东南太平洋智利竹筴鱼渔场时空分析与资源丰度的预测.docx

《东南太平洋智利竹筴鱼渔场时空分析与资源丰度的预测.docx》由会员分享，可在线阅读，更多相关《东南太平洋智利竹筴鱼渔场时空分析与资源丰度的预测.docx（15页珍藏版）》请在第一文库网上搜索。

1、摘要：为开展东南太平洋智利竹英鱼Trachurusmurphyi渔场的时空分布研究，根据2011-2018年间4-8月中国大型拖网渔捞数据和海表面温度(SST)、海表面盐度(SSS)、叶绿素a浓度(ChI-a)和海表面温度异常值(SSTA)数据，采用系统聚类和神经网络对智利竹英鱼集群重心的时空变化及其与海洋环境之间的关系进行了研究。结果表明：根据2011-2017年相同月份集群重心的平均值，确定出每月的固定集群重心，随着月份的增长，固定集群重心呈现由西南向东北方向移动的趋势；SSTA指数升高时，集群重心呈现向西北偏移趋势，SSTA指数降低时，呈现向东南偏移趋势；用BP神经网络模型预测出2018

2、年4-8月的集群重心，产量验证结果显示，4、5月集群重心范围内的实际产量分别占整个渔场总产量的82%、79%,6月、7月和8月智利竹英鱼密度降低，占比分别为60%、56%、48%o研究表明，近年来智利竹英鱼渔场位置发生了新的变化，集群重心由西北向东北方向移动，SSTA指数在经度上与集群重心呈现显著负相关，在纬度上呈现显著正相关。关键词：智利竹英鱼；东南太平洋；集群重心；渔场；神经网络；系统聚类智利竹英鱼Trachurusmurphyi是一种栖息在大洋中上层的高度集群性鱼类，广泛分布于南太平洋，从智利、秘鲁、厄瓜多尔等国的专属经济区一直到西南太平洋的新西兰外海均有分布。该鱼生长快、生产力高，渔获

3、量多年来一直居于世界前列。2010年后，智利竹及鱼捕捞产量急剧下降。为了实现该渔业的可持续发展，2012年，在中国和沿岸国等远洋渔业国家的推动下成立了南太平洋区域渔业管理组织，对该渔业资源进行配额管理。因此，为了提高捕捞效率，有必要对智利竹英鱼渔场进行研究。相关研究中，化成君等利用20052008年的数据对智利竹英鱼渔场年际和季节变化，以及单位捕捞努力量渔获量(CPUE)空间分布与海表面温度的关系进行了研究；张衡等利用2007年312月的数据分析了渔场与海表面温度的时空分布；牛明香等利用2005年数据对中心渔场的时空变化及与海洋环境的关系进行了研究；陈春光等利用20032011年数据研究了渔场

4、空间分布及与海表面温度之间关系。以上学者均认为，在48月，随着时间的变化，渔场重心呈现向西北方向移动的趋势。其他学者也利用2011年前的数据对渔场与浮游生物关系、资源分布、渔场与气象和水文的关系、渔场预报等进行过一系列报道。本研究中，利用20112018年的海上调查数据和环境数据，将整个渔场划分为若干海区，利用渔场重心分析法分别计算其集群重心,对集群重心与海表面温度异常值的关系进行分析，用BP神经网络模型预测集群海区，并进行产量占比验证，以期为中国智利竹英鱼渔船生产提供科学参考。1材料与方法11数据来源智利竹英鱼捕捞数据由中国远洋渔业协会大型加工拖网项目技术组提供，数据来源于大型拖网渔船“开富

5、号”和“开裕号”O两船船型相同，船长为91.10m,型深为9.20m,船宽为20m,总吨位为7671t,主机功率为5920kW。作业范围为2745S、7595肌作业时间为20112018年的48月份，空间分辨率为0.25X0.25。环境数据包括海表面温度(Seasurfacetemperature,SST)海表面盐度(seasurfacesa1inity,SSS)、叶绿素浓度(ch1orophy11COnCentratiOn,Ch1a)和海表面温度异常值(Seasurfacetemperatureanoma1y,SSTA),数据均来源于OCean-WatCh网站(http:OCeanWatCh

6、pifsc.noaa.gov)。1.2方法1.2 .1智利竹英鱼集群重心按0.250.25的空间分辨率逐月统计每个海区的产量，筛选出各月份产量为第一、第二、第三的海区，分别以该海区的渔场重心为圆心，以1。为半径将周围海区纳入其中，定义为智利竹英鱼的集群海区，计算集群海区渔场重心并定义为智利竹英鱼的集群重心H1、H2和H3,重叠海区可重复算入集群海区。然后计算3个集群海区内渔获产量占整个渔场总产量的比值，重叠海区只统计一次。利用其比值来判断集群重心的选择是否具有合理性。集群重心计算公式为Xi=x3%,1rs(1)i=2%X%/2%。i=1i=I其中：1、K分别为集群重心的经、纬度;为了渔区J月的

7、产量；X为了渔区J月中心点的经度；匕为了渔区J月中心点的纬度；A为渔区的总个数。1.3 .2系统聚类分析系统聚类法是将个不同的样品作为不同的类，将相近距离的样品聚成一类,再将这h1类中距离最近的聚成新的类，直到所有的样品被聚为一类。本研究中，使用最短距离法按照月份和集群重心种类进行聚类。根据聚类分析结果，计算该类别内经纬度的平均值，预测得出每月3个集群重心，定义为固定集群重心HKH2和H3,并将周围I0范围内的海区定义为该月份的固定集群海区，利用ArCGIS10.2软件绘制固定集群重心的时空分布图。最短距离计算公式为1ij=J(%_My)2+(A_/Vy)2/2o(3)其中：乙为/年与J年集群

8、重心的距离；序、射及加、加分别为两个集群重心的经度和纬度。1.2.3 集群重心偏移与SSTA指数的关系利用固定集群重心HhH2和H3与集群重心H1、H2、H3的差值来表示经纬度的偏移程度，用经纬度差值分别与SSTA做相关性分析。SSTA是指逐月SST数据按照时间序列减去其气候态月平均SST,得到的海表面温度异常时间序列。1.2.4 神经网络模型预测集群重心误差反向传播网络(errorbackpropagationnetwork,BP)属于多层前向神经网络，其主要特点是信号前向传播，而误差反向传播。本研究中，使用DPS软件进行BP神经网络模型的计算，以20112017年的数据作为拟合样本，201

9、8年的样本数据作为预测样本，以海洋环境因子SST.SSS和Ch1-a结合固定集群重心HhH2和H3作为输入因子，隐含层为一层,隐含层神经元选取9o以集群重心H1、H2和H3及其产量占比作为输出因子，进行训练。每个月预测得到3个集群重心，并计算预测的集群重心1。海域范围内的实际产量占整个渔场总产量的比值，验证预报的准确性。神经网络模型采用5-9-3结构（图1）。图1BP模型结构Fig.1StructureofBPmode12结果与分析2.1集群海区产量占比分析从图2可见，2011-2017年每个月集群海区的产量与该月整个渔区总产量的比值除个别数为66%和59%外，其余均为70%97%,集群海区与

10、整个渔区的比值均占绝对优势，这表明用所选的3个集群海区表示整个智利竹英鱼的集群重心具有代表性。4月集群渔区产量占该月整个渔区总产量的70%92%；5月占71%96%,有一半多的月份在90%以上;6月占76%96%,其中66%和59%的比值分布在这个月；7月占73%97%；8月占70%95%（图2）。从月份来看，各月份的产量占比基本趋于稳定，5月份占比较为集中。45678月份month图220112017年各月集群海区产量占比及范围Fig.2Month1yproductionpercentanddistributionrangeinaggregationseaareafrom2011to2017

11、2.2 集群重心的时空变化在图3中将H1按时间顺序相连，可以看出，20112012年集群重心分布趋势可以归为一类，集群重心45月向东北部海域移动，向东移动2。3。，向北移动12。；56月向西北方向推移，向西移动I0左右，向北移动25；67月偏向东北部海域，向东移动12。，向北移动2。3。；78月向西北方向推移且幅度较大，向西移动5。，向北移动2。7。2013-2017年集群重心分布趋势归为另一类，集群重心主要往东北方向移动，2014年67月和2016年45月集群重心向西北小范围移动，向西移动0.5。-1.0,向北移动23；2015年45月集群重心向北移动4左右，向东移动3.5左右，68月向东移

12、动3左右，向北移动3左右；2013、2014、2016、2017年47月重心向东移动24,向北移动48,78月的变动范围较大，向东移动4。6。，向北移动518（图3）。rig.3DistributionofaggregationcentreofgravityofChi1eanjackmackere1fromApri1toAugustduring201120172.3 固定集群重心的时空变化系统聚类分析从2011-2017年的样本中，将同一月份同一类别集群重心进行了汇总，并求得该类别内集群重心平均值作为未受环境影响下智利竹英鱼固定集群重心分布。聚类结果如表1所示。经计算2011-2017年相同月

13、份集群重心的平均值，确定出每月3个固定集群重心。各月份固定集群重心HKH2利H3及其海域范围的分布如图4所示,其中，固定集群重心4月主要集中在43.4。-43.7oS、80.581.3W海域，5月主要集中在42.442.7S、79.881.3W海域，6月主要集中在410414S、79.3o-80.7oW海域，7月主要集中在38-38.4oS、78.9-79.50W海域，8月主要集中在28.231S、77.4o79.3W海域。47月3个固定集群重心随着时间的增加逐渐向东北方向移动，纬度移动5左右，经度移动1.7左右，且重心分布比较集中；8月固定集群重心则向东北方向进行大范围的移动，纬度移动8左右

14、，经度移动1。左右。表1系统聚类分析结果Tab.1Resu1tsofthehierarchica1c1usterana1ysis月份month集酢重心agrrg3ingravityH1112ID42012、2013.2014、2016420172013、2014.2016、20172012、2013.2014.2016、201752012.2013.2014.2016.20172013、2014、2015.2016、20172012、2013、2014%2016、201762012、2013、2014、2015.20162012、2013、2014,2015.20162012、2013、201

15、5.2016.201772013,2014.2015,2016.20172013、2014,2015.2016.20172013、201412015.2016,201782011、2012、2013.2014.2016、20172011,2012.2013%2014.2016、20172011%2012w2013、2014.2016、2017图4固定集群海区时空变化Fig.4Spatio-tempora1changeintheinherentaggregationseaarea2.4集群重心偏移与海洋环境的关系及产量验证2.4.1集群重心偏移与SSTA的关系集群重心偏移与固定集群重心的差值表示集群重心的偏移。从表2可见，经度上2011-2017年间4-8月的偏移与SSTA相关性分析中，呈现显著的量均呈负相关，纬度上5-8月呈现显著的量均呈正相关，4月无相关性，表明SSTA升高时，集群重心呈现向西北偏移的趋势，SSTA降低时，集群重心呈现向东南偏移的趋势。表220112017年48月集群重心偏移与SSTA间的关系Tab.2Re1ationshipbetweentheshiftofthec1uster,scenterofgravit