一种金枪鱼栖息地量化评估方法技术

本发明专利技术公开了一种金枪鱼栖息地量化评估方法，包括以下步骤：(S1)获取目标海域的固定影响因子；将目标海域离散成若干个时空单元，并获取各时空单元的单位捕捞努力量渔获量、随机效应因子以及海洋环境变量；(S2)采用误差项为高斯分布的广义混合效应模型，根据固定影响因子以及随机效应因子对单位捕捞努力量渔获量进行标准化处理；(S3)根据各时空单元的海洋环境变量以及标准化单位捕捞努力量渔获量，采用对数正态误差分布的广义加性模型获得栖息地模型；(S4)根据栖息地模型计算综合栖息地指数。本发明专利技术将两个模型组合应用，能够将环境与实际丰度联系起来而非与名义CPUE的关系，因此获取的生境特征偏差更小。

A quantitative assessment method of tuna habitat

【技术实现步骤摘要】
一种金枪鱼栖息地量化评估方法
本专利技术涉及水产学领域，具体涉及一种金枪鱼栖息地预测方法。
技术介绍
赤道太平洋，特别是西太平洋暖池区，被认为是产量最高的渔场，在全球金枪鱼捕获量中占主导地位，其中超过70％由围网业捕捞，主要渔获物为表层集群的鲣鱼(KatsuwanusPelamis)和黄鳍金枪鱼(ThunnusAlbacares)等金枪鱼类。目前金枪鱼的栖息地建模方法由各种静态模式发展而来。这些模型包括参数综合统计回归，例如广义线性模型(GLM)、广义加性模型(GAM)、广义加性混合模型(GAMM)、经验累积分布、增强回归树模型(BRT)或生态位模型(ENM)[1]。此外，利用空间生态系统和种群动力学模型可以预测人为气候变化和渔业压力对金枪鱼分布和丰度的未来影响[2-5]。到目前为止，西太平洋金枪鱼栖息地可靠的信息相较其商业和生态的重要性来说依然缺乏。探讨它们对环境的脆弱性有助于制定潜在的养护措施和管理战略，并从这些物种中获得可持续的利益。现有的栖息地量化方法主要利用了渔业生产数据、SST、SSS和Chl.a等数据。例如参考文献[6]中公开的方法：利用渔获产量数据分别与相应时期的SST、SSS和Chl.a数据构建单一因子的适应性指数(SuitabilityIndex，SI)模型。各月单因子SI构建方法如下：(1)将SST按0.5℃、SSS按0.1、Chl.a按0.02mg/m3组距进行分类，每个组距间隔统计其对应的长鳍金枪鱼总产量。然后按照公式(1)计算各月单因子栖息地指数ISI。r>ISI＝Ci/Cmax(1)式中：ISI为各环境因子的适应性指数；Ci为i分类间隔的捕捞产量；Cmax为各分类间隔中的最大捕捞产量。这里假定分类间隔中最高渔获产量Cmax为长鳍金枪鱼资源最适宜的因子区间，认定其ISI为1；当分类间隔渔获量为0时，则认定长鳍金枪鱼资源最不适宜的因子区间，其ISI为0。(2)使用各月SST、SSS、Chl.a因子各分类间隔的中间值与各间隔相应ISI之间的关系构建一元非线性模型，运用DPS7.5软件求解一元非线性回归方程参数。一元非线性模型公式为：ISI＝e-a(X-b)2(2)式中：ISI为各环境因子的适应性指数；X为各环境因子分类间隔所对应中间值；a、b为估算参数。当针对SST、SSS和Chl.a三种环境因子分别构建单一因子适应性指数模型后，采用算术平均法构建HSI模型[20]，IHSI在0-1即不适宜到最适宜之间变化。计算公式为：IHSI＝(ISI-SST+ISI-SSS+ISI-Chl.a)/3(3)式中：IHSI为综合栖息地适应性指数，ISI-SST、ISI-SSS和ISI-Chl.a分别代表SST、SSS和Chl.a各环境因子的单因子适应性指数。鉴于基于渔业的数据是金枪鱼种群的可用来源，生境偏好程度可由基于渔获量和努力量的丰度指数来判断。然而，围网渔业的复杂性使得这两种变量选择仍然存在问题。然而，当空间分辨率较大时需要匹配更精准的生产数据，且栖息地的渔场分布与海流、水团、温跃层、海面高度等海洋环境因子密切相关。目前，相对丰度指数的选择仍具有争议，例如，捕捞努力量和渔获量均被用来代替名义CPUE。这两个参数。然而，从复杂的渔业角度来看，这两个参数并非最为合适(例如在同一种鱼群上重复出现捕捞行为)，最为可行的方法是考虑到与捕捞效率相关的因素进行标准化。尽管单位努力量渔获量(CPUE)是鱼类种群丰度的指标，但由于捕捞量的变化(如整个开发历史上的技术进步和单条渔船捕捞特性的不平衡等)，它们与资源丰度之间并非线性关系。参考文献：[1]DruonJN，ChassotR，FlochL，MaufroyA.PreferredhabitatoftropicaltunaspeciesintheEasternAtlanticandWesternIndianOceans：acomparativeanalysisbetweenFAD-associatedandfree-swimmingschools.IOTCWPTT17，France，2015；[2]LehodeyP，SeninaI，CalmettesB，HamptonJ，NicolS.ModellingtheimpactofclimatechangeonPacificskipjacktunapopulationandfisheries.ClimaticChange，2012，119：95～109；[3]LehodeyP，SeninaI，MurtuguddeR.Aspatialecosystemandpopulationsdynamicsmodel(SEAPODYM)-modellingoftunaandtuna-likepopulations.ProgressinOceanography，2008，78：304～318；[4]LoukosH，MonfrayP，BoppL，LehodeyP.Potentialchangesinskipjacktuna(Katsuwonuspelamis)habitatfromaglobalwarmingscenario：modelingapproachandpreliminaryresults.FisheriesOceanography，2003，12：474～482；[5]DueriS，BoppL，MauryO.Projectingtheimpactsofclimatechangeonskipjacktunaabundanceandspatialdistribution.GlobalChangeBiology，2014，20：742～753；[6]张亚男，官文江，李阳东.印度洋长鳍金枪鱼栖息地指数模型的构建与验证[J/OL].上海海洋大学学报：1-14[2019-08-20]。
技术实现思路
本专利技术的目的是根据上述现有技术的不足之处，提供一种金枪鱼栖息地量化评估方法，该方法利用GLMM模型获得对单位捕捞努力量渔获量进行标准化处理，得到标准化单位捕捞努力量渔获量作为相对丰度指数，并使用GAM模型解释丰度指数对海洋环境变量的依赖关系，最终得到可用于评估和预测的栖息地模型。本专利技术目的实现由以下技术方案完成：一种金枪鱼栖息地量化评估方法，其特征在于，包括以下步骤：(S1)获取目标海域的固定影响因子；将目标海域离散成若干个时空单元，并获取各时空单元的单位捕捞努力量渔获量、随机效应因子以及海洋环境变量；(S2)采用误差项为高斯分布的广义混合效应模型，根据固定影响因子以及随机效应因子对单位捕捞努力量渔获量进行标准化处理，得到标准化单位捕捞努力量渔获量；(S3)根据各时空单元的海洋环境变量以及标准化单位捕捞努力量渔获量，采用对数正态误差分布的广义加性模型获得栖息地模型；(S4)根据时空单元的海洋环境变量以及所述栖息地模型计算综合栖息地指数。本专利技术的进一步改进在于本文档来自技高网...

【技术保护点】
1.一种金枪鱼栖息地量化评估方法，其特征在于，包括以下步骤：/n(S1)获取目标海域的固定影响因子；将目标海域离散成若干个时空单元，并获取各时空单元的单位捕捞努力量渔获量、随机效应因子以及海洋环境变量；/n(S2)采用误差项为高斯分布的广义混合效应模型，根据固定影响因子以及随机效应因子对单位捕捞努力量渔获量进行标准化处理，得到标准化单位捕捞努力量渔获量；/n(S3)根据各时空单元的海洋环境变量以及标准化单位捕捞努力量渔获量，采用对数正态误差分布的广义加性模型获得栖息地模型；/n(S4)根据时空单元的海洋环境变量以及所述栖息地模型计算综合栖息地指数。/n

【技术特征摘要】
1.一种金枪鱼栖息地量化评估方法，其特征在于，包括以下步骤：
(S1)获取目标海域的固定影响因子；将目标海域离散成若干个时空单元，并获取各时空单元的单位捕捞努力量渔获量、随机效应因子以及海洋环境变量；
(S2)采用误差项为高斯分布的广义混合效应模型，根据固定影响因子以及随机效应因子对单位捕捞努力量渔获量进行标准化处理，得到标准化单位捕捞努力量渔获量；
(S3)根据各时空单元的海洋环境变量以及标准化单位捕捞努力量渔获量，采用对数正态误差分布的广义加性模型获得栖息地模型；
(S4)根据时空单元的海洋环境变量以及所述栖息地模型计算综合栖息地指数。


2.根据权利要求1所述的一种金枪鱼栖息地量化评估方法，其特征在于：
所述时空单元为目标海域按照预定空间尺寸以及时间尺度分割形成；
随机效应因子包括时空单元的空间位置、对应年份以及对应月份；
固定影响因子包括目标海域内船舶建造年份(Date)的平均值、主机功率(Power)的平均值、温跃层上界深度(TTD)的平均值、若干个深度剖面的水层合流速平均值；计算固定影响因子的过程中，将捕捞产量为零的时空单元删除。


3.根据权利要求2所述的一种金枪鱼栖息地量化评估方法，其特征在于：步骤(S2)中采用的高斯分布的广义混合效应模型的表达式为：
RawCPUE～Date+Power+TTD+Current5+Current50+Current10+Current150+Current200+(1|Spatialgrid)+(1|Year)+(1|Month))
其中：RawCPUE为原始的单位捕捞努力量渔获量，Date为固定影响因子中的船舶建造年份的平均值；Power为固定影响因子中的主机功率的平均值；TTD为固定影响因子中的温跃层上界深度的平均值；Current5、Current10、Current5...

【专利技术属性】
技术研发人员：周成，王禹程，王学昉，唐浩，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海;31