王書獻，張勝茂，戴 陽，王永進，隋江華，朱文斌

（1. 中國水產科學研究院東海水產研究所/農業(yè)農村部遠洋與極地漁業(yè)創(chuàng)新重點實驗室，上海 200090；2. 大連海洋大學航海與船舶工程學院，遼寧 大連 116023； 3. 浙江省海洋漁業(yè)資源可持續(xù)利用技術研究重點實驗室/浙江省海洋水產研究所，浙江 舟山 316021）

自20世紀70年代起，國際上逐漸開始推廣以聲學方法評估漁業(yè)資源。水聲學作為聲學在海洋中的應用，目前已經廣泛應用于漁業(yè)資源探測、漁業(yè)資源評估等領域[1-2]。Simrad EK80 (以下簡稱“EK80”) 設備是一款現代化高端的分束式科學回聲測深儀[3]，在漁業(yè)捕撈和資源調查中應用甚為廣泛。

在傳統的捕撈深度確定方法中，通常利用相關軟件解析EK80等聲吶設備的輸出文件，并通過肉眼觀察數據分布情況，再根據人工經驗估算放網深度。由于EK80等聲吶設備元數據結構較為復雜，人眼很難觀察出準確的結果；并且海下生物分布狀況多變[4-7]，人工判斷會耗費大量時間。因此，傳統的捕撈深度確定方法不但具有極大的主觀性，費時費力，且得出的結論精度不足且說服力較差。為得到相對精確的捕撈深度，國內外學者對水下生物的垂直分布狀態(tài)做了相應研究。由于絕大多數中上層浮游生物都具有明顯的晝夜垂直移動特性，一些學者針對某個海域的某種具體生物，利用水聲學數據研究其晝夜垂直移動特性[8-9]。但這些研究在實際生產中的時空局限性十分明顯，只適用于特定時間、特定海域的特定生物。在實際生產中，需求海域及需求生物往往是多變的，因此上述研究成果不能作為確定捕撈深度的直接依據。

為滿足多變的生產需求，本研究提出一種利用聲吶數據提取捕撈深度的方法。從EK80原始水聲學數據構建目標強度模型計算出每個樣本數據的目標強度。生產經驗與相關研究表明，在無噪聲環(huán)境下，不同生物的目標強度范圍往往是確定的 [如磷蝦 (Euphausia superba) 的目標強度范圍為?69.5～?40.8 dB][10]，且彼此之間差距較大[11-13]。本研究設計出一款計算機軟件，將海底目標資源類型及其強度范圍作為配置文件，選擇目標水下生物后，根據配置文件中的目標強度范圍，過濾噪聲數據，統計該目標資源在各個深度下的資源量，并依據各個深度下的目標資源量推算最佳捕撈深度。

1 數據與方法

1.1 數據來源

本研究中所有輸入數據均源自水聲學儀器EK80科學回聲探測儀，其工作頻率分別為38、70和130 kHz；所分析數據的聲吶頻率為38 kHz，調查時間為2016年6月5日14:56:44—15:10:14；調查區(qū)域為 52°43.61'W—52°39.96'W、52°12.58'S—52°13.12'S。項目中使用 Echoview 軟件 (V 8.0.92)分析元數據信息 (聲學影像分析、回波強度計算、反向體積散射值計算等)，使用 MATLAB R 2016 B(64位) 軟件組件，利用Python 3.8集成開發(fā)，使用的開發(fā)IDE為PyCharm 2020.1。

1.2 目標強度設計

在水聲學漁業(yè)資源評估領域，通常使用反向體積散射強度[14-15](Sv, dB)和目標強度 (Ts, dB) 2個重要參數評估資源量。目標強度是反映生物反射信號強弱的物理量。其定義為公式 (1)，其中σ為生物的散射截面 (m2)。

目標強度的影響因素有很多 (包括有無魚鰾、傾斜角度等)，其測量方法也不唯一。通常根據探測儀數據計算出目標資源回波積分值，將該積分值輸入適當的目標強度模型，計算出目標強度。除上述模型法外，目前國內外一些研究還采用現場測定法 (生產現場環(huán)境)、水池測定法 (實驗室環(huán)境) 等其他目標強度計算方法[16-18]。目標強度計算模型法已有較長的研究歷史。目標強度-體長關系模型[ 公式(2)] 是經典的目標強度估算模型，其中a、b均為回歸系數，a為斜率，b為截距，L為體長。

經過長時間的研究歷程，目標強度計算模型有了進一步發(fā)展，除經典的目標強度-體長關系模型外，國內外學者相繼提出了球體模型、橢球體模型、變形圓柱體模型、基爾霍夫模型和畸變波玻恩近似模型等多種目標強度計算模型[19]。早在1991年，Greene等[20]針對磷蝦提出了經典的目標強度線性模型。后Demer和Martin[21]對該目標強度算法做了進一步完善。上述計算模型各有優(yōu)劣，為擴大使用范圍，本研究最終采用了當前使用較為廣泛的降低噪聲目標強度計算模型 [ 公式(3)]，Echoview等水聲學處理工具軟件使用的也是該模型[22-23]。

式中R表示校正范圍 (m)；Pr表示接收功率(W)；Pt表示傳輸功率 (W)；α表示吸收系數(dB·m?1)；G0表示傳感器峰值增益 (1)；λ表示波長(m)；r表示未校正范圍 (m)，c表示聲速 (m·s?1)，t表示傳輸脈沖長度 (s)。波長λ由速度v與頻率f的比值得到 [ 公式 (5)]。

1.3 捕撈深度算法設計

統計各深度下的目標漁業(yè)資源量后，還需確定算法評估最佳捕撈深度。判斷某深度是否適合作為最佳捕撈深度主要考慮2個因素：1) 該深度下的目標資源量；2) 該深度的某個深度鄰域內目標資源總量。理想狀態(tài)下，算法得到的捕撈深度應是目標漁業(yè)資源量最大的，故因素1)是設計算法時必須考慮的核心因素。但從測試數據看，部分數據存在極端情況：目標資源量最大值點處 (最大值點不唯一) 的鄰近深度目標資源量表現較差，不適合作為最終確定的捕撈深度，故引進因素2)作為補充?；谝陨戏治?，設計出2種最佳捕撈深度算法。

1.3.1 基礎算法 遍歷解析后的數據，找出目標資源量最值點，并恢復目標資源量與深度的映射關系。若目標資源量最值點唯一，則基礎算法結束，該目標資源量最值點處映射的深度值即為最終確定的最佳捕撈深度 (此算法中直接目標資源量優(yōu)先級最高，深度鄰域目標資源量優(yōu)先級次之)；若目標資源量最值點不唯一，則計算相鄰兩個最值點所映射深度的深度差。確定一個深度差字典，key為深度值，value為當前深度與下一個最值點所映射深度的差值。求出深度差字典中的最小value，若最小值點唯一，則該最小值點對應的深度值 (key) 為最佳捕撈深度，基礎算法結束；若最小值點仍不唯一，則逐個計算相鄰2個深度差最小且目標資源量最大的深度差值，構成新的深度差字典。以新字典作為輸入，循環(huán)調用，直至只剩下1個深度值。則該深度值為最佳捕撈深度，基礎算法結束。此基礎算法處理過程見圖1。

圖1 捕撈深度基礎算法流程圖Figure 1 Flowchart of basic algorithms for fishing depth

1.3.2 擴展算法 基礎算法理論上能夠計算出最佳捕撈深度，但是在多組數據的反復試驗中發(fā)現，該算法受目標資源量峰值影響較大，并不能反映現實狀態(tài)下的“最佳”。假設存在這樣一種數據狀態(tài)：如圖2 (以分貝范圍內的回聲記錄數作為目標資源量)，在區(qū)域①中，深度15 m處取得目標資源量峰值，但15 m深度鄰域內的其他點 (10～20 m處) 目標資源量較??；而區(qū)域②中雖然不存在最值點，但是該區(qū)域內的點對應的目標資源量均接近峰值。在實際生產中，區(qū)域②的捕撈意義顯然高于區(qū)域①。

圖2 一種假設狀態(tài)Figure 2 A hypothetical state

測試數據中即存在類似該種假設狀態(tài)，由于實際數據較密集，不易觀察，因而提出上述假設。實際生產環(huán)境復雜多變，且不排除聲吶等硬件設備造成個別點的數據失真 (例如造成孤立最值點)，因此基礎算法結論不能代表最佳捕撈深度。為規(guī)避上述問題，本研究進而提出了基于擴展最大資源量區(qū)間的擴展算法，該算法屏蔽了孤立最值對最終確定深度的影響，綜合考慮了一個深度鄰域內的資源量情況，更符合實際漁業(yè)生產作業(yè)規(guī)律。擴展算法提出“擴展最大資源量區(qū)間”的概念，即擴大了最大資源量的選擇范圍，只要某一深度映射的目標資源量在擴展最大資源量區(qū)間中 (而非要求取得峰值)，則可將該點深度加入候選最佳捕撈深度。經大量數據測試，確定了擴展最大資源量的區(qū)間范圍。式(6)中，Np表示輸入EK80數據的ping數，Vm表示統計數據中目標資源量的實際峰值。

除了擴大選擇區(qū)間外，擴展算法在最終數據分析處理的思路上也有不同，主要包括：若循環(huán)執(zhí)行(與基礎算法中循環(huán)相同) 的深度差字典長度大于3，則遞歸計算新的深度差字典；若該字典長度小于3，則逐個計算深度預測因子Nx(Nx表示第x個候選深度值的預測因子，Ny同)。式(7)中，ΣCt表示該深度下目標資源量總和，Δd表示深度差。指數模型放大了各數據點的差異，為最終決策帶來便利。最后，根據計算得到的深度預測因子計算出深度預測系數Px[ 式(8)]。

擴展算法最終得到的深度可能有1～3個，并能夠得到每個深度值的推薦系數Px，以提供用戶根據該系數并結合統計圖進行綜合研判。

2 結果

2.1 不同深度資源量統計

按照前文敘述方法，對EK80設備的若干組實測數據進行了實驗。數據通過處理后，利用統計學方法統計每個深度下符合當前設定目標資源目標強度的記錄總值，以該值反映該深度下的目標資源量。測試數據 (累計時長 13 min 30 s) 中含有 405次ping，每次ping包含的樣本數為8 065，共3 266 325條樣本數據。其中符合目標資源目標強度 (磷蝦，?69.5～?40.8 dB) 的樣本數據條數為1 307 601。

散點圖 (圖 3-a，深度精度為 0.1 m) 顯示，各個深度下均檢測到部分目標回聲，但由于散點過多，圖3-a的可讀性較差。為增強統計圖可讀性，在該圖基礎上以顏色深度表示一段鄰域內的累計數量，將散點圖改繪成六邊形圖 (圖3-b)，以更加直觀地反映目標資源在各個深度下的分布情況。

圖3 磷蝦數據統計情況Figure 3 Statistics of krill data

2.2 最佳捕撈深度計算

本研究采用統計圖展示資源垂直分布情況，并使用數學方法構造模型計算出最佳捕撈深度。選擇配置資源(如磷蝦)后，點擊“開始計算捕撈深度”按鈕，將依次執(zhí)行繪圖算法、捕撈深度基礎算法、捕撈深度擴展算法，并將繪制好的六邊形圖顯示在界面的繪圖區(qū)，基礎算法、擴展算法生成的最佳捕撈深度建議值顯示在結果區(qū)。最佳深度擴展算法的最終建議捕撈深度值可能有1～3個，所以用戶界面的右下方“擴展算法結論”框中可能會出現1～3個深度值，并給出對應的公式 (8) 預測因子Px的值。

多段聲吶文件可以解析出多個捕撈深度值，將這些捕撈深度值與聲吶時間相結合，可以得到不同時間下的最佳捕撈深度，從而更有效地提高捕撈效率。系統最終效果見圖4。

圖4 磷蝦捕撈智能調控界面效果圖Figure 4 Effect diagram of intelligent control interface of krill fishing

3 討論

本研究采用水聲學方法提出一種不受時間、海域限制的漁業(yè)資源評估方案。利用一段時間內EK80聲吶設備在某海域內探測到的數據，研究某種漁業(yè)資源在該海域該時間段內的垂直分布情況，快速計算拖網深度，以提高捕撈效率，降低人工成本。

漁業(yè)資源評估既是水產科學中的傳統研究課題之一[25-26]，也是漁業(yè)捕撈活動中的重要環(huán)節(jié)。相較于漁業(yè)采樣等其他資源評估方法，本研究采用的水聲學具有速度快、覆蓋范圍廣、探測深度深等突出特點。但與傳統基于漁業(yè)采樣方法實現的漁業(yè)資源評估或捕撈深度確定方法相比，本研究也存在一些弊端，主要體現在研究結果的廣度上。例如，漁業(yè)采樣方法除提取出捕撈深度與資源量的關系外，還能基于更多生物學、生態(tài)學特征，對生物分布、生長規(guī)律做進一步研究[27-28]。因此，本研究更適于快速確定捕撈深度等場景，節(jié)約人力和時間成本，大幅提高捕撈效率。

相較于其他有關利用水聲學探測評估水生物性態(tài)的研究，本研究提出了一種擴展算法評估最佳捕撈深度。該算法打破了傳統算法對資源量最值的依賴，充分考慮了深度鄰域內的總資源量，以最終確定最佳捕撈深度值。另外，本研究利用Python語言編寫了一整套程序，可以根據實際情況輸入待研究海域的數據，快速得出資源分布情況并對最佳捕撈深度提出建議，從而打破一些傳統研究中得出結論的局限性 (一般研究結論僅適用于某個時間內的某個海域)。但由于重視程序在健壯性上的支持，其結論的針對性和具體程度要低于一些學者的研究[24]。

在實現確定捕撈深度的過程中，本研究存在兩點不足：1)生物對應的水聲學目標強度范圍難以確定；2)實際捕撈中，拖網深度應隨著位置變化隨時變動。本研究結論中“最佳深度值”僅為1～3個，暫未打破傳統的捕撈方案，難以在復雜多變的捕撈環(huán)境下為捕撈成果帶來突破。本研究根據相關文獻及部分船員經驗將磷蝦的目標強度范圍確定為?69.5～?40.8 dB。但是，海洋中物種眾多，捕撈作業(yè)中目標魚種多樣，當前學術界暫無完整、權威的生物強度范圍數據，健全的生物強度計算體系也暫未形成。因此，本研究離應用于生產尚有一定距離?，F階段，本研究的應用依賴于船員豐富的捕撈經驗。船員根據捕撈經驗確定捕撈深度的目標強度范圍，從而計算出目標海域的最佳捕撈深度。

本研究的另一個局限性在于并未突破傳統的捕撈深度計算方案。在實際生產中，漁船的航行周期較長，水域資源狀況多變，僅僅以1～3個確定的深度值作為“最佳捕撈深度”顯然并不足以讓當前的捕撈成果產生質變。在理想狀態(tài)下，可根據聲吶設備數據，提取出每一小段時間內 (如聲吶設備的一次Ping) 的最佳捕撈深度，由所有時間段內的最佳捕撈深度，構造出“最佳捕撈曲線”，實際生產拖網深度根據該曲線動態(tài)調整。顯然這種方案在理論上可以獲得更佳的捕撈效果，但在實際生產中是否可行仍有待進一步研究和探索實踐。