與管理，大力支持漁業(yè)資源調(diào)查和監(jiān)測。對海洋漁業(yè)資源實施科學、有效、持續(xù)的管理和開發(fā)具有非常重要的意義。

近年來，隨著人工智能理論和技術(shù)的發(fā)展，許多學者開始采用機器學習及人工智能等方法進行漁場漁情的分析預報研究。人工智能的方法眾多，現(xiàn)今在漁情分析預報中應用最多的是專家系統(tǒng)、人工神經(jīng)網(wǎng)絡、范例推理等方法，本文使用的即是專家系統(tǒng)中的棲息地指數(shù)模型。

1 漁場資源具體評估預測實現(xiàn)

漁場預報是漁場學研究的重點。本文以23°-42°N，117°-132°E的舟山漁場及其鄰近海域作為研究區(qū)域，數(shù)據(jù)時間段包括2014年7月至2015年1月以及2015年7月至2016年1月。其中將2014年7-9月和2015年7-9月的統(tǒng)計數(shù)據(jù)用于建立漁場綜合棲息地指數(shù)模型，并對2015年8月的海洋環(huán)境因子數(shù)據(jù)利用建立的綜合棲息地指數(shù)模型進行計算和中心漁場的預測分析。其中本文選用海表溫度和海表葉綠素a濃度作為漁場分析預測的海洋環(huán)境影響因子。

在ArcMap軟件下對各月按海表溫度和葉綠素a數(shù)據(jù)進行漁獲量統(tǒng)計，然后對2014年7-9月份和2015年7-9月份總的漁獲量統(tǒng)計數(shù)據(jù)按海表溫度和葉綠素a進行等間距統(tǒng)計得出：捕撈漁獲量較大的區(qū)域主要集中在29.5℃左右的高溫海域，只有很少一部分漁獲量出現(xiàn)在低于28.5℃和高于30.5℃的海域，總體呈正態(tài)分布趨勢；漁獲量高的海域為葉綠素a濃度在0.4mg/m3左右的海域，在葉綠素a低于或高于0.4mg/m3的海域漁獲量迅速減少，在葉綠素a大于1.6 mg/m3的海域幾乎沒有漁獲，總體趨于偏正態(tài)分布，所以由上可知漁獲量最高時為29.5℃左右的高溫海域和葉綠素a濃度在0.4mg/m3左右的海域。

2 棲息地指數(shù)模型分析

本文采用棲息地指數(shù)模型對舟山漁場及其附近海域漁場漁情資源和中心漁場分布進行分析，棲息地適應性指數(shù)模型是目前用來評價生物棲息地環(huán)境經(jīng)典的量化指標。以生物主動選擇環(huán)境因子較適宜的區(qū)域作為棲息地和環(huán)境因子數(shù)據(jù)與生物數(shù)量存在線性的或正態(tài)分布等關(guān)系為假設條件，已經(jīng)被成熟應用于海洋漁業(yè)中。本研究將海表溫度數(shù)據(jù)和葉綠素a濃度數(shù)據(jù)作為漁場棲息地指數(shù)模型的輸入變量。利用Arcgis軟件工具，根據(jù)小漁區(qū)的漁網(wǎng)格（時空尺度為10′×10′）對海表溫度和葉綠素a濃度數(shù)據(jù)進行分區(qū)統(tǒng)計提取處理，分別取網(wǎng)格內(nèi)海表溫度和葉綠素a濃度數(shù)據(jù)的平均值，形成具有相同空間尺度的漁獲量、海表溫度和葉綠素a濃度的網(wǎng)格數(shù)據(jù)，再將網(wǎng)格區(qū)域內(nèi)包含的漁業(yè)捕撈漁獲量數(shù)據(jù)作為適宜指標，分別建立海表溫度和葉綠素a濃度的單因子適宜性模型，計算方法如式（1）。然后利用Matlab軟件的cftool工具對基于漁獲量的海表溫度和葉綠素a濃度數(shù)據(jù)做1階高斯正態(tài)分布模型擬合，并計算出擬合方程。

式（1）中，表示基于漁獲量的適宜性值，表示網(wǎng)格內(nèi)的捕撈漁獲量，表示最大捕撈漁獲量。

根據(jù)2014年7-9月份和2015年7-9月份的空間尺度同化數(shù)據(jù)，利用正態(tài)分布模型分別對基于捕撈漁獲量建立的海表溫度和葉綠素a濃度的單因子適宜性指數(shù)模型進行擬合。式（2）為海表溫度的單因子適宜性指數(shù)模型擬合方程，其均方根標準差為0.05709，確定系數(shù)為0.9804；式（3）為葉綠素a濃度的單因子適宜性指數(shù)模型擬合方程，其均方根標準差為0.07605，確定系數(shù)為0.9189。標準差（RMSE）越接近于0說明模型擬合的偏差越小，數(shù)據(jù)預測也越成功，確定系數(shù)（R^2）的正常取值范圍為[0，1]，越接近1，表明這個模型對數(shù)據(jù)擬合的效果也更好。根據(jù)計算擬合結(jié)果的方程，可見，兩個單因子適宜性模型均具有較好的擬合度，但誤差仍然存在，且葉綠素a濃度與漁獲量的耦合關(guān)系略弱于海表溫度。

根據(jù)根據(jù)綜合棲息地指數(shù)模型式（4）計算綜合棲息地指數(shù)。根據(jù)前人的研究結(jié)果將HSI從0至1均分為5個區(qū)間，各區(qū)間別為不適宜（0.0-0.2）、一般適宜（0.2-0.4）、中等適宜（0.4-0.6）、較適宜（0.6-0.8）和最適宜（0.8-1.0），通過計算的HSI結(jié)果統(tǒng)計各區(qū)間段內(nèi)的漁獲量占比，表（1）所示分別為6個月份各HSI區(qū)間內(nèi)的漁獲量占比。

從表中可以看出，2014年7-9月份漁獲量較大的HSI值區(qū)間為0.6-0.8，而2015年7-9月份較大漁獲量對應的HSI值區(qū)間為0.4-0.6。根據(jù)擬合的海表溫度和葉綠素a濃度的單因子適宜性指數(shù)模型，對2015年8月的海表溫度和葉綠素a濃度數(shù)據(jù)分別計算單因子適宜值，根據(jù)綜合棲息地指數(shù)模型，式（4），式中海表溫度表示分區(qū)統(tǒng)計所得的海表溫度數(shù)值，葉綠素a濃度表示分區(qū)統(tǒng)計所得的葉綠素a濃度數(shù)值，分別賦予海表溫度和葉綠素a濃度單因子模型權(quán)重為0.5，計算綜合棲息地指數(shù)（HSI）。

將公式導入到速預報系統(tǒng)中，設定HSI>0.6的區(qū)域為中心漁場，對2015年8月的數(shù)據(jù)進行中心漁場的預測預報，結(jié)果如圖1所示。圖中三角形為實際作業(yè)區(qū)，圓形為預測結(jié)果，預測結(jié)果與實際作業(yè)區(qū)域疊加分析，部分區(qū)域有重合，總體位置趨勢相似，因此將對中心漁場預測結(jié)果進行再分析對實際作業(yè)具有一定指導意義。

3 總結(jié)

本研究利用海洋信息技術(shù)和遙感技術(shù)結(jié)合近海漁業(yè)捕撈數(shù)據(jù)建立了一種適合于分析預測近海海洋漁業(yè)資源的方法模型，將對舟山新區(qū)漁業(yè)資源開發(fā)利用起到一定的輔助性作用。但是海洋環(huán)境因子不同于陸地，海洋面積廣大且一直處于運動狀態(tài)，海洋水文狀態(tài)容易受氣候、風場等眾多因素的影響且不同魚類對不同生態(tài)環(huán)境情況做出的響應不盡相同，本研究僅選取海表溫度和葉綠素a作為分析漁情分布特征的變量因子，通過對建立的綜合棲息地指數(shù)模型的預測結(jié)果的分析，結(jié)果表明該漁場綜合棲息地指數(shù)模型的誤差仍然存在，預測準確度有待提高。所以下一步研究中著重分析不同海洋環(huán)境因子對漁情分布特征的影響，利用適宜的計算方法確定不同環(huán)境因子的權(quán)重系數(shù)，或?qū)⑹節(jié)O場綜合棲息地指數(shù)模型更加準確完善。

參考文獻：

[1] 曹威，鄒逸江. 基于“3S”技術(shù)的漁場漁情信息預報系統(tǒng)初步框架研究[J]. 黑龍江工程學院學報，2008，22（2）： 26-31

[2] 紀世建，周為峰，程田飛等. 南海外海漁場漁情分析預報的探討[J]. 漁業(yè)信息與戰(zhàn)略，2015，30（2）： 98-105

[3] 樊偉，崔雪森，沈新強. 漁場漁情分析預報的研究及進展[J]. 水產(chǎn)學報，2005，29（5）： 706-710

[4] 陳新軍，漁業(yè)資源與漁場學[M]. 北京：海洋出版社，2004： 86-215

[5]于杰，李永振. 海洋漁業(yè)遙感技術(shù)及其漁場漁情應用進展[J]. 南方水產(chǎn)，2007，3（2）： 62-68

[6]潘剛，段舜山. 基于遙感技術(shù)的海岸帶資源環(huán)境管理[J]. 遙感技術(shù)與應用，2009（02）