閆永斌 陳新軍 汪金濤 雷 林 程起群

東南太平洋莖柔魚(yú)資源豐度灰色預(yù)測(cè)研究*

閆永斌1,3陳新軍1,2汪金濤1,2①雷 林1,2程起群3

(1. 上海海洋大學(xué)海洋科學(xué)學(xué)院 上海 201306；2. 農(nóng)業(yè)農(nóng)村部大洋漁業(yè)開(kāi)發(fā)重點(diǎn)實(shí)驗(yàn)室 國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心 大洋漁業(yè)資源可持續(xù)開(kāi)發(fā)教育部重點(diǎn)實(shí)驗(yàn)室 農(nóng)業(yè)農(nóng)村部大洋漁業(yè)資源環(huán)境科學(xué)觀測(cè)實(shí)驗(yàn)站 上海 201306；3. 中國(guó)水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所 上海 200090)

莖柔魚(yú)()是東南太平洋頭足類(lèi)中個(gè)體最大、資源最豐富的種類(lèi)之一，經(jīng)濟(jì)價(jià)值高，已成為我國(guó)遠(yuǎn)洋漁業(yè)的重要組成部分。準(zhǔn)確的資源豐度預(yù)測(cè)有利于資源的合理開(kāi)發(fā)和利用。本研究基于2003~2015年?yáng)|南太平洋莖柔魚(yú)生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)以及其產(chǎn)卵場(chǎng)環(huán)境、氣候因子資料，使用相關(guān)性分析和灰色系統(tǒng)方法，建立東南太平洋莖柔魚(yú)資源豐度的預(yù)報(bào)模型。結(jié)果顯示，2月產(chǎn)卵場(chǎng)海表面溫度(Sea surface temperature, SST)、3月產(chǎn)卵場(chǎng)葉綠素濃度(Chl)、12月太平洋年代氣候震蕩(Pacific decadal oscillation, PDO)和10月厄爾尼諾指數(shù)(Oceanic Nino index, ONI)與莖柔魚(yú)資源豐度具有較好的相關(guān)性。比較多種預(yù)報(bào)模型發(fā)現(xiàn)，基于2月SST、12月PDO和10月ONI的GM(1, 4)模型有較好的預(yù)測(cè)效果，其準(zhǔn)確率達(dá)到85%以上，可用于東南太平洋莖柔魚(yú)資源豐度的預(yù)測(cè)。

東南太平洋；莖柔魚(yú)；灰色預(yù)測(cè)；資源豐度

莖柔魚(yú)()廣泛分布于東太平洋的加利福尼亞(37°N)到智利(47°S)的海域中，在赤道附近可向西至125°W (Anatolio, 2001; Nigmatullin, 2001)，是頭足類(lèi)中個(gè)體最大、資源最豐富的種類(lèi)之一(王堯耕, 2005)，具有極高的經(jīng)濟(jì)價(jià)值，為中國(guó)、日本、韓國(guó)、秘魯和智利等各國(guó)主要捕撈對(duì)象之一(Liu, 2015)。自2001年我國(guó)對(duì)秘魯海區(qū)莖柔魚(yú)資源進(jìn)行探捕以來(lái)，莖柔魚(yú)資源逐漸成為我國(guó)頭足類(lèi)產(chǎn)量的重要組成部分，約占我國(guó)頭足類(lèi)產(chǎn)量的30% (陳新軍等, 2006; 貢藝等, 2018)。

資源量預(yù)報(bào)屬于中長(zhǎng)期漁情預(yù)報(bào)的一種，對(duì)資源補(bǔ)充量進(jìn)行精確的預(yù)報(bào)是確保漁業(yè)資源科學(xué)管理、合理開(kāi)發(fā)的關(guān)鍵?？茖W(xué)預(yù)測(cè)資源量或者資源豐度，首先，必須要了解預(yù)測(cè)對(duì)象的生活史過(guò)程、棲息環(huán)境及其洄游分布。以總漁獲量和單位捕撈努力量漁獲量為基礎(chǔ)進(jìn)行分析預(yù)報(bào)的具體步驟：(1)篩選漁情預(yù)報(bào)指標(biāo)，影響?hù)~(yú)群行動(dòng)規(guī)律的生物性或非生物性因素等均可成為預(yù)報(bào)指標(biāo)；(2)建立預(yù)報(bào)模型，以生態(tài)位(Ecological niche)或資源選擇函數(shù)(Resource selection function, RSF)為理論基礎(chǔ)，主要通過(guò)頻率分析和回歸等統(tǒng)計(jì)學(xué)方法分析目標(biāo)魚(yú)種的生態(tài)位或者對(duì)于關(guān)鍵環(huán)境因子的響應(yīng)函數(shù)，從而建立漁情預(yù)報(bào)模型。主要漁情預(yù)報(bào)模型有線(xiàn)性回歸模型、廣義回歸模型、貝葉斯方法和時(shí)間序列分析等(陳新軍, 2004)。

在東南太平洋海域，關(guān)于莖柔魚(yú)資源補(bǔ)充量的研究多集中在單因子影響方面。如陳新軍等(2006)研究指出，莖柔魚(yú)資源狀況與海洋環(huán)境關(guān)系密切，特別是厄爾尼諾和拉尼娜事件。徐冰(2012)利用典型相關(guān)性分析，分析了海表面溫度(Sea surface temperature, SST)、表溫距平均值(Sea surface temperature anomaly, SSTA)、莖柔魚(yú)產(chǎn)卵場(chǎng)、索餌場(chǎng)最適表層水溫范圍占總面積的比例與資源豐度、補(bǔ)充量相關(guān)性，并建立了基于SST因子的資源豐度線(xiàn)性預(yù)報(bào)模型。Ichii等(2002)指出，水溫并非影響莖柔魚(yú)資源豐度和補(bǔ)充量的主要限制性因子。這些研究通常是分析單一海洋環(huán)境或氣候指標(biāo)對(duì)莖柔魚(yú)資源量的影響，沒(méi)有綜合研究環(huán)境及氣候因子對(duì)莖柔魚(yú)資源量的影響。

灰色系統(tǒng)理論是由鄧聚龍教授于1982年創(chuàng)立的一種研究少數(shù)據(jù)、貧信息、不確定性問(wèn)題的新方法。以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對(duì)象，通過(guò)對(duì)“部分”已知信息的生成、開(kāi)發(fā)，提取有價(jià)值的信息，實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行行為、演化規(guī)律的正確描述和有效監(jiān)控(何盛明, 1990)，與一般的概率統(tǒng)計(jì)及模糊數(shù)學(xué)方法相比的優(yōu)點(diǎn)在于它允許分析的樣本數(shù)據(jù)較少且服從任意的分布。因此，在數(shù)據(jù)一般較少的長(zhǎng)期(年間)資源預(yù)報(bào)中會(huì)有較大的應(yīng)用前景(陳新軍, 2003)。目前，該方法已在諸多領(lǐng)域取得成果，如方舟等(2018)利用灰色關(guān)聯(lián)分析和灰色預(yù)測(cè)模型預(yù)測(cè)了中西太平洋鰹魚(yú)()的資源豐度，朱文濤等(2018)利用灰色系統(tǒng)預(yù)測(cè)了西北太平洋秋刀魚(yú)()的資源豐度。

本研究擬采用東南太平洋莖柔魚(yú)生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)和海洋環(huán)境與氣候數(shù)據(jù)，使用灰色預(yù)測(cè)模型，分析影響莖柔魚(yú)資源豐度變化因子，并建立多種資源豐度預(yù)報(bào)模型，以此反映該種類(lèi)的資源豐度動(dòng)態(tài)，為我國(guó)東南太平洋魷釣漁船的科學(xué)生產(chǎn)與管理提供參考依據(jù)。

1 材料與方法

1.1 漁業(yè)數(shù)據(jù)

東南太平洋莖柔魚(yú)生產(chǎn)統(tǒng)計(jì)資料來(lái)自上海海洋大學(xué)中國(guó)遠(yuǎn)洋漁業(yè)數(shù)據(jù)中心，時(shí)間為2003~2015年，數(shù)據(jù)包括日期、總產(chǎn)量和總作業(yè)漁船數(shù)。

單位捕撈努力量漁獲量(Catch per unit effort, CPUE)可以作為表征莖柔魚(yú)資源密度的指標(biāo)(汪金濤等, 2013; 陳洋洋等, 2017)，因此，計(jì)算年平均CPUE作為資源豐度的指標(biāo)：

1.2 環(huán)境數(shù)據(jù)

本研究采用4種環(huán)境及氣候因子，包括太平洋年代氣候震蕩(Pacific decadal oscillation, PDO)數(shù)據(jù)，厄爾尼諾指數(shù)(Oceanic Nino index, ONI)，莖柔魚(yú)產(chǎn)卵場(chǎng)海表面溫度(Sea surface temperature, SST)，葉綠素濃度(Chl)(余為等, 2015; 魏聯(lián)等, 2017; 魏廣恩等, 2018; 官文江等, 2017)。PDO和ONI來(lái)自美國(guó)國(guó)家海洋和氣象管理局網(wǎng)站(https://www.esrl.noaa.gov/ psd/data/climateindices/list)。因PDO和ONI現(xiàn)象對(duì)莖柔魚(yú)產(chǎn)卵及發(fā)育階段產(chǎn)生影響，反應(yīng)在莖柔魚(yú)成體上有一定的滯后，所以PDO和ONI數(shù)據(jù)的時(shí)間范圍為2001~2013年，時(shí)間分辨率為月。SST和Chl來(lái)自美國(guó)國(guó)家海洋和氣象管理局網(wǎng)站(https://oceanwatch. pifsc.noaa.gov)，時(shí)間為2003~2015年的1~12月，空間范圍為莖柔魚(yú)的產(chǎn)卵場(chǎng)海域(5°~7°S, 84°~86°E)，時(shí)間分辨率為月，空間分辨率均為0.1°×0.1°。

1.3 關(guān)鍵環(huán)境因子的選擇

利用相關(guān)性分析選取顯著影響東南太平洋莖柔魚(yú)資源豐度環(huán)境因子：

1.4 灰色預(yù)報(bào)模型的建立

灰色預(yù)測(cè)建模是以灰色模塊概念為基礎(chǔ)?；疑到y(tǒng)理論認(rèn)為，一切隨機(jī)量都是在一定范圍內(nèi)、一定時(shí)段上變化的灰色量及灰色過(guò)程。對(duì)于灰色量的處理，是從無(wú)規(guī)律的原始數(shù)據(jù)中找出規(guī)律，即對(duì)數(shù)據(jù)通過(guò)一定方式處理后，使其成為較有規(guī)律的時(shí)間序列數(shù)據(jù)，再建立模型。灰色GM建模實(shí)際上是生成數(shù)據(jù)模型，CPUE序列為系統(tǒng)的特征數(shù)據(jù)序列，各個(gè)環(huán)境因子序列為相關(guān)因素序列，模型細(xì)節(jié)及具體建模過(guò)程參照陳新軍(2003)的方法。本研究利用離散GM(1, N)模型，考慮多種關(guān)鍵環(huán)境因子的不同組合，建立東南太平洋莖柔魚(yú)資源豐度預(yù)測(cè)模型。利用相對(duì)誤差和均方誤差(MSE)檢驗(yàn)?zāi)Ｐ偷木扰c穩(wěn)定性(湯銀才, 2008)。

1.5 預(yù)測(cè)驗(yàn)證

利用2016及2017年的環(huán)境氣候因子數(shù)據(jù)和漁業(yè)生產(chǎn)數(shù)據(jù)對(duì)所建立的灰色預(yù)測(cè)模型進(jìn)行驗(yàn)證。

2 結(jié)果

2.1 CPUE的變化趨勢(shì)

2003~2015年，東南太平洋莖柔魚(yú)CPUE的年間波動(dòng)劇烈，最高值出現(xiàn)在2004年，最低值發(fā)生在2012年，CPUE均值在1200 t/V上下波動(dòng)(圖1)。

圖1 2003~2015年?yáng)|南太平洋莖柔魚(yú)CPUE

2.2 關(guān)鍵環(huán)境因子

相關(guān)性分析顯示，2月產(chǎn)卵場(chǎng)(5°~7°S, 84°~86°E) SST、3月產(chǎn)卵場(chǎng)Chl、12月PDO和10月ONI均與其資源豐度呈顯著相關(guān)性(表1)。因此，選用這幾個(gè)月的環(huán)境因子構(gòu)建灰色系統(tǒng)預(yù)測(cè)模型。

表1 2003~2015年?yáng)|南太平洋莖柔魚(yú)CPUE與環(huán)境、氣候因子相關(guān)性分析

Tab.1 Correlation analysis between CPUE ofand environmental-climatic factors in Southeast Pacific Ocean during 2003~2015

2.3 灰色模型

根據(jù)選定的4種關(guān)鍵環(huán)境因子，以CPUE為因變量，建立5種預(yù)測(cè)模型(表2)。5種模型中相對(duì)誤差由低到高依次為模型3、模型5、模型4、模型1和模型2 (表3)；而模型均方誤差由小到大分別為模型3、模型5、模型4、模型1和模型2(表3)。因此，綜合考慮這2種模型指標(biāo)，選用模型3作為東南太平洋莖柔魚(yú)資源豐度預(yù)測(cè)模型。

2.4 驗(yàn)證結(jié)果

對(duì)模型3的驗(yàn)證結(jié)果見(jiàn)表4，由表4可知，2016年的相對(duì)誤差較大，但在30%以?xún)?nèi)，2017年的相對(duì)誤差較小，預(yù)測(cè)結(jié)果較為準(zhǔn)確。

表2 5種灰色預(yù)報(bào)模型

Tab.2 Five gray forecast models

3 討論與分析

2003~2015年，東南太平洋莖柔魚(yú)年漁獲量和CPUE變化趨勢(shì)有差異(圖1)，年漁獲量由于捕撈技術(shù)、捕撈規(guī)模等影響較大，并不能反映莖柔魚(yú)資源相對(duì)豐度真實(shí)情況，因此，選用CPUE作為莖柔魚(yú)資源豐度指標(biāo)(魏聯(lián)等, 2017)。莖柔魚(yú)作為短生命周期機(jī)會(huì)主義魚(yú)種，其資源量極易受氣候和海洋環(huán)境變化的影響(Rodhouse, 2001)。所以，預(yù)測(cè)其資源豐度必須要考慮莖柔魚(yú)棲息地的氣候和海洋環(huán)境因素。

本研究使用東南太平洋莖柔魚(yú)產(chǎn)卵場(chǎng)的環(huán)境因子和氣候因子為自變量，建立多種灰色系統(tǒng)資源豐度預(yù)測(cè)模型。其中，不包含產(chǎn)卵場(chǎng)Chl的模型3的預(yù)測(cè)精度高，但該模型未能準(zhǔn)確預(yù)測(cè)2005年CPUE(圖2)。因?yàn)榛疑到y(tǒng)是一種基于貧數(shù)據(jù)的分析方法(何盛明, 1990)，所以，在基于少量數(shù)據(jù)構(gòu)建的模型中，預(yù)測(cè)模型會(huì)受到前列數(shù)據(jù)的影響，在各組的結(jié)果間傾向于表達(dá)出相對(duì)平緩的變化趨勢(shì)，對(duì)突變情況的響應(yīng)能力比較差，導(dǎo)致模型存在一定的不確定性，在2005年的預(yù)測(cè)結(jié)果上有較大的誤差，可能是因?yàn)楫?dāng)年捕撈作業(yè)區(qū)域發(fā)生了變化所導(dǎo)致的。另外，模型2自變量不包括產(chǎn)卵場(chǎng)SST，其預(yù)測(cè)誤差大，說(shuō)明產(chǎn)卵場(chǎng)SST與莖柔魚(yú)資源豐度有較為密切的關(guān)系。汪金濤(2015)曾利用產(chǎn)卵場(chǎng)區(qū)水溫作為其預(yù)測(cè)模型的一個(gè)因子，Cao等(2009)也利用了產(chǎn)卵場(chǎng)適宜水溫面積作為資源預(yù)報(bào)模型中的一個(gè)變量，均取得較好的預(yù)測(cè)效果，表明莖柔魚(yú)早期生活棲息環(huán)境因子，尤其是SST，很大程度上決定柔魚(yú)資源豐度。

表3 莖柔魚(yú)資源豐度灰色預(yù)測(cè)模型相對(duì)誤差及均方誤差(%)

Tab.3 Relative errors (%) and MSE of grey models for D. gigas in the Southeast Pacific Ocean

注：*為選擇的最優(yōu)模型

Note: *: The best model chosen

表4 預(yù)測(cè)驗(yàn)證結(jié)果

Tab.4 Predictive verification result

圖2 莖柔魚(yú)資源豐度灰色模型預(yù)測(cè)結(jié)果

本研究去除了產(chǎn)卵場(chǎng)Chl數(shù)據(jù)的模型3在相對(duì)誤差和均方誤差分析中都有較為精確的預(yù)測(cè)結(jié)果，且高于不包含部分氣候因子的模型4和模型5。這說(shuō)明在不包含所有環(huán)境因子且加入氣候因子的情況下，建立的模型效果好于包含所有環(huán)境因子且不包含部分氣候因子所建立的模型效果，一定程度上反映了氣候?qū)ηo柔魚(yú)資源量的影響高于環(huán)境對(duì)莖柔魚(yú)資源量的影響。Anatolio等(2001)的研究表明，莖柔魚(yú)資源量與全球性氣候條件有關(guān)，特別是厄爾尼諾和拉尼娜現(xiàn)象。厄爾尼諾現(xiàn)象將導(dǎo)致秘魯外海的莖柔魚(yú)資源量減少，捕撈產(chǎn)量下降(Anderson, 2001)。高雪等(2017)的研究也表明，莖柔魚(yú)資源量與PDO和厄爾尼諾事件有關(guān)，且PDO比厄爾尼諾事件更為重要。但也有研究表明，PDO是作用于整個(gè)太平洋的一種氣候現(xiàn)象，而本研究的莖柔魚(yú)是棲息于東南太平洋的一種魚(yú)類(lèi)，與PDO定義[北太平洋北緯20°N以北區(qū)域SST距平的經(jīng)驗(yàn)正交函數(shù)的第一分量(余為, 2016)]的作用區(qū)域有所不同，關(guān)聯(lián)性較弱，且為年代際的一種變動(dòng)，年度間變動(dòng)較小，因此，對(duì)莖柔魚(yú)的影響較厄爾尼諾事件弱(段丁毓等, 2018)。許駱良等(2015)通過(guò)構(gòu)建廣義線(xiàn)性模型和廣義加性模型，認(rèn)為只有葉綠素濃度對(duì)莖柔魚(yú)資源量有顯著性影響，而通常認(rèn)為，對(duì)漁場(chǎng)起到?jīng)Q定作用的水溫因素則為非顯著因子。汪金濤等(2014)基于神經(jīng)網(wǎng)絡(luò)模型認(rèn)為，海表面溫度、葉綠素和海面高度這3個(gè)因子對(duì)莖柔魚(yú)資源量都具有顯著影響，并構(gòu)建了基于以上因子莖柔魚(yú)資源豐度的預(yù)測(cè)模型。這可能是由于各研究所選取的環(huán)境因子的地理位置不同，導(dǎo)致結(jié)果出現(xiàn)差異，本研究中，可能由于只選取了產(chǎn)卵場(chǎng)Chl并采用平均的方式進(jìn)行研究，在一定程度上淡化了Chl對(duì)莖柔魚(yú)資源量的影響。

綜上所述，本研究建立的5種預(yù)測(cè)模型均能較好地預(yù)測(cè)東南太平洋莖柔魚(yú)資源豐度，模型3精度最高，且驗(yàn)證結(jié)果較為準(zhǔn)確，選定為最終模型。同時(shí)，本研究也存在一些不足，如無(wú)法具體分析各因子之間的交互效應(yīng)，例如，PDO的變化會(huì)導(dǎo)致SST的變化、相對(duì)貢獻(xiàn)率，沒(méi)有考慮環(huán)境、氣候因子的滯后效應(yīng)等。在今后的研究中，應(yīng)更加精細(xì)和量化東南太平洋莖柔魚(yú)整個(gè)生活史氣候因子和環(huán)境因子，并與其他模型進(jìn)行綜合比較，選擇全局最優(yōu)的資源豐度預(yù)測(cè)模型。

Anatolio T, Carmen Y, Mariategui L,. Distribution and concentrations of Jumbo flying squid () off the Peruvian coast between 1991 and 1999. Fisheries Research, 2001, 54(1): 21–32

Anderson CIH, Rodhouse PG. Life cycles, oceanography and variability: Ommastrephid squid in variable oceanographic environments. Fisheries Research(Amsterdam), 2001, 54(1): 1–143

Cao J, Chen XJ, Chen Y. Influence of surface oceanographic variability on abundance of the western winter-spring cohort of neon flying squidin the NW Pacific Ocean. Marine Ecology Progress, 2009, 381(12): 119–127

Chen XJ, Zhao XH. Preliminary study on the catch distribution ofand its relationship with sea surface temperature in the offshore waters of Peru. Journal of Shanghai Ocean University, 2006, 15(1): 65–70 [陳新軍, 趙小虎. 秘魯外海莖柔魚(yú)產(chǎn)量分布及其與表溫關(guān)系的初步研究. 上海海洋大學(xué)學(xué)報(bào), 2006, 15(1): 65–70]

Chen XJ. Fishery resources and fisheries. Beijing: China Ocean Press, 2004, 169–192 [陳新軍. 漁業(yè)資源與漁場(chǎng)學(xué). 北京: 海洋出版社, 2004, 169–192]

Chen XJ. Grey system theory in fisheries science. Beijing: China Agriculture Press, 2003, 1–32 [陳新軍. 灰色系統(tǒng)理論在漁業(yè)科學(xué)中的應(yīng)用. 北京: 中國(guó)農(nóng)業(yè)出版社, 2003, 1–32]

Chen YY, Chen XJ. Influence of El Nino/La Nina on the abundance index of skipjack in the Western and Central Pacific Ocean. Journal of Shanghai Ocean University, 2017, 26(1): 113–120[陳洋洋, 陳新軍. 厄爾尼諾/拉尼娜現(xiàn)象對(duì)中西太平洋鰹資源豐度的影響. 上海海洋大學(xué)學(xué)報(bào), 2017, 26(1): 113–120]

Duan DY, Chen P, Chen XJ,. The construction of biomass forecasting model for the anchoveta () by the grey system model. Journal of Shanghai Ocean University, 2018, 27(2): 284–290 [段丁毓, 陳芃, 陳新軍, 等. 基于灰色系統(tǒng)的秘魯鳀資源量預(yù)測(cè)模型的構(gòu)建. 上海海洋大學(xué)學(xué)報(bào), 2018, 27(2): 284–290]

Fang Z, Chen YY, Chen XJ,. The grey predict model construction of abundance forecasting for skipjack tuna () in the Western and Central Pacific Ocean based on different environmental factors. Journal of Marine Sciences, 2018(4): 60–67 [方舟, 陳洋洋, 陳新軍, 等. 基于不同環(huán)境因子的中西太平洋鰹魚(yú)資源豐度灰色預(yù)測(cè)模型構(gòu)建. 海洋學(xué)研究, 2018(4): 60–67]

Gao X, Chen XJ, Xu W. Forecasting model of the abundance index of winter-spring cohort of neon flying squid () in the Northwest Pacific Ocean based on grey system theory. Acta Oceanologica Sinica, 2017, 39(6): 55–61 [高雪, 陳新軍, 余為. 基于灰色系統(tǒng)的西北太平洋柔魚(yú)冬春生群資源豐度預(yù)測(cè)模型. 海洋學(xué)報(bào)(中文版), 2017, 39(6): 55–61]

Gong Y, Li YK, Chen L,. A comparative analysis of fatty acid profiles in muscle offrom different harvest locations in the Eastern Pacific Ocean. Progress in Fishery Sciences, 2018, 39(6): 149–156 [貢藝, 李云凱, 陳玲, 等. 東太平洋不同海區(qū)莖柔魚(yú)肌肉脂肪酸組成分析與比較. 漁業(yè)科學(xué)進(jìn)展, 2018, 39(6): 149–156]

Guan WJ, Gao F, Chen XJ. Review of the applications of satellite remote sensing in the exploitation,management and protection of marine fisheries resources. Journal of Shanghai Ocean University, 2017, 26(3): 440–449 [官文江, 高峰, 陳新軍. 衛(wèi)星遙感在海洋漁業(yè)資源開(kāi)發(fā)、管理與保護(hù)中的應(yīng)用. 上海海洋大學(xué)學(xué)報(bào), 2017, 26(3): 440–449]

He SM. Finance and economics dictionary. Beijing: China Financial and Economic Publishing House, 1990 [何盛明. 財(cái)經(jīng)大辭典. 北京: 中國(guó)財(cái)政經(jīng)濟(jì)出版社, 1990]

Ichii T, Mahapatra K, Watanabe T,. Occurrence of jumbo flying squidaggregations associated with the counter current ridge off the Costa Rica Dome during 1997 El Ni?o and 1999 La Ni?a. Marine Ecology-Progress Series, 2002, 231(1): 151–166

Liu B, Zhou F, Chen X,. Spatial variations in beak structure to identify potentially geographic populations ofin the Eastern Pacific Ocean. Fisheries Research, 2015, 164: 185–192

Nigmatullin CM, Nesis KN, Arkhipkin AI. A review of the biology of the Jumbo squid(Cephalopoda: Ommastrephidae). Fisheries Research, 2001, 54(1): 9–19

Rodhouse PG. Managing and forecasting squid fisheries in variable environments. Fisheries Research, 2001, 54(1): 3–8

Taipe A, Yamashiro C, Mariategui L,. Distribution and concentrations of jumbo flying squid () off the Peruvian coast between 1991 and 1999. Fisheries Research (Amsterdam), 2001, 54(1): 1–32

Tang YC. Statistical analysis with R. Beijing: Higher Education Press, 2008, 260–264 [湯銀才. Ｒ語(yǔ)言與統(tǒng)計(jì)分析. 北京: 高等教育出版社, 2008, 260–264]

Wang JT, Chen XJ, Gao F,. Fish recruitment forecasting forbased on multi-environmental factors in the Southeastern Pacific. Oceanologia et Limnologia Sinica, 2014, 45(6): 1185–1191 [汪金濤, 陳新軍, 高峰, 等. 基于環(huán)境因子的東南太平洋莖柔魚(yú)資源補(bǔ)充量預(yù)報(bào)模型研究. 海洋與湖沼, 2014, 45(6): 1185–1191]

Wang JT, Chen XJ. Changes and prediction of the fishing ground gravity of skipjack () in Western- Central Pacific. Periodical of Ocean University of China (Natural Science), 2013, 43(8): 48–52 [汪金濤, 陳新軍. 中西太平洋鰹魚(yú)漁場(chǎng)的重心變化及其預(yù)測(cè)模型建立. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2013, 43(8): 48–52]

Wang JT. Fishery forecasting and stock assessment for commercial oceanic ommastrephid squid. Doctoral Dissertation of Shanghai Ocean University, 2015 [汪金濤. 大洋性經(jīng)濟(jì)柔魚(yú)類(lèi)漁情預(yù)報(bào)與資源量評(píng)估研究. 上海海洋大學(xué)博士研究生學(xué)位論文, 2015]

Wang YG, Chen XJ. World oceanic economic soft fish resources and their fisheries. Beijing: China Ocean Press, 2005, 240–264 [王堯耕, 陳新軍. 世界大洋性經(jīng)濟(jì)柔魚(yú)類(lèi)資源及其漁業(yè). 北京: 海洋出版社, 2005, 240–264]

Wei GN, Chen XJ, Li G. Interannual variation and forecasting ofmigration gravity in the Northwest Pacific Ocean. Journal of Shanghai Ocean University, 2018, 27(4): 573–583 [魏廣恩, 陳新軍, 李綱. 西北太平洋柔魚(yú)洄游重心年際變化及預(yù)測(cè). 上海海洋大學(xué)學(xué)報(bào), 2018, 27(4): 573–583]

Wei L, Chen XJ, Lei L,. Comparative study on the forecasting models of squid fishing ground in the northwest Pacific Ocean based on BP artificial neural network. Journal of Shanghai Ocean University, 2017, 26(3): 450–457 [魏聯(lián), 陳新軍, 雷林, 等. 西北太平洋柔魚(yú)BP神經(jīng)網(wǎng)絡(luò)漁場(chǎng)預(yù)報(bào)模型比較研究. 上海海洋大學(xué)學(xué)報(bào), 2017, 26(3): 450–457]

Xu B. Spatial and temporal distribution of fishing ground forand the relationship between recruitment and environment in the offshore waters of Peru North west Pacific Ocean. Master′s Thesis of Shanghai Ocean University, 2012 [徐冰. 秘魯外海莖柔魚(yú)漁場(chǎng)時(shí)空分布及資源補(bǔ)充量與環(huán)境的關(guān)系. 上海海洋大學(xué)碩士研究生學(xué)位論文, 2012]

Xu LL, Chen XJ, Wang JT. Inter-annual variation in abundance index ofoff Peru during 2003 to 2012. Journal of Shanghai Ocean University, 2015, 24(2): 280– 286 [許駱良, 陳新軍, 汪金濤. 2003–2012年秘魯外海莖柔魚(yú)資源豐度年間變化分析. 上海海洋大學(xué)學(xué)報(bào), 2015, 24(2): 280–286]

Yu W, Chen XJ. Analysis of environmental conditions and their influence on the abundance of neon flying squid in the Northwest Pacific Ocean. Acta Ecologica Sinica, 2015, 35(15): 5032–5039 [余為, 陳新軍. 西北太平洋柔魚(yú)棲息地環(huán)境因子分析及其對(duì)資源豐度的影響. 生態(tài)學(xué)報(bào), 2015, 35(15): 5032–5039]

Yu W. Response mechanism of winter-spring cohort of neon flying squid to the climatic and environmental variability in the Northwest Pacific Ocean. Doctoral Dissertation of Shanghai Ocean University, 2016 [余為. 西北太平洋柔魚(yú)冬春生群對(duì)氣候與環(huán)境變化的響應(yīng)機(jī)制研究. 上海海洋大學(xué)博士研究生學(xué)位論文, 2016]

Zhu WT, Chen XJ, Wang JT,. Predicting the abundance of Pacific saury based on grey system in the Northwest Pacific. Journal of Guangdong Ocean University, 2018, 38(6): 13–17 [朱文濤, 陳新軍, 汪金濤, 等. 基于灰色系統(tǒng)的西北太平洋秋刀魚(yú)資源豐度預(yù)測(cè). 廣東海洋大學(xué)學(xué)報(bào), 2018, 38(6): 13–17]

Prediction of Abundance Index of the Humboldt Squid () in the Southeast Pacific Ocean Based on a Grey System-Based Model

YAN Yongbin1,3, CHEN Xinjun1,2, WANG Jintao1,2①, LEI Lin1,2, CHENG Qiqun3

(1. College of Marine Science, Shanghai Ocean University, Shanghai 201306; 2. Key Laboratory of Oceanic Fisheries Exploration, Ministry of Agriculture and Rural Affairs; National Engineering Research Center for Oceanic Fisheries; Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources, Ministry of Education; Scientific Observing and Experimental Station of Oceanic Fishery Resources, Ministry of Agriculture and Rural Affairs, Shanghai 201306; 3. East China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Shanghai 200090)

The Humboldt squid () is one of the most abundant fisheries resource in the Southeast Pacific Ocean. It has become an important component of China's offshore fisheries due to its high economic value. Accurate abundance index prediction is important to the rational development and utilization of. In this study, the correlation analysis and grey system method were used to establish a model (GM) for predicting the abundance of squid in the southeastern Pacific based on fishery data as well as environmental and climatic factors, including Sea Surface Temperature (SST), Pacific Decadal Oscillation (PDO), Oceanic Nino Index (ONI), and Chlorophyll concentration(Chl). The results showed that the SST of the spawning ground in February, the Chlof the spawning ground in March, the PDO in December, and the ONI in October had significant correlations with the abundance of squid. The GM (1, 4) model with SST, PDO, and ONI as independent variables had the highest accuracy (> 85%), which could be used to accurately predict the abundance ofin the Southeast Pacific.

Southeast Pacific Ocean;; Grey system; Abundance index

WANG Jintao, E-mail: jtwang@shou.edu.cn

S932

A

2095-9869(2020)05-0006-06

10.19663/j.issn2095-9869.20190525001

http://www.yykxjz.cn/

閆永斌, 陳新軍, 汪金濤, 雷林, 程起群. 東南太平洋莖柔魚(yú)資源豐度灰色預(yù)測(cè)研究. 漁業(yè)科學(xué)進(jìn)展, 2020, 41(5): 46–51

Yan YB, Chen XJ, Wang JT, Lei L, Cheng QQ. Prediction of abundance index of the humboldt squid () in the Southeast Pacific Ocean based on a grey system-based model. Progress in Fishery Sciences, 2020, 41(5): 46–51

* 國(guó)家自然科學(xué)基金(NSFC31702343; NSFC41876141)和自然資源衛(wèi)星遙感業(yè)務(wù)支持服務(wù)體系項(xiàng)目(202001004)共同資助 [This work was supported by National Natural Science Foundation of China (NSFC31702343; NSFC41876141), and Demonstration of Natural Resources Satellite Remote Sensing Technology System Construction and Application (202001004)]. 閆永斌，E-mail: 15653831687@163.com

汪金濤，E-mail: jtwang@shou.edu.cn

2019-05-25,

2019-06-21

(編輯 馮小花)