基于贝叶斯概率的印度洋大眼金枪鱼渔场预报

本文采用贝叶斯概率为模型基础框架,利用来自印度洋金枪鱼管理委员会(IOTC)的大眼金枪鱼延绳钓历史渔获统计数据和美国国家海洋大气管理局(NOAA)的海温最优插值再分析数据,进行适用于印度洋金枪鱼延绳钓渔场的模型参数估算与预报模型构建。模型回报精度验证结果表明,印度洋大眼金枪鱼延绳钓渔场综合预报的准确率达到了65.96%。模型预报结果用概率百分比来表示,符合渔业资源分布的客观特点。利用中分辨率成像光谱仪MODIS提供的SST产品进行业务化运行的渔场预报,利用模型结果每周生成印度洋大眼金枪鱼延绳钓渔场概率预报图,用不同大小的圆形来表示渔场概率的高低,可以为印度洋区域的远洋渔业生产提供信息支持。     

基于集成学习的南太平洋长鳍金枪鱼渔场预报模型研究

文章利用2008—2015年南太平洋长鳍金枪鱼(Thunnus alalunga)延绳钓渔业数据,结合11个环境指标(海表温度、叶绿素a (Chl-a)浓度、海表温度距平、叶绿素距平、海表温度梯度、叶绿素梯度、海平面异常以及渔区格网对应的前后各1个月海表温度和叶绿素值)和3个时空指标(月、经度和纬度),并基于6种集成学习模型,以月为时间分辨率、0.5°×0.5°为空间分辨率,开展了南太平洋长鳍金枪鱼渔场模型构建和预报研究。模型通过10折交叉验证和网格搜索思想确定最佳参数,采用的随机森林、Bagging决策树、C5.0决策树、梯度提升决策树、AdaBoost、Stacking集成模型分别取得了75.52%、73.87%、72.99%、71.14%、71.33%、75.84%的分类准确率。经对比,Stacking集成模型准确率最高。利用2015年环境数据进行预报精度检验,预报总体准确率为63.86%～82.14%,平均70.99%;高单位捕捞努力量渔获量(Catch per unit effort, CPUE)渔区预报准确率为62.71%～97.85%,平均78.76%。结果表明Stacking集成模型对南太平洋长鳍金枪鱼渔场的预报具有较好的效果及可行性。     

热带印度洋大眼金枪鱼渔场时空分布与温跃层关系

为了解印度洋大眼金枪鱼(Thunnus obesus)温跃层参数适宜分布区间及季节变化,采用Argo浮标剖面温度数据重构热带印度洋各月平均温跃层特征参数,并结合印度洋金枪鱼委员会(IOTC)大眼金枪鱼延绳钓渔业数据,本文绘制了月平均温跃层特征参数和月平均CPUE的空间叠加图,用于分析热带印度洋大眼金枪鱼渔场CPUE时空分布和温跃层特征参数的关系。结果表明,热带印度洋温跃层上界深度、温度和下界深度都具有明显的季节性变化,大眼金枪鱼中心渔场分布和温跃层季节性变化有关。夏季季风期间,高CPUE渔区温跃层上界深度在30~50 m,浅于冬季的50~70 m;温跃层上界温度范围为24~30℃。在冬季季风期间,高CPUE区域对应的温跃层上界温度范围为27~30℃;从马达加斯加岛北部沿非洲大陆至索马里附近海域,温跃层下界深度在170~200 m时的渔区CPUE普遍较高;当深度超过300 m时,CPUE值均非常低。采用频次分析和经验累积分布函数计算其最适温跃层特征参数分布,得出大眼金枪鱼最适温跃层的上界、下界温度范围分别是26~29℃和13~15℃;其上界、下界深度范围分别是30~60 m和140~170 m。文章初步得出印度洋大眼金枪鱼中心渔场温跃层各特征参数的适宜分布区间及季节变化特征,为金枪鱼实际生产作业和资源管理提供理论参考。     

基于ADASYN和Stacking集成的南太平洋黄鳍金枪鱼渔场预报模型研究

为提供更为准确的南太平洋黄鳍金枪鱼(Thunnus albacores)渔场预报信息，针对传统渔场分类问题中渔场和非渔场样本数据分布不均衡的问题，提出了一种基于自适应综合过采样(ADASYN)和Stacking集成的渔场分类模型——A-Stacking模型。利用2008—2019年南太平洋黄鳍金枪鱼的渔业数据，结合时空因子、海洋环境因子共32个特征要素(月份、经纬度、海平面异常、涡动能、叶绿素a浓度、叶绿素梯度、叶绿素距平、海表温度梯度、海表温度距平以及0～500 m水层的垂直温度和盐度)建立了南太平洋黄鳍金枪鱼渔场预报模型。为了验证模型的可靠性，将CART、Adaboost、GBDT、XGBoost、KNN、RF和Stacking模型对照。结果显示，A-Stacking模型具有更高的准确率、召回率、F1-score、G-mean和AUC值，且模型的ROC曲线和PR曲线能较好地包含其他模型，表明模型的分类效果更好。研究表明，A-Stacking集成模型对南太平洋黄鳍金枪鱼渔场的预报效果较好，能有效处理不均衡数据的渔场分类问题，可为今后的渔场预报方法提供参考。     

热带印度洋大眼金枪鱼垂直分布空间分析

为了解热带印度洋大眼金枪鱼(Thunnus obesus)适宜的垂直和水平空间分布范围,采用Argo浮标剖面温度数据重构热带印度洋10℃、12℃、13℃和16℃月平均等温线场,网格化计算了12℃、13℃等温线深度值和温跃层下界深度差,并结合印度洋金枪鱼委员会(IOTC)大眼金枪鱼延绳钓渔业数据,绘制了12℃、13℃等温线深度与月平均单位捕捞努力渔获量(CPUE)的空间叠加图,用于分析热带印度洋大眼金枪鱼中心渔场 CPUE 时空分布和高渔获率水温的等温线时空分布的关系.结果表明,从垂直分布来看,热带印度洋中心渔场延绳钓高渔获率区域垂直分布在温跃层下界以下,在表层以下150~400 m 深度区间.从水平分布来看,12℃等温线,高 CPUE 区域大多深度值<350 m,众数为225~350 m;深度值超过500 m的区域CPUE普遍较低.13℃等温线,高值CPUE出现的地方大多深度值<300 m,众数为190~275 m;深度值超过400 m的区域CPUE普遍较低.全年在15oS以北区域,高渔获率的垂直分布深度更加集中.采用频次分析和经验累积分布函数,计算其最适次表层环境因子分布,12℃等温线250~340 m;13℃等温线190~270 m;12℃深度差30~130 m;13℃深度差0~70 m.研究初步得出热带印度洋大眼金枪鱼中心渔场适宜的水平、垂直深度值分布区间,可以辅助寻找中心渔场位置,同时指导投钩深度,为热带印度洋金枪鱼实际生产作业和资源管理提供理论支持.     

基于LightGBM的南太平洋长鳍金枪鱼渔场预报模型研究

长鳍金枪鱼以高经济效益、资源丰富等优点成为世界金枪鱼渔业主要捕捞目标之一,进行长鳍金枪鱼渔场预报研究,可以有效提高渔获产量,对渔业生产具有重要意义。传统的线性模型在面对复杂多变的海洋环境数据时无法准确分析其关键因子。本研究选取2000—2015年南太平洋长鳍金枪鱼的延绳钓生产数据,结合海表温度、叶绿素a质量浓度和海面高度等海洋环境因子以及月份和经、纬度等时空数据,采用集成学习模型—轻度量化梯度促进机(LightGBM)模型进行长鳍金枪鱼渔场预报,并与朴素贝叶斯、XGBoost和BP神经网络模型进行对比。同时采用网格搜索算法获取LightGBM模型的最优参数,利用交叉验证法验证模型的稳定性。试验结果表明,利用LightGBM模型对南太平洋长鳍金枪鱼渔场的最佳预报准确率可达72.6%,对比其他模型,LightGBM模型的准确率有了显著提高。研究表明,海面高度和海面温度为南太平洋长鳍金枪鱼渔场形成的关键影响因子。     

基于卫星AIS的中西太平洋金枪鱼延绳钓渔场分布研究

根据2017年7-12月中西太平洋金枪鱼延绳钓渔船卫星AIS数据及海表温度数据,利用全局空间自相关中的莫兰指数及局部空间自相关中的热点分析方法,得到了中西太平洋金枪鱼延绳钓中心渔场位置及变动情况,并提取了中心渔场处海表温度范围。结果表明:1)中西太平洋金枪鱼延绳钓渔船捕捞努力量存在空间自相关并呈显著聚集分布模式,所得热点区域可以作为中西太平洋金枪鱼延绳钓作业中心渔场。2)各月均存在多个中心渔场,其中8月中心渔场范围与7月大致相同,部分中心渔场存在向北扩张或向外扩大的趋势; 9月最大中心渔场东移,出现在180°附近,其它渔场较之前有不同程度的扩散或缩小; 10-12月中心渔场较为集中,主要分布在170°～180°E及155°W附近海域,且单位渔区捕捞努力量大于7-9月。3)中心渔场处不同海表温度范围主要与金枪鱼鱼种有关:155°W、20°N夏威夷群岛附近冷舌区,主要分布着大眼金枪鱼(Thunnus obesus)和黄鳍金枪鱼(Thunnus albacares),海表温度为25. 5～27. 5℃; 10°S～10°N暖池区域,主要为大眼金枪鱼和鲣(Katsuwonus pelamis),海表温度为28. 0～30. 3℃;赤道南部冷暖锋面交汇处,主要为长鳍金枪鱼(Thunnus alalunga),海表温度为25. 0～29. 0℃。     

太平洋大眼金枪鱼延绳钓渔获分布及渔场环境浅析

本文主要根据收集到的渔获量数据、海水表层温度数据和有关文献资料 ,应用GIS技术对太平洋大眼金枪鱼延绳钓渔业进行了定量或定性分析。结果表明 :太平洋大眼金枪鱼延绳钓渔场主要分布在 2 0°N～2 0°S之间的热带海域 ,具纬向分布特征。对渔获产量同海表温度的分月统计显示 :太平洋大眼金枪鱼渔场最适月平均表层水温约 2 8～ 2 9℃ ,渔场出现频次为偏态分布型。最后 ,结合有关文献综合讨论分析了海表温度、溶解氧含量、海流等环境因子与金枪鱼渔场分布和形成机制的关系     

阿根廷滑柔鱼渔场预报模型最适时空尺度和环境因子分析

根据2003―2011年主渔汛期间中国鱿钓船队在西南大西洋的鱿钓生产数据,结合海洋遥感获得的海表温度(SST)、海面高度(SSH)和叶绿素a浓度(CHL-a)数据,匹配组织成不同时空尺度和环境因子的样本集,使用人工神经网络(artificial neural network,ANN)作为中心渔场的预报模型,比较所匹配的样本集对阿根廷滑柔鱼中心渔场预报模型的影响。研究表明,样本的时间尺度为周时,1.0o×1.0o的空间尺度和环境因子为SST所建立的BP中心渔场预报模型,具有最高的预报精度和最小的平均相对变动值(average relative variance,ARV);样本时间尺度为月时,0.25o×0.25o的空间尺度和环境因子为SST所建立的BP中心渔场预报模型,具有最高的预报精度和最小的ARV值。对这两种最优样本集建立的BP中心渔场预报模型进行灵敏度分析发现,不同样本集建立的中心渔场预报模型表达的渔场栖息地适宜程度也不尽相同。研究认为,在建立中心渔场预报模型时,需要考虑海洋环境因子的时空尺度。     

印度洋大眼金枪鱼Thunnus obesus(Lowe) 的渔业生产和资源状况概述

印度洋是世界上第二大金枪鱼类产区．其产量占全球金枪鱼类总产量的三分之一，也是我国近年重要的捕捞渔场。本文主要概述印度洋大眼金枪鱼的生物学和生态特性、渔业生产、资源状况及管理对策。     

Association between the interannual variation in the oceanic environment and catch rates of bigeye tuna (Thunnus obesus) in the Atlantic Ocean

The environmental processes associated with variability in the catch rates of bigeye tuna in the Atlantic Ocean are largely unexplored. This study used generalized additive models (GAMs) fitted to Taiwanese longline fishery data from 1990 to 2009 and investigated the association between environmental variables and catch rates to identify the processes influencing bigeye tuna distribution in the Atlantic Ocean. The present findings reveal that the year (temporal factor), latitude and longitude (spatial factors), and major regular longline target species of albacore catches are significant for the standardization of bigeye tuna catch rates in the Atlantic Ocean. The standardized catch rates and distribution of bigeye tuna were found to be related to environmental and climatic variation. The model selection processes showed that the selected GAMs explained 70% of the cumulative deviance in the entire Atlantic Ocean. Regarding environmental factors, the depth of the 20 degree isotherm (D20) substantially contributed to the explained deviance; other important factors were sea surface temperature (SST) and sea surface height deviation (SSHD). The potential fishing grounds were observed with SSTs of 22–28°C, a D20 shallower than 150 m and negative SSHDs in the Atlantic Ocean. The higher predicted catch rates were increased in the positive northern tropical Atlantic and negative North Atlantic Oscillation events with a higher SST and shallow D20, suggesting that climatic oscillations affect the population abundance and distribution of bigeye tuna.     

印度洋中南部水域金枪鱼延绳钓钓钩钩型对钓获对象的选择性

基于2008年9月至2009年4月在印度洋中南部水域金枪鱼延绳钓渔场收集的数据,研究分析和比较了3种钓钩钩型(传统金枪鱼钩、“J”形钩和圆形钩)的渔获效益及对钓捕对象的选择性。结果表明:(1) 从渔获种类上看,大眼金枪鱼和大青鲨金枪鱼钩钓获比例最高,“J”形钩和圆形钩的钓获比例相当;而长鳍金枪鱼则为金枪鱼钩钓获比例最高,其次为“J”形钩和圆形钩。(2) 大眼金枪鱼存活率以金枪鱼钩最高,“J”形钩最低;长鳍金枪鱼则为“J”形钩稍高于圆形钩,金枪鱼钩最低;大青鲨则以圆形钩最高,“J”形钩最低。(3) “J”形钩钓获的长鳍金枪鱼和鲨鱼平均叉长较金枪鱼钩和圆形钩稍大;而金枪鱼钩钓获的大眼金枪鱼平均叉长较圆形钩和“J”形钩稍大。(4) 3种钩型钓获的长鳍金枪鱼、大眼金枪鱼和大青鲨叉长分布均不存在显著性差异。     

基于集成学习的大西洋热带水域大眼金枪鱼渔情预报

为提高大西洋大眼金枪鱼渔场预报模型的准确率,实验利用13艘中国延绳钓渔船2013—2019年的渔捞日志数据和对应的海洋环境数据(海表面风速、叶绿素a浓度、涡动能、混合层深度和0～500 m水层的垂直温度、盐度和溶解氧等),以天为时间分辨率、2°×2°为空间分辨率、以数据集的75%为训练数据建立了K最近邻(KNN)、逻辑斯蒂回归(LR)、分类与回归树(CART)、支持向量机(SVM)、人工神经网络(ANN)、随机森林(RF)、梯度提升决策树(GBDT)和Stacking集成(STK)渔情预报模型,以25%的测试数据进行模型性能测试、比较。结果显示,(1) STK (由KNN、RF、GBDT模型集成)模型的大眼金枪鱼渔场预报性能较KNN、LR、CART、SVM、ANN、RF和GBDT模型有所提高且相对稳定,上述模型对应的准确率和ROC曲线下面积(AUC)依次分别为81.62%、0.781,79.44%、0.778,72.81%、0.685,74.84%、0.717,73.67%、0.702,67.70%、0.500,80.96%、0.780和78.13%、0.747;(2) STK模型预测...     

Relationships between CPUE fluctuation of southern bluefin tuna and ocean temperature variability in the Central Indian Ocean

In this study, catch and effort data of southern bluefin tuna (SBT) from Taiwan longliners operating in the Central Indian Ocean (CIO) during 1982 to 2003 were compiled and their catch per unit effort (CPUE) was standardized using the generalized linear model (GLM). The GLM includes factors such as year, season, by-catch, latitude, sea surface temperature (SST) and the interactive effects among factors. The standardized CPUE and its relationship with SST fluctuation were then analyzed to understand the effects of fishing ground SST variations on CPUE of SBT, as well as their connection to El Niño-Southern Oscillation (ENSO) events. The standardized CPUE in the CIO seemed to oscillate with the sea surface temperature anomalies (SSTA) between 30 and 50°S where SSTA fluctuations were prolonged and slower than the ENSO cycle. It is then very likely that fishing conditions at the CIO fishing ground were influenced by the expansion of the cold water mass from the Southern Ocean, and the colder SST is beneficial to increasing SBT catch rate.     

Population structure of bigeye tuna (Thunnus obesus) in the Indian Ocean inferred from mitochondrial DNA

Population structure of bigeye tuna (Thunnus obesus) in the Indian Ocean, Western Pacific Ocean and Eastern Atlantic Ocean were investigated using mitochondrial (mt) DNA sequence data. A total of 380 specimens were sampled from four regions in the Indian Ocean (Cocos Islands, Southeastern Indian Ocean, Southwestern Indian Ocean and Seychelles), and one region each from the Atlantic (Guinea) and the Western Pacific Oceans, respectively. The reconstructed neighbor-joining phylogeny based on the first hypervariable region (HVR-1) of the mitochondrial control region sequence data showed that haplotypes from the Indian and the Western Pacific Oceans could be grouped into two clades (Clades I and III), whereas in the Atlantic Ocean, two divergent clades (Clades I and II) coexisted. A single stock of bigeye tuna in the Indian Ocean was supported by hierarchical AMOVA tests and pairwise Φ_ST analyses. Clade I was the dominant population in the Indian and the Western Pacific Oceans which consisted of more than 96% of the specimens and Clade II was a specific group exclusively restricted to the Atlantic Ocean which made up 77% of its specimens. A new minor Clade, Clade III was discovered in the Indian and the Western Pacific Ocean. Overall, these analyses indicated that bigeye tuna of the Indian Ocean constituted a single panmictic population.     

应用贝叶斯状态空间剩余产量模型框架评估印度洋大眼金枪鱼的资源状况

根据1950―2016年的渔获量数据及1955―2016年的单位捕捞努力量(Catch Per Unit Effort,CPUE)数据,采用贝叶斯状态空间剩余产量模型框架JABBA(Just Another Bayesian Biomass Assessment)对印度洋大眼金枪鱼(Thunnus obesus)的资源状况进行评估,分析了渔船效应、CPUE数据尺度对评估结果的影响。结果表明,模型拟合效果对于不同时间跨度下CPUE数据的选择比较敏感。当选用时间跨度为1979―2016年的CPUE数据且考虑渔船效应时,模型拟合效果最好。2016年大眼金枪鱼的资源量为812 kt,最大可持续产量(Maximum Sustainable Yield,MSY)为163 kt,远高于同年渔获量86.81 kt,其资源量具有82.50%的概率处于"健康"状态。当总允许可捕量为69.45～104.17 kt时(2016年渔获量的80%～120%),未来10年大眼金枪鱼的资源量仍高于B_(MSY)(达到MSY所需的生物量)。回顾性分析结果表明,该资源评估结果存在一定程度的回顾性问题,捕捞死亡率和资源量分别存在被低估和高估的现象。将来需要在模型结构设定、CPUE数据选择及模型参数的先验分布设置等方面进一步优化。     

大眼金枪鱼渔场与环境关系的研究进展

大眼金枪鱼是金枪鱼远洋渔业的主要捕捞对象。本文从大眼金枪鱼适宜环境因子、大眼金枪鱼渔场变动、资源丰度及其与环境因子间关系的研究方法等几方面总结了大眼金枪鱼渔场与环境关系的研究进展。大眼金枪鱼种群资源丰度的指标主要是CPUE和标准化后的CPUE,CPUE标准化的方法主要是GLM模型和GLM/HBM模型;目前,分析大眼金枪鱼资源变化与环境间关系的研究方法主要有聚类分析法、G IS软件定性分析法和栖息地指数模型。其中,聚类分析适用于研究大眼金枪鱼的渔场变动,包括系统聚类分析法、动态聚类分析法和灰色星座分析法,利用G IS软件定性分析适用于分析单个环境因子对渔场产生的影响;而栖息地指数模型能综合多个环境因子,分析它们共同对渔场产生的影响。     

中国金枪鱼围网船队大眼金枪鱼渔获物的特征变化与人工集鱼装置禁渔期的关系

研究了2012-2015年中国金枪鱼围网船队大眼金枪鱼(Thunnus obesus)渔获物的特征变化与人工集鱼装置(fish aggregation devices,FAD)禁渔期的关系,文章收集了2012-2015年中国大陆金枪鱼围网船队在中西太平洋的渔捞日志数据,对随附鱼群捕捞努力量与小体大眼金枪鱼和大体大眼金枪鱼的船均产量进行分析比较。结果显示:1)从2013年开始,对随附鱼群投网的次数占总投网次数的比例有所降低,均不超过50%;2)K-S检验显示研究期内禁渔期前后的船均随附鱼群网次存在显著差异(P0.05);3)2013-2015年大眼金枪鱼渔获量的平均水平明显低于2012年;4)从2013年开始,禁渔期结束后的第一个月(即11月)的船均产量都发生猛增;5)从捕捞努力量与渔获量的相关性结果看,不论是小体大眼金枪鱼还是全部大眼金枪鱼,2013年和2014年两者都呈现出显著的强正相关关系(P0.05)。这些结果表明2012年以后中国船队对大眼金枪鱼幼鱼的兼捕水平有所下降,延长FAD禁渔期的管理措施对于保护大眼金枪鱼幼鱼在某些年份可能具有一定的效果。