一种中西太平洋鲣鱼中心渔场预报方法技术

一种中西太平洋鲣鱼中心渔场预报方法，其特征在于，包括以下步骤：(1)收集连续14年1‑12月各月的海表温度(SST)、海面高度(SSH)、和叶绿素浓度(CHL)；(2)利用SST数据计算各月的海表温度梯度(GSST)；(3)利用BP神经网络构建6‑10‑1的神经网络预报模型，输入因子为6个，包括经度、纬度、SST、SSH、CHL、GSST，隐含层为1层、节点为10个，输出层为1个，为单位网次产量，单位为t/网次；(4)将所得到6个影响因素，即经度、纬度、SST、SSH、CHL、GSST，输入神经网络模型进行中西北太平洋鲣鱼中心渔场预报。本方法用以供渔业生产与安排的科学参考。

【技术实现步骤摘要】
一种中西太平洋鲣鱼中心渔场预报方法
本专利技术涉及一种渔情预报方法，特别是涉及一种中西太平洋海域的鲣鱼中心渔场预报方法。
技术介绍
鲣鱼(Katsywonuspelamis)广泛分布于三大洋中低纬度海域，其中中西太平洋为主要分布海域。近年来，中西太平洋的鲣鱼年产量平均在150万吨左右，约占世界鲣鱼总产量的60％以上。捕捞鲣鱼的主要方式为围网、竿钓等，其中围网作业最为重要。金枪鱼围网渔业是一项利用巨大网片捕捞密集于中表层鲣鱼资源的主动性渔具，所使用的网具长度超过2000米，下网深度可达到300米，是一种瞄准性的捕捞方法。在金枪鱼围网作业中，寻找鱼群是围网作业中最为关键的步骤，也是捕捞作业的第一步，根据美国金枪鱼围网作业统计，通常寻找中心渔场和鱼群的时间约占总作业时间的75－80％，因此，如何准确寻找中心渔场是金枪鱼围网生产中极为重要的内容。研究认为，中西太平洋鲣鱼与海洋环境关系密切，如南方涛动ENSO、水温等波动均能显著影响鲣鱼渔场分布。Hampton等(1999)研究认为，鲣鱼资源波动、渔场分布变化不论在季节还是在年间都非常明显；标志放流结果表明，鲣鱼会随厄尔尼诺－南方涛动(ENSO)现象的发生而产生相应迁移，这表明鲣鱼对水温的敏感性非常强烈(Hampton，1997)；Lehodey等(1997)对金枪鱼围网渔业受ENSO的影响作了分析，认为ENSO现象会引起鲣鱼渔场的移动，已证实当厄尔尼诺现象发生时，鲣鱼鱼群会往东迁移；反之，当拉尼娜现象发生时，则会向西迁移，两者间的东西距离可达4000km。这一现象是Lehodey等(1997)根据1988－1995年美国鲣鱼围网船在西赤道太平洋捕捞作业数据分析得出的。同时，Lehodey等(1997)还证实了鲣鱼中心渔场位置会随着29℃暖池边缘在经度线的变化而移动。在渔情预报服务系统方面，目前国内外金枪鱼围网渔船通常使用法国CATSAT(凯撒)渔业遥感系统，该系统能够提供近实时的水温、叶绿素、海面高度以及不同水层水温状况，为金枪鱼围网渔船提供了海洋环境信息保障。但是，该系统无法提供鲣鱼渔场预报分析。随着中西太平洋鲣鱼资源的进一步开发和利用，南太平洋岛国已加强对鲣鱼等金枪鱼资源的管理和有效控制，除实施配额管理制度外，还实行了更为严格的作业天数限制等措施，这对金枪鱼围网渔船来说是一个严重考验和挑战。科学准确寻找中心渔场成为一个重要的课题。然后，传统渔场预报方法，如频度分布、栖息地指数等方法，进行中心渔场预报的精度通常在70％左右，
技术实现思路
本专利技术提供一种利用海洋遥感获得海域的海表温度、海面高度、叶绿素浓度数据，计算海表温度梯度数据，构建6-10-1的神经网络模型预测中西太平洋鲣鱼中心渔场的方法以满足需求。本专利技术的技术方案如下：一种中西太平洋鲣鱼中心渔场预报方法，其特征在于，包括以下步骤：(1)收集连续14年1-12月各月的海表温度(SST)、海面高度(SSH)、和叶绿素浓度(CHL)；(2)利用SST数据计算各月的海表温度梯度(GSST)；(3)利用BP神经网络构建6-10-1的神经网络预报模型，输入因子为6个，包括经度、纬度、SST、SSH、CHL、GSST，隐含层为1层、节点为10个，输出层为1个，为单位网次产量，单位为t/网次；(4)将所得到6个影响因素，即经度、纬度、SST、SSH、CHL、GSST，输入神经网络模型进行中西北太平洋鲣鱼中心渔场预报。本专利技术的有益效果是：本神经网络6-10-1的预报模型可以解释鲣鱼中心渔场变化的86％以上，比传统预报方法的预报精度(70-75％)提高10％以上。中心太平洋鲣鱼中心渔场的预报结果及时提供给用户及相关部门，以供渔业生产与安排的科学参考，今后可作为一种产品进行实时发布。具体实施方式中西太平洋鲣鱼为中上层鱼类，其中心渔场的形成与海洋环境有密切的关系。适宜的海洋环境条件下易形成鲣鱼集群。鲣鱼的渔场广泛，本预报模型适用的海域范围为120°－180°E、10S°－10°N。一种中西太平洋鲣鱼中心渔场预报方法，其特征在于，包括以下步骤：(1)收集1997-2010年间1-12月各月的海表温度(SST)、海面高度(SSH)、和叶绿素浓度(CHL)；(2)利用SST数据计算海表温度梯度(GSST)；(3)利用BP神经网络构建6-10-1的神经网络预报模型；(4)将所得到6个影响因素，即经度、纬度、SST、SSH、CHL、GSST，输入神经网络模型进行中西太平洋鲣鱼中心渔场预报。本方法比传统预报方法的预报精度提高10％以上。本文档来自技高网...

【技术保护点】
一种中西太平洋鲣鱼中心渔场预报方法，其特征在于，包括以下步骤：(1)收集连续14年1‑12月各月的海表温度(SST)、海面高度(SSH)、和叶绿素浓度(CHL)；(2)利用SST数据计算各月的海表温度梯度(GSST)；(3)利用BP神经网络构建6‑10‑1的神经网络预报模型，输入因子为6个，包括经度、纬度、SST、SSH、CHL、GSST，隐含层为1层、节点为10个，输出层为1个，为单位网次产量，单位为t/网次；(4)将所得到6个影响因素，即经度、纬度、SST、SSH、CHL、GSST，输入神经网络模型进行中西北太平洋鲣鱼中心渔场预报。

【技术特征摘要】
1.一种中西太平洋鲣鱼中心渔场预报方法，其特征在于，包括以下步骤：(1)收集连续14年1-12月各月的海表温度(SST)、海面高度(SSH)、和叶绿素浓度(CHL)；(2)利用SST数据计算各月的海表温度梯度(GSST)；(3)利用BP神经网络构建6-10-1的神经网络预报模型，输入因子为6个，包括经度、纬度、SST、SSH、CHL、G...

【专利技术属性】
技术研发人员：陈新军，汪金涛，陈洋洋，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海,31