胡貫宇，陳新軍，汪金濤

(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)開發(fā)省部共建教育部重點實驗室，上海201306；3.上海海洋大學(xué) 國家遠洋漁業(yè)工程技術(shù)研究中心，上海 201306；4.遠洋漁業(yè)協(xié)同創(chuàng)新中心，上海 201306)

基于不同權(quán)重的棲息地指數(shù)模型預(yù)報阿根廷滑柔魚中心漁場

胡貫宇1，4，陳新軍1，2，3，4*，汪金濤1，4

(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)開發(fā)省部共建教育部重點實驗室，上海201306；3.上海海洋大學(xué) 國家遠洋漁業(yè)工程技術(shù)研究中心，上海 201306；4.遠洋漁業(yè)協(xié)同創(chuàng)新中心，上海 201306)

本文根據(jù)2003-2009年1-5月和2011年1-5月西南大西洋海域阿根廷滑柔魚(Illexargentinus)的生產(chǎn)數(shù)據(jù)，結(jié)合遙感獲得的海表面溫度(SST)和海表面高度(SSH)數(shù)據(jù)，利用不同權(quán)重的棲息地指數(shù)模型來預(yù)報阿根廷滑柔魚的中心漁場。采用外包絡(luò)法，利用作業(yè)次數(shù)與SST、SSH建立適應(yīng)性指數(shù)(SI)模型，依據(jù)作業(yè)次數(shù)比重和產(chǎn)量比重來比較不同權(quán)重的算術(shù)加權(quán)模型(AWM)，從而篩選出最佳模型，并對最佳模型進行驗證。結(jié)果顯示，確定AWM(a=0.3，SST權(quán)重為0.3，SSH的權(quán)重為0.7)為最佳模型，當(dāng)棲息地適應(yīng)性指數(shù)(HSI)大于0.6時，作業(yè)次數(shù)的比重為93.23%，產(chǎn)量比重為89.28%，當(dāng)HSI小于0.4時，作業(yè)次數(shù)的比重為2.12%，產(chǎn)量比重為3.35%。利用2011年1-5月的生產(chǎn)數(shù)據(jù)和環(huán)境數(shù)據(jù)對AWM(a=0.3)進行驗證，結(jié)果顯示，在HSI大于0.6的海域，各月作業(yè)次數(shù)比重均在91%以上，產(chǎn)量比重均在95%以上。研究表明，在阿根廷滑柔魚漁場形成中SSH比SST更為重要，基于SST和SSH的AWM(a=0.3)能夠較好地預(yù)測西南大西洋阿根廷滑柔魚的中心漁場。

阿根廷滑柔魚；棲息地模型；海表面溫度；海表面高度；中心漁場

1 引言

阿根廷滑柔魚(Illexargentinus)廣泛分布于西南大西洋巴塔哥尼亞大陸架海域[1—2]，是西南大西洋重要的經(jīng)濟頭足類資源。以阿根廷滑柔魚為目標(biāo)魚種的漁業(yè)始于1978年，之后得到大規(guī)模的開發(fā)，據(jù)FAO統(tǒng)計，1999年達到了歷史最高產(chǎn)量，為115萬噸，隨后呈現(xiàn)出下降的趨勢，2006—2008年產(chǎn)量穩(wěn)定在70萬噸以上，隨后產(chǎn)量又呈下降的趨勢，2012年總產(chǎn)量為34萬噸。中國大陸于1997年首次對阿根廷滑柔魚進行捕撈，2007—2008年產(chǎn)量均在20萬噸左右，2012年總產(chǎn)量為7.8萬噸。

漁業(yè)資源的空間分布與環(huán)境因子密切相關(guān)[3—6]，阿根廷滑柔魚為短生命周期的物種，能夠?qū)Νh(huán)境條件的變化迅速的做出反映，已有研究認為，阿根廷滑柔魚漁場分布與海表面溫度[7—8]、海表面高度[9]、葉綠素a[10]和海流[11—12]等環(huán)境因子關(guān)系密切，其中尤以海表面溫度和海表面高度為主要。棲息地指數(shù)模型最早被用來描述野生動物的棲息地質(zhì)量[13]，可以用來模擬生物體對其周圍棲息環(huán)境的反應(yīng)，是表征漁業(yè)資源空間分布與海洋環(huán)境關(guān)系的重要手段，被廣泛地應(yīng)用于漁場預(yù)報[10，14—16]的研究。在已有的研究中，利用棲息地指數(shù)對阿根廷滑柔魚漁場進行預(yù)報的研究中，在對棲息地指數(shù)建模時多采用算術(shù)平均[10]、分位數(shù)回歸等方法[14]，均沒有考慮海洋環(huán)境因子對中心漁場形成的不同影響。漁場形成的原理認為[17]，不同因子對漁場形成的影響程度是不一樣的。為此，本研究結(jié)合棲息地指數(shù)的原理，以海表面溫度和海表面高度為海洋環(huán)境因子，嘗試建立基于不同權(quán)重的阿根廷滑柔魚棲息地指數(shù)模型，并篩選出最佳模型，探索該模型在阿根廷滑柔魚中心漁場預(yù)報中的可行性。

2 材料和方法

2.1 數(shù)據(jù)來源

2.1.1 漁獲數(shù)據(jù)

我國對阿根廷滑柔魚捕撈以魷釣作業(yè)為主。阿根廷滑柔魚的漁獲數(shù)據(jù)來源于上海海洋大學(xué)魷釣技術(shù)組，均為魷釣船作業(yè)，時間為2003—2009年1-5月和2011年1-5月。海域為35°～55°S，50°～65°W(圖1)，時間分辨率為月，利用Matlab軟件將空間分辨率處理為0.5°×0.5°。數(shù)據(jù)內(nèi)容包括作業(yè)位置、作業(yè)時間、漁獲量和作業(yè)次數(shù)，其中漁船的作業(yè)時間精確到天，漁獲量的單位為t，作業(yè)次數(shù)代表進行生產(chǎn)作業(yè)的漁船數(shù)量。

圖1 2003—2009年西南大西洋阿根廷滑柔魚采樣站點Fig.1 Sample locations of Illex argentinus from 2003 to 2009 in the southwestern Atlantic

2.1.2 環(huán)境數(shù)據(jù)

海表面溫度(SST)和海表面高度(SSH)資料均來源于Ocean Watch(http://oceanwatch.pifsc.noaa.gov/las/servlets/dataset)，時間分辨率為月，空間分辨率為0.25°×0.25°，利用Matlab軟件將空間分辨率處理為0.5°×0.5°。

2.2 數(shù)據(jù)處理方法

2.2.1 適應(yīng)性指數(shù)

作業(yè)次數(shù)通常被認為是代表魚類出現(xiàn)或被利用情況的指標(biāo)[18]，SST和SSH是阿根廷滑柔魚漁場形成的主要因子[14—16]。因此，利用作業(yè)次數(shù)與SST、SSH建立適應(yīng)性指數(shù)(Suitability index，SI)模型。適應(yīng)性指數(shù)的取值范圍為0到1，用來表征資源分布的多少。假定最高作業(yè)次數(shù)NETmax為阿根廷滑柔魚資源分布最多的海域，其適應(yīng)性指數(shù)SI為1，而當(dāng)作業(yè)次數(shù)為0時被認為阿根廷滑柔魚資源量最少的海域，其適應(yīng)性指數(shù)SI為0[19]。采用外包絡(luò)法[20]，利用作業(yè)次數(shù)與SST、SSH建立適應(yīng)性指數(shù)模型，建立SST和SSH與SI的關(guān)系，則通過SST和SSH即可求得對應(yīng)的SI值，即SISST和SISSH。

2.2.2 棲息地指數(shù)的建模

利用算術(shù)加權(quán)模型(arithmetic weighted model，AWM)計算棲息地適應(yīng)性指數(shù)(Habitat Suitability index，HSI)，HSI在0到1之間變化，并認為HSI大于0.6的區(qū)域為漁業(yè)資源較為豐富的海域[6，10，15]，技術(shù)路線示意圖見圖2。計算公式如下[21]：

AWM:HSI=aSISST+(1-a)SISSH，

(1)

式中，權(quán)重a分別取0、0.3、0.5、0.7和1；SISST和SISSH分別為SI與SST、SI與SSH的適應(yīng)性指數(shù)。

2.2.3 驗證與實證分析

最佳HSI模型選擇，是在不同權(quán)重的情況下，HSI>0.6時[10，15]，綜合考慮作業(yè)次數(shù)的比重和產(chǎn)量的比重進行篩選。其中作業(yè)次數(shù)的比重即HSI>0.6時的作業(yè)次數(shù)占總的作業(yè)次數(shù)的百分比，產(chǎn)量的比重即HSI>0.6時的產(chǎn)量占總產(chǎn)量的百分比。利用最佳HSI模型計算2011年1-5月的HSI值，并對HSI值與實際作業(yè)情況進行分析比較，探討預(yù)測中心漁場的可行性。

圖2 棲息地指數(shù)計算示意圖Fig.2 The illustration of estimating habitat suitability index

3 結(jié)果

3.1 SST和SSH的適應(yīng)性指數(shù)曲線

采用外包絡(luò)法，建立作業(yè)次數(shù)與SST、SSH之間適應(yīng)性曲線(見圖3)。由圖3可知，1月份高適應(yīng)性指數(shù)的SST和SSH最適范圍分別為12.5～13.5℃和-35～-25 cm；2月份分別為13.5～14.5℃和-35～-25 cm；3月份分別為12.5～13.5℃和-45～-35 cm；4月份分別為9.5～10.5℃和-45～-35 cm；5月份分別為8.5～9.5℃和-35～-25 cm。

3.2 最佳HSI模型的選擇

利用不同權(quán)重的算術(shù)加權(quán)模型計算出HSI及其所對應(yīng)的作業(yè)次數(shù)比重，權(quán)重a=0的AWM，HSI大于0.6的作業(yè)次數(shù)比重為92.49%，產(chǎn)量比重為89.12%； 權(quán)重a=0.3的AWM，HSI大于0.6的作業(yè)次數(shù)比重為93.23%，產(chǎn)量比重為89.28%；權(quán)重a=0.5的AWM，HSI大于0.6的作業(yè)次數(shù)比重為90.62%，產(chǎn)量比重為85.12%；權(quán)重a=0.7和a=1的AWM，HSI大于0.6的作業(yè)次數(shù)的比重和產(chǎn)量比重均小于90%(見圖4)。分析認為，權(quán)重a=0.3的AWM為最佳模型。

3.3HSI模型的驗證

根據(jù)最優(yōu)棲息地指數(shù)模型AWM(a=0.3)，分別計算2011年1-5月各月的HSI值，并與實際作業(yè)情況比較(表1，圖5)。分析發(fā)現(xiàn)，1月份，HSI大于0.6的海域，其作業(yè)次數(shù)和產(chǎn)量比重分別為91.26%和100%；2月份，HSI大于0.6的海域，其作業(yè)次數(shù)和產(chǎn)量比重分別為100%和100%；3月份，HSI大于0.6的海域，其作業(yè)次數(shù)和產(chǎn)量比重分別為99.44%和99.90%；4月份，HSI大于0.6的海域，其作業(yè)次數(shù)和產(chǎn)量比重分別為100%和100%；5月份，HSI大于0.6的海域，其作業(yè)次數(shù)和產(chǎn)量比重分別為95.78%和95.53%。

表1 2011年1-5月不同HSI值下作業(yè)次數(shù)比重和產(chǎn)量比重

圖3 1-5月份SST和SSH的適應(yīng)性指數(shù)曲線Fig.3 The suitability index curves of SST and SSH from January to May6℃代表5.5～6.5℃，-100 cm代表-105～-95 cm，依次類推；a、c、e、g和i分別是1-5月SST的適應(yīng)性指數(shù)曲線，b、d、f、h和j分別是1-5月SSH的適應(yīng)性指數(shù)曲線，圖中點為適應(yīng)性指數(shù)的外包絡(luò)點6℃ represents 5.5～6.5，-100 cm represents-105～-95 cm，successively； the suitability index curves of SST during January to May were picture a，c，e，g and i ，respectively; the suitability index curves of SSH during January to May were picture b，d，f，h and j ，respectively

圖4 不同權(quán)重的算術(shù)加權(quán)模型計算的HSI>0.6所對應(yīng)的作業(yè)次數(shù)比重和產(chǎn)量比重Fig.4 The percentages of fishing efforts and catch under HSI>0.6 calculated by AWM with different weights

圖5 2011年1-5月HSI和作業(yè)次數(shù)分布Fig.5 The distribution of HSI and fishing efforts from January to May in 2011不同顏色代表不同HSI值，不同的形狀代表作業(yè)次數(shù)的不同范圍The values of HSI was respected by different colours，the fishing times were respected by different shapes

4 討論

西南大西洋阿根廷滑柔魚漁場形成于福克蘭寒流與巴西暖流的交匯區(qū)，大陸架水域和福克蘭海流之間邊境有一陸架坡折(shelf-break)鋒面，整個春季和夏季有較高的浮游植物生物量。SST被認為與海流的邊界及鋒面有關(guān)[17]，因此，SST是影響漁場分布的重要環(huán)境因子[22]。SSH與海流及熱量平衡有關(guān)，海流的聚合和輻散分別導(dǎo)致SSH的上升和下降[23]，因此，SSH與漁場的分布密切相關(guān)。盡管西南大西洋阿根廷滑柔魚漁場的分布和資源量極易受到SST、SSH等海洋環(huán)境因子的影響[2，11]，但其中SST和SSH最為重要[7—12]。已有研究認為，各月份作業(yè)漁場的適宜SST有所差異，但主要集中在8～12℃[7—8]，這與本研究的結(jié)果基本相同。

在進行HSI的建模時，本研究利用了算術(shù)加權(quán)模型，對不同的環(huán)境因子賦予權(quán)重，試圖探討不同環(huán)境因子影響阿根廷滑柔魚棲息地指數(shù)分布的差異。結(jié)果顯示，不同的加權(quán)模型對HSI產(chǎn)生很大的影響。SST通常被認為是影響魚類漁場分布最重要的環(huán)境因子[24—25]，然而，本研究發(fā)現(xiàn)，權(quán)重a=0.3的AWM為最佳HSI模型，即SST的權(quán)重為0.3、SSH的權(quán)重為0.7，因此，本研究認為，阿根廷滑柔魚漁場形成過程中，SSH比SST更為重要。這可能是因為在西南大西洋海域，?？颂m寒流與巴西暖流相交匯，與SST相比，SSH更多地反映了海洋中熱量的變化以及漁場 的變動，從而使SSH與西南大西洋阿根廷滑柔魚漁場的關(guān)系更加密切。

本研究利用作業(yè)次數(shù)與SST、SSH建立適應(yīng)型指數(shù)模型。雖然單位日產(chǎn)量(CPUE)可作為表征資源密度的指標(biāo)[26]，但商業(yè)性漁業(yè)的CPUE作為資源豐度的指標(biāo)并不一定可靠，因為商業(yè)性漁業(yè)漁民總是趨向于在有魚的地方生產(chǎn)，這樣會有大量的漁船聚集，雖然該海域的漁業(yè)資源豐富，但CPUE卻不高，漁民一旦發(fā)現(xiàn)沒魚或產(chǎn)量較低，即刻轉(zhuǎn)移生產(chǎn)地或停止生產(chǎn)，因此，與CPUE相比，捕撈努力量(作業(yè)次數(shù))作為資源豐度的指標(biāo)更為合適[6，27]。

本研究確定了最佳HSI模型為AWM(a=0.3)，并利用該模型對2011年1-5月漁場進行預(yù)測，取得較好的效果，在HSI大于0.6的海域，各月作業(yè)次數(shù)比重均在91%以上，產(chǎn)量比重均在95%以上，而在以往的研究中，采用算術(shù)平均法計算HSI，在HSI大于0.6的海域，其作業(yè)次數(shù)比重在76%以上[10]，可以發(fā)現(xiàn)，本研究預(yù)報的準(zhǔn)確性明顯提高。然而，在本研究中，環(huán)境因子的時間分辨率為月，在研究環(huán)境因子對漁場分布的影響時，可能會因為時間分辨率過大而掩蓋一些現(xiàn)象，導(dǎo)致誤差的產(chǎn)生。此外，魷魚具有晝夜垂直運動的現(xiàn)象，通常其深層溫度以及溫躍層有無也是尋找中心漁場的指標(biāo)之一[17]。此外，海流和葉綠素濃度等對漁場分布也產(chǎn)生影響[10，12，28]。

在今后的研究中，應(yīng)對漁場形成機制、生活史過程以及種群狀況進行更深入的研究，考慮更多的、合適的環(huán)境因子研究阿根廷滑柔魚棲息地分布，為漁業(yè)資源的合理開發(fā)和保護提供科學(xué)依據(jù)。

[1] Castellanos Z A. Una nueva especie de calamar argentinoOmmastrephesargentinussp. nov. (Mollusca，Cephalopoda)[J]. Neotropica，1960，6(20): 55-58.

[2] 王堯耕，陳新軍. 世界大洋性經(jīng)濟柔魚資源及其漁業(yè)[M]. 北京: 海洋出版社，2005: 190-194.

Wang Yaogeng，Chen Xinjun. Resources and Fisheries of the Economic oceanic spuid in the World[M]. Beijing: China Ocean Press，2005: 190-194.

[3] Anderson T J，Syms C，Roberts D A，et al. Multi-scale fish-habitat associations and the use of habitat surrogates to predict the organisation and abundance of deep-water fish assemblages[J]. Journal of Experimental Marine Biology and Ecology，2009，379(1/2): 34-42.

[4] Block B A，Costa D P，Boehlert G W，et al. Revealing pelagic habitat use: the tagging of Pacific pelagics program[J]. Oceanologica Acta，2002，25(5): 255-266.

[5] Freeman S M，Rogers S I. A new analytical approach to the characterisation of macro-epibenthic habitats: linking species to the environment[J]. Estuarine，Coastal and Shelf Science，2003，56(3/4): 749-764.

[6] Stoner A W，Spencer M L，Ryer C H. Flatfish-habitat associations in Alaska nursery grounds: use of continuous video records for multi-scale spatial analysis[J]. Journal of Sea Research，2007，57(2/3): 137-150.

[7] 陳新軍，趙小虎. 西南大西洋阿根廷滑柔魚產(chǎn)量分布與表溫關(guān)系的初步研究[J]. 大連水產(chǎn)學(xué)院學(xué)報，2005，20(3): 222-228.

Chen Xinjun，Zhao Xiaohu. The relationship between the distribution of production of squidIllexargentinusand sea surface temperature in the southwest Atlantic Ocean[J]. Journal of Dalian Fisheries University，2005，20(3): 222-228.

[8] 陳新軍，劉金立. 巴塔哥尼亞大陸架海域阿根廷滑柔魚漁場分布及與表溫的關(guān)系分析[J]. 海洋水產(chǎn)研究，2004，25(6): 19-24.

Chen Xinjun，Liu Jinli. Preliminary analysis on the relationship between the distribution of fishing ground ofIllexargentiusand SST in the Patagonian shelf[J]. Marine Fisheries Research，2004，25(6): 19-24.

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

Lu Huajie，Chen Xinjun. Relationship fishing squid of squid jigging and sea surface temperature, sea surface height in the Southwest Atlantic in 2006[J]. Journal of Dalian Fisheries University，2008，23(3): 230-234.

[10] 陳新軍，陸化杰，劉必林，等. 利用棲息地指數(shù)預(yù)測西南大西洋阿根廷滑柔魚漁場[J]. 上海海洋大學(xué)學(xué)報，2012，21(3): 431-438.

Chen Xinjun，Lu Huajie，Liu Bilin，et al. Forecasting fishing ground ofIllexargentinusby using habitat suitability model in the southwest Atlantic[J]. Journal of Shanghai Ocean University，2012，21(3): 431-438.

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

[12] Waluda C M，Trathan P N，Rodhouse P G. Influence of oceanographic variability on recruitment in theIllexargentinus(Cephalopoda: Ommastrephidae) fishery in the South Atlantic[J]. Marine Ecology Progress Series，1999，183: 159-167.

[13] Duel H，Pedroli B，Laane W E M. The habitat evaluation procedure in the policy analysis of inland waters in the Netherlands: towards ecological rehabilitation[C]// Leclerc M，Carpa H，Valentin S，et al. Ecohydraulics. Quebec: International Symposium on Habitat Hydraulics，2000，2: 619-630.

[14] 馮波，田思泉，陳新軍. 基于分位數(shù)回歸的西南太平洋阿根廷滑柔魚棲息地模型研究[J]. 海洋湖沼通報，2010(1): 15-22.

Feng Bo，Tian Siquan，Chen Xinjun. The habitat suitability index ofIllexargentinusby using quantile regression method in the southwest Atlantic[J]. Transactions of Oceanology and Limnology，2010(1): 15-22.

[15] 高峰，陳新軍，范江濤，等. 西南大西洋阿根廷滑柔魚中心漁場預(yù)報的實現(xiàn)及驗證[J]. 上海海洋大學(xué)學(xué)報，2011，20(5): 754-758.

Gao Feng，Chen Xinjun，F(xiàn)an Jiangtao，et al. Implementation and verification of intelligent fishing ground forecasting ofIllexargentinusin the southwest Atlantic[J]. Journal of Shanghai Ocean University，2011，20(5): 754-758.

[16] 陳新軍，馮波，許柳雄. 印度洋大眼金槍魚棲息地指數(shù)研究及其比較[J]. 中國水產(chǎn)科學(xué)，2008，15(2): 269-278.

Chen Xinjun，F(xiàn)eng Bo，Xu Liuxiong. A comparative study on habitat suitability index of bigeye tuna，Thunnusobesusin the Indian Ocean[J]. Journal of Fishery Sciences of China，2008，15(2): 269-278.

[17] 陳新軍. 漁業(yè)資源與漁場學(xué)[M]. 北京: 海洋出版社，2004: 16-215.

Chen Xinjun. Fishery Resources and Fishery Oceanography[M]. Beijing: China Ocean Press，2004: 16-215.

[18] Andrade H A，Garcia C A E. Skipjack tuna fishery in relation to sea surface temperature off the southern Brazilian coast[J]. Fisheries Oceanography，1999，8(4): 245-254.

[19] Mohri M，Nishida T. Seasonal changes in bigeye tuna fishing areas in relation to the oceanographic parameters in the Indian Ocean[J]. Journal of National Fisheries University，1999，47(2): 43-54.

[20] 郭愛. 中西太平洋金槍魚圍網(wǎng)鰹魚漁況變動規(guī)律初步研究[D]. 上海: 上海海洋大學(xué)，2008: 19-20.

Guo Ai. The fishing condition laws of skipjackKatsuwonuspelamispurse-seine in the western-central Pacific Ocean[D]. Shanghai: Shanghai Ocean University，2008: 19-20.

[21] Chen X J，Tian S Q，Liu B L，et al. Modeling a habitat suitability index for the eastern fall cohort ofOmmastrephesbartramiiin the central North Pacific Ocean[J]. Chinese Journal of Oceanology and Limnology，2011，29(3): 493-504.

[22] 汪金濤，高峰，雷林，等. 基于產(chǎn)卵場環(huán)境因子的阿根廷滑柔魚資源補充量預(yù)報模型研究[J]. 海洋學(xué)報，2014，36(12): 119-124.

Wang Jintao，Gao Feng，Lei Lin，et al. Study on forecasting model of recruitment forIllexargentinusby using the environmental factors in the spawning ground[J]. Haiyang Xuebao，2014，36(12): 119-124.

[23] Polito P S，Sato O T，Liu W T. Characterization and validation of the heat storage variability from TOPEX/Poseidon at four oceanographic sites[J]. Journal of Geophysical Research: Oceans (1978-2012)，2000，105(C7): 16911-16921.

[24] Le Pape O，Chauvet F，Mahévas S，et al. Quantitative description of habitat suitability for the juvenile common sole (Soleasolea，L.) in the Bay of Biscay (France) and the contribution of different habitats to the adult population[J]. Journal of Sea Research，2003，50(2/3): 139-149.

[25] Zagaglia C R，Lorenzzetti J A，Stech J L. Remote sensing data and longline catches of yellowfin tuna (Thunnusalbacares) in the equatorial Atlantic[J]. Remote Sensing of Environment，2004，93(1/2): 267-281.

[26] Bertrand A，Josse E，Bach P，et al. Hydrological and trophic characteristics of tuna habitat: consequences on tuna distribution and longline catchability[J]. Canadian Journal of Fisheries and Aquatic Sciences，2002，59(6): 1002-1013.

[27] Gillis D M，Peterman R M，Tyler A V. Movement dynamics in a fishery: application of the ideal free distribution to spatial allocation of effort[J]. Canadian Journal of Fisheries and Aquatic Sciences，1993，50(2): 323-333.

[28] 馮永玖，楊銘霞，陳新軍. 基于Voronoi圖與空間自相關(guān)的西北太平洋柔魚資源空間聚集特征分析[J]. 海洋學(xué)報，2014，36(12): 74-84.

Feng Yongjiu，Yang Mingxia，Chen Xinjun. Aanlyzing spatial aggregation ofOmmastrephesbartramiiin the northwest Pacific Ocean based on Voronoi diagram and spatial autocorrelation[J]. Haiyang Xuebao，2014，36(12): 74-84.

Forecasting fishing ground ofIllexargentinusbased on different weight habitat suitability index in the southwestern Atlantic

Hu Guanyu1，4，Chen Xinjun1，2，3，4，Wang Jintao1，4

(1.CollegeofMarineSciences,ShanghaiOceanUniversity,Shanghai201306，China；2.TheKeyLaboratoryofSustainableExploitationofOceanicFisheriesResources，MinistryofEducation，Shanghai201306，China; 3.NationalEngineeringResearchCenterforOceanicFisheries，ShanghaiOceanUniversity，Shanghai201306，China; 4.CollaborativeInnovationCenterforDistant-waterFisheries，Shanghai201306，China)

In this study，according to the Chinese squid fishing production data during the main fishing season (January to May) from 2003 to 2005，and 2011，combined with sea surface temperature (SST) and sea surface height (SSH) ，We attempt to forecast fishing ground ofIllexargentinusbased on habitat suitability models with different weights. The suitability index was built by external envelope method，and the arithmetic weighted model (AWM) with different weights were compared and the best habitat suitability index (HSI) model was selected based on the percentage of fishing efforts (fishing days) and catch. Results show that，whenHSIvalue was greater than 0.6，the percentage of fishing efforts was 93.23% and the percentage of catch was 89.28%，and whenHSIvalue was less than 0.4，the percentage of fishing efforts was 2.12% and the percentage of catch was 3.35% by using AWM (a=0.3，the weights of SST and SSH are 0.3 and 0.7 respectively). Compared with AWM with other four weights，the percentage of fishing efforts and of catch were larger whenHSIvalue was greater than 0.6，and the percentage of fishing efforts and catch were smaller whenHSIvalue was less than 0.4. Therefore，given to the percentage of fishing efforts and the percentage of catch，the AWM (a=0.3) was selected to be the bestHSImodel，defined asHSI=0.3SISST+0.7SISSH，indicating that SSH is more important than SST in estimating theHSIof squid. According to the data from January to May in 2011，we found that the main fishing ground is distributed in the waters withHSImore than 0.6 from the AWM(a=0.3)，and the percentage of fishing efforts reached more than 91% and the percentage of catch were above 95%. The results indicate that SSH is more important than SST in the formation of fishing ground ofIllexargentinus，and the AWM (a=0.3) based on SST and SSH can better forecast the fishing grounds ofIllexargentinusin the southwest Atlantic．

Illexargentinus; habitat suitability model; sea surface temperature; sea surface height; fishing ground

10.3969/j.issn.0253-4193.2015.08.008

2014-12-10；

2015-03-26。

國家863計劃(2012AA092303)；國家發(fā)改委產(chǎn)業(yè)化專項(2159999)；上海市科技創(chuàng)新行動計劃(12231203900)；國家科技支撐計劃(2013BAD13B01)。

胡貫宇(1991—)，男，安徽省宿州市人，研究方向為海洋漁業(yè)生物學(xué)。E-mail：hguanyuu@126.com

*通信作者：陳新軍(1967—)，男，教授，博士生導(dǎo)師，主要研究領(lǐng)域為漁業(yè)資源學(xué)。E-mail：xjchen@shou.edu.cn

S931.4

A

0253-4193(2015)08-0088-08

胡貫宇，陳新軍，汪金濤. 基于不同權(quán)重的棲息地指數(shù)模型預(yù)報阿根廷滑柔魚中心漁場[J].海洋學(xué)報，2015，37(8)：88—95，

Hu Guanyu，Chen Xinjun，Wang Jintao. Forecasting fishing ground ofIllexargentinusbased on different weight habitat suitability index in the southwestern Atlantic[J]. Haiyang Xuebao，2015，37(8)：88—95，doi：10.3969/j.issn.0253-4193.2015.08.008