秘鲁近海秘鲁鳀渔场变化与海洋环境因子的关系

秘鲁鳀(Engraulis ringens)是栖息于南美洲秘鲁和智利沿岸的小型中上层鱼类,掌握其渔场变化及其与海洋环境因子的关系有利于渔场的开发。根据2005—2014年秘鲁近海秘鲁鳀的渔获数据,结合卫星遥感获得的海表面温度(sea surface temperature,SST)、海表面高度(sea surface height,SSH)和叶绿素a浓度(chlorophyll-a,Chl.a)等环境数据,探讨两个捕捞渔季秘鲁鳀(第一渔季:4—7月;第二渔季11—次年1月)渔场变化及其与海洋环境的关系。研究表明,不同月份秘鲁鳀渔场的适宜海洋环境因子范围不同:第一渔季的渔场SST和适宜SST范围随着月份变低,在第二渔季的渔场SST和适宜SST范围随着月份变高;两个捕捞渔季渔场的适宜SSH均为29～41 cm;第一渔季渔场适宜Chl.a范围随着月份变低,第二渔季渔场适宜Chl.a范围随着月份变高。通过经验累积分布函数检验,海洋环境因子在大多数月份的适宜范围可表征秘鲁近海秘鲁鳀中心渔场的指标。研究表明,要进一步了解秘鲁鳀渔场变化还需注意其资源丰度年间变动及其与海洋环境变化的关系。     

不同时间尺度下秘鲁鳀资源量的波动特征

海洋渔业资源其资源量在时间上存在波动,了解资源量波动的不同时间尺度特征可为探索资源变动的相关因素提供依据。为此,研究根据1985—2021年间秘鲁鳀（Engraulis ringens）资源量时间序列,利用自适应噪声的完全集合经验模态分解（Complete Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）的方法,提取资源量波动的不同时间尺度特征,并评价各时间尺度波动对总体资源波动的贡献程度;此外使用交相关分析的方法探究厄尔尼诺和拉尼娜事件对不同时间尺度下秘鲁鳀资源量波动的影响。研究发现,CEEMDAN可将秘鲁鳀资源量时间序列分解成5个本征模态函数（Intrinsic Mode Function,IMFi,其中i为分量级数）分量和1个残差项（Residual,RES）;根据各IMFi分量的周期特征及其对总体资源波动贡献分析结果可知：秘鲁鳀的资源量波动主要受到季节或年间为表征的IMF1波动和代表其年代际变动的趋势的RES所控制,其中资源量年代际变动的趋势与东南太平洋洪堡洋流生态系统周期性变动（regime shift）有关;交相关分析结果表明厄尔尼诺和拉尼娜事件主要影响秘鲁鳀资源量年间和年际的波动,其中Ni?o 1+2区的海表面温度距平（Sea surface temperature anomaly,SSTA）与海洋尼诺指数（Oceanic Ni?o Index,ONI）相比对秘鲁鳀资源量波动的表征作用更为明显,在滞前1-1.5年内,其值的偏高可能会对秘鲁鳀资源量产生负影响。     

基于信息增益技术比较分析智利和秘鲁外海茎柔鱼渔场环境

茎柔鱼(Dosidicus gigas)是短生命周期物种,广泛分布在东太平洋海域。其资源大小和分布受不同时空尺度的气候变化影响。根据我国鱿钓船生产数据,结合卫星遥感获取的环境资料,利用信息增益技术对东太平洋智利和秘鲁外海两个海区茎柔鱼栖息环境进行比较分析。可以得出,智利和秘鲁外海茎柔鱼中心渔场分布对应的适宜表温(SST)范围分别是15~23℃和16~25℃,且每月最高作业频次对应的SST值具有明显的季节性特征,与SST平均值关系密切。信息增益技术结果表明,智利外海和秘鲁外海影响中心渔场分布的关键环境因子基本相同,主要为SST、55米层水温(T55)、表层至55米层的水温梯度(G0-55)。研究认为,不同海域表征茎柔鱼中心渔场的主要环境因子是有差异的,这一差异主要由其海洋环境大背景所决定。     

基于灰色系统的澳洲鲐太平洋群系资源量预测模型

利用1995—2014年日本中央水产研究所提供的澳洲鲐(Scomber australasicus)太平洋群系资源量与渔获量数据,结合索饵场和产卵场的海表面温度以及黑潮指标等,建立6种基于灰色系统的澳洲鲐资源量预测模型。建立的模型包括不考虑任何环境因子的GM(1,1)模型,分别基于索饵场(140°E～160°E,35°N～50°N)海表面温度SST1、产卵场1 (130°E～132°E,30°N～32°N)海表面温度SST2、产卵场2 (138°E～141°E,34°N～35°N)海表面温度SST3和黑潮潮位差TR的GM(1,2)模型,以及综合以上4个因子的GM(1,5)模型,6种模型的平均误差分别为6. 72%,3. 73%,4. 41%,4. 78%,29. 56%,19. 38%。研究结果表明,基于索饵场、产卵场海表面温度因子建立的灰色预测模型,对澳洲鲐太平洋群系资源量预报精度较高,可应用于后续渔业生产中。对GM(1,5)模型的灰色参数值a、b分析可知,所有因子中SST2和SST3对模型的制约影响最高,即对资源量的影响最大。产卵场温度与资源量具有较高的相关性,结合最适温度,可推测在该适宜温度范围内资源量随着产卵场温度的升高而增加。可见,全球气候变暖海水温度升高,可能对澳洲鲐资源波动存在积极影响。     

公海柔鱼类资源丰度与海洋环境关系的研究

利用2002-2014年的公海柔鱼类(Ommastrephidae)渔场的渔获资料结合同期海洋环境数据,采用渔获产量重心算法和广义加性模型(GAM)方法,分析了北太平洋巴特柔鱼(Ommastrephes bartramii)、西南大西洋阿根廷滑柔鱼(Illex argentinus Castellanos)和东太平洋秘鲁茎柔鱼(Dosidicus gigas)三大公海柔鱼类渔场重心的变化趋势,探讨了主要海洋环境因子(海表温度、叶绿素a浓度和海流)对渔场的影响关系。结果表明:北太平洋柔鱼渔场高产的最适海表温度区间为15~20℃,最适叶绿素a浓度为0.20~0.60 mg/m3;西南大西洋的阿根廷滑柔鱼渔场最适海表为9~14℃,最适叶绿素a浓度为0.60~1.65 mg/m3;东太平洋秘鲁茎柔鱼渔场最适海表温度为18~23℃,最适叶绿素a浓度为0.16~0.40 mg/m3。GAM模型检验结果显示海表温度与资源丰度有显著的相关性,对中心渔场具有关键的指示作用。渔场位置一般出现在不同海流流隔的交汇区,研究认为可根据渔场变化的海况信息及时调整渔场的作业区域,提高生产效率。     

基于不同阶数灰色系统模型的北太平洋柔鱼资源丰度预测

柔鱼（Ommastrephes bartramii）为短生命周期种类,是西北太平洋经济头足类之一。优化资源丰度预测模型能够更科学、有效地为渔业生产提供依据。本研究利用1998—2016年北太平洋柔鱼生产统计数据,采用GM（1,1）模型对不同时间长度的资源丰度（CPUE）进行分析,选择相对误差和方差最小的CPUE序列作为母序列,与太平洋年代际震荡指数 （PDO）、产卵场平均海表温度（SGSST）、育肥场平均海表温度（FGSST）、产卵场平均叶绿素浓度（SGC）、育肥场平均叶绿素浓度（FGC）等因子进行灰色关联分析,并以此分别建立6个不同阶数的灰色预测模型[GM（0,N）模型和GM（1,N）模型],筛选误差最小的模型作为预测柔鱼资源丰度的最佳模型。结果表明,以8年CPUE序列的建模为最佳,其平均相对误差最小,为6.28%;同时,GM（0,N）模型的预测精度普遍比GM（1,N）模型的要高,其中包含2月SGSST、10月FGSST、8月FGC和10月PDO的GM（0,5）模型为最优,拟合相对误差为3.87%,预测相对误差为1.18%,可作为预测北太平洋柔鱼资源丰度的最优模型。     

基于不同权重栖息地模型的秘鲁外海茎柔鱼渔场分析

根据2006-2014年春季(8月~10月)、夏季(11月~翌年1月)、秋季(2月~4月)、冬季(5月~7月)秘鲁外海茎柔鱼渔获数据,结合3个关键海洋环境因子海表面温度(SST)、海表面高度(SSH)和净初级生产量(NPP)的数据,利用不同权重方案的栖息地适应性指数模型来分析秘鲁外海茎柔鱼渔场分布。利用单位捕捞努力量渔获量(CPUE)与SST、SSH和NPP建立适应性指数(SI)模型,采用算术加权法建立综合适应性指数(HSI)模型,依据捕捞量和努力量的比重来比较不同权重的HSI模型,选择不同季度下的最优模型,并用2015年的数据进行验证。结果显示,茎柔鱼CPUE 和渔场纬度重心(LATG)呈现显著的年际和季节变化。不同季节茎柔鱼最优栖息地模型中的权重方案不同,其中春季最优模型权重方案为案例9,权重比例最高的环境因子是SST；夏季最优模型权重方案为案例7,SST、SSH和NPP所占的权重比例均等；秋季最优模型权重方案为案例3,权重比例最高的是SSH；冬季与春季相同。研究表明,影响秘鲁外海茎柔鱼栖息地分布的环境因子随季节具有显著差异,春冬季节最主要的环境因子是SST。此外,建立茎柔鱼的栖息地预测模型需考虑环境因子权重以区分影响差异。     

基于信息增益技术的影响渔场环境因子的选定

在渔场分析中,需要确定影响中心渔场的海洋关键环境因子,通过建立模型对中心渔场进行预测.海洋关键环境因子的选取直接影响着预测模型的精确度.文中利用信息增益技术,通过计算北太平洋150°以西海域柔鱼的产量和CPUE(单船平均日产量)对海洋环境中的垂直温度因子(即5 m、45 m、95 m、205 m水层的温度,以及5～45 m、45～95 m、95～205 m水层的垂直梯度)的信息增益值,获得其中影响渔场分布的关键环境因子.分析结果显示:关键环境因子是5 m水层温度、45 m水层温度、95 m水层温度、205 m水层温度和95～205 m温度梯度.K-S检验表明,利用信息增益技术得到的各个关键环境因子是适合的.     

秘鲁鱼粉业的盛衰

秘鲁海岸线绵长,沿岸海水中有丰富的硝酸盐和磷酸盐,为浮游生物提供了极为丰富的各种营养物质,因而鱼群汇巢,鯷鱼(秘鲁沙丁鱼)资源十分丰富。 早在1950年,从美国加利福尼亚州来的公司在秘鲁建立了第一个鱼粉加工厂。后来,“捕鱼热”传遍整个秘鲁海岸。鱼粉加工厂由中部钦博特到南部海岸一家挨一家地建立起来,形成所谓“秘鲁鳀鱼风暴”。但这一风暴现在已告消失。     

灰色神经网络耦合模型在加矾系统预测中的应用

为更准确预测自来水厂的加矾量,弥补灰色GM(1,1)预测模型和神经网络预测模型在自动加矾系统中预测的不足,采用灰色GM(1,1)预测模型和BP神经网络预测模型相结合的方法,即灰色神经网络耦合模型,并运用于自来水厂自动加矾系统,根据实测数据计算预测值.结果表明:灰色GM(1,1)模型平均相对误差为0.016％,最大相差为0.025％,BP神经网络模型平均相对误差为0.037％,最大相差为0.069％,灰色神经网络耦合模型的平均相对误差0.006％,最大相差0.009％,其模拟精度远远高于其他2种模型的模拟值,具有广泛的实用性.     

海洋水温对茎柔鱼资源补充量影响的初探

茎柔鱼是短生命周期种类,其资源量极易受到海洋环境变化的影响。根据2003-2010年我国鱿钓船队在东南太平洋公海的生产统计和海洋表面温度(SST)、Nino 1+2 SSTA等资料,利用灰色关联度方法,分析了茎柔鱼作业渔场和产卵场最适表层水温范围占总面积的比例(分别用PF和PS来表示),以及它们与Nino 1+2SSTA的关系,进而探讨了PF和PS与单位捕捞努力量渔获量(CPUE)的关系,研究海洋环境变化对茎柔鱼资源补充量(用CPUE来表示)的影响。结果表明,2003-2010年PF和PS比值最大的分别集中在9-11月和12月-翌年1月。PS与Nino 1+2 SSTA的灰色关联度要高于PF与Nino 1+2 SSTA的值,由此推测厄尔尼诺等事件对PS的影响较为显著。同时,分析结果表明PS与CPUE的灰色关联度较高,在时间上呈现连续性,11月至翌年2月均在0.4左右。研究认为,拉尼娜事件会增大作业渔场最适表层水温面积比例,并形成广泛的上升流,从而有利于茎柔鱼索饵与生长,也利于茎柔鱼资源补充量的增加;反之则不利于茎柔鱼资源补充量的发生。     

基于不同气候条件的中西太平洋鲣鱼渔场预报

根据1995—2014年中西太平洋鲣鱼围网捕捞生产统计数据,选取了产量最高的22个5°×5°的海区,结合尼诺指数划分不同的气候类型,以渔获量为指标,建立在不同气候条件下中西太平洋鲣鱼围网渔场的渔情预报模型。研究认为:在不同的气候条件下,鲣鱼产量有所波动,其中厄尔尼诺月份月总产量和月均产量最高,与拉尼娜月份产量接近,而正常年份产量最低;不同空间不同气候条件下的产量有较大差异,在130°E～145°E海域,北纬5°产量明显高于南纬5°产量,同时正常月份的产量最高;在145°E～165°E海域,拉尼娜月份产量最高;在165°E以东海域,拉尼娜月份产量最低;将渔获量与Nino 3. 4区的SSTA建立关系,结果显示两者有着很强的相关关系,均符合正态模型(P 0. 01)。模型验证的结果显示,3种气候条件下的预报结果与实际统计值间均存在显著相关关系(P 0. 01),模型有着较高的相关系数,拟合结果较好。针对中西太平洋不同空间位置的3种气候条件下鲣鱼渔获量波动规律进行研究,为预测渔场和相关预报工作提供了新的思路。     

基于气象参数的内陆干旱区作物生育期ET0预测

为实现大田作物灌溉的精细化管理,研究了基于气象因素的生育期ET₀预测模型。采用灰色理论对ET₀与日均、日最高、最低温度,日均风速,相对湿度以及日照时数进行灰色关联度分析,结果表明ET₀与温度（包括日均、最高、最低温度）及相对湿度的灰色关联度较高。在分析ET₀与上述气象因素间的相关系数基础上,采用日均温度、日均风速以及日照时数作为模型的输入,ET₀作为输出,建立了BP神经网络（BPNN）预测模型;采用日均温度、日均风速、日照时数及灰色关联度作为输入,建立了模糊最小二乘支持向量机（FLSSVM）预测模型。研究结果表明,BPNN模型的训练值决定系数为0.8643,平均相对误差6.29%,预测值决定系数为0.8099,平均相对误差7.83%;FLSSVM模型的训练值决定系数为0.9684,平均相对误差2.89%;预测值决定系数为0.9663,平均相对误差3.43%。BP神经网络与FLSSVM模型的精度均较高,可以用来预测ET₀日值,这为大田作物的精细化灌溉管理提供理论与技术支持。     

ENSO现象与东太平洋黄鳍金枪鱼围网CPUE时空分布的关系

黄鳍金枪鱼是东太平洋金枪鱼围网渔业中的主要渔获种类之一。根据1975-2004年东太平洋（30°N～25°S,75°W～145°W）黄鳍金枪鱼围网生产统计资料和相应年份的Nino3区的指数,利用灰色关联度方法对ENSO现象与黄鳍金枪鱼资源丰度及时空变化的关系进行了分析。研究结果发现,ENSO现象对东太平洋黄鳍金枪鱼围网资源丰度及时空分布有显著影响,在大部分厄尔尼诺年时,黄鳍金枪鱼围网作业重心会向东、向北移;而拉尼娜年则向西移。Nino3指数与单位捕捞努力量渔获量（CPUE）存在负相关关系。此外,黄鳍金枪鱼围网作业重心在年内也呈现出规律性变化,春夏季向西、向北移;秋冬季向东、向南移。春夏季的单位捕捞努力量渔获量高于秋冬季。     

基于环境卫星数据的黄河湿地植被生物量反演研究

回归模型拟合植被指数与生物量的定量关系是植被生物量反演的重要研究方法之一.研究在此基础上,基于环境卫星遥感数据和同步野外实地采样数据,以郑州黄河湿地自然保护区为试验区,比较MLRM(多元线性回归模型)与SCRM(一元曲线回归模型)反演植被生物量的能力,并估算研究区植被生物量,生成研究区生物量分布图.结果表明,文中所建立的MLRM在研究区具有较好的反演精度和预测能力.其模型显著性检验为极显著,相关系数为0.9791,模型拟合精度达到29.8 g/m2,其模型预测结果系统误差为49.9g/m2,均方根误差为67.2 g/m2,预测决定系数为0.8742,比传统的一元回归模型具有更高的精度和可靠性.估算研究区域2010年8月湿生植被生物量约为6.849199 t/hm2,相对误差为4.73％.     

思茅松天然林林分生物量混合效应模型构建

本研究以云南省普洱市的思茅松天然林为对象,调查了3个位点45块样地的林分地上、根系和总生物量。以幂函数模型为基础构建林分生物量的基本模型;采用混合效应模型技术,考虑区域效应随机效应,选择基本混合效应模型,并分析模型的方差和协方差结构,分别构建3个维量的区域效应随机效应的混合效应模型;考虑林分因子、地形因子和气象因子固定效应,构建含环境因子固定效应和区域效应随机效应的林分生物量混合效应模型。所有模型均采用拟合指标和独立检验指标进行评价。结果表明:1) 从模型拟合情况看,考虑区域效应的随机效应模型均能显著提高一般回归模型的精度;在3类含环境因子固定效应模型中,含地形因子固定效应的区域混合效应模型均具有最低的AIC和BIC值,表现最好;2) 就模型独立性检验看,除地形因子固定效应的林分根系混合效应模型外,其余模型均优于一般回归模型;考虑环境因子固定效应的混合效应模型与普通区域效应混合模型相比,各个维量模型的独立性检验指标表现不一,但总体上差异不大;3) 综合考虑模型拟合和独立性检验结果,除林分根系生物量选择普通区域效应混合模型外,另2个维量均选择含地形因子固定效应和区域效应随机效应的混合效应模型。      

马尾松毛虫发生量灰色系统模型的建立及其预报

运用灰色系统理论的原理和方法，根据相关系数法和逐步回归法，分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子作为样本的因子变量，分别建立马尾松毛虫有虫面积、虫口密度、有虫诛率与气象因子的灰色系统预测模型。结果表明：所建立的各预测模型具有令人满意的预测效果。有虫面积模型预报因子数为8个时，预留样本的平均预测误差为7．47％；虫口密度模型预报因子数为6个时，预留样本的第1年预测不准，第2年的预测误差为2．21％；有虫株率模型预报因子数为5个时，预留样本的平均预测误差为3．60％,总预测成功率为83．33％.     

基于Ecopath的热带东太平洋生态系统模型构建及其比较

建立2017年东太平洋生态系统Ecopath模型,并与1997年模型进行比较。结果表明:(1)生态系统总体能量转化效率为18.78%,表明该生态系统能量的利用效率已达到最适程度。生态系统杂食指数和联结指数分别为0.323和0.272,表明功能组的聚合度较低,食物网内部结构复杂程度较低,较易受到外界环境因素和捕捞的干扰。总初级生产量与总呼吸量的比值为2.593,表明该生态系统不成熟。(2)对比两个阶段的系统总流量、总生物量以及总循环流量指标,与1997年相比,2017年生态系统规模扩大,食物网复杂程度升高,成熟度增大但仍然处于发展阶段。(3)假设黄鳍和大眼金枪鱼这两个主要捕捞种类的大、小个体相对资源量统计存在不确定性,并考虑3个比例水平分别构建3个生态系统模型,结果表明,这一相对资源量统计误差,明显影响了对生态系统的认识。因此,在今后类似的研究中,应充分考虑主要捕捞种类不同体长组的营养结构及其对生态系统的影响。