以优化的BP神经网络模型为基础研究山东近海口虾蛄空间分布与环境因子的关系

BP神经网络模型作为一种常用的机器学习方法,被广泛应用于物种分布模型,以解析生物分布与环境因子的关系。与传统回归模型相比,该模型可以灵活处理变量间的非线性关系,但其结构复杂,在参数设置方面存在不确定性,从而影响模型的预测与应用。根据2016—2017年山东近海口虾蛄渔业资源调查与环境数据,利用BP神经网络模型构建口虾蛄资源分布模型,同时利用数据分组处理算法(group method of data handling, GMDH)、遗传算法(genetic algorithm, GA)和自适应算法(adaptive algorithm)分别对模型输入变量、初始权值和隐节点数目3方面进行优化,构建7种不同组合优化模型。结果显示,7种模型的优化效果存在明显差异,单方面和两方面组合优化模型预测性能基本保持一致;而三方面共同优化其均方根误差与残差平方和分别为0.35和1.94,较初始模型的0.52和2.40更小,且相关系数最大为0.45,表明模型优化效果最好。对比优化前后发现,口虾蛄资源密度随纬度和底层盐度变化趋势基本保持一致,而随底层温度的升高,口虾蛄资源密度存在较大差异。此外,最优模型较初始模型增加水深为关键环境因子,对口虾蛄的资源密度具有重要影响。本研究进一步开发了BP神经网络模型参数优化的方法,证明了参数优化对BP模型的预测性能具有重要影响,模型优化对于分析口虾蛄资源密度与环境因子的关系具有重要意义。     

山东近海春季口虾蛄空间分布与关键环境因子及生物学特性的关系

性别和年龄等生物学特征对口虾蛄(Oratosquilla oratoria)栖息地分布有重要影响。为探究口虾蛄空间分布与关键环境因子及生物学特性的关系, 本研究基于 2017 年 5 月山东近海底拖网调查数据, 对获得的口虾蛄样品依据性别和年龄划分, 将雌、雄和当年、非当年生口虾蛄相对生物量作为响应变量, 利用 BP 神经网络模型研究口虾蛄的栖息地分布特征, 分析不同性别、年龄口虾蛄空间分布和关键环境因子的关系。结果表明, 春季雌、雄口虾蛄分布无明显差异, 均分布于近岸海域; 当年生口虾蛄在各调查站位均匀分布, 而非当年生口虾蛄更趋向于近岸集中分布。通过逐步法筛选出经度、表层温度、表层盐度和水深为关键环境因子, 对口虾蛄相对生物量有显著影响。 雌雄口虾蛄适宜栖息环境存在性别差异, 其中在经度 120.5°E~121.5°E 范围内, 雌性口虾蛄的适宜性高于雄性, 且对盐度的适宜性相对较高; 对低温和水深的适应范围雄性较雌性更好。非当年生口虾蛄对关键环境因子的变化更为敏感, 其中当年生对低经度的适宜性高于非当年生口虾蛄, 而对较高经度和较浅水深的适宜性较差。本研究通过对不同性别和年龄间的空间分布和关键环境因子的适宜性进行比较、分析, 揭示了除环境因素外口虾蛄自身生物学特征对其栖息地和资源量的影响, 旨为山东近海口虾蛄栖息地的保护和资源的合理利用提供参考。     

基于two-stageGAM的舟山渔场及邻近海域小黄鱼时空分布特征

根据 2016—2019 年春季(4 月)和秋季(11 月)在舟山渔场及邻近海域底拖网渔业资源调查数据, 分析了该海域小黄鱼 (Larimichthys polyactis)生物量资源密度的时空分布特征 , 运用两阶广义相加模型 (two-stage GAM, generalized additive model)研究了影响其时空分布的环境因子。结果表明, 小黄鱼资源密度呈现明显的季节变化, 春季明显高于秋季; 影响该海域小黄鱼资源密度的因子主要是季节、水深和底层水温, 小黄鱼主要分布于 19~66 m 水深及 11~22 ℃范围内。随着水深的增加小黄鱼资源密度呈上升趋势, 在 60 m 水深附近资源密度最高; 在 16~20 ℃ 资源密度呈下降趋势, 12~16 ℃范围内资源密度较高。本研究揭示了该海域水深和底层水温的季节变化对小黄鱼资源密度分布的影响, 旨在为深入了解其空间分布、资源量化管理等措施提供基础资料。     

北部湾带鱼空间聚散变化特征

本研究利用 2006―2018 年北部湾底拖网渔业资源调查的带鱼(Trichiurus haumela)资源密度数据, 通过标准差椭圆(standard deviational ellipse, SDE)分析带鱼空间分布格局, 利用广义可加模型(generalized additive model, GAM)研究带鱼资源密度与环境因子叶绿素 a (Chl-a)、海表水温异常值、水深、离岸距离、经度和纬度的关系, 为北部湾带鱼资源的可持续利用和保护提供科技支撑。研究结果显示, 北部湾带鱼资源密度分布呈逐年集聚现象, 渔场分布方向受海底地貌影响呈现西南–东北向, 夏季资源密度重心呈西南–东北向移动, 冬季资源密度重心呈南–北向移动, 且冬季带鱼资源密度重心较夏季更偏东北向; 春、秋季为带鱼主要的产卵季节, 其资源密度重心位于夏、冬季带鱼渔场中部。研究表明北部湾带鱼资源密度的逐年下降是导致其空间分布逐渐集聚的主要原因。Chl-a 对带鱼资源密度和空间分布均有影响, 水深、经度和海表水温异常值对带鱼资源密度有影响, 但对其空间分布无直接影响。     

春、夏季浙江南部近海日本鲭资源分布特征及其环境影响因子

为探明海洋环境因子对日本鲭资源分布的影响,基于2016、2019、2020年5月和8月浙江南部近海海域渔业资源和水文环境调查数据以及卫星遥感数据,利用两阶段广义加性模型研究春、夏季日本鲭资源分布与海洋环境因子之间的关系。结果显示,日本鲭资源密度的年际变化较大且存在明显的季节分布规律,春季近岸水域的资源密度大于外海水域,夏季与之相反。海水温度和盐度是影响日本鲭分布的重要因素,春季资源密度和水温呈线性正相关关系,与盐度存在非线性负相关关系;夏季,资源密度随着水温的增加呈先增后减的趋势,在29.3℃时达到最大值。研究结果表明,环境因子对春、夏季浙江南部近海海域日本鲭的出现概率以及资源密度具有重要影响。     

黄海大头鳕0龄幼体分布及其与环境因子的关系

大头鳕是广泛分布于太平洋北部沿岸海域的重要经济和生态种,研究其幼体的生物学特性和分布有助于了解大头鳕的种群动态。本实验根据2016年6月、8月、10月、12月在黄海进行的渔业资源和环境调查数据,研究了黄海大头鳕种群幼体的生长规律;并运用广义可加模型(GAM)方法,分析了该海域大头鳕幼体分布及其与环境因子的关系。结果显示,黄海大头鳕幼体为正异速增长,体质量增长较快,b值为3.316 1。黄海大头鳕0龄幼体主要在底层盐度31.7~33.3、底层水温6.6~12.1°C、深度35.8~87.2 m、底质为细粉砂或黏土质软泥底质的海域中生活。研究表明,大头鳕幼体分布的季节变化与黄海冷水团的季节演变过程具有同步性。对大头鳕幼体密度有显著影响的环境因子依次为底层水温、底质、底层盐度,而深度对大头鳕幼体密度的影响不显著。     

黄海南部和东海北部夏季小黄鱼幼鱼的空间分布研究

小黄鱼(Larimichthys polyactis)为我国近海生态系统中的重要经济种类，幼鱼补充群体的资源丰度和空间分布很大程度会影响小黄鱼总体种群动态，而幼鱼分布易受到环境因素影响而呈现一定的空间格局。为了解小黄鱼幼鱼的空间分布特征，基于2019年8月黄海南部和东海北部(30°30′N～35°00′N、120°00′E～127°00′E)小黄鱼幼鱼与环境调查数据，运用3种广义可加模型(generalized additive model, GAM):Tweedie-GAM、Delta Gamma-GAM和Delta Lognormal-GAM探究资源丰度与相关环境因子之间的关系。结果表明，从3种模型的拟合效果和预测能力看，Delta Gamma-GAM最优(均方根误差RMSE值为12 014.43,Pearson相关系数r值为0.461,Spearman秩相关系数ρ值为0.699)。小黄鱼的分布在空间上具有高度的集群性，集中分布范围在32°N～34°N、122°E～124°E的海域，并以此为中心向周围呈递减扩散分布。各环境因子中，小黄鱼幼鱼分布只与水深有显著性关联，表现为负相关的线...     

海州湾双斑蟳栖息分布特征与环境因子的关系

为了解双斑蟳栖息分布规律,实验根据2011—2016年多个季度航次在海州湾进行的渔业资源和环境调查数据,采用广义线性模型(GLM)、广义可加模型(GAM)以及随机森林3种物种分布模型(SDMs)方法,结合AIC(akaike information criterion)准则、累积偏差解释率和交叉检验等评判指标筛选和构建了双斑蟳栖息分布模型,并分析了环境因子对双斑蟳分布的影响。结果显示,3种模型在解释因子与响应变量间的关系上基本一致;其中GAM在模型拟合上具有优势,而随机森林的预测性能明显高于传统的GLM和GAM。双斑蟳相对渔获量在年份和月份间的变异性最为显著,两个因子的解释率分别在18%和3.8%以上。水深和表层盐度对双斑蟳资源分布的影响较大,均与双斑蟳相对丰度呈正相关关系;双斑蟳分布总体呈现冬季相对较高,夏季东北部海域高、西南部低的特点,与海州湾水深分布特点基本一致。本研究还根据FVCOM(finite-volume coasta ocean model)模拟环境数据,利用随机森林分布模型估计了双斑蟳在海州湾海域2011年各个季节的空间分布,为渔业资源的开发和保护提供依据。     

山东海域口虾蛄肥满度的时空变化及其影响因素

根据 2017 年冬、夏季在山东海域进行的底拖网调查数据, 分析了口虾蛄(Oratosquilla oratoria)肥满度的变化, 并应用 GAM 模型分析了肥满度与海洋环境因子、种群结构以及生物因素等 3 类因子之间的关系。研究表明, 山东海域口虾蛄评估肥满度接近 1.1, 冬季肥满度高于夏季, 在北部和东部海域肥满度较高, 南部近岸海域口虾蛄的肥满度较低。个体大小对于肥满度影响最大, 小个体的肥满度略大于大个体, 两个季节不同性别间肥满度差异较小。 夏季口虾蛄肥满度随种群密度的增加逐渐上升, 冬季种群密度对口虾蛄肥满度的影响不大。夏季温度和水深的变化对口虾蛄肥满度大小的影响较小, 冬季口虾蛄肥满度大小变化受温度、水深的影响较大。饵料生物对口虾蛄肥满度呈现出显著影响(P＜0.01)。口虾蛄肥满度的变化与其摄食、繁殖和越冬等生物学过程紧密相关。通过研究发现, 种群结构(种群密度、体长、性别)、环境因子(海水温度、水深、底质类型)和饵料生物对口虾蛄肥满度大小呈现显著影响(P＜0.01), 初步阐明了口虾蛄肥满度与种群结构、环境因子及生物因素之间的关系。     

山东南部近海秋、冬季星康吉鳗分布与环境因子的关系

根据2016年10月和2017年1月在山东半岛南部海域秋、冬2个航次获取的渔业资源与栖息环境调查数据,分析了星康吉鳗(Conger myriaster)的时空分布特征。运用广义可加模型研究了星康吉鳗数量分布与季节、水深、底层盐度和底层水温等影响因子间的关系。结果表明,该海域星康吉鳗的数量分布有明显的季节变化,秋季的渔获率高于冬季,且分布范围更广。星康吉鳗在近岸海域渔获率较高,分布相对均匀,远岸海域渔获率较低,分布不均匀。广义可加模型显示,对星康吉鳗分布影响显著的环境因子为水深和底层水温(P0.05),其中水深的影响最为明显。星康吉鳗渔获率随水深的增大呈现先增加后减少再增加的趋势,在水深30~40 m处渔获率较高。星康吉鳗渔获率随水温的升高呈现先增加再减少的趋势,最适水温约为10℃。山东南部近海星康吉鳗的空间分布与其洄游习性、黄海暖流的季节变化等引起的海洋环境因子的变动有关。     

基于有限混合模型的山东海域口虾蛄群体体长结构分析

个体大小是渔业资源种群的重要结构特征,一般研究中采用平均个体体长或平均体质量等分析指标,难以充分反应具有多年龄结构和个体生长速度差异的种群组成差异。为研究口虾蛄个体大小组成的时空变化,实验根据山东海域2016年10月和2017年1、5、8月的底拖网调查数据,应用有限混合模型分析了不同性别、不同时间、不同水深口虾蛄个体大小的频率分布特征。结果发现,除秋季外,山东海域口虾蛄均可区分为高、低两个年龄组,同时雌雄体长分布具有一定的差异。从冬季到夏季,雌性口虾蛄中低龄组个体比例先下降后上升,雄性口虾蛄低龄比例则逐渐下降。就不同水深而言,口虾蛄低龄组个体主要集中在近海海域,其比例由近海向远海逐渐减小。各年龄组的近远海分布表现出季节性差异,春季高龄口虾蛄在近海比例最大,由近海向远海比例逐渐减小;夏季高龄组口虾蛄在20～30 m水深比例最大;冬季高龄组口虾蛄比例则由近海向远海逐渐增加。有限混合模型能够较好地对口虾蛄的体长结构进行分析,解析口虾蛄不同年龄组在山东海域的时空分布,对于深入了解口虾蛄种群分布动态和科学的渔业管理具有重要意义。     

山东南部近海口虾蛄空间分布特征及其季节变化

为研究山东南部近海口虾蛄分布特征及其影响因素,根据2016年10月,2017年1月、5月、8月在该海域进行的底拖网调查,利用Moran’s I指数和分布重心法等分析方法,比较分析了2016—2017年4个季节口虾蛄空间分布特征及空间自相关性。结果发现,山东南部近海口虾蛄相对生物量各季节间差异明显,由高至低依次为夏季春季秋季冬季,其中口虾蛄春季相对生物量为0.75 kg/h,夏季相对生物量为3.02 kg/h,秋季相对生物量为0.65 kg/h,冬季相对生物量为0.22 kg/h。口虾蛄分布重心表现出明显的季节特征,春、夏季分布重心位于水深20～30 m,秋、冬季分布重心位于30～50 m。口虾蛄的分布在各季节均呈现显著空间正相关,Moran’ I指数由高至低依次为秋季(0.34)春季(0.30)夏季(0.28)冬季(0.16)。研究表明,不同季节口虾蛄分布重心的变化可能与其繁殖习性等生活史特征有关,而分布的空间聚集性可能与口虾蛄偏好淤泥质粉砂和砂-粉砂-黏土的底质环境相关。     

莱州湾口虾蛄的生物学特征与时空分布

根据2011年5月-2012年4月期间进行的9个航次(月份)的底拖网采样,研究了莱州湾水域口虾蛄的生物学特征、资源密度的时空分布以及环境因子的影响,以期为口虾蛄资源的利用和保护提供理论依据。结果显示,口虾蛄资源密度(生物量和个体数)月间变化为8月 >7月 >9月 >10月 >5月 >11月 >6月 >4月 >3月。口虾蛄体长范围为41~171 mm,平均体长5月最低(102 mm),7月最高(118 mm);体重范围为0.30~68.00 g,平均体重5月最低(13.64g),11月最高(17.67g)。雌、雄个体肥满度均以10月最高,分别为1.49和1.56,肥满度的月间变化趋势为5-7月下降,8-10月上升,11月以后再次下降。肥满度的性别差异不显著(P >0.05)。除5月雌体数量高于雄体外,其他月份雌、雄比均小于1。口虾蛄于5-7月(产卵期)主要分布在黄河口、龙口近岸等浅水区,8月开始向深水区迁移,9月至翌年3月主要分布在深水区,4月开始返回近岸水域。Pearson相关分析表明,口虾蛄个体数密度与海表温度相关性最高,其次是盐度、水深、浮游动物及其他渔获生物量,与底层溶解氧、浮游植物的相关性最低;口虾蛄平均个体重量在8-9月与水深分别呈极显著相关(P <0.001)和显著相关(P <0.005)关系,与其他渔获生物量在2011年7-8月及2012年4月呈显著相关(P <0.005),与其它环境因子的相关性在各月份均不显著(P >0.05)。     

Interannual variation in quantitative relationships among egg production and densities of larvae and juveniles of the Japanese mantis shrimp <Emphasis Type="Italic">Oratosquilla oratoria</Emphasis> in Tokyo Bay,Japan

To explore which lifestages affect the stock size of young-of-the-year mantis shrimp Oratosquilla oratoria in Tokyo Bay, Japan, we investigated interannual variations in the quantitative relationships among egg production, larval density, and juvenile density. We collected adult females, larvae, and juveniles during monthly field surveys from 2004 to 2007. The interannual trend for the juvenile density index differed from those for egg production and larval density; although indices of both egg production and larval density were high in 2004 and 2007, the juvenile density index was high only in 2007, suggesting high mortality during the pelagic larval stage or the early phase of the postsettlement juvenile stage in 2004. We found that larval settlement started at the end of August and peaked in October, although larvae from the early spawning season (May–June) should have settled in August or earlier. Juveniles were found throughout the bay except in areas where bottom hypoxia occurred, suggesting that hypoxia restricts the spatial distribution of juveniles. Our results suggest that mortality during the early life history fluctuates among years, probably because of changes in environmental conditions in the bay, resulting in interannual variation in the stock size of young-of-the-year juvenile O. oratoria.     

Spatial distribution pattern and physical – biological interactions in the larval notothenioid fish assemblages from the Bransfield Strait and adjacent waters

The Bransfield Strait and adjacent waters represent one of the most important areas of larval retention off the Antarctic Peninsula. The species composition of larval fish assemblages has been described in detail in previous surveys carried out in the area, but the role of environmental parameters influencing the spatial distribution of early life stages was poorly known. By applying generalized additive models and multivariate analyses, we evaluated the role of environmental variables in shaping the small‐scale distribution of larval fish and investigated the spatial structure of the larval assemblage. It consisted of a few dominant notothenioid species, such as Champsocephalus gunnari, Lepidonotothen squamifrons, Lepidonotothen larseni, Pleuragramma antarctica and Trematomus scotti, and several other rarely caught species. Sea water temperature, salinity and sampling depth were the most important factors determining the spatial distribution of fish with different relative contributions, together explaining more than 80% of total deviance observed. Species richness was mostly affected by salinity, probably due to the narrow range of salinity preference by the species. Cluster analysis of abundance and presence data identified six and five distinct groups, respectively, each of them with substantial contributions of single or rarely two species. Differences in reproductive strategies of adult populations and spatial distribution of early life stages driven by different larval behaviour in response to environmental factors contribute to maintaining a well‐structured larval fish assemblage, ensuring spatial and food niche partitioning.     

Modelling the oceanic habitats of two pelagic species using recreational fisheries data

Defining the oceanic habitats of migratory marine species is important for both single species and ecosystem‐based fisheries management, particularly when the distribution of these habitats vary temporally. This can be achieved using species distribution models that include physical environmental predictors. In the present study, species distribution models that describe the seasonal habitats of two pelagic fish (dolphinfish, Coryphaena hippurus and yellowtail kingfish, Seriola lalandi), are developed using 19 yr of presence‐only data from a recreational angler‐based catch‐and‐release fishing programme. A Poisson point process model within a generalized additive modelling framework was used to determine the species distributions off the east coast of Australia as a function of several oceanographic covariates. This modelling framework uses presence‐only data to determine the intensity of fish (fish km^?2), rather than a probability of fish presence. Sea surface temperature (SST), sea level anomaly, SST frontal index and eddy kinetic energy were significant environmental predictors for both dolphinfish and kingfish distributions. Models for both species indicate a greater fish intensity off the east Australian coast during summer and autumn in response to the regional oceanography, namely shelf incursions by the East Australian Current. This study provides a framework for using presence‐only recreational fisheries data to create species distribution models that can contribute to the future dynamic spatial management of pelagic fisheries.     

Impacts of changing spatial scales on CPUE–factor relationships of Ommastrephes bartramii in the northwest Pacific

The selection of spatial scales is of particular importance in modeling relationships between fishery abundance and its influencing factors, because these relationships are significantly affected by spatial scale. Here, we explore the spatial scale effects of catch per unit effort (CPUE)–factor relationships for Ommastrephes bartramii in the northwest Pacific. The original commercial fishery data and oceanographic factors were tessellated to 12 spatial scales from 5′ to 60′ with an interval of 5′. Under the original scale and 12 tessellated scales, we constructed the generalized additive models (GAMs) to model the relationships between the O. bartramii CPUE and the influencing factors, including Year, Month, Latitude (Lat), Longitude (Lon), sea surface salinity (SSS), sea surface temperature (SST), sea surface chlorophyll‐a (Chl‐a) concentration, and sea surface height (SSH). Our multi‐scale analysis showed that the relationships are sensitive to spatial scales. Among the factors, Year, Month, and SSS share quadratic polynomial scaling relations; Lat, SST, and Chl‐a illustrate power law scaling relations; Lon has a linear scaling relation; and SSH presents an exponential scaling relation. Considering the scale sensitivity of the factor sort‐order and the accumulation of explained residual deviance in GAM, we suggest 30′–45′ as the optimal range of spatial scales for analyzing the CPUE–factor relationships for O. bartramii. Our research improves understanding of the impacts of changing scales in fisheries and provides a potential method for the selection of a suitable spatial scale for fisheries analysis and resource surveying.     

鱼类栖息地模拟的比较研究—以东海鲐鱼为例

利用东海海域1997年10月、1998年3月、1999年7月和2000年1月鲐鱼渔获率及表层温度、盐度和初级生产力等环境因子数据,构建东海鲐鱼资源空间分布与环境因子间的一般线性模型(GLM)和广义加性模型(GAM),并将GLM和GAM模拟值的均值分别与实测值进行独立样本t检验及其误差分析.分析结果表明,GLM与GAM模型的独立样本t检验P值均大于0.05,因此两者都可模拟东海鲐鱼栖息地的空间分布.其中,GLM模型对鲐鱼渔获率空间分布趋势的模拟更为准确;而GAM模拟值对鲐鱼栖息地环境因子的变化比较敏感,能够解释更多空间数据的变化,因而GAM在分析鱼类栖息地与环境因子间关联程度或资源评估方面具有优势.