基于GAM和权重分析的西北太平洋秋刀鱼渔情预报研究

摘要

为了提高秋刀鱼(Cololabis saira)渔情预报模型的时空分辨率,提升生产经济效益,本研究基于2013-2016年7-11月中国在西北太平洋公海的秋刀鱼生产数据及海洋环境数据,利用广义可加模型(generalized additive models,GAM)分别拟合单位捕捞努力量渔获量(catch per unit effort,CPUE)的适宜性指数(suitability index,SI)与各海洋环境变量之间的SI模型,结合提升回归树模型(boosting regression tree,BRT)进行权重分析,建立以月份为周期的秋刀鱼栖息地适宜性指数(habitat suitability index,HSI)模型.结果 表明,(1) GAM能较好地拟合适宜性指数与环境变量的关系,获得最优环境变量参数值;(2)环境变量对CPUE影响权重的前3位分别为海表温度梯度、海表温度和混合层深度,其中,在秋季9-11月海表温度梯度的权重值均为最高;(3) HSI模型的检验和评价总体准确率分别为82.0％和73.2％,秋季可达87.7％和77.9％,在盛渔期10月,预测准确率达89.4％;(4) HSI高值区与秋刀鱼实际渔场在空间分布基本一致.研究表明该模型适用于秋刀鱼的渔情预报,并在每天的速报中具有明显优势.