西北太平洋日本鳀鱼资源丰度预测方法技术

本发明专利技术公开一种西北太平洋日本鳀鱼资源丰度预测方法，将研究海域32°N‑41°N，130°E‑145°E按空间分辨率为1°×1°分为88个海区，每一海区设置一个SST站点；通过遥感卫星获取每一SST站点的SST数据；对1988‑2013年间4‑9月份每月每一SST站点的SST数据与次年日本鯷CPUE数据进行相关性分析，得到与次年日本鯷CPUE呈显著相关的SST站点所属月份；根据相关性分析结果，建立三种线性回归模型来预测日本鯷资源丰度；对以上三种模型进行验证，根据预测资源丰度与实际资源丰度的相对误差为检验标准，得出模型二的相对误差最低，由此选取模型二作为西北太平洋日本鳀鱼资源丰度预测方法。

The prediction method of the Pacific Northwest Japanese anchovy abundance

The invention discloses a Pacific Northwest Japanese anchovy abundance prediction method, the study area was 32 ~ N 41 ~ N, 130 ~ E 145 ~ E at a spatial resolution of 1 * 1 DEG is divided into 88 regions, each region to set up a SST site; for each SST site by remote sensing the SST satellite data; SST data of 1988 2013 years 4 month in September every SST site and the Japanese anchovy CPUE data were analyzed, and the following year by Japanese anchovy CPUE was significantly related to the SST site for the month; according to the results of correlation analysis, establish three linear regression model to predict the abundance of Japanese anchovy resources; to verify the above three models, according to the relative error of resource abundance and actual resource abundance prediction for the inspection standard, the relative error of model two is the lowest, the selection of model two as the Pacific Northwest Japanese anchovy. Source abundance prediction method.

【技术实现步骤摘要】
西北太平洋日本鳀鱼资源丰度预测方法
本专利技术涉及一种渔情预报方法，特别是涉及一种西北太平洋日本鳀鱼资源丰度预测方法。
技术介绍
日本鯷(Engraulisjaponicus)是一种温水性的中上层鱼类，广泛分布于三大洋海域，尤其是在西北太平洋海域。日本鯷主要以摄食浮游生物为主，同时它又是其它高营养级捕食者的主要食物，在海洋生态系统中起着承上启下的关键作用，称之为关键种。然而，日本鯷对环境变化极其敏感，其资源丰度及分布会受到很多因素影响，如捕捞压力、气候、地理位置、海洋物理环境以及生物因素等。气候变化通过海气相互作用影响着海洋环境要素的变化，而这些变化又或直接对资源量产生影响，或作用于整个生态系统而间接通过食物链和食物网的关系来影响鱼类，从而对渔业资源丰度造成影响。海水表面温度(SeaSurfaceTemperature，SST)，是反映海—气热量、动力和水汽交换的重要参量。在之前的研究中，研究人员发现渔业资源丰度或分布与所在区域的海表温度具有显著相关性。研究发现，影响日本鳀鱼资源的各个因子中，捕捞压力主要影响资源丰度，而在空间分布上则受SST影响较大。黄海鳀鱼的资源密度重心大致与10℃和11℃等温线的移动一致，且明显表现在纬向变化上。以上研究重点均为日本鯷的渔场分布及其与环境之间的关系，而有关日本鯷资源丰度预测模型的研究却未见报道。渔情预报是渔场学研究的重点。预报实际上就是借助于对过去的探讨来推测、了解未来的发展趋势。选择正确的资源丰度预报模型，为日本鯷资源的合理开发和科学管理提供依据。
技术实现思路
本专利技术为了解决上述问题，克服现有技术中渔情预报中所存在的问题，采用结合多年西北太平洋日本鯷鱼生产统计数据和产卵场环境数据，建立北太平洋日本鯷鱼资源丰度预报模型，对产卵场的海表温度SST与次年日本鯷CPUE(单位努力量捕捞量)数据进行相关性分析，得到与次年CPUE呈显著相关的SST站点所属月份；根据相关性分析结果，建立三种线性回归模型来预测日本鯷资源丰度，通过比较预报模型精度，最终选取模型二，利用1988-2013年间日本鯷产卵场SST数据与次年CPUE相关性最高的站点S78(144.5°E，30.5°N)，以及其所属月份(5月)中与其相邻的四个SST数据与次年日本鯷CPUE数据呈显著相关的站点S56(142.5°E，30.5°N)、S67(143.5°E，30.5°N)、S68(143.5°E，31.5°N)、S79(144.5°E，31.5°N)，总共五个站点的SST数据为自变量，以对应次年的日本鯷CPUE值为因变量，建立多元线性回归模型，以此模型作为西北太平洋日本鯷鱼资源丰度的预测方法。本专利技术是通过下述技术方案来解决上述技术问题的：本专利技术提供一种西北太平洋日本鳀鱼资源丰度预测方法，其特点在于，其包括以下步骤：S1、将日本鯷产卵场所属的研究海域32°N-41°N，130°E-145°E按空间分辨率为1°×1°分为88个海区，每一海区设置一个SST站点；S2、通过遥感卫星获取每一SST站点的SST数据；S3、对1988-2013年间4-9月份每月每一SST站点的SST数据与次年日本鯷CPUE数据进行相关性分析，得到与次年日本鯷CPUE数据呈显著相关的SST站点所属月份；S4、根据相关性分析结果，建立三种线性回归模型来预测日本鯷资源丰度：模型一：以1988-2013年间6月份日本鯷产卵场SST数据与次年日本鯷CPUE数据相关性最高的站点S40(140.5°E，30.5°N)，及其周边四个SST数据与次年日本鯷CPUE数据呈显著相关的站点S35(139.5°E，30.5°N)、S36(139.5°E，31.5°N)、S41(140.5°E，31.5°N)、S47(141.5°E，31.5°N)，共五个站点的SST数据为自变量，以对应次年的日本鯷CPUE数据为因变量，建立多元线性回归模型：CPUE＝-27.352SST6月,S35+3.434SST6月,S36+46.782SST6月,S40+5.533SST6月,S41-15.477SST6月,S47-258.48模型二：以1988-2013年间日本鯷产卵场SST数据与次年日本鯷CPUE数据相关性最高的站点S78(144.5°E，30.5°N)，以及站点S78所属月份(5月)中与其相邻的四个SST数据与次年日本鯷CPUE数据呈显著相关的站点S56(142.5°E，30.5°N)、S67(143.5°E，30.5°N)、S68(143.5°E，31.5°N)、S79(144.5°E，31.5°N)，共五个站点的SST数据为自变量，以对应次年的日本鯷CPUE数据为因变量，建立多元线性回归模型：CPUE＝42.034SST5月,S56-48.43SST5月,S67-33.282SST5月,S68+14.157SST5月,S78+42.008SST5月,S79-285.437模型三：以站点S78(144.5°E，30.5°N)的4-8月份的日本鯷产卵场SST为自变量，以对应次年的日本鯷CPUE数据为因变量，建立多元线性回归模型：CPUE＝-4.634SST4月,S78+14.117SST5月,S78+3.34SST6月,S78-1.721SST7月,S78+8.454SST8月,S78-425.993S5、对以上三种模型进行验证，根据预测资源丰度与实际资源丰度的相对误差为检验标准，得出模型二的相对误差最低，由此选取模型二作为西北太平洋日本鳀鱼资源丰度预测方法。较佳地，4-9月份为西北太平洋日本鳀鱼产卵适宜时间。在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。本专利技术的积极进步效果在于：多元线性回归模型对西北太平洋日本鳀鱼资源丰度预测丰度良好，西北太平洋日本鳀鱼资源丰度的预报结果可以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。附图说明图1为本专利技术较佳实施例的西北太平洋日本鳀鱼资源丰度预测方法的流程图。图2为本专利技术较佳实施例的SST站点分布图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。西北太平洋日本鳀是一种温水性的中上层鱼类，广泛分布于三大洋海域，尤其是在西北太平洋海域，生命周期约3年，其产卵季为4-9月，其中4-6月份产卵最为集中。如图1所示，本实施例提供一种西北太平洋日本鳀鱼资源丰度预测方法，其包括以下步骤：步骤101、将日本鯷产卵场所属的研究海域32°N-41°N，130°E-145°E按空间分辨率为1°×1°分为88个海区，每一海区设置一个SST站点，站点分布如图2所示。步骤102、通过遥感卫星获取每一SST站点的SST数据。步骤103、对1988-2013年间4-9月份每月每一SST站点的SST数据与次年日本鯷CPUE数据进行相关性分析，得到与次年日本鯷CPUE数据呈显著相关的SST站点所属月份。步骤104、根据相本文档来自技高网...

【技术保护点】
一种西北太平洋日本鳀鱼资源丰度预测方法，其特征在于，其包括以下步骤：S1、将日本鯷产卵场所属的研究海域32°N‑41°N，130°E‑145°E按空间分辨率为1°×1°分为88个海区，每一海区设置一个SST站点；S2、通过遥感卫星获取每一SST站点的SST数据；S3、对1988‑2013年间4‑9月份每月每一SST站点的SST数据与次年日本鯷CPUE数据进行相关性分析，得到与次年日本鯷CPUE数据呈显著相关的SST站点所属月份；S4、根据相关性分析结果，建立三种线性回归模型来预测日本鯷资源丰度：模型一：以1988‑2013年间6月份日本鯷产卵场SST数据与次年日本鯷CPUE数据相关性最高的站点S40(140.5°E，30.5°N)，及其周边四个SST数据与次年日本鯷CPUE数据呈显著相关的站点S35(139.5°E，30.5°N)、S36(139.5°E，31.5°N)、S41(140.5°E，31.5°N)、S47(141.5°E，31.5°N)，共五个站点的SST数据为自变量，以对应次年的日本鯷CPUE数据为因变量，建立多元线性回归模型：CPUE＝‑27.352SST6月,S35+3.434SST6月,S36+46.782SST6月,S40+5.533SST6月,S41‑15.477SST6月,S47‑258.48模型二：以1988‑2013年间日本鯷产卵场SST数据与次年日本鯷CPUE数据相关性最高的站点S78(144.5°E，30.5°N)，以及站点S78所属月份(5月)中与其相邻的四个SST数据与次年日本鯷CPUE数据呈显著相关的站点S56(142.5°E，30.5°N)、S67(143.5°E，30.5°N)、S68(143.5°E，31.5°N)、S79(144.5°E，31.5°N)，共五个站点的SST数据为自变量，以对应次年的日本鯷CPUE数据为因变量，建立多元线性回归模型：CPUE＝42.034SST5月,S56‑48.43SST5月,S67‑33.282SST5月,S68+14.157SST5月,S78+42.008SST5月,S79‑285.437模型三：以站点S78(144.5°E，30.5°N)的4‑8月份的日本鯷产卵场SST为自变量，以对应次年的日本鯷CPUE数据为因变量，建立多元线性回归模型：CPUE＝‑4.634SST4月,S78+14.117SST5月,S78+3.34SST6月,S78‑1.721SST7月,S78+8.454SST8月,S78‑425.993S5、对以上三种模型进行验证，根据预测资源丰度与实际资源丰度的相对误差为检验标准，得出模型二的相对误差最低，由此选取模型二作为西北太平洋日本鳀鱼资源丰度预测方法。...

【技术特征摘要】
1.一种西北太平洋日本鳀鱼资源丰度预测方法，其特征在于，其包括以下步骤：S1、将日本鯷产卵场所属的研究海域32°N-41°N，130°E-145°E按空间分辨率为1°×1°分为88个海区，每一海区设置一个SST站点；S2、通过遥感卫星获取每一SST站点的SST数据；S3、对1988-2013年间4-9月份每月每一SST站点的SST数据与次年日本鯷CPUE数据进行相关性分析，得到与次年日本鯷CPUE数据呈显著相关的SST站点所属月份；S4、根据相关性分析结果，建立三种线性回归模型来预测日本鯷资源丰度：模型一：以1988-2013年间6月份日本鯷产卵场SST数据与次年日本鯷CPUE数据相关性最高的站点S40(140.5°E，30.5°N)，及其周边四个SST数据与次年日本鯷CPUE数据呈显著相关的站点S35(139.5°E，30.5°N)、S36(139.5°E，31.5°N)、S41(140.5°E，31.5°N)、S47(141.5°E，31.5°N)，共五个站点的SST数据为自变量，以对应次年的日本鯷CPUE数据为因变量，建立多元线性回归模型：CPUE＝-27.352SST6月,S35+3.434SST6月,S36+46.782SST6月,S40+5.533SST6月,S41-15.477SST6月,S47-258.48模型二：以1988-2013年间日本鯷产卵场SST数据与次年日本鯷...

【专利技术属性】
技术研发人员：陈新军，吴松，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