[发明专利]基于太平洋涛动指数的秋刀鱼资源丰度中长期预测方法

说明书

本发明公开了一种基于太平洋涛动指数的秋刀鱼资源丰度中长期预测方法，其包括以下步骤：获取前N年秋刀鱼分布的西北太平洋海域的每月的太平洋震荡指数PDO值；利用时间序列分析方法，对秋刀鱼资源丰度CPUE与前N年每月的PDO值进行相关性分析，获取在统计上相关的P＜0.05的月PDO值，该些月PDO值作为影响秋刀鱼资源丰度的气候因子；利用多元线性方程建立多个秋刀鱼资源丰度预测模型并计算统计上P值；在上述多个秋刀鱼资源丰度预测模型中，选择统计上P值最小的模型作为最优模型。

技术领域

本发明涉及鱼资源丰度中长期预测技术领域，特别是涉及一种基于太平洋涛动指数的秋刀鱼资源丰度中长期预测方法。

背景技术

秋刀鱼是世界远洋渔业的主要捕捞对象，在世界海洋捕捞产量中占据重要的地位，其渔业资源也极为丰富，作业渔场分布也非常广阔，但其商业性开发和利用主要分布在西北太平洋海域。秋刀鱼是一种多次产卵型鱼类，产卵季节很长，从秋季一直延续到翌年春季，秋季的主要产卵场在黑潮前锋北部的混合水域，冬春季则在黑潮水域。秋刀鱼成长速度非常快。最大体长可达35～40cm，通常为25～30cm。大约在1.5龄开始至2龄完全成熟，寿命大约为3年。秋刀鱼的索饵渔场主要在西北太平洋海域，其产卵场集中在日本北海道东部海域，基本上是南北向的季节性洄游。主要捕捞国和地区为日本、俄罗斯、韩国、中国台湾以及中国大陆，其中韩国、中国台湾及中国大陆主要在公海进行生产。根据统计，2008年以后，秋刀鱼产量均处在一个较高水平，稳定在40-63万吨之间。其中以日本为最多，年产量在14－35万吨间。秋刀鱼资源对海洋环境因素极为敏感，刘祝楠和陈新军(2018)根据1990-2014年西北太平洋日本的秋刀鱼渔业中单位捕捞努力量渔获量(CPUE，以此作为资源丰度)，以及相应产卵场、索饵场的海表温(SST)遥感数据，探讨太平洋年际震荡(PDO)指数冷、暖年下，秋刀鱼资源丰度CPUE变化与产卵场、索饵场SST的关系，并分别建立资源丰度的预测模型。谢斌等(2015)根据1989—2012年西北太平洋秋刀鱼的单位捕捞努力量渔获量(CPUE)以及对应的海洋环境因子数据，包括1-12月各月的Trans-Nino指数(TNI)、1月黑潮区域海表面温度(SST_(黑潮))、6月亲潮海表面温度(SST_(亲潮))，采用BP神经网络预报模型，对西北太平洋秋刀鱼资源丰度进行预测分析，通过10种神经网络模型比较，以及实际CPUE的验证，以拟合残差最小的预报模型作为最优预报模型。上述研究表明，目前国内外各学者对西北太平洋秋刀鱼产卵场、索饵场及其黑潮等环境影响其资源补充量进行了很好的研究，并建立了相应的资源量预测模型，但在如何运用气候因子来提前预测其资源量则是空白。

发明内容

本发明针对现有技术存在的问题和不足，提供一种基于太平洋涛动指数的秋刀鱼资源丰度中长期预测方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种基于太平洋涛动指数的秋刀鱼资源丰度中长期预测方法，其特点在于，其包括以下步骤：

S1、获取前N年秋刀鱼分布的西北太平洋海域的每月的太平洋震荡指数PDO值；

S2、利用时间序列分析方法，对秋刀鱼资源丰度CPUE与前N年每月的PDO值进行相关性分析，获取在统计上相关的P＜0.05的月PDO值，该些月PDO值作为影响秋刀鱼资源丰度的气候因子；

S3、利用多元线性方程建立多个秋刀鱼资源丰度预测模型并计算统计上P值，其公式为：

CPUE＝a+b1*x1+b2*x2+b3*x3+……+bn*xn

式中，CPUE秋刀鱼资源丰度，a为常数，b1、b2、b3、……、bn为方程的系数；x1、x2、x3、……、xn为影响资源丰度的月PDO值；

S4、在上述多个秋刀鱼资源丰度预测模型中，选择统计上P值最小的模型作为最优模型。