一种基于关键环境因子的西北印度洋鸢乌贼栖息地评估和预测方法

本发明涉及西北印度洋鸢乌贼栖息地评估和预测方法，尤其是一种基于关键环境因子的西北印度洋鸢乌贼栖息地评估和预测方法。

背景技术：

1、鸢乌贼(sthenoteuthis oualaniensis)是一种暖水性的大洋头足类，栖息于大洋表层至数百米的水层。西北印度洋海域是鸢乌贼资源量最为丰富的海域之一，预估资源量约为800-1100万吨。2003年年底，我国首次对印度洋鸢乌贼种群进行资源调查，自2013年开始，我国远洋渔船进入西北印度洋海域进行商业性捕捞作业活动。近年来，因其具有较高的经济价值，已经逐渐成为我国远洋鱿钓渔业的重点捕捞对象之一。西北印度洋三面被陆地环绕，为半封闭的海域，受大陆季风的影响，海陆间存在显著的热力差异，是全球典型的季风区，该海域的海洋环境也因此存在显著的季节变化。鸢乌贼为一年生经济头足类，繁殖能力强，生长速度快，有明显的昼夜垂直移动特征，对栖息地环境变化比较敏感。当环境出现明显变化时，鸢乌贼的产量也会随之出现波动，渔场分布极易受环境因子的影响和驱动。鸢乌贼资源具有较大的开发潜力，目前对于西北印度洋鸢乌贼资源分布的总体状况了解较少，对其进行资源评估有利于对中心渔场的识别，为渔船作业提供更精准的数据，提高经济效益，实现鸢乌贼资源的可持续利用。

2、近年来，部分学者探究了海表面温度、叶绿素a浓度等环境因子对鸢乌贼资源变动的影响，研究结果可以在一定程度上解释其渔场变动的机制。然而，海洋生物资源栖息地的变动往往不受固定几个环境因素的影响，仅依靠经验确定环境因子构建模型，会大大降低模型预测渔场的准确性。本发明在构建综合栖息地模型前对环境因子进行筛选，充分考虑了不同环境因子的影响差异，赋予关键环境因子不同权重构建了西北印度洋鸢乌贼综合栖息地模型，极大地提升鸢乌贼渔场的模型预测性能，该模型技术可用于中国鱿钓技术组来预报西北印度洋范围内鸢乌贼的渔场。

技术实现思路

1、本发明提出一种基于关键环境因子的西北印度洋鸢乌贼栖息地评估和预测方法，是基于上海海洋大学远洋渔业数据中心所获取的渔业数据，综合考虑多种环境因子对鸢乌贼的影响，环境因子主要包括：海表面温度(sea surface temperature,sst)、海表面盐度(sea surface salinity,sss)、海表面高度(sea surface height，ssh)、150m水层温度(temperature at 150meters depth,t150m)、混合层深度(mixed layer depth,mld)、海表面经向流速(sea surface meridional velocity，v)、海表面纬向流速(sea surfacezonal velocity,u)、叶绿素a浓度(chlorophyll-a concentration，chl-a)、海表面溶解氧浓度(concentration of dissolved molecular oxygen,o2)、150m水层溶解氧浓度(dissolved oxygen concentration at 50meters depth，do150m)和海表面风速(seasurface wind speed，wd)。

2、本发明为解决上述技术问题拟采用以下技术方案实现：

3、一种基于关键环境因子的西北印度洋鸢乌贼栖息地评估和预测技术方法，包括以下步骤：

4、s1.对西北印度洋鸢乌贼的渔业捕捞数据，以及十种环境因子数据进行处理，并进行匹配，得到一一对应的经纬度数据，渔业捕捞数据与环境数据；

5、s2.将十种环境因子采用梯度森林分析法进行影响重要性拟合并筛选关键环境因子，该方法可依据环境因子的重要权重来解释不同环境因子对鸢乌贼的影响程度，重要权重排名前三的视为关键环境因子；

6、s3.对于中国鱿钓渔业，捕捞努力量定义为捕捞天数，其值高低及分布位置可以反映头足类的资源丰度和空间分布，因此将可指示渔船作业重心位置的捕捞努力量与关键环境因子进行关联，利用频次分布法来计算基于关键环境因子的适应性指数(si)；

7、s4.将三个关键环境因子分别按照一定间隔进行划分，并依据频次分布法，以各关键环境因子为横坐标，si值为纵坐标绘制频率分布直方图并进行非线性拟合，得到符合si值分布规律的方程；

8、s5.将不同时间的环境数据带入拟合出的方程中，计算出与经纬度和渔业数据一一对应的si值；

9、s6.改变三个关键环境因子的si值所占比例，设置25种权重方案，并计算25种方案对应的西北印度洋鸢乌贼渔场的hsi值；

10、s7.计算不同hsi区间内对应的鸢乌贼产量、捕捞努力量与单位捕捞努力量渔获量(cpue)，对结果进行对比并选取最优方案，筛选出拟合结果最好的hsi模型作为最优hsi模型；

11、s8.将得到的最优hsi模型与渔业数据和环境数据结合进行预测分析，比较预测结果与实际结果并评价模型的精度，供西北印度洋鸢乌贼栖息地评估与预测使用。

12、优选地，所述步骤s1中的乌贼的渔业捕捞数据包含产量、捕捞努力量、cpue、作业位置、作业时间。

13、优选地，所述步骤s2中的关键环境因子为do150m、sst、chl-a。

14、优选地，所述步骤s2中利用梯度森林分析法对环境因子进行筛选，选取重要权重排名前三的环境因子为关键环境因子构建hsi模型，使结果更为科学。

15、优选地，所述步骤s3中将可指示渔船作业重心位置的捕捞努力量作为计算适应性指数(si)的指标。

16、优选地，所述步骤s3在每一经纬度相对应的月份中最高捕捞努力量为西北印度洋鸢乌贼资源分布最多的海域，si值为1；捕捞努力量为0时，则认为是西北印度洋鸢乌贼资源分布最少的区域，si值为0，根据指标建立si模型。

17、优选地，所述步骤s3中根据模型拟合出的方程与三个关键环境因子数据，计算不同时间、不同地理位置、各关键环境因子的si值。

18、优选地，所述步骤s6中，与以往的算术平均法或使用单一权重计算hsi值不同，建立25种权重方案，改变调整do150m、sst、chl-a的si值所占比例，设置25种权重方案，比较分析各关键环境因子对资源的影响程度，并使筛选得到的hsi模型效果更好，结果更为科学。

19、优选地，所述步骤s7中将产量、捕捞努力量与单位捕捞努力量渔获量(cpue)共同作为筛选选取最优权重模型的标准，综合不同月份时间的最优权重得到最优hsi模型。

20、优选地，所述步骤s8中，将模型的建立与预测结合，通过将实际产量与预测的hsi值进行叠加验证模型的精度与准确性，模型结果更为可靠。

21、本发明的有益效果在于：

22、(1)本发明利用梯度森林筛选出的关键环境因子进行栖息地模型的构建，综合考虑多个环境因子对鸢乌贼的影响，利用对鸢乌贼影响程度最大的环境因子构建栖息地模型，评估和预测西北印度洋鸢乌贼的栖息地分布，通过该发明能准确探明西北印度洋海域鸢乌贼的渔场时空分布，有利于精准定位渔场位置，提高企业捕捞效率和产量；

23、(2)相对于传统的算术平均法模型，本发明利用si模型建立综合hsi模型时，针对环境因子选取25种不同的权重分配方案，探究关键环境因子对栖息地评估的影响差异，模型结果更接近实际情况，预测效果更为准确。