解明陽，陳新軍,2,3,4,5，汪金濤,2,3,4,5

(1.上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306； 2. 農(nóng)業(yè)部大洋漁業(yè)開發(fā)重點(diǎn)實(shí)驗(yàn)室，上海 201306； 3.國家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306； 4.大洋漁業(yè)資源可持續(xù)開發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306； 5. 農(nóng)業(yè)部大洋漁業(yè)資源環(huán)境科學(xué)觀測實(shí)驗(yàn)站，上海 201306)

太平洋褶柔魚(Todarodespacificus)是暖溫帶大洋性頭足類[1]，根據(jù)產(chǎn)卵時(shí)間可劃分為夏生群體、秋生群體和冬生群體3個(gè)種群[2-3]，其中冬生群體擁有著最大的群體數(shù)量。目前國內(nèi)外學(xué)者已經(jīng)在資源量時(shí)空分布[4]、資源評估管理[5-6]等方面對其進(jìn)行了較為全面的研究，并且也將環(huán)境數(shù)據(jù)與漁業(yè)數(shù)據(jù)相結(jié)合，對中心漁場和資源豐度等進(jìn)行預(yù)報(bào)[7-8]。已有研究表明，環(huán)境和氣候變化對太平洋褶柔魚的資源變動有著巨大影響，例如太平洋年代際震蕩指數(shù)PDO(Pacific decadal oscillatio index)[9-10]、厄爾尼諾指數(shù)Nino3.4距平[11]、黑潮強(qiáng)弱指數(shù)KCA(Kuroshio current average)[12]、平均海表面溫度SST(average sea surface temperture)[13-14]和平均葉綠素濃度Chla(average Chlorophyll aconcentration)[7,12]都與太平洋褶柔魚的資源變動有著密切的關(guān)系。近年來，太平洋褶柔魚的產(chǎn)量波動較大[5-6]，因此,分析哪些因子對其影響更大有助于掌握太平洋褶柔魚的資源現(xiàn)狀，并為以后的開發(fā)和管理提供依據(jù)。

灰色系統(tǒng)理論是一門不確定系統(tǒng)理論的學(xué)科，其優(yōu)點(diǎn)在于允許樣本數(shù)量較少且服從任意分布，這對于缺乏數(shù)據(jù)的漁業(yè)科學(xué)來說，有很大的應(yīng)用前景[15]。目前，其在漁獲豐欠年預(yù)測[16]、漁業(yè)產(chǎn)量預(yù)測[17-18]等方面都取得了較好的效果。另外已有學(xué)者應(yīng)用灰色系統(tǒng)理論對西北太平洋柔魚(Ommastrephesbartramii)冬春群資源豐度[19]和秘魯鳀(Engraulisringens)資源量[20]進(jìn)行了研究，并建立了準(zhǔn)確度較高的預(yù)測模型。本研究采用灰色系統(tǒng)中的灰色關(guān)聯(lián)分析方法對影響太平洋褶柔魚冬春群資源豐度的環(huán)境和氣候因子進(jìn)行分析，并利用灰色預(yù)測GM(1，N)模型建立太平洋褶柔魚冬春群資源豐度預(yù)測模型。

1 材料與方法

1.1 材料來源

太平洋褶柔魚冬春生群資源豐度的數(shù)據(jù)來自于加賀敏樹等[6]的報(bào)告，其根據(jù)日本北海道區(qū)水產(chǎn)研究所2003-2015年小型魷釣船捕撈漁獲數(shù)據(jù)計(jì)算得到太平洋褶柔魚冬春生群的單位捕撈努力量漁獲量(catch per unit effort,CPUE, t·d-1)，以此作為褶柔魚的資源豐度數(shù)據(jù)。氣候指數(shù)太平洋年代際震蕩指數(shù)PDO和Nino3.4距平數(shù)據(jù)，來源于美國華盛頓大學(xué)大氣與海洋研究聯(lián)合研究所(JISAO)網(wǎng)站(http://research.jisao.washington.edu/pdo/PDO.latest)；黑潮強(qiáng)弱指數(shù)KCA來源于日本氣象廳網(wǎng)站(http://www.data.jma.go.jp/kaiyou/data/shindan/b_2/kuroshio_stream/kuroshio_ stream.html)，時(shí)間分辨率為月。其中PDO的高低代表了太平洋年代際震蕩現(xiàn)象的變化[9-10]，Nino3.4距平的高低代表了厄爾尼諾現(xiàn)象的有無[11]，黑潮強(qiáng)弱指數(shù)(KCA)代表了黑潮的強(qiáng)弱[12]。環(huán)境數(shù)據(jù)SST(℃)和Chla(mg·m-3)來源于NOAA的Oceanwatch網(wǎng)站(http://oceanwatch.pifsc.noaa.gov/erddap/index.html)，時(shí)間范圍為2003-2015年的1-12月，時(shí)間分辨率為月，空間范圍為前人研究得到的太平洋褶柔魚冬春生群的產(chǎn)卵場海域(28°～34°N、125°～130°E)[12]，空間分辨率為0.1°×0.1°，利用平均法計(jì)算各月產(chǎn)卵場平均SST和平均Chla。

1.2 模型因子選擇

平均SST、平均Chla和黑潮強(qiáng)弱指數(shù)(KCA)選擇產(chǎn)卵時(shí)間，即1-3月[2-3]，考慮滯后效應(yīng)氣候因子PDO和Nino3.4距平選擇1-12月。利用灰色關(guān)聯(lián)分析得到關(guān)鍵月份的環(huán)境及氣候?；疑P(guān)聯(lián)分析過程簡述如下：以當(dāng)年的CPUE為母序列，以產(chǎn)卵場各月的環(huán)境因子和氣候因子為子序列，計(jì)算母序列與各個(gè)子序列之間的關(guān)聯(lián)度，將各月指標(biāo)中灰色關(guān)聯(lián)度最大的一個(gè)作為資源豐度預(yù)報(bào)GM(1，N)模型中的一個(gè)因子[15]。

1.3 模型建立

利用離散GM(1，N)模型對太平洋褶柔魚冬春生群資源豐度進(jìn)行預(yù)測。其中數(shù)字1表示模型為一階模型，N=i+1(i為因子的個(gè)數(shù))。模型的具體計(jì)算方法如下[21]。

設(shè)長度為n個(gè)變量的CPUE為系統(tǒng)的母序列，即X1(0)=[x10(1),x10(2),…，x10(n)]，另設(shè)環(huán)境因子為系統(tǒng)的子序列即X2(0)=[x2(0)(1),x2(0)(2),…，x2(0)(n)],

……

表1 多種因子組合的模型類型Tab.1 Types of models with multiple factor combinations

注： * 代表模型包含的因子

Note: * represents the factors contained in the model

2003-2013年褶柔魚資源豐度數(shù)據(jù)作為建模數(shù)據(jù)，2014年和2015年資源豐度數(shù)據(jù)作為測試數(shù)據(jù)。計(jì)算26種模型的預(yù)測CPUE序列與實(shí)際CPUE序列的平均相對誤差對模型的精度進(jìn)行評價(jià)。平均相對誤差越小，相關(guān)系數(shù)越接近于1，表明模型的精度越好。

2 結(jié)果與分析

2.1 灰色關(guān)聯(lián)分析

通過對各月產(chǎn)卵場環(huán)境因子和氣候因子序列與CPUE母序列的灰色關(guān)聯(lián)分析得出以下結(jié)果：PDO的影響程度最大，其灰色關(guān)聯(lián)度的平均值要大于另外4個(gè)環(huán)境因子。按照關(guān)聯(lián)度的平均值排序，各因子重要性從大到小的排序?yàn)椋篜DO，平均Chla，Nino3.4距平，平均SST和黑潮強(qiáng)弱指數(shù)(KCA)(表2)。

在產(chǎn)卵場的PDO中，4月份PDO的灰色關(guān)聯(lián)系數(shù)最大，為0.991，因此選擇4月份的PDO為后續(xù)預(yù)報(bào)模型的一個(gè)因子；同理，2月份產(chǎn)卵場平均Chla、4月份Nino3.4距平、3月份產(chǎn)卵場平均SST和1月份的黑潮強(qiáng)弱指數(shù)(KCA)也作為太平洋褶柔魚冬春生群資源豐度預(yù)報(bào)模型的重要因子。

2.2 模型的建立與驗(yàn)證

從表3可知，建立的模型中CPUE序列擬合結(jié)果平均相對誤差較小的前6個(gè)模型依次為模型C-8、模型B-4、模型C-5、模型B-3、模型B-2、模型D-1，這些模型的精度均比包含所有因子的模型A-1的要高。從2014年和2015年預(yù)測的結(jié)果來看，不包含PDO和Chla的模型C-4的誤差為7%，比平均相對誤差較小的前6個(gè)模型的都要小。這與之前分析環(huán)境因子重要性的結(jié)果來看有很大的差異，可能與2015年CPUE的驟然減少有關(guān)。從預(yù)測的CPUE序列與真實(shí)CPUE的相關(guān)系數(shù)來看，相關(guān)系數(shù)由大到小分別是模型B-2(0.708)、模型B-3(0.704)、模型C-5(0.700)、模型D-1(0.686)、模型B-4(0.684)、模型C-8(0.682),結(jié)果顯示模型之間的相關(guān)系數(shù)相差不大。因此從模型的有效性的不同指標(biāo)上看，不包含KCA和SST的模型C-8，在平均相對誤差、預(yù)測的CPUE序列與真實(shí)CPUE的相關(guān)系數(shù)和環(huán)境因子與CPUE的關(guān)聯(lián)系數(shù)上綜合分析，其模型的精度是最高的，從2014年和2015年預(yù)測的CPUE誤差來看，相比于模型A-1(20.77)，模型C-8(18.97)也有所減小，為太平洋褶柔魚冬春生群資源豐度預(yù)報(bào)的最優(yōu)模型。

表2 產(chǎn)卵場各環(huán)境因子子序列與當(dāng)年CPUE母序列的灰色關(guān)聯(lián)系數(shù)Tab. 2 Value of grey correlation indices between environmental or climatic factor subsequence in spawn area and CPUE sequence

表3 誤差最小的前6個(gè)太平洋褶柔魚資源豐度模型運(yùn)算得到的CPUE值與其真實(shí)值之間的相對誤差Tab.3 Relative errors between actual CPUE and model calculated CPUE (TOP 6) (%)

圖1 太平洋褶柔魚資源豐度預(yù)測模型結(jié)果(前6個(gè))Fig. 1 Results of CPUE forecasting models for Todarodes pacificus(TOP 6)

3 討論

本研究通過灰色系統(tǒng)理論和方法，以產(chǎn)卵場的環(huán)境因子與氣候因子作為指標(biāo)，對太平洋褶柔魚冬春生群資源豐度進(jìn)行了預(yù)測。不包含KCA和SST的模型C-8對太平洋褶柔魚冬春生群資源豐度有著較好的預(yù)測結(jié)果，這與灰色關(guān)聯(lián)分析的結(jié)果是一致的(表3)。但預(yù)測的數(shù)據(jù)只能從總的趨勢上反映CPUE的變化，對于CPUE變化特別顯著的年份如2006、2007、2015年，預(yù)測數(shù)據(jù)與真實(shí)值之間有較大的差異(圖1)。建議以后通過灰色系統(tǒng)中的漁獲豐欠年預(yù)測[16]與灰色系統(tǒng)模型結(jié)合分析以提高模型的精度。本研究中采用CPUE作為資源豐度的指標(biāo)，但其數(shù)據(jù)來源于商業(yè)生產(chǎn)數(shù)據(jù)，作業(yè)漁場的環(huán)境與作業(yè)效率都會影響CPUE的大小，另外標(biāo)準(zhǔn)化的CPUE數(shù)據(jù)來源于加賀敏樹等[6]的報(bào)告，因其標(biāo)準(zhǔn)化的方法不確定，CPUE的數(shù)值真實(shí)度也值得商榷。

從氣候因子來看，模型主要分析了PDO、Nino3.4距平和KCA對太平洋褶柔魚冬春生群資源豐度的影響。從灰色關(guān)聯(lián)分析的結(jié)果(表2)和模型的評價(jià)(表3)來看，CPUE序列擬合結(jié)果平均相對誤差較小的前6個(gè)模型中均含有PDO，SAKURAI 等[9-10]的研究認(rèn)為PDO的變化影響了海水溫度的大尺度的變化，從而影響太平洋褶柔魚資源豐度的變化。例如，在1970年代后期，PDO從暖期轉(zhuǎn)為冷期，太平洋西海岸SST下降很快，而在1980年代中后期，PDO從冷期轉(zhuǎn)為暖期，SST又快速升高，太平洋褶柔魚在1970年代后期到1980年代中期，產(chǎn)量大幅度下降，到1980年代后期又大幅度回升。因此，可以認(rèn)為PDO為影響太平洋褶柔魚冬春生群資源豐度最主要的一個(gè)因素。在Nino3.4距平方面，CHEN等[11]發(fā)現(xiàn)厄爾尼諾事件的發(fā)生可促使柔魚的資源豐度升高，但在本研究中，在灰色關(guān)聯(lián)分析和灰色預(yù)測模型的效果來看，都沒有PDO重要，可能是因?yàn)镻DO為年代際變化，厄爾尼諾現(xiàn)象的持續(xù)時(shí)間沒有PDO的長，不能影響太平洋褶柔魚的整個(gè)生活史階段。最后，對于黑潮強(qiáng)弱指數(shù)KCA，雖然從研究結(jié)果來看，其對太平洋褶柔魚冬春生群資源豐度的影響最小，但不能說明黑潮對其沒有影響。已有研究表明[22]，在太平洋一側(cè)的黑潮(Kuroshio)和親潮(Oyashio)相互交匯形成流隔，產(chǎn)生了豐富的營養(yǎng)鹽，為太平洋褶柔魚漁場形成創(chuàng)造了條件。本研究中黑潮強(qiáng)弱指數(shù)KCA對其資源豐度影響小的原因可能是受到氣候因子PDO和Nino3.4距平的影響，另外沒有考慮親潮對其資源豐度的影響。

從環(huán)境因子來看，SONG等[注]SONG H J，MITSUMORI A，SAKURAI Y． Effect of water temperature on growth and reproduction of Todarodes pacificus．Aqua-Bioscience Monograhps．(Accepted)的研究認(rèn)為，太平洋褶柔魚的成熟與溫度有著密切的關(guān)系;唐峰華等[7]和ALABIA等[14]利用GAM模型預(yù)測出日本海太平洋褶柔魚的漁場和棲息地的最適宜SST；張碩等[13]基于SST對太平洋褶柔魚冬春生群資源豐度建立了多元線性模型和BP神經(jīng)網(wǎng)絡(luò)模型并將兩者進(jìn)行了比較。但是，從本研究中得到的分析結(jié)果，SST對太平洋褶柔魚冬春生群資源豐度的影響最小，原因可能是在選取產(chǎn)卵場范圍上沒有更加地精細(xì)，導(dǎo)致有許多無效的數(shù)據(jù)對結(jié)果產(chǎn)生了偏差。另外沒有考慮到因子間的交互作用，例如氣候因子PDO和Nino3.4距平對SST有影響。對于Chla，其代表海域的生產(chǎn)力大小，反映了餌料的豐富程度，已有研究[7,12]得到了漁場的最適宜的Chla范圍,但其顯著性方面不太明顯，今后可以加強(qiáng)氣候因子和環(huán)境因子對Chla的影響機(jī)制的研究。

綜上所述，本研究利用灰色系統(tǒng)理論中的灰色相關(guān)分析和GM(1，N)模型對太平洋褶柔魚冬春生群資源豐度進(jìn)行了預(yù)測并取得了較好的效果。建議今后更加精細(xì)和量化太平洋褶柔魚整個(gè)生活史的氣候因子和環(huán)境因子，并利用其它模型進(jìn)行綜合比較，選擇出最優(yōu)的資源豐度預(yù)測模型，更準(zhǔn)確穩(wěn)定地預(yù)測太平洋褶柔魚冬春生群資源豐度的變化。