基于棲息地指數(shù)的西北太平洋日本鯖漁情預(yù)報(bào)模型構(gòu)建

范秀梅，唐峰華*，崔雪森，楊勝龍，朱文斌，黃良敏

( 1. 中國(guó)水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所 農(nóng)業(yè)農(nóng)村部遠(yuǎn)洋與極地漁業(yè)創(chuàng)新重點(diǎn)實(shí)驗(yàn)室，上海 200090；2. 浙江省海洋水產(chǎn)研究所，浙江 舟山 316021；3. 集美大學(xué) 福建省海洋漁業(yè)資源與生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室，福建 廈門 361021)

1 引言

日本鯖（Scomber japonicus），俗稱鮐魚，屬于暖水性中上層魚類，在水深0～300 m 的水層生活，游泳能力較強(qiáng)，具有季節(jié)性索餌洄游的特性，春、夏北上索餌洄游，秋、東南下越冬[1]，廣泛分布于印度洋、大西洋、北太平洋西部及俄羅斯遠(yuǎn)東地區(qū)，最北可到鄂霍次克海，是重要的海洋經(jīng)濟(jì)魚類之一[2]。研究認(rèn)為東海、日本海和西北太平洋公海的日本鯖的漁場(chǎng)分布與海表水溫（Sea Surface Temperature, SST）、海面高度異常（Sea Level Anomaly, SLA）、葉綠素a濃度（ChlorophyllaConcentration, CHL）等環(huán)境因子密切相關(guān)[3–7]。為了保護(hù)我國(guó)近海漁業(yè)資源，解決中國(guó)、日本、韓國(guó)漁業(yè)協(xié)定生效后捕撈能力的過(guò)剩和水產(chǎn)品供應(yīng)缺口的問(wèn)題，我國(guó)于2014 年開始實(shí)施西北太平洋公海拖網(wǎng)、圍網(wǎng)漁業(yè)項(xiàng)目，開發(fā)西北太平洋公海漁業(yè)資源，主要以燈光作業(yè)的方式，捕撈日本鯖、沙丁魚和柔魚等，其中日本鯖為主要漁獲[8]，因此對(duì)西北太平洋公海的日本鯖資源豐度及漁場(chǎng)的時(shí)空分布進(jìn)行探究就越來(lái)越重要。

棲息地適宜性指數(shù)（Habitat Suitability Index，HSI）模型（簡(jiǎn)稱棲息地指數(shù)模型）早期被美國(guó)學(xué)者們應(yīng)用于陸地和淡水野生動(dòng)物中[9–10]，后來(lái)逐漸用于河口與近海環(huán)境中[11–12]。HSI 模型可以模擬生物對(duì)各種環(huán)境因子的響應(yīng)，用于評(píng)價(jià)野生生物的棲息地適宜程度，HSI 的取值范圍為0～1，值越大表示棲息地適宜度越高[13]。HSI 模型的輸出結(jié)果能夠很好地展示在地圖上，標(biāo)示出動(dòng)物適宜棲息地的空間分布，一定程度上適合了漁業(yè)資源管理和開發(fā)的需要，所以在漁場(chǎng)預(yù)報(bào)中得到了越來(lái)越廣泛的使用[4,14–15]。建立HSI 模型時(shí)，主要有兩種方法來(lái)計(jì)算HSI 值，一種是認(rèn)為各個(gè)環(huán)境因子對(duì)漁場(chǎng)形成的影響程度一致，例如采用算術(shù)平均（Arithmetic Mean Model, AMM）或者幾何平均[4,16]；另一種則是考慮不同環(huán)境變量對(duì)漁場(chǎng)形成的影響程度不同，采用加權(quán)平均法來(lái)計(jì)算HSI。易煒等[17]在建立東海日本鯖的HSI 模型過(guò)程中，考慮到各環(huán)境因子隨時(shí)間變化對(duì)漁場(chǎng)分布的影響程度不同，對(duì)不同月份的環(huán)境因子的權(quán)重進(jìn)行重新探討，將各環(huán)境因子的適應(yīng)性指數(shù)（Suitability Index，SI）模型的結(jié)果以加權(quán)算術(shù)平均的方法輸入HSI 模型，結(jié)果表明在HIS 模型中考慮權(quán)重會(huì)提高預(yù)報(bào)精度。

國(guó)內(nèi)外學(xué)者對(duì)日本鯖生物學(xué)特征的變化及環(huán)境因子對(duì)其分布的影響研究主要集中在東海、日本海等近海區(qū)域[7,18–19]，西北太平洋公海日本鯖的相關(guān)研究還不多，本研究利用2014-2017 年的西北太平洋公海日本鯖漁場(chǎng)燈光圍網(wǎng)作業(yè)的捕撈數(shù)據(jù)，結(jié)合環(huán)境因子：葉綠素a濃度、海表水溫、海面高度異常，基于加權(quán)平均法，分別建立了基于漁獲量和作業(yè)次數(shù)的日本鯖棲息地適宜性指數(shù)HSI 模型，并利用2018 年的環(huán)境數(shù)據(jù)和捕撈數(shù)據(jù)對(duì)模型的預(yù)報(bào)結(jié)果進(jìn)行了驗(yàn)證。

2 材料與方法

2.1 數(shù)據(jù)來(lái)源

日本鯖的漁獲數(shù)據(jù)來(lái)自中國(guó)遠(yuǎn)洋漁業(yè)協(xié)會(huì)公海拖網(wǎng)、圍網(wǎng)技術(shù)組提供的西北太平洋公海燈光圍網(wǎng)漁撈日志，該漁撈日志中，日本鯖的產(chǎn)量占80%～90%，為主要漁獲。數(shù)據(jù)記錄包括日期、緯度、經(jīng)度、產(chǎn)量等，時(shí)間為2014-2018 年5-11 月。各年的作業(yè)船數(shù)、產(chǎn)量、作業(yè)次數(shù)如表1 所示，2014-2018 年的漁獲量的地理空間分布如圖1 所示。

海表水溫和葉綠素?cái)?shù)據(jù)來(lái)自美國(guó)國(guó)家海洋和大氣管理局（National Oceanic and Atmospheric Administration, NOAA）（https://oceanwatch.pifsc.noaa.gov/erddap/griddap/index），時(shí)間分辨率為月平均，空間分辨率為（1/12）°（約8 km）。海面高度異常數(shù)據(jù)來(lái)自哥白尼海洋環(huán)境監(jiān)測(cè)服務(wù)中心（Copernicus Marine Environment Monitoring Service, CMEMS）提供的再分析數(shù)據(jù)（http://marine.copernicus.eu/services-portfolio/access-to-products/），時(shí)間分辨率為月平均，空間精度為（1/12）°。環(huán)境數(shù)據(jù)的范圍為西北太平洋公海日本鯖漁場(chǎng)，經(jīng)緯度范圍為30°～50°N，140°～170°E。

表1 2014-2018 年西北太平洋日本鯖漁獲數(shù)據(jù)Table 1 Fish catches of Scomber japonicus in the Northwest Pacific Ocean during 2014-2018

圖1 2014-2018 年西北太平洋日本鯖漁獲量的空間分布Fig. 1 Distribution of fish catches of Scomber japonicus in the Northwest Pacific Ocean during 2014-2018

2.2 處理方法

2.2.1 SI 模型的計(jì)算

本研究假定最多漁獲量或者最高作業(yè)次數(shù)的區(qū)域?yàn)樽钸m合日本鯖生活的區(qū)域，設(shè)定其SI 為1，認(rèn)為日本鯖資源最豐富；漁獲量為0 或者作業(yè)次數(shù)為0 的區(qū)域?yàn)樽畈贿m合日本鯖生活的區(qū)域，設(shè)定其SI 為0，認(rèn)為日本鯖資源量最少。計(jì)算公式如下：

式中，i代表月份；SIi,cat表示i月基于漁獲量計(jì)算的適應(yīng)性指數(shù)；SIi,num表示i月基于作業(yè)次數(shù)計(jì)算的適 應(yīng)性 指數(shù)；CATi,max表示i月最大的漁獲量；NUMi,max為i月最高作業(yè)次數(shù)。

利用一元非線性回歸來(lái)建立SI 與SST、SLA、CHL 自然對(duì)數(shù)（ln（CHL））之間的關(guān)系模型。一元非線性函數(shù)可以將離散的SI 和環(huán)境變量的關(guān)系轉(zhuǎn)為連續(xù)的隨機(jī)變量關(guān)系。一元非線性的擬合函數(shù)為高斯函數(shù)，表達(dá)式如下：

式中，SIi,cat和SIi,num由公式（1）計(jì)算得 到；x表示環(huán)境因子SST、ln（CHL）、SLA 的值。考慮到網(wǎng)格面積大小隨緯度增高而變小，面積不一樣，可容納的作業(yè)漁船數(shù)量不一樣，資源量也不一樣，計(jì)算適應(yīng)性指數(shù)時(shí)，直接利用漁撈日志中記錄的每個(gè)作業(yè)網(wǎng)次的原始數(shù)據(jù)，不使用空間網(wǎng)格的統(tǒng)計(jì)數(shù)據(jù)，具體作業(yè)位置的環(huán)境因子數(shù)值通過(guò)環(huán)境數(shù)據(jù)插值得到。利用matlab 軟件擬合可求解公式（2）中的常數(shù)值a、b。需要注意的是葉綠素a濃度的分布具有偏態(tài)性，自然對(duì)數(shù)可以很好地糾正數(shù)據(jù)的偏態(tài)性，故分別對(duì)它們求自然對(duì)數(shù)，使得數(shù)據(jù)的分布符合正態(tài)分布，然后再進(jìn)行擬合。

2.2.2 環(huán)境變量最適值的計(jì)算，最適區(qū)間的下限值為

在高斯函數(shù)中，如公式（2），a為擬合曲線尖峰的以獲得各個(gè)環(huán)境因子的最適值區(qū)間，中心，為標(biāo)準(zhǔn)方差，描述了數(shù)據(jù)分布的離散程度。高斯函數(shù)的分布特征為函數(shù)曲線下68.27%的面積在曲線尖峰的中心a左右的一個(gè)標(biāo)準(zhǔn)差范圍內(nèi)。利用高斯函數(shù)的這個(gè)分布特征，根據(jù)公式（2）可[a?0.707 1×b,a+0.707 1×b]，其對(duì)應(yīng)的SI值范圍為[0.606 5, 1]，這與陳新軍等[20]的利用適應(yīng)性指數(shù)SI 大于0.6 作為生物的最適棲息范圍相符。故設(shè)定環(huán)境因子的最適值為a, 最適區(qū)間的上限值為

2.2.3 HSI 模型的計(jì)算

棲息地適宜性指數(shù)HSI 值的變化區(qū)間為[0,1]，表示從不適宜到最適宜?？紤]到各環(huán)境因子對(duì)日本鯖資源分布的影響程度不一致，利用多元線性規(guī)劃求解公式（3）中各個(gè)環(huán)境變量的權(quán)重系數(shù)，以區(qū)別不同環(huán)境因子的重要性。綜合棲息地指數(shù)的計(jì)算公式如下：

式中，c、d、e表示權(quán)重值，均大于0，小于1，且c+d+e=1，利用matlab 軟件的規(guī)劃求解可得到這些權(quán)重系數(shù)的值。公式（3）中，沒(méi)有添加回歸截距項(xiàng)，因?yàn)檫@里的截距并無(wú)實(shí)際意義，而權(quán)重系數(shù)c、d、e的意義比較明顯，表示環(huán)境變量的變動(dòng)對(duì)因變量HSI 變動(dòng)的影響程度，故此處僅關(guān)注回歸系數(shù)。

2.2.4 HSI 模型的驗(yàn)證

利用2018 年5?11 月實(shí)際捕撈作業(yè)數(shù)據(jù)對(duì)該HSI 模型的漁場(chǎng)預(yù)報(bào)精度進(jìn)行驗(yàn)證。將環(huán)境數(shù)據(jù)輸入HSI 模型，獲得模型的理論HSI 值，按照高、中、低3 個(gè)區(qū)間，分別統(tǒng)計(jì)其中的漁獲量占比，在HSI 的高值區(qū)間中，漁獲占比越高表明預(yù)報(bào)越準(zhǔn)確。漁獲數(shù)據(jù)按照經(jīng)緯度網(wǎng)格0.5° × 0.5°進(jìn)行統(tǒng)計(jì)后，將模型預(yù)報(bào)的HSI 值與實(shí)際漁獲量的分布在地圖中疊加顯示，HSI 高值區(qū)間與實(shí)際捕撈的漁獲量的重疊度越高，表明預(yù)報(bào)精度越高，根據(jù)精度的驗(yàn)證結(jié)果探討預(yù)測(cè)北太平洋公海日本鯖中心漁場(chǎng)的可行性。

3 結(jié)果

3.1 5?11 月各環(huán)境因子的SI

采用高斯函數(shù)回歸擬合，按照不同月份分別建立各環(huán)境因子與漁獲量和作業(yè)次數(shù)的SI 模型，參數(shù)擬合結(jié)果如表2 和表3 所示。圖2 顯示了不同月份的SI 值與各環(huán)境因子的曲線分布，所有的擬合結(jié)果均通過(guò)了置信度為95%的顯著性檢驗(yàn)。

3.2 環(huán)境因子的最適值

按月計(jì)算得到各環(huán)境因子的最適值和最適區(qū)間，如圖3 所示。從圖3 中可見紅色、黑色粗實(shí)線和紅點(diǎn)、黑點(diǎn)畫線基本重疊，表明基于漁獲量和基于作業(yè)次數(shù)計(jì)算的最適值和最適區(qū)間基本相同，以作業(yè)次數(shù)計(jì)算的結(jié)果為例來(lái)分析。SST 的最適區(qū)間呈先增大后減小的變化趨勢(shì)，在8 月達(dá)到最大值（18.83±3.94）℃，5 月 最 低（10.14±4.37）℃（圖3a）。SLA 的最適區(qū)間5?6 月呈現(xiàn)微弱的降低，6 月達(dá)到最低（1.12±6.39）cm，6?11 月SLA 逐漸遞增，11 月達(dá)到最高（12.52±6.74）cm（圖3b）。CHL 的最適值極值的變化呈現(xiàn)兩個(gè)波峰，分別出現(xiàn)在5 月和10 月，最適區(qū)間分別為[0.333 8 mg/m3，1.088 2 mg/m3]和[0.392 8 mg/m3，1.256 1 mg/m3]，波谷出現(xiàn)在8 月，最適區(qū)間為[0.138 8 mg/m3，0.419 4 mg/m3]（圖3c）。

表2 基于漁獲量的3 種環(huán)境因子SI 曲線擬合參數(shù)Table 2 Fitting parameters of SI curves for three environmental factors based on fish catch

表3 基于作業(yè)次數(shù)的3 種環(huán)境因子SI 曲線擬合參數(shù)Table 3 Fitting parameters of SI curves for three environmental factors based on nos of hauls

圖2 西北太平洋日本鯖SST、SLA、CHL 適應(yīng)性指數(shù)擬合曲線Fig. 2 The SI fitting curves of SST、SLA、CHL for Scomber japonicus in the Northwest Pacific Ocean

3.3 HSI 模型系數(shù)的確定

將SST、CHL、SLA 的適應(yīng)性指數(shù)SI 模型帶入綜合棲息地指數(shù)HSI 模型公式（3）的右側(cè)，將利用漁獲量和作業(yè)次數(shù)計(jì)算得到SI 真實(shí)值帶入公式（3）的左側(cè)。得到多元線性方程組，方程組的未知數(shù)為各環(huán)境因子SI 的權(quán)重系數(shù)，權(quán)重系數(shù)的大小有約束條件，故利用matlab 軟件進(jìn)行線性規(guī)劃求解，結(jié)果見表4。

表4 中的c、d、e分別為SST、CHL、SLA 的SI 的權(quán)重系數(shù)，基于漁獲量和作業(yè)次數(shù)計(jì)算的SST 的權(quán)重系數(shù)均值分別為0.53 和0.56，SLA 的權(quán)重系數(shù)均值分別為0.41 和0.33，葉綠素a濃度的權(quán)重系數(shù)分別為0.06 和0.11。SST 和SLA 兩種環(huán)境因子的SI 的權(quán)重之和達(dá)到90%以上，由此可知日本鯖漁場(chǎng)的形成與海表水溫SST 和海面高度異常SLA 的關(guān)系密切。

3.4 HSI 模型的驗(yàn)證

圖3 各因子最適值和最適區(qū)間Fig. 3 Most suitable value and suitable value range for each factor

利用2018 年5?11 月的日本鯖西北太平洋公海燈光圍網(wǎng)實(shí)際的生產(chǎn)數(shù)據(jù)對(duì)建立的HSI 模型的預(yù)報(bào)結(jié)果進(jìn)行驗(yàn)證。將2018 年5?11 月的環(huán)境因子SST、CHL、SLA 輸入HSI 模型，得到各月HSI 的空間分布圖，統(tǒng)計(jì)HSI 3 個(gè)區(qū)間0～0.3、0.3～0.7、0.7～1.0 中實(shí)際漁獲產(chǎn)量的占比，結(jié)果如表5 所示。

表5 中，實(shí)際漁獲產(chǎn)量在基于漁獲量的HSI 值的[0.7, 1]區(qū)間中月平均占比77.29%，在基于作業(yè)次數(shù)的HSI 的[0.7, 1]區(qū)間中平均占比76.79%，在HSI 的[0.3, 0]區(qū)間中，二者的值分別為20.19%和19.83%。這表明兩種方法建立的HSI 模型在預(yù)報(bào)日本鯖魚漁場(chǎng)的精度上相差不大。以基于作業(yè)次數(shù)建立的HSI模型預(yù)報(bào)結(jié)果為例，將各月的漁獲量與HSI 值的空間分布進(jìn)行疊加對(duì)比，結(jié)果如圖4 所示，二者的重合度較好，表明該模型能夠很好的預(yù)報(bào)西北太平洋日本鯖漁場(chǎng)。

4 討論

4.1 環(huán)境因子的選擇

西北太平洋公海日本鯖中心漁場(chǎng)分布于水團(tuán)結(jié)構(gòu)復(fù)雜的黑潮暖水系和親潮冷水系的交匯區(qū)域，與北太平洋柔魚漁場(chǎng)部分重疊[21]，屬于寒暖流交匯型漁場(chǎng)。日本鯖是一種長(zhǎng)距離洄游的魚類，漁場(chǎng)的位置與洄游路線及海洋環(huán)境密切相關(guān)，Kanamori 等[5]研究表明西北太平洋的日本鯖產(chǎn)卵時(shí)間和產(chǎn)卵場(chǎng)的地理分布會(huì)受到海表水溫的影響。海面高度異常區(qū)常常伴隨著相關(guān)海洋環(huán)境的變化，可以用來(lái)尋找渦旋、冷暖鋒面、上升流和下沉流等，存在這些要素的海區(qū)可能是魚群的聚居地[22]。 Lee 等[7]利用韓國(guó)商業(yè)漁船捕撈數(shù)據(jù)和SST、CHL、初級(jí)生產(chǎn)力數(shù)據(jù)建立了日本海和韓國(guó)南部海域日本鯖的HSI 模型，用于對(duì)該海區(qū)的日本鯖漁場(chǎng)進(jìn)行可靠的預(yù)測(cè)。武勝男等[6]研究認(rèn)為，與西北太平洋日本鯖資源量有顯著關(guān)系的影響因子有：北極濤動(dòng)指數(shù)（Arctic Oscillation, AO）、太平洋年代際震蕩指數(shù)(Pacific Decadel Oscillations, PDO)、SST、SLA和海表面鹽度。由于氣候指示因子通常是一個(gè)隨時(shí)間變化的單值，沒(méi)有地理空間的分布信息，可用來(lái)研究魚類資源豐度年際變化，而不適合構(gòu)建棲息地適宜性HSI 模型，另外氣候指標(biāo)需要10 年以上的捕撈數(shù)據(jù)，而文中的數(shù)據(jù)跨度為最近5 年內(nèi)的。葉綠素a濃度是生物量和生產(chǎn)力的間接表示，雖然日本鯖不是浮游植物的直接捕食者，但位于食物鏈中間的中小體型魚類會(huì)受到葉綠素分布的影響[23]。戴澍蔚等[3]根據(jù)2014?2015 年的圍拖網(wǎng)日本鯖生產(chǎn)數(shù)據(jù)結(jié)合同期的環(huán)境因子，利用GAM 模型分析得到了北太平洋公海漁場(chǎng)日本鯖的最適宜CHL、SST 和SLA的區(qū)間。文中選擇SST、CHL、SLA 作為主要影響西北太平洋日本鯖分布的環(huán)境因子來(lái)建立HSI 模型。

表4 SST、SLA、CHL 的權(quán)重Table 4 Weights for SST, SLA and CHL

表5 2018 年實(shí)際產(chǎn)量在不同HSI 級(jí)別中所占比重Table 5 Proportion of practical catch under different levels of HSI in 2018

圖4 2018 年6?11 月的漁獲量與基于作業(yè)次數(shù)的HSI 模型預(yù)報(bào)結(jié)果的空間分布Fig. 4 Spatial distribution of fish catch and HSI derived from HSI model based on nos of hauls from June to November in 2018

4.2 適應(yīng)性指數(shù)分析

單位努力量漁獲量（Catch Per Unit Effort，CPUE）作為表征漁場(chǎng)資源豐度的指標(biāo)，在魚類棲息地的研究中已經(jīng)有較多相關(guān)的應(yīng)用[24]。Bordalo-Machado[25]認(rèn)為商業(yè)性漁船的CPUE 并不是一個(gè)可靠的資源豐度指標(biāo)。CPUE會(huì)受捕撈技術(shù)的影響, 船的功率、大小、捕撈能力、網(wǎng)具等均會(huì)對(duì)CPUE 的計(jì)算結(jié)果產(chǎn)生影響，考慮到相關(guān)的數(shù)據(jù)獲取難度大，CPUE 標(biāo)準(zhǔn)化較難，所以一般假設(shè)每艘船的捕撈能力是等效的[26]；商業(yè)性漁船的集中捕撈，導(dǎo)致CPUE 偏低；另外，從漁船的生產(chǎn)數(shù)據(jù)看，漁船不會(huì)長(zhǎng)時(shí)間的在同一地點(diǎn)捕魚，在某些區(qū)域會(huì)進(jìn)行短時(shí)間的捕撈作業(yè)，作業(yè)次數(shù)小，產(chǎn)量小，而CPUE卻可能較高，這會(huì)導(dǎo)致高估該海區(qū)的資源量。作業(yè)次數(shù)和漁獲量通常成正比關(guān)系，作業(yè)次數(shù)反映了漁船的集中程度和漁民對(duì)產(chǎn)量的滿意度[25]，如果產(chǎn)量低了，漁船可能就會(huì)離開。作業(yè)次數(shù)多的海區(qū)表明該區(qū)域有很高的漁獲量，漁獲量可作為漁業(yè)資源豐度的直接指標(biāo)，所以在商業(yè)漁船的作業(yè)數(shù)據(jù)應(yīng)用中，有時(shí)作業(yè)次數(shù)和漁獲量比CPUE 更能作為反映漁場(chǎng)資源豐度的指標(biāo)。例如Tian 等[16]利用中國(guó)商業(yè)魷釣漁船的生產(chǎn)數(shù)據(jù)和環(huán)境數(shù)據(jù)（海表水溫、鹽度），比較了基于CPUE 和作業(yè)次數(shù)建立的西北太平洋柔魚HSI 模型，結(jié)果表明，基于CPUE 的HSI 模型高估了柔魚的最佳棲息地范圍，低估了最佳棲息地范圍的月變化，而基于作業(yè)次數(shù)的HSI 模型能更好地定義柔魚的棲息地范圍。本文嘗試?yán)谜龖B(tài)分布函數(shù)擬合CPUE 與環(huán)境因子SST、CHL 和SLA 之間的非線性關(guān)系，效果并不理想，而漁獲量和作業(yè)次數(shù)與環(huán)境因子間存在著明顯的正態(tài)分布關(guān)系（圖2），分別建立了基于漁獲量和作業(yè)次數(shù)的HSI 模型。表5 的結(jié)果表明，以漁獲量和以作業(yè)次數(shù)為基礎(chǔ)構(gòu)建的HSI 模型的預(yù)報(bào)精度相近，二者皆可用來(lái)構(gòu)建北太平洋日本鯖漁場(chǎng)的預(yù)報(bào)模型。

4.3 各因子的權(quán)重系數(shù)分析

在構(gòu)建HSI 模型的過(guò)程中，采用線性規(guī)劃求解方法確定HSI 模型中各個(gè)環(huán)境因子的SI 的權(quán)重系數(shù)，而不采用簡(jiǎn)單的算術(shù)平均或者幾何平均[27]，提高了模型的準(zhǔn)確性。不同環(huán)境因子的權(quán)重能反映各個(gè)環(huán)境變量在決定漁場(chǎng)的過(guò)程中所起的作用大小[28–29]。日本鯖繁殖能力強(qiáng)、生長(zhǎng)快，當(dāng)環(huán)境適宜時(shí)日本鯖資源將大幅增加。王從軍等[30]研究表明東海日本鯖資源的豐度指數(shù)與日本鯖產(chǎn)卵場(chǎng)產(chǎn)卵季節(jié)的平均SST 呈正相關(guān)，李綱等[31]則認(rèn)為東海和黃海的日本鯖資源量與產(chǎn)卵場(chǎng)的SST 呈非線性相關(guān)，SST 的適宜范圍18.5～20.6℃內(nèi)，資源量將增加，否則將減少。由于研究所用的數(shù)據(jù)不同，學(xué)者們的結(jié)論也存在異同，但都說(shuō)明了SST 與日本鯖魚資源變動(dòng)相關(guān)性很大。本研究得到SST 的權(quán)重系數(shù)的月平均占比在50%以上，表明SST 是影響日本鯖分布的主要因素。

SLA 的SI 模型的權(quán)重系數(shù)月平均占比在30%左右，表明SLA 是影響日本鯖分布的次要因素。李綱等[32]從2004 年7?8 月的東海燈光圍網(wǎng)日本鯖產(chǎn)量分布和相應(yīng)的東海海面高度場(chǎng)分布的對(duì)比關(guān)系中，得出日本鯖的作業(yè)海域始終位于SLA 高值和低值的交會(huì)區(qū)，且產(chǎn)量的最大值總是在SSH 的高值區(qū)一側(cè)。從圖3b 中可見西北太平洋的日本鯖魚在5?11 月間的最適SLA 值位于0 值且偏正值附近，與東海日本鯖的SLA 最適值分布相似。SST 和SLA 權(quán)重系數(shù)相加，占比在80%以上。這表示在實(shí)際的漁情預(yù)報(bào)中，我們通過(guò)SST 和SLA 兩種環(huán)境因子的數(shù)據(jù)就可以對(duì)日本鯖漁場(chǎng)的位置進(jìn)行大致的判斷。本文基于漁獲量和作業(yè)次數(shù)建立的模型預(yù)報(bào)結(jié)果分別為77.29%、76.79%，達(dá)到了很好的預(yù)測(cè)效果。

4.4 日本鯖棲息地模型的改善

本文建立HSI 模型使用的捕撈數(shù)據(jù)來(lái)自在西北太平洋公海從事燈光圍網(wǎng)的中國(guó)商用漁船，時(shí)間為2014?2017 年的5?11 月。計(jì)算過(guò)程中，將2014?2017年相同月份的數(shù)據(jù)糅合到一起，所以各年間的捕撈量差異不影響模型的結(jié)果。各環(huán)境因子SST、CHL 和SLA 的適應(yīng)性指數(shù)SI 模型的建立依賴于這些漁船的作業(yè)次數(shù)和漁獲量數(shù)據(jù)，漁船捕撈作業(yè)數(shù)據(jù)越豐富、漁撈日志記錄的準(zhǔn)確度越高，模型的準(zhǔn)確度越高。該HSI 模型的建立受限于4 年的捕撈數(shù)據(jù)，但隨著中國(guó)漁船在西北太平洋公海的日本鯖捕撈作業(yè)的持續(xù)性開展，將會(huì)有越來(lái)越多的捕撈數(shù)據(jù)，用于日本鯖的研究工作，HSI 模型也會(huì)隨之逐步完善。

理想的HSI 模型要求簡(jiǎn)單明了的輸入所有影響生物分布的關(guān)鍵的環(huán)境因子，但漁類資源的分布是許多生態(tài)系統(tǒng)變量的綜合作用的結(jié)果。除了SST、SLA和葉綠素a濃度，海流[33]、水溫的垂直分布[34]、海表面鹽度、親潮和黑潮冷暖水團(tuán)的季節(jié)變化等也是影響漁業(yè)資源分布的影響因子，在今后的研究中會(huì)結(jié)合更多的環(huán)境因子，更全面的研究分析北太平洋日本鯖漁場(chǎng)資源的形成機(jī)制和分布規(guī)律，為我國(guó)北太平洋漁業(yè)資源的可持續(xù)開發(fā)利用提供信息參考。