一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法技术

本发明专利技术提供了一种基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，所述方法包括如下步骤：CPUE标准化、获取环境数据、建立模型、模型拟合诊断、模型验证、模型预测。通过本发明专利技术的方法，能准确的预测大洋性鱿鱼适宜栖息地/索饵场，从而为渔业工作带来巨大的收获。

【技术实现步骤摘要】
一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法
本专利技术涉及栖息地预测方法，更具体地，涉及基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法。
技术介绍
栖息地/索饵场，是指鱼类和虾类等群集摄食的水域,该水域有机质和营养盐类丰富，饵料生物繁生，鱼类常群集进入索饵、生长、育肥。索饵场是渔业生产的良好作业区。近年来，统计回归模型被广泛应用于鱼类的栖息地的预测及与环境关系的分析的研究中。GAM模型首先由Hastie和Tibshirani(1990)提出，是最常见的回归模型。国外学者Swartzman等(1992、1994、1995)、Maravelias等(1997)较早地将GAM模型应用到渔业资源的研究中。近年来，国内学者也开始将GAM模型应用到渔业资源与环境关系的研究中。研究认为，GAM模型因其灵活性，要比其它线性和非线性模型更适合用来研究鱼类分布与海洋环境的关系。Two-stageGAM模型作为GAM的扩展，它分两步对渔业资源进行分析，首先分析哪里有或者没有渔业资源的分布，其次再分析有资源分布的地方分布密度是多少。该方法的优点在于能够在建模过程中保留渔业生产中产量为零的数据，因此增加了分析的准确性。
技术实现思路
(一)要解决的技术问题本专利技术旨在提供一种预测大洋性鱿鱼适宜栖息地方法，为大洋性鱿鱼适宜栖息地的预测开辟了新方法。(二)技术方案本专利技术提供了一种基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，包括如下步骤：S10：单位捕捞努力量渔获量CPUE进行标准化；S20：获取环境数据，因子进行相关性分析，对相关性高于0.8的因子，两者当中只选择一个因子放入模型中计算；S30：建立模型(1)GAM1利用二项式分布的逻辑连接方程估算茎柔鱼存在的概率(p)，(2)GAM2利用高斯分布估算取对数后的茎柔鱼CPUE(y)，(3)最后取对数的综合CPUE(D)等于GAM1和GAM2两者所得概率相乘；S40：模型拟合诊断，包括：(1)残差数据点的正太Q-Q图，以评价模型假设的残差结构是否服从正太分布，(2)标准化残差与拟合值的散点图，以评估模型是否发生误解，(3)观测值与预测值的散点图，以量化评估解释变量是否减少数据中的方差；S50：模型验证，GAMs估算的结果用来预测各捕捞地点的茎柔鱼的丰度，预测的茎柔鱼丰度D′与观察丰度D回归方程如下：ln(D)＝a+b×ln(D′)式中：系数a代表系统误差，系数b越接近1表示预测值与观察越接近，预测越准确，系数检验采用two-tailtest，H0:a＝0，H0:b＝1；S60：模型预测：为了预测适合的栖息地，将生产海区的环境数据带入所建立的GAMs模型，以此生成对应的丰度值，然后绘图。进一步地，在S10中，CPUE计算公式如下：式中：∑Catch为0.5°×0.5°范围内所有渔船的产量，∑Fishingdays为0.5°×0.5°范围内所有渔船的总作业天数。进一步地，在S20中，所述环境数据包括海表温度和海表面高度。进一步地，在S30中，GAM1和GAM2计算方程如下：GAM1:logit(p)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，GAM2:ln(y)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，ln(D)＝p*ln(y)，式中：Lon为经度(°)，Lat为纬度(°)，SST为表温(℃)，SSH为海面高度(cm)，Chla为叶绿素a浓度(mg/m3)，Inter为交互相，s为平滑函数。进一步地，在S60中，利用Marineexplore4.0软件绘图。优选地，所述鱿鱼类为茎柔鱼。(三)技术效果通过本专利技术的方法，能准确的预测大洋性鱿鱼适宜栖息地/索饵场，从而为渔业工作带来巨大的收获。附图说明图1环境因子间相关性分析。图2春季(A)、夏季(B)、秋季(C)、冬季(D)茎柔鱼CPUE拟合优度的Q-Q诊断图。图3春季(A)、夏季(B)、秋季(C)、冬季(D)茎柔鱼CPUE拟合优度的残差与期望值关系图。图4春季(A)、夏季(B)、秋季(C)、冬季(D)茎柔鱼CPUE拟合优度的观察值与期望值关系图。图5春季索饵场各空间和环境要素对CPUE的相对效应(虚线为95％置信区间，横轴内侧刻度表示数据点相对密度)。图6夏季索饵场各空间和环境要素对CPUE的相对效应(虚线为95％置信区间，横轴内侧刻度表示数据点相对密度)。图7秋季索饵场各空间和环境要素对CPUE的相对效应(虚线为95％置信区间，横轴内侧刻度表示数据点相对密度)。图8冬季索饵场各空间和环境要素对CPUE的相对效应(虚线为95％置信区间，横轴内侧刻度表示数据点相对密度)。图9预测2006～2010年春季、夏季、秋季和冬季东南太平洋茎柔鱼CPUE分布。具体实施方式下面结合具体实施例对本专利技术进一步说明。实施例中所用试剂和设备均为本领域技术人员熟知，且均为市场上能够购买到或容易获得或制得。渔业生产数据获取2006～2010年东南太平洋74°～86°W、8°～30°S海域茎柔鱼鱿钓生产数据由上海海洋大学鱿钓技术组提供，包括生产日期、经度、纬度、产量、作业船数和平均日产量。其时间分辨率为天，空间分辨率为0.5°×0.5°。单位捕捞努力量渔获量(catchperuniteffort,CPUE)计算公式如下：式中：∑Catch为0.5°×0.5°范围内所有渔船的产量，∑Fishingdays为0.5°×0.5°范围内所有渔船的总作业天数。环境数据获取茎柔鱼洄游特性明显，其资源量会发生季节性变化，从而呈现季节性分布，因此本研究按春、夏、秋、冬4个季节研究其分布与主要环境因子的关系。海表温度(seasurfacetemperature,SST)和海表面高度(seasurfaceheight,SSH)是影响茎柔鱼空间分布的重要指标。此外，叶绿素a(chlorophylla,Chla)代表初级生产力的高低，其含量高的直接影响茎柔鱼幼鱼的丰度，进而影响成鱼的补充量。环境数据取自http://oceanwatch.pifsc.noaa.gov/las/servlets/dataset:SST时间分辨率为周，空间分辨率0.1°×0.1°；SSH时间分辨率为周，空间分辨率为0.3°×0.3°；Chla时间分辨率为周，空间分辨率为0.05°×0.05°。为了与生产数据相匹配，环境数据按年、月、天的时间分辨率，0.5°×0.5°空间分辨率进行整合。索饵场推测(1)模型建立采用two-stageGAM模型(2-stageGeneralizedAdditiveModels)预测和分析春、夏、秋、冬4个季节的茎柔鱼的分布。GAM1利用二项式分布的逻辑连接方程估算茎柔鱼存在的概率(p)，GAM2利用高斯分布估算取对数后的茎柔鱼CPUE(y)。最后取对数的综合CPUE(D)等于GAM1和GAM2两者所得概率相乘。GAM1和GAM2计算方程如下：GAM1:logit(p)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，GAM2:ln(y)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chl本文档来自技高网...

【技术保护点】
1.一种基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，包括如下步骤：S10：单位捕捞努力量渔获量CPUE进行标准化；S20：获取环境数据，因子进行相关性分析，对相关性高于0.8的因子，两者当中只选择一个因子放入模型中计算；S30：建立模型(1)GAM1利用二项式分布的逻辑连接方程估算茎柔鱼存在的概率(p)，(2)GAM2利用高斯分布估算取对数后的茎柔鱼CPUE(y)，(3)最后取对数的综合CPUE(D)等于GAM1和GAM2两者所得概率相乘；S40：模型拟合诊断，包括：(1)残差数据点的正太Q‑Q图，以评价模型假设的残差结构是否服从正太分布，(2)标准化残差与拟合值的散点图，以评估模型是否发生误解，(3)观测值与预测值的散点图，以量化评估解释变量是否减少数据中的方差；S50：模型验证，GAMs估算的结果用来预测各捕捞地点的茎柔鱼的丰度，预测的茎柔鱼丰度D′与观察丰度D回归方程如下：ln(D)＝a+b×ln(D′)式中：系数a代表系统误差，系数b越接近1表示预测值与观察越接近，预测越准确，系数检验采用two‑tail test，H0:a＝0，H0:b＝1；S60：模型预测：为了预测适合的栖息地，将生产海区的环境数据带入所建立的GAMs模型，以此生成对应的丰度值，然后绘图。...

【技术特征摘要】
1.一种基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，包括如下步骤：S10：单位捕捞努力量渔获量CPUE进行标准化；S20：获取环境数据，因子进行相关性分析，对相关性高于0.8的因子，两者当中只选择一个因子放入模型中计算；S30：建立模型(1)GAM1利用二项式分布的逻辑连接方程估算茎柔鱼存在的概率(p)，(2)GAM2利用高斯分布估算取对数后的茎柔鱼CPUE(y)，(3)最后取对数的综合CPUE(D)等于GAM1和GAM2两者所得概率相乘；S40：模型拟合诊断，包括：(1)残差数据点的正太Q-Q图，以评价模型假设的残差结构是否服从正太分布，(2)标准化残差与拟合值的散点图，以评估模型是否发生误解，(3)观测值与预测值的散点图，以量化评估解释变量是否减少数据中的方差；S50：模型验证，GAMs估算的结果用来预测各捕捞地点的茎柔鱼的丰度，预测的茎柔鱼丰度D′与观察丰度D回归方程如下：ln(D)＝a+b×ln(D′)式中：系数a代表系统误差，系数b越接近1表示预测值与观察越接近，预测越准确，系数检验采用two-tailtest，H0:a＝0，H0:b＝1；S60：模型预测：为了预测适合的栖息地，将生产海区的环境数据带入所建立的GAMs模型，以此生成对应的丰度值，然后绘图。2.根据权利要求1所述的基于两步加性模型的大...

【专利技术属性】
技术研发人员：刘必林，陈新军，马金，李建华，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海,31