基于自动机器学习的黄、渤、东海蓝点马鲛渔场丰度指数研究

蓝点马鲛(Scomberomorus niphonius)是中国近海重要的大型中上层经济鱼类, 精准预测蓝点马鲛渔场分布对渔业资源评估与管理有重要意义。本研究利用蓝点马鲛捕捞数据与卫星遥感海表温度(sea surface temperature, SST) 和海表叶绿素浓度(chlorophyll-a concertation, Chl a)数据, 构建了基于自动机器学习的蓝点马鲛 CPUE 预测模型, 通过与 XGBoost 模型、随机森林模型和广义加性模型(generalized addictive models, GAM)对比, 自动机器学习模型的确定系数(coefficient of determination, R² )分别提高了 51%、107%和 117%, 均方根误差(root mean squard error, RMSE)分别降低了 15%、28%和 32%。通过模型预测的蓝点马鲛 CPUE, 开发了渔场丰度指数, 分析了渔场丰度时空变动规律。结果显示: 蓝点马鲛渔场丰度高值区在春季由于受到 SST 的影响较大, 呈现向北及向近岸移动的趋势, 这种现象与蓝点马鲛索饵及产卵洄游路线一致; 同时, 蓝点马鲛渔场丰度高值区纬度重心的北移, 也与气候变暖影响下蓝点马鲛索饵和产卵的适宜温度区变动有关。通过气候事件指数分析发现, Ni?o 3.4 指数与蓝点马鲛渔场丰度高值区面积呈显著相关。结合 RCP2.6、RCP4.5、RCP6.0、RCP8.5 4 种情景, 分别预测了 2100 年蓝点马鲛的 CPUE 分布变动, 发现随着全球变暖, 蓝点马鲛 CPUE高值产区北移, 并相比 2010—2015年蓝点马鲛 CPUE预测平均值, 4 种 RCP 情景下分别上升了 0.1、2.2、2.41 和 17.3 kg/h。本研究结果可为中国近海经济鱼种的渔情预报研究提供参考。