基于栖息地环境异质性的中西太平洋鲣渔获率的时空分布研究

作     者：姜珊 

作者单位：上海海洋大学 

学位级别：硕士

导师姓名：杨晓明

授予年度：2022年

学科分类：07[理学] 0713[理学-生态学] 

主      题：中西太平洋 鲣 地理加权回归模型 地理加权回归克里金模型 时空异质性 空间自相关 

摘      要：鲣(Katsuwonus pelamis)是围网渔业捕捞的重要资源,主要分布在中西太平洋海域。近年来,中西太平洋海域的围网鲣捕捞量持续增长,为提高我国围网鲣渔船的捕捞效率,增加渔业捕捞产量,探索围网鲣渔获率与海洋环境关系的时空异质性,选择合适的渔业预测模型。本文利用中国大陆2009-2018年中西太平洋金枪鱼围网渔船渔捞日志数据以及中西太平洋渔业委员会(WCPFC)公布的围网渔业捕捞数据结合海表面盐度(sea surface salinity,SSS)、不同水层的温度和盐度、海表面温度(sea surface temperature,SST)、混合层深度(mixed layer depth,MLD)、净初级生产力(net primary production,NPP)、海平面异常(sea level anomaly,SLA)等环境数据,对环境因子做标准化处理,建立了地理加权回归模型,进行时空异质性分析,并利用地理加权回归模型、地理加权回归克里金模型以及广义加性模型三种模型进行鲣渔获率的预测分析,通过叠加比较三种模型的预测结果以及各项性能和预测精度指标,选出最优预测模型,为今后渔业预测的相关研究提供一种新的参考方法。主要研究结果如下:(1)采用探索性回归分析、地理加权回归模型(Geographically Weighted Regression,GWR)和空间自相关方法进行分析研究。结果显示:1)运用探索性回归分析方法,解决了海洋环境因子存在的多重共线性及其显著性的问题,最终选取SLA、MLD、NPP、海表面温度梯度(sea surface temperature gradient,SSTG)作为环境变量;2)通过空间自相关性分析,鲣的渔获率具有明显的聚集性,空间上,主要存在2处聚集区,分别聚集在以165°为界的东、西部海域以及东侧的小范围海域,时间上,聚集程度依次为:第四季度第一季度第二季度。原因是海洋环境对鲣渔获率影响的时空异质性导致营养物质和浮游生物发生变化,从而导致鲣的渔获率的空间聚集性的差异。3)GWR模型结果显示,各环境因子在不同季度不同空间位置的回归系数值均存在明显的异质性,且在第四季度的时空异质性程度最强。整体上,各环境因子的影响程度大小依次为SLAMLDNPPSSTG,SLA和MLD对鲣渔获率的负向影响较明显,是由于鲣喜欢生活在表层水域,SLA和MLD的值越小,表层营养物质越丰富。NPP和SSTG主要为正向影响,是由于鲣主要聚集在受NPP和SSTG影响明显的冷暖水交汇的锋面海域。4)利用赤池信息准则(AIC)检验模型,对比GWR模型和最小二乘法(ordinary least squares,OLS)两种模型的结果,发现三个季度GWR模型的AIC值相较于OLS更低,且值相差3以上,根据GWR模型的空间自相关结果,发现其残差也表现出较小的空间自相关,因此表明GWR模型具有更好的拟合效果。(2)选用地理加权回归模型、广义加性模型(Generalized additive model,GAM)、地理加权回归克里金模型(Geographically Weighted Regression Kriging,GWRK)三种空间预测模型,对2009018年中西太平洋围网鲣渔获率的空间分布进行预测,并通过各项性能及预测精度指标对三种模型的结果进行比较分析。结果表明:1)利用探索性回归工具,根据方差膨胀因子(VIF)和显著性指数对环境因子进行筛选,最终选取了NPP、T50(50m水深温度,sea temperature at50m depth)、SST、S100(100m水深盐度,sea salinity at 100m depth)、SLA五种环境因子进行预测模型的构建。2)由模型性能评估的相关指数可以发现,三种模型的模型解释率大小依次为GWRKGAMGWR,其中,GWR模型校正后的R2最高值为40.9%,最低值为25.1%,GWRK模型校正后的R2最高值为47.8%,最低值为42.7%。三个季度模型解释率大小依次为:第一季度(47.8%)第四季度(43.8%)第二季度(42.7%),第一季度三种模型校正后的R2均超过40%,最高为GWRK模型(47.8%),第四季度GWR和GAM模型的解释率相对较低,分别为25.1%和26.2%,GWRK模型三个季度校正后的R2均超过40%。3)根据模型精度评价的相关指标可知,三种模型中,GAM的平均预测误差(ME)最接近0,从平均绝对误差(MAE)、均方根误差(RMSE)和半径指数(Radius)三个指标来看,GWRKGAMGWR。从相对改进指数来看,GAM相对于GWR模型改进指数最高为5.2%,最低为0.5%,GWRK模型相对GWR模型改进指数最高为15.2%,最低为6.5%。综合以上指标参数,最优的预测模型为GWRK模型。(3)根据2009018年中西太平洋围网鲣渔获率的季度空间分布结果可以发现,三个季度渔获率的空间分布具有相似的规律,渔获率高值区域主要分布在160°E以东海域。第一季度具体分布在165°E80°,12°S°N以及142°E50°E,4°N°N海域,第二季度赤道周围的渔获率逐渐向南或向北移动,渔获率高值区范围有所缩小,第四季度,渔获率的分布又重新聚集在赤道附近,主要分布在157°E70°E,13°S°N以及170°E80°,12°S°N的海域内。利用三种模型对中西太平洋围网鲣渔获率的空间分布进行预测分析,结果显示,三种模型所预测的渔获率的空间分布具有相似的特征,三个季度预测的渔获率空间分布与实际渔获率的空间分布规律也具有相似规律,其中GWRK模型预测的渔获率空间分布图比较其他模型更加精细。比较三种模型预测的渔获率与实际渔获率的各种状态指标,可以发现,GWR模型和GAM三个季度的总体精度相似,均为第一季度总体精度最高,第二季度总体精度最低。GWRK模型三个季度的总体精度均超过GAM和GWR模型,且均在70%以上,其中第四季度最高,为79.6%。三种模型第一季度总体预测的精度主要是由于对冷点和热点的正确预测,第三季度和第四季度主要是由于对冷点和不显著类别的正确预测。综合上述的分析发现,GWRK模型具有较好的模型性能及预测精度,在今后的研究中可以利用该模型对相关渔业数据进行预测分析。