崔雪森，周 燦，唐峰華，伍玉梅，吳祖立，范秀梅

西北太平洋柔魚漁場非參數(shù)棲息地適宜性指數(shù)模型

崔雪森1，周 燦2，唐峰華3，伍玉梅1，吳祖立3，范秀梅1

（1. 中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所/農(nóng)業(yè)農(nóng)村部遠洋與極地漁業(yè)創(chuàng)新重點實驗室，上海 200090；2. Department of Wildlife and Fisheries Sciences, Texas A&M University, College Station, TX 77801；3. 中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所/農(nóng)業(yè)農(nóng)村部東海漁業(yè)資源開發(fā)利用重點實驗室，上海 200090）

【】建立西北太平洋柔魚（）漁場非參數(shù)的棲息地適宜性指數(shù)(HSI，habitat suitability index )模型，為提高柔魚漁場預(yù)報精度提供參考。利用西北太平洋海域的柔魚生產(chǎn)數(shù)據(jù)和海表溫度、葉綠素a濃度、表溫梯度強度以及水深100 m的Argo浮標(biāo)水溫等海洋環(huán)境因子的適宜度指數(shù)值(SI, suitability index)，使用隨機分類粒子算法，構(gòu)建非參數(shù)的棲息地適宜性指數(shù)模型，估算西北太平洋柔魚漁場各環(huán)境因子在不同月份中適宜度指數(shù)系數(shù)的空間分布。隨著空間位置不同，各月份不同環(huán)境因子適宜度指數(shù)系數(shù)分布具有較大差異，其中SST的SI系數(shù)的高值區(qū)大面積出現(xiàn)在11月份，葉綠素濃度SI系數(shù)的高值區(qū)出現(xiàn)8月份南部漁場和10月份北部漁場，次表層（100 m）溫度的高值SI系數(shù)在7－9月份均有較大面積分布，而Grad的SI系數(shù)在整個漁汛期均處于較低水平。基于該模型，本研究對2014年7－11月漁獲產(chǎn)量進行預(yù)報檢驗，預(yù)報結(jié)果與實際漁場在空間分布一致，曲線下面積（AUC，Area Under Curve）月平均為0.791，高于算術(shù)平均HSI(arithmetic mean HSI, AM HSI)模型。非參數(shù)的HSI模型的漁場預(yù)報能力在一定程度上優(yōu)于AM HSI模型。

柔魚；西北太平洋；非參數(shù)棲息地適宜性指數(shù)

柔魚()屬于外洋性、季節(jié)性南北洄游的頭足類，廣泛分布于西北太平洋海域，同時也是該海域重要的經(jīng)濟頭足類資源[1-2]。該海域柔魚漁場最早由日本于1974 年開發(fā)，中國自1993年開始捕撈生產(chǎn)，其規(guī)模呈逐步擴大趨勢，2007年捕獲產(chǎn)量達12.6萬t，近年來雖有下降趨勢，但2017年仍達3.9萬t左右，在整個中國遠洋漁業(yè)中占據(jù)著重要地位[1,3-4]。

有研究表明[3,5-9]，柔魚漁場分布與海表面溫度、葉綠素濃度、海洋鋒面以及次表層溫度等具有很高的相關(guān)性。棲息地適宜性指數(shù)模型（HSI，habitat suitability index）可以用來模擬生物體對其周圍棲息環(huán)境因子的反應(yīng)，是漁場環(huán)境分析與漁場預(yù)報當(dāng)中被廣泛應(yīng)用的一種方法[6-7,10]。在柔魚相關(guān)研究中，利用各個環(huán)境因子適宜度指數(shù)，通過算術(shù)平均法(AM)構(gòu)建的模型通常比其他方法能更好地定義最適棲息地適宜性指數(shù)[7]。近年來漁業(yè)HSI的相關(guān)研究當(dāng)中，不同因子對棲息地影響的差異性開始得到重視，通常是利用專家知識賦予各個變量不同的權(quán)重，或采用對不同環(huán)境因子的適宜度指數(shù)權(quán)重的組合來提高模型分析和預(yù)報漁場的準(zhǔn)確性[11-13]?？紤]到適宜度因子權(quán)重的確定或多或少都具有一定主觀性，有學(xué)者利用約束條件的線性回歸，得出不同環(huán)境棲息地適宜性指數(shù)的權(quán)重最優(yōu)值組合，以增強SI系數(shù)確定的客觀性[14]。但以上HSI方法多為全局性模型，且包含大量模型假設(shè)，未考慮各適宜度指數(shù)系數(shù)在空間上的變化。而有研究表明[15-16]，由于棲息環(huán)境與生物學(xué)變量會隨著時空發(fā)生改變，建立局部回歸模型更有利于對漁業(yè)資源空間分布的深入理解。

有鑒于此，本研究擬在AM法構(gòu)建HSI模型的基礎(chǔ)上，利用隨機分類粒子算法，建立非參數(shù)的棲息地適宜性指數(shù)模型。由于該方法屬于非參數(shù)建模，因此具有較高靈活性，且不需要對模型結(jié)構(gòu)做任何具體假設(shè)[17]。利用該模型可得出各環(huán)境適宜指數(shù)權(quán)重在不同地理位置上的最優(yōu)值組合，考察西北太平洋柔魚漁場各環(huán)境因子適宜度指數(shù)權(quán)重值的空間分布，為提高柔魚漁場預(yù)報精度提供參考。

1 材料與方法

1.1 數(shù)據(jù)來源與處理

歷史漁獲數(shù)據(jù)由上海海洋大學(xué)魷釣技術(shù)組提供，空間范圍為145°E–165°E、35°N–47°N(如圖1)，時間范圍為2002－2014年，數(shù)據(jù)集包括生產(chǎn)日期、作業(yè)空間位置、產(chǎn)量、作業(yè)次數(shù)等，按1°×1°網(wǎng)格分月進行統(tǒng)計。根據(jù)TIAN等[18]提供的方法計算出每個月份各個漁區(qū)網(wǎng)格的CPUE，公式可表示為

其中∑Catch為1個月網(wǎng)格內(nèi)總產(chǎn)量，∑Fishingdays為該月網(wǎng)格內(nèi)總作業(yè)船天數(shù)，CPUE單位為t·boat-1·day-1。

本研究中環(huán)境數(shù)據(jù)包括海表溫度與葉綠素a濃度、次表層100 m水層水溫以及SST梯度強度數(shù)據(jù)，具體情況如表1所示。

表1 環(huán)境數(shù)據(jù)種類與時空屬性

其中海表溫度與葉綠素a濃度數(shù)據(jù)均由NASA網(wǎng)站(http://oceancolor.gsfc.nasa.gov/)下載得到，并抽取成1°×1°網(wǎng)格點數(shù)據(jù)，并根據(jù)Pi等[19]提供的方法計算SST梯度強度。次表層100 m水層水溫數(shù)據(jù)為日本海洋地球科技機構(gòu)（JAMSTEC）提供Argo(Array for Real-Time Geostrophic Oceanography)月平均數(shù)據(jù)。

對上述4個環(huán)境因子進行D'Agostino檢驗（表2），發(fā)現(xiàn)均存在一定程度的偏度（< 0.001），且Chl-a統(tǒng)計值大于1，屬于高度偏態(tài)分布。經(jīng)取自然對數(shù)處理后，檢驗結(jié)果顯示4個環(huán)境因子中僅葉綠素濃度分布的偏度不再顯著（> 0.05），而其它3個因子偏度均有所增加，因此只對葉綠素變量進行取以10為底的log值處理，記為lg(Chl)。

表2 4個環(huán)境因子的偏度檢驗結(jié)果

1.2 模型的構(gòu)建

HSI模型是定量研究生物對棲息地適應(yīng)程度與棲息地生境因子之間關(guān)系的經(jīng)典方法，模型所得指數(shù)高低，則預(yù)示棲息地質(zhì)量好壞，指數(shù)取值范圍在0 ~ 1之間[20]?；谠撃Ｐ驮?，本研究將CPUE與包括SST、lg(Chl)、Grad、100的4個環(huán)境因子按日期與地理位置進行匹配，建立HSI模型。

首先將某環(huán)境因子劃分為個區(qū)段，區(qū)段（1≤≤）所對應(yīng)的得分為該區(qū)段平均觀測CPUE（如公式2）

同理，對訓(xùn)練數(shù)據(jù)集，不同地理位置所對應(yīng)的綜合棲息地適宜性指數(shù)

HSI=（CPUE- CPUEmin）/（CPUEmax-CPUEmin）, （4）

其中為該記錄在總數(shù)據(jù)集中的索引號。

利用各環(huán)境因子的適宜度指數(shù)，可得AM HSI模型[7]為

其中是海洋環(huán)境要素集合，即(SST, Grad, lg(Chl),100)，|·|表示某集合中元素個數(shù)。

與以上傳統(tǒng)方法相比，本研究考慮了系數(shù)的地理加權(quán)。由于參數(shù)分布未知，因此稱其為非參數(shù)棲息地適宜性指數(shù)模型，公式如下：

其中，(,)表示地理坐標(biāo)，系數(shù)β(,)限制條件為

假設(shè)數(shù)據(jù)集的總記錄數(shù)為，當(dāng)前記錄索引號為對應(yīng)的漁區(qū)中心點為(,)，將模型的損失函數(shù)定義為平方損失，則

整體的經(jīng)驗風(fēng)險函數(shù)（RMSE）為

求解最優(yōu)模型的系數(shù)，就是求解最優(yōu)化問題

此處為決策函數(shù)的集合：

1.3 模型系數(shù)的求解

由于p(,,)與β(,)的限制條件相同（公式7），因此可利用逐步迭代優(yōu)化p(,,)，代替β(,)。

迭代優(yōu)化的思路如下：

根據(jù)以上偽代碼思路，在開源軟件R i385 3.2.5平臺下，借助其內(nèi)置統(tǒng)計函數(shù)，實現(xiàn)了該優(yōu)化算法。

1.4 搜索半徑d的選擇

為獲得模型最佳的搜索半徑值，本研究分別將不同的搜索半徑值（50, 100, 150, 200, 250, 300, 350, 400 km）代入模型，得出不同值下 RMSE的變化。同時，為使得到的值更為可靠，本研究采用5折交叉驗證方法，即將數(shù)據(jù)集分成5份，利用其中4份作為訓(xùn)練數(shù)據(jù)，其中1份作為測試數(shù)據(jù)，最后將5次得到的誤差結(jié)果進行平均作為預(yù)測誤差的估計[21]。

1.5 模型預(yù)報結(jié)果的評價

利用ROC(receiver operating characteristic)曲線下面積(area under curve，AUC)值的大小可以對實際預(yù)報漁場效果進行評價[22]，AUC 值越大，表明分類模型的性能越好，最理想分類模型，AUC 值為 1，而對于隨機分類模型， AUC 值為 0.5，此時ROC曲線為一條從左下到右上對角線[22]。

2 結(jié)果

2.1 最佳搜索半徑d

利用5折交叉驗證方法，得到模型不同月份在不同搜索半徑的RMSE（圖2）。由圖可發(fā)現(xiàn)，隨著搜索半徑增加，各月份模型驗證數(shù)據(jù)集的RMSE均相應(yīng)下降；當(dāng)半徑達到200 km時，各月份RMSE的值開始趨于穩(wěn)定。因此本研究將最佳搜索半徑確定為200 km。

2.2 各月份不同環(huán)境SI系數(shù)空間分布

在確定最優(yōu)搜索半徑（200 km）情況下，模型在各月份的平均整體經(jīng)驗風(fēng)險函數(shù)RMSE值為0.149，最小值和最大值分別為0.107（8月）和0.206（9月）；驗證數(shù)據(jù)集各月份平均RMSE為0.184，最小值和最大值分別為0.133（8月）和0.231（9月）（如圖3），同時得到更新后隨機粒子集合。利用公式（12），求得7－11月份不同環(huán)境SI系數(shù)的空間分布（圖4）和統(tǒng)計箱線圖（圖5）。從圖4和5可發(fā)現(xiàn)，SST的SI系數(shù)的高值區(qū)域主要出現(xiàn)在9－11月份，特別是在11月份，面積較大且分布在主要作業(yè)漁場位置。葉綠素濃度SI系數(shù)在8和10月份較高，高值集中區(qū)域分別分布在南部和北部漁場，而11月整個漁場的系數(shù)最弱（圖4）。T100的SI系數(shù)在7－9月份均有較大面積分布，其中7月份位于漁場偏東南位置，而9月份分布位置向北偏移，且高值區(qū)面積較大。與上述3個環(huán)境因子的系數(shù)值相比，Grad的SI系數(shù)在整個漁汛期均較低（圖4、5）。

圖2 西北太平洋柔魚漁場7－11月在不同搜索半徑下模型RMSE的變化

圖3 最佳索半徑(200 km)下模型的訓(xùn)練誤差與驗證誤差

β值，即權(quán)重值

圓圈為SI系數(shù)平均值

2.3 2014年漁場預(yù)測驗證

利用2014年7－11月的海表溫度、葉綠素濃度、表溫梯度以及100 m水溫數(shù)據(jù)以及圖4中各環(huán)境因子的SI系數(shù)分布，根據(jù)公式（6）計算西北太平洋在不同月份柔魚的HSI，其分布如圖6所示。同時利用AM HSI方法公式（5）計算了相同時期的HSI。利用ROC曲線分別驗證預(yù)報的效果，并計算AUC值。結(jié)果顯示，非參數(shù)HSI方法和AM HSI方法得到的全年平均AUC值分別0.791和0.764（表3）。除10月份外，利用非參數(shù)方法得到模型精度均高于利用AM HSI方法得到的結(jié)果（圖7）。

圖6 2014年7－11月份預(yù)測的西北太平洋柔魚HSI與實際漁場疊加

實線為非參數(shù)模型的ROC曲線，虛線為傳統(tǒng)方法得到的ROC曲線

表3 兩種模型在不同月份預(yù)報結(jié)果的AUC值

3 討論

3.1 各環(huán)境因子對棲息地適宜性指數(shù)影響力時空差異

柔魚是短生命周期頭足類，其資源豐度和分布情況在很大程度上受到環(huán)境影響，在不同月份以及西北太平洋海域的不同位置，其適宜環(huán)境因子的變化范圍也有所不同[6,23-24]。因此，在構(gòu)建柔魚棲息地適宜性指數(shù)模型時，在不同季節(jié)，每個環(huán)境因子SI的系數(shù)不應(yīng)是一個固定值。由于不同作業(yè)漁場柔魚最適宜環(huán)境（如水溫）是不一致的，并存在較大差異[25]，因此本研究根據(jù)地理位置對環(huán)境因子的適宜度進行加權(quán)處理，應(yīng)是一種更為合理的方法。

有研究表明，在西北太平洋主要作業(yè)海域，柔魚漁場的主要類型為流界漁場[26]。在漁汛前期，柔魚隨黑潮(暖水)向北索餌洄游，此時柔魚停留在冷暖水的暖水一側(cè)；而10月份后柔魚開始南下產(chǎn)卵洄游，南下的冷水促使柔魚南下移動，因此柔魚總是停留在冷暖水交匯區(qū)的冷水一側(cè)[6]。在這種流場的時空變化當(dāng)中，水溫可視為反映流場的一種重要指標(biāo)。有研究表明，柔魚在7－8、9和10－11月的最適宜表層溫度分別為16 ~ 21℃，14 ~ 19℃，11 ~ 17℃，而在空間差異方面，155°E以西和155°E以東海域形成漁場的表層最適宜水溫分別為20 ~ 23℃和17 ~ 18℃[6,27]。同時，西北太平洋170°E以西海域的主要分布水域，6－9月100 m水深的海水溫度與柔魚漁場有關(guān)密切關(guān)系[28]。從本研究中模型的適宜度指數(shù)系數(shù)看，水溫（包括SST和100）在7、9和11月對HSI的影響均較顯著，體現(xiàn)了這2個環(huán)境要素與漁場的密切關(guān)系。這與過去研究結(jié)果基本一致。在本研究中，在漁汛早期（7月）和中期（9月），100 m水深的溫度的SI系數(shù)高值區(qū)在空間上主要集中在漁場東部，區(qū)域廣泛且集中。這與漁汛早期實際生產(chǎn)當(dāng)中，漁船多在東部進行深海魷釣作業(yè)有關(guān)。而到了漁汛晚期，SST的SI系數(shù)增大，表明SST對HSI的影響變得明顯，而次表層的水溫影響力在整個海域開始變?nèi)酢：１頊囟扰c次表層溫度對漁場影響力在時空上的交替變化，可能與黑潮與親潮勢力的季節(jié)性變化有關(guān)。

有研究發(fā)現(xiàn)，西北太平洋葉綠素濃度大小與柔魚餌料密切相關(guān)[29]。因此，從食物鏈角度看，葉綠素a可作為魷魚中心漁場分析中的一個重要參考指標(biāo)[30]。有研究表明[5]，隨著季節(jié)變化，西北太平洋柔魚漁場的適宜葉綠素濃度也會發(fā)生變化，其中8月份為0.1 ~ 0.2 mg/m3，而10月份為0.2 ~ 0.3 mg/m3。本研究中葉綠素濃度的SI系數(shù)值在8月和10月均處于相對較高水平，而9月相對其它月份對HSI的影響力較弱，在主要作業(yè)海域出現(xiàn)了較大范圍的低值區(qū)（圖4、5），這可能是由于9月漁場處于從暖水團邊緣向冷水團邊緣進行轉(zhuǎn)換過程，從而減弱了餌料對漁場影響力。在葉綠素適宜度指數(shù)權(quán)重的空間變化方面，7－8月高值區(qū)位于漁場東南部，而9－10月大致位于漁場西北部，反映柔魚漁場與葉綠素濃度的間接相關(guān)關(guān)系在空間上發(fā)生了變化。而到了11月份，整個海域葉綠素SI的系數(shù)均處于較低水平（圖4）。有學(xué)者對該海域柔魚漁場構(gòu)建HSI模型時發(fā)現(xiàn)，7－10月與Chl-a相關(guān)的SI變量系數(shù)均表現(xiàn)為顯著(< 0.05)，而到了11月份，隨著水溫降低，模型中與Chl-a濃度相關(guān)的SI變量系數(shù)則變得不顯著[14]。這一結(jié)論與本研究結(jié)果基本一致。同時，也有研究表明[31]，進入11月后，西北太平洋葉綠素平均濃度達到整個漁汛期的最高水平。由此推斷，在漁汛后期，餌料可能已經(jīng)不是影響漁場分布的主要因子，從而導(dǎo)致11月份葉綠素濃度SI的權(quán)重在整個海區(qū)都處于較低狀態(tài)。另外，也有學(xué)者認為，11月份隨著海水混合的增加和層化的減弱，影響漁場位置的主要因子將不再是食物，而是生理忍耐溫度，這可能也是導(dǎo)致11月份模型中葉綠素濃度SI系數(shù)偏弱的一個重要原因[32]。

海洋鋒面是由海洋環(huán)境的生物、物理以及化學(xué)屬性特征定義的，其中海洋溫度鋒面營造出適宜柔魚所需的棲息環(huán)境條件，對柔魚具有很好的聚集作用[33-35]。陳新軍等[6]研究發(fā)現(xiàn)，海洋鋒面在西北太平洋165°E以西海域較為明顯，這使得柔魚棲息的范圍減小，從而導(dǎo)致資源密度增大。也有研究表明[36-37]，柔魚中心漁場分布與冷水鋒面、冷暖水切變鋒面和暖水舌鋒的變動密切相關(guān)，柔魚通常位于表溫梯度0.01 ~ 0.02 ℃/nm的海域，而不是位于鋒面最強處。在本研究中，利用SST水平梯度變化反映海洋鋒面的強弱，但SST鋒面強度僅限于表征表層的鋒面情況，而次表層的鋒面位置不能得到準(zhǔn)確體現(xiàn)。另一方面，本研究中SST受Argo再分析數(shù)據(jù)空間分辨率的限制，只能采用較大的空間尺度，從而導(dǎo)致部分鋒面細節(jié)特征消失，最終也使得Grad的SI對綜合棲息地適宜性指數(shù)的影響力降低。

3.2 非參數(shù)HSI的優(yōu)點與存在不足

由于各環(huán)境SI系數(shù)在空間上存在著變化，因此無法利用明確的參數(shù)確定其分布形式。非參數(shù)方法對于總體分布不做任何假設(shè)，本研究利用隨機粒子法對于各環(huán)境因子SI的系數(shù)進行估算，在不能確定其總體分布的情況下，通過單純迭代得到了不同環(huán)境因子SI對柔魚棲息地影響力的空間分布，達到了構(gòu)建非參數(shù)HSI模型的目的，是一種簡單易行的方法。但實際應(yīng)用當(dāng)中，也發(fā)現(xiàn)了以下2方面不足：（1）模型的效率。從模型的代碼中可以發(fā)現(xiàn)，模型要預(yù)設(shè)大量的隨機分類粒子，經(jīng)過多層迭代才可以最終確定漁場空間范圍內(nèi)的各因子SI權(quán)重，并且只能通過不斷枚舉方法篩選出最佳粒子搜索半徑，這些步驟計算量較大，影響到算法的效率。以后可考慮用并行運算提高模型訓(xùn)練的運行效率。（2）預(yù)報精度提升程度不明顯。從2014年的實際預(yù)報結(jié)果看，非參數(shù)HSI較AM HSI的AUC值僅提高了0.026（表3），這可能與該年用于驗證的實際生產(chǎn)數(shù)據(jù)量偏少有關(guān)。另外，有研究表明，采用捕撈努力量比CPUE能更好地表征資源豐度，對于以月為單位的商業(yè)捕撈數(shù)據(jù)來說，捕撈努力量可作為一個潛在的資源豐度指標(biāo)[18]。今后將嘗試采用捕撈努力替代CPUE構(gòu)建模型，進一步提高柔魚漁場的預(yù)報精度。

[1] CHEN X J，LIU B L, CHEN Y. A review of the development of Chinese distant-water squid jigging fisheries[J]. Fisheries Research, 2008, 89(3): 211-221.

[2] 陳新軍.資源開發(fā)現(xiàn)狀及我國遠世界頭足類洋魷釣漁業(yè)發(fā)展對策[J]. 上海海洋大學(xué)學(xué)報, 2019, 28(3): 321-330.

[3] 陳新軍, 陳峰, 高峰, 等. 基于水溫垂直結(jié)構(gòu)的西北太平洋柔魚棲息地模型構(gòu)建[J]. 中國海洋大學(xué)學(xué)報(自然科學(xué)版), 2012, 42(6): 52-60.

[4] 阿保純一，巣山哲，若林敏江.アカイカ北太平洋[EB/OL]．（2019-8-15）[2019-10-11] http://kokushi.fra.go.jp/H30/H30_68.pdf.

[5] Fan W, Wu Y, Cui X. The study on fishing ground of neon flying squid,, and ocean environment based on remote sensing data in the Northwest Pacific Ocean[J]. Chinese Journal of Oceanology and Limnology. 2009, 27(2): 408-414.

[6] 陳新軍, 田思泉. 西北太平洋海域柔魚的產(chǎn)量分布及作業(yè)漁場與表溫的關(guān)系研究[J]. 中國海洋大學(xué)學(xué)報(自然科學(xué)版), 2005, 35(1): 101-107.

[7] 陳新軍, 劉必林, 田思泉, 等. 利用基于表溫因子的棲息地模型預(yù)測西北太平洋柔魚()漁場[J]. 海洋與湖沼, 2009, 40(6): 707–713.

[8] YATSU A, WATANABE T. Interannual variability in neon flying squid abundance and oceanographic conditions in the central North Pacific, 1982–1992[R]. Bull Nat Res Inst Far Seas Fish,1996, 33:123–138.

[9] 陳新軍. 漁業(yè)資源與漁場學(xué)[M]. 北京: 海洋出版社, 2015.

[10] VINAGRE C, FONSECA V F, CABRAL H N, et al. Habitat suitability index models for the juvenile soles,and, in the Tagus estuary: Defining variables for species management[J]. Fisheries Research, 2006, 82(1): 140-149.

[11] 蔣瑞, 陳新軍, 雷林, 等. 秋冬季智利竹莢魚棲息地指數(shù)模型比較[J]. 水產(chǎn)學(xué)報, 2017, 41(2): 240-249.

[12] 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(中文版), 2015, 37(8): 88-95.

[13] 王易帆, 陳新軍. 中西太平洋鰹棲息地指數(shù)預(yù)報模型比較研究[J]. 上海海洋大學(xué)學(xué)報, 2017, 26(5): 743-750.

[14] 崔雪森, 周為峰, 唐峰華, 等. 基于約束線性回歸的柔魚棲息地指數(shù)漁場預(yù)報模型構(gòu)建[J]. 漁業(yè)科學(xué)進展, 2018, 39(1): 64-72.

[15] 趙楊, 張學(xué)慶, 卞曉東. 基于地理加權(quán)回歸的渤海沙氏下鱵魚仔稚魚棲息地指數(shù)[J]. 應(yīng)用生態(tài)學(xué)報, 2018, 29(1): 293-299.

[16] WINDLE M J S, ROSE G A, DEVILLERS R, et al. Exploring spatial non-stationarity of fisheries survey data using geographically weighted regression (GWR): an example from the Northwest Atlantic[J]. ICES Journal of Marine Science, 2010, 67(1): 145-154.

[17] 孫靜. 若干非參數(shù)和半?yún)?shù)模型的穩(wěn)健估計和特征篩選[D]. 濟南: 山東大學(xué), 2013.

[18] TIAN S Q, CHEN X J, CHEN Y, et al. Evaluating habitat suitability indices derived from CPUE and fishing effort data forin the northwestern Pacific Ocean[J]. Fisheries Research, 2009, 95(2): 181-188.

[19] PI Q L, HU J Y. Analysis of sea surface temperature fronts in the Taiwan Strait and its adjacent area using an advanced edge detection method[J]. Science China Earth Sciences, 2010, 53(7): 1008-1016.

[20] BAIN M B, BAIN J L. Habitat suitability index models: Coastal stocks of striped bass[Z]. U.S. Fish and Wildlife Service, Office of Biological Services, 1982.

[21] 范永東. 模型選擇中的交叉驗證方法綜述[D]. 太原: 山西大學(xué), 2013.

[22] 蔣帥. 基于AUC的分類器性能評估問題研究[D]. 長春: 吉林大學(xué), 2016.

[23] TIAN S Q, CHEN X J, CHEN Y, et al. StanZHULUdardizing cpue offor Chinese squid-jigging fishery in northwest Pacific ocean[J]. Chinese Journal of Oceanology and Limnology, 2009, 27(4): 729-739.

[24] FENG Y J, LIU Y, CHEN X J. Modeling monthly spatial distribution ofCPUE in the northwest Pacific and its spatially nonstationary relationships with the marine environment[J]. Journal of Ocean University of China, 2018, 17(3): 647-658.

[25] 陳新軍, 錢衛(wèi)國, 劉必林, 等. 主要經(jīng)濟大洋性魷魚資源漁場生產(chǎn)性調(diào)查與漁業(yè)概況[J]. 上海海洋大學(xué)學(xué)報, 2019, 28(3): 344-356.

[26] 王堯耕，陳新軍，世界大洋性經(jīng)濟柔魚類及其漁業(yè)[M]．北京：海洋出版社，2005.

[27] 陳新軍. 關(guān)于西北太平洋的柔魚漁場形成的海洋環(huán)境因子的分析[J]. 上海水產(chǎn)大學(xué)學(xué)報，1997(4): 263-267.

[28] 村田守, 石井正, 新宮千臣. アカイカの釣漁場の位置と水溫の季節(jié)変化、並びに回遊と漁場形成に関する若干の考察[R]. 水産庁北海道區(qū)水産研究所研究報告, 1983(48): 53-77.

[29] 余為, 陳新軍. 西北太平洋柔魚棲息地環(huán)境因子分析及其對資源豐度的影響[J]. 生態(tài)學(xué)報, 2015, 35(15): 5032-5039.

[30] 沈新強，王云龍，袁騏，等. 北太平洋魷魚漁場葉綠素a分布特點及其與漁場的關(guān)系[J]. 海洋學(xué)報(中文版). 2004, 26(6): 118-123.

[31] WANG W, ZHOU C H, SHAO Q Q, et al. Remote sensing of sea surface temperature and chlorophyll-a: implications for squid fisheries in the north-west Pacific Ocean[J]. International Journal of Remote Sensing, 2010, 31(17/18): 4515-4530.

[32] SAITOH S I, KOSAKA S, IISAKA J. Satellite infrared observations of Kuroshio warm-core rings and their application to study of Pacific saury migration[J]. Deep Sea Research Part A Oceanographic Research Papers, 1986, 33(11/12): 1601-1615.

[33] BELKIN I M, CORNILLON P C, SHERMAN K. Fronts in large marine ecosystems[J]. Progress in Oceanography, 2009, 81(1/2/3/4): 223-236.

[34] ZAINUDDIN M. Detection of potential fishing ground for albacore tuna using synoptic measurements of ocean color and thermal remote sensing in the northwestern North Pacific[J]. Geophysical Research Letters, 2004, 31(20): L20311.

[35] YU W, CHEN X J, YI Q. Fishing ground distribution offlying squid () in relation to oceanographic conditions in the Northwest Pacific Ocean[J]. Journal of Ocean University of China, 2017, 16(6): 1157-1166.

[36] 沈新強, 樊偉, 崔雪森. 西北太平洋柔魚漁場分布與水溫關(guān)系的研究[J]. 海洋水產(chǎn)研究, 2004(3): 10-14.

[37] CHEN X J, TIAN S Q, GUAN W J. Variations of oceanic fronts and their influence on the fishing grounds ofin the Northwest Pacific[J]. Acta Oceanologica Sinica, 2014, 33(4): 45-54.

Nonparametric Habitat Suitability Index Model forFishing Ground in the Northwest Pacific Ocean

CUI Xue-sen1, ZHOU Can2, TANG Feng-hua3, WU Yu-mei1, WU Zu-li3, FAN Xiu-mei1

（1.,/,200090,2,,,77801,3.,/,200090,）

To establish the nonparametric Habitat Suitability Index (HSI) model of neon flying squid () and provide a reference for improving the forecast accuracy of fishing ground in the Northwest Pacific.Based on the production data of neon flying squid and marine environmental factors including sea surface temperature, chlorophyll-a concentration, surface temperature gradient intensity and Argo buoy water temperature at 100 m depth underthe sea surface,nonparametric HSI model was constructed and the spatially distributed suitability index (SI) coefficients of environmental factors were estimated from July to November with the help of random particle classification algorithm.SI coefficients of environmental factors varied considerably in different seasons and regions.Among them, high SI coefficients of SST occupied a large area in November and high SI coefficients of chlorophyll-a concentration in the southern fishing area in August and northern fishing area in October. High SI coefficients of T100were distributed in a large area from July to September. In the meanwhile, SI coefficients of Grad were at a low level during the whole fishing season. It showed that the predicted fishing grounds in 2014 from July to November were consistent with the spatial distribution of the production data. The monthly average Area Under Curve (AUC) value of the nonparametric HSI is 0.791 and higher than that of arithmetic mean HSI (AM HSI).The fishing ground forecast capacity of the non-parametric HSI model of neon flying squid fishing ground is superior to that of the AM HSI.

; Northwest Pacific; nonparametric HSI model

Q958.8

A

1673-9159（2020）06-0053-10

10.3969/j.issn.1673-9159.2020.06.007

崔雪森，周燦，唐峰華，等. 西北太平洋柔魚漁場非參數(shù)棲息地適宜性指數(shù)模型[J]. 廣東海洋大學(xué)學(xué)報，2020，40（6）：53-62.

2020-05-12

國家重點研發(fā)計劃（2019YFD0901405）；上海市自然科學(xué)基金項目（17ZR1439700）；中央級公益性科研院所基本科研業(yè)務(wù)費專項資助項目(2019T08)

崔雪森（1973－），男，副研究員，研究方向為漁場預(yù)報模型的構(gòu)建。Email: cui1012@sh163.net

（責(zé)任編輯：劉嶺）