一种中西太平洋鲣鱼围网渔业入渔的预测方法技术

一种中西太平洋鲣鱼围网渔业入渔的预测方法，采用预测年之前至前16年毎年的统计数据，包括区域为15°S‑15°N，125°E–180°E年、月、经度、纬度、捕捞努力量(投网次数)以及渔获量(吨)，Nino3.4区海表温度距平值(SSTA)和作业海域的海表面温度(SST)，其特征是以5°×5°空间分辨率为一个海区，将16年海区生产统计数据与对应的环境数据进行逐一匹配，获得每个海区不同的SSTA、SST范围与所对应的初值化捕捞努力量的关系，利用正态分布模型建立每个海区的入渔预测模型，为中西太平洋鲣鱼围网渔业的科学入渔提供了依据，大大减少捕捞的盲目性，提高了捕捞效率。

A Western Pacific bonito fishing into the Seine Fishery forecasting method

A Western Pacific bonito fishing into seine fishery forecasting method, using statistical data to predict years before 16 years before every year, including the area of 15 ~ S 15 ~ N, 125 ~ E, 180 ~ E, longitude, latitude, fishing effort (cast net number) and catch (), tons of Nino3.4 SST anomaly (SSTA) and sea surface temperature of the sea area (SST), which is characterized by 5 * 5 DEG spatial resolution of a sea area, the environmental data for 16 years in the production of statistical data with the corresponding one by one, get the relationship between SSTA, SST, and the initial value of the corresponding fishing effort of each different area, using the fishing prediction model of normal distribution model is established for each area, provide a basis for skipjack purse seine fishery in Western and Central Pacific Ocean Science into fishing, greatly reducing the blindness of fishing, the fishing efficiency is improved.

【技术实现步骤摘要】
一种中西太平洋鲣鱼围网渔业入渔的预测方法
本专利技术涉及中西太平洋鲣鱼围网渔业入渔的预测方法。
技术介绍
鲣鱼(Katsuwonuspelamis)在世界金枪鱼渔业中占有极其重要的地位，其中中西太平洋是重要作业海域。近年来，中西太平洋鲣鱼平均年产量超过150万吨，占世界鲣鱼产量的60％。研究表明，厄尔尼诺/拉尼娜事件与中西太平洋鲣鱼资源渔场分布关系密切，气候和海洋环境的变化会导致鲣鱼资源空间分布的变化。在中西太平洋海域共有12个国家和地区，仅有一小部分为公海海域，鲣鱼分布在12个国家和地区的管辖海域和公海海域。我国金枪鱼围网渔船通常通过买许可证的方式进入他国海域进行捕捞作业，许可作业按天数进行购买。目前，我国共有24艘金枪鱼围网渔船，年产量在10-15万吨。但是，由于鲣鱼渔场的年间和季节变化，以及南太平洋岛国入渔成本的增加，使得我国金枪鱼围网渔业发展面临着一些严峻的问题：(1)中长期金枪鱼资源和空间分布无法预测，导致对入渔国和渔获配额购置盲目性加大，从而影响金枪鱼围网渔业的整体效益；(2)南太平洋岛国实行作业天数限制，管理日趋严格，入渔成本也不断提高，导致作业效率和经济效益较低。为此，需要建立一种高精度的中西太平洋鲣鱼围网渔业入渔的预测方法，为我国金枪鱼围网渔船的科学入渔提供依据。
技术实现思路
本专利技术的目的是建立一种基于捕捞努力量的中西太平洋(区域为15°S-15°N，125°E–180°E)鲣鱼围网渔业入渔的预测模型，为我国金枪鱼围网渔船科学入渔和购置捕捞作业许可证、购买入渔天数提供依据。本专利技术的技术方案采用预测年之前至前16年毎年的统计数据，包括区域为15°S-15°N，125°E–180°E年、月、经度、纬度、捕捞努力量(单位为投网次数)以及渔获量(单位为吨)，Nino3.4区海表温度距平值(以SSTA表示)和作业海域的海表面温度(以SST表示)，其特征是以5°×5°空间分辨率为一个海区，将16年海区生产统计数据与对应的环境数据进行逐一匹配，获得每个海区不同的SSTA、SST范围与所对应的初值化捕捞努力量的关系，利用正态分布模型建立每个海区的入渔预测模型，入渔预测模型以捕捞努力量所占百分比来表达；所述捕捞努力量取投网网次来表征中心渔场，捕捞努力量初值化处理是将Nino3.4区的SSTA和作业海域的SST以0.5℃为间距，计算出每个海区对应不同Nino3.4区SSTA范围所占的百分比再将所得的百分比除以该海区内占比最大的值其中，Xj代表在j海区捕捞努力量的总量，Xi,j代表在j海区内i温度范围内捕捞努力量，Ni,j代表在j海区i温度范围内捕捞努力量所占的百分比；maxNi,j代表在j海区i温度范围内捕捞努力量所占的百分比的最大值；代表在j海区i温度范围内捕捞努力量的百分比占其百分比最大值的比值。本专利技术根据预测年之前至前16年中西太平洋鲣鱼围网捕捞渔业生产数据，利用捕捞努力量在空间分布上的变化规律，同时建立了捕捞努力量和Nino3.4区的SSTA以及作业海域的SST之间的关系，以正态模型的形式表现出了不同海洋环境情况下鲣鱼资源时空分布概率，为中西太平洋鲣鱼围网渔业的科学入渔提供了依据，大大减少捕捞的盲目性，提高了捕捞效率。附图说明图1为各纬度海区累计捕捞努力量分布图。图2为中西太平洋22个海区捕捞努力量所占百分比分布图。具体实施方式本方法选定区域为15°S-15°N，125°E–180°E，采用1995～2012年统计材料包括年、月、经度、纬度、捕捞努力量(以投网次数为指标)以及渔获量(单位为吨)，Nino3.4区海表温度距平值(SSTA)和作业海区的海表面温度(SST)，其中1995-2010年数据用于建立预测模型，2011-2012年数据预测预报验证。按纬度方向每5度统计纬度方向各海区累计捕捞努力量分布情况(图1)，其中5°S-5°N、125°E–180°E海域共计22个海区为最重要的作业海域，其投网次数约占总量的87.4％，因此以5°S-5°N、125°E–180°E海域的22个5°×5°海区为例说明具体实施方式(图2)。捕捞努力量可以作为表征中心渔场的指标。因此选取投网网次来表征中心渔场。首先对捕捞努力量进行初值化处理，将Nino3.4区的SSTA和作业海域的SST以0.5℃为间距，计算出每个海区对应不同Nino3.4区SSTA范围所占的百分比再将所得的百分比除以该海区内占比最大的值其中，Xj代表在j海区捕捞努力量的总量，Xi,j代表在j海区内i温度范围内捕捞努力量，Ni,j代表在j海区i温度范围内捕捞努力量所占的百分比；maxNi,j代表在j海区i温度范围内捕捞努力量所占的百分比的最大值；代表在j海区i温度范围内捕捞努力量的百分比占其百分比最大值的比值。将16年(1995-2010年)22个海区生产统计数据与对应的环境数据进行逐一匹配处理，分别统计每个海区不同的SSTA、SST范围与所对应的初值化捕捞努力量的关系，利用正态分布模型建立每个海区的入渔预测模型。入渔预测模型以捕捞努力量所占百分比来表达。根据建立中西太平洋鲣鱼渔业入渔的预测模型，利用2011年和2012年的生产数据进行验证，并对上述两类模型进行比较。通过预测值和实际值的相关系数R2值来比较模型的优劣。基于Nino3.4区的SSTA入渔预测模型分析表明，Nino3.4区的SSTA和22个海区的初值化捕捞努力量之间均呈正态分布，相关系数均在0.9以上(P<0.01)(表1)，且峰值均在-0.25℃-0.25℃之间。表1各个海区基于NINO3.4区SSTA的入渔预测模型表中：Y为投网次数的百分比，XSSTA为SSTA对应的温度区间作业海域的SST和22个海区的初值化捕捞努力量之间均呈正态分布，相关系数均在0.85以上(P<0.01)(表2)。作业渔场基本上分布在SST为27.5-30.5℃的海域，且峰值都SST为29-29.5℃的海域。表2各个海区基于作业海域SST的入渔预测模型表中：Y为投网次数的百分比，XSST为SST对应的温度区间入渔预测模型的验证，将2011年与2012年的Nino3.4区SSTA，以及各作业海域的SST分别各自代入入渔预测模型，获得的投网次数百分比的预报值，并与实际值进行比较。结果表明，2年的预报结果与实际统计值之间均存在显著相关关系(P均小于0.01)(表3)。表3预测值与实际值回归方程表中，X为投网次数的实际百分比，Y为投网次数的预测百分比从预测和实际预报的结果来看，排名第一的均一致(表4，表5)。在排名前三中，2011年和2012年预测值均有2个与实际值相同。排名前五中，2011年和2012年预测值中均有4个与实际值相同。排名前十中，2011年和2012年预测值分别有9个、8个与实际值相同。总体来看，预测值与实际结果有很强的一致性，总体的预报精度在80％以上。表42011年实际预报与预测预报结果比较(括号内为作业网次的百分比)表52012年实际预报与预测预报结果比较(括号内为作业网次的百分比)根据1995-2012年中西太平洋鲣鱼围网捕捞渔业生产数据，分析了其捕捞努力量在空间分布上的变化规律，同时建立了捕捞努力量和Nino3.4区SSTA，以及各作业海域SST的关系，以正态模型的形式本文档来自技高网...

【技术保护点】
一种中西太平洋鲣鱼围网渔业入渔的预测方法，采用预测年之前至前16年毎年的统计数据，包括区域为15°S‑15°N，125°E–180°E年、月、经度、纬度、捕捞努力量即投网次数以及渔获量(吨)，Nino3.4区海表温度距平值(SSTA)和作业海域的海表面温度(SST)，其特征是以5°×5°空间分辨率为一个海区，将16年海区生产统计数据与对应的环境数据进行逐一匹配，获得每个海区不同的SSTA、SST范围与所对应的初值化捕捞努力量的关系，利用正态分布模型建立每个海区的入渔预测模型；入渔预测模型以捕捞努力量所占百分比来表达；所述捕捞努力量取投网网次来表征中心渔场，捕捞努力量初值化处理是将Nino3.4区的SSTA和作业海域的SST以0.5℃为间距，计算出每个海区对应不同Nino3.4区的SSTA范围所占的百分比

【技术特征摘要】
1.一种中西太平洋鲣鱼围网渔业入渔的预测方法，采用预测年之前至前16年毎年的统计数据，包括区域为15°S-15°N，125°E–180°E年、月、经度、纬度、捕捞努力量即投网次数以及渔获量(吨)，Nino3.4区海表温度距平值(SSTA)和作业海域的海表面温度(SST)，其特征是以5°×5°空间分辨率为一个海区，将16年海区生产统计数据与对应的环境数据进行逐一匹配，获得每个海区不同的SSTA、SST范围与所对应的初值化捕捞努力量的关系，利用正态分布模型建立每个海区的入渔预测模型；入渔预测模型以捕捞努力量所占百分...

【专利技术属性】
技术研发人员：陈新军，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