APP下载

北太平洋秋刀鱼渔场与水温垂直结构的关系

2022-06-11张培超张孝民陈丙见李凡

河北渔业 2022年6期
关键词:秋刀鱼渔场

张培超 张孝民 陈丙见 李凡

摘要:根据2019年7—12月我国大陆秋刀鱼(Cololabis saira)渔船生产数据,对秋刀鱼渔场与水温垂直结构的关系进行了分析。首先,运用信息增益技术(IGT)分析了影响CPUE的6个水温因子,各因子按影响大小排序依次是12.5 m水层温度(T12.5)、0~12.5 m水温的垂直梯度(△T0-12.5)、12.5~37.5 m水温的垂直梯度(△T12.5-37.5)、海表面温度(T0)、37.5~62.5 m水温的垂直梯度(△T37.5-62.5)和37.5 m水层温度(T37.5)。然后,用频度分析的方法确定了影响秋刀鱼渔场分布的六个水温因子的适宜范围,分别是:T12.5为7~12 ℃,△T0-12.5为(1~3)×10-2 ℃/m,△T12.5-37.5为(3~4)×10-2 ℃/m,T0为10~16 ℃,△T37.5-62.5为(2~3)×10-2 ℃/m,T37.5为6~10 ℃。研究结果显示12.5 m水层温度(T12.5)比海表面温度(T0)对秋刀鱼渔场的分布有更大的影响,以后应加强研究12.5 m水层及其附近水层温度与秋刀鱼渔场的关系。

关键词:信息增益;水温垂直结构;秋刀鱼(Cololabis saira) ;渔场;北太平洋

秋刀鱼(Cololabis saira) 是冷水性洄游的中上层鱼类[1-2],受环境因子影响较大[2-3],尤其是水温因子[4-5]。我国对秋刀鱼渔场的研究开始于2003年[1],目前为止,国内外学者对秋刀鱼渔场与海表面温度的关系进行了一系列的研究[6-12],研究表明秋刀鱼的适温范围为10~24 ℃,最适水温为15~18 ℃。秋刀鱼有昼夜垂直移动的习性,白天在距海面15 m左右的水层活动,夜晚在海表面活动[1]。水温垂直结构对秋刀鱼活动和分布有很大影响,进而影响秋刀鱼渔场分布[6],因此,对秋刀鱼渔场与水温垂直结构的关系也有相关的研究[6-7]。本文使用2019年全渔期(7—12月)生产数据,在秋刀鱼渔场研究中首次尝试运用信息增益技术和频度分析法,着重分析水温垂直结构中对秋刀鱼渔场影响较大的关键因子,并确定关键因子的适宜范围,为更好地开发利用北太平洋秋刀鱼渔场提供参考。

1材料与方法

1.1材料

本文使用的渔业数据来自山东省海洋资源与环境研究院远洋渔业研究中心,时间序列为2019年7—12月,内容包括日期、经纬度、产量和作业次数,生产调查海域为40°N~47°N,147.5°E~162°E。探捕调查范围分布如图1,将经纬度05°×0.5°的空间定义为一个渔区。

水温数据来源于美国哥伦比亚大学的海洋环境数据库,网址是http://iridl.Ideo.columbia.edu/。数据内容包括海表面温度(T0)、12.5 m水层温度(T12.5)、37.5 m水层温度(T37.5),时间分辨率为月,空间分辨率为0.5°×0.5°。

1.2数据处理

将CPUE定义为一个渔区内单船平均日产量,单位为:吨/天(t/d)。

根据各水层的温度计算水温的垂直梯度,包括0~12.5 m水温的垂直梯度(△T0-12.5)、12.5~37.5 m水温的垂直梯度(△T12.5-37.5)、37.5~62.5 m水温的垂直梯度(△T37.5-62.5)。水温垂直梯度的计算公式为:△Td1-d2=T1-T2d1-d2,单位为 ℃/m,式中d1、d2分别代表不同水层深度,T1、T2分别代表不同水层深度的温度值。

1.3分析方法

1.3.1信息增益法信息增益技术(IGT)是一种典型的、常用的决策分类算法[13-15],本文利用IGT,计算北太秋刀鱼渔场作业的CPUE与各属性即水温垂直结构(T0、T12.5、T37.5、△T0-12.5、△T12.5-37.5、△T37.5-62.5)的信息增益值,以此来反映水温垂直结构对CPUE的影响程度,确定影响渔场资源分布的水温因子。其中,要对各个属性进行概化,即将各个属性分为不同的分类区间,尽量保持各分类区间的数值个数大致相等[16]。各个属性的分类区间见表1,其中T0、T12.5、T37.5按间隔2 ℃进行区间分类,△T0-12.5、△T12.5-37.5、△T37.5-62.5按间隔1×10-2 ℃进行区间分类,CPUE按间隔5 t/d进行区间分类。

1.3.1.1CPUE的信息期望I用以下公式求出:

式中:m表示CPUE不同属性值的个数;Si为CPUE第i个属性值的记录条数;S为样本总数。

1.3.1.2每个属性对应于CPUE分类的熵E1(A)用以下公式求出:

式中:v为属性A不同属性值的个数;Sij为属性A值为Aj且CPUE为第i个属性值的记录条数;S为样本总数;I(S1j,S2j,…,Smj)为属性A取值Aj时对应的CPUE分类的信息期望。

1.3.1.3各个属性对应于CPUE分类信息增益G1(A)用以下公式求出:

1.3.2频度分析法采用频度分析法分析7—12月份中6个水温因子(T12.5、△T0-12.5、△T12.5-37.5、T0、△T37.5-62.5、T37.5)的适宜范围,来描述各月CPUE与水温垂直结构的关系。

2结果

2.1关键因子对CPUE的影响

信息增益分析的结果见表2,各因子对CPUE影响从大到小依次为T12.5、△T0-12.5、△T12.5-37.5、T0、△T37.5-62.5、T37.5,对应的信息增益值为0.297 4、0.253 2、0.251 1、0.247 5、0.242 8、0.242。

2.2各月CPUE與关键因子的关系

2.2.1各月水温因子的适宜范围

图2为利用频度分析法分析7—12月份CPUE与水温垂直结构的关系,其中各个参数的适宜范围分别是:T12.5为7~10 ℃,在此区间的CPUE占全部CPUE的百分比约为40%;△T0-12.5为(3~4)×10-2℃,所占的百分比约为30%;△T12.5-37.5为(3~4)×10-2℃,所占的百分比约为54.5%;T0为10~12 ℃,所占的百分比约为30%; △T37.5-62.5为(0~1)×10-2℃,所占的百分比约为58%;T37.5为8~10 ℃,所占的百分比约为45%。

表3为7—12月各个月份水温因子的适宜范围,基本反映了秋刀鱼渔场各个月份的水温环境条件。

2.2.2水温因子适宜范围的变化规律由圖3可以看出,不同水层温度中水温因子适宜范围随月份的变化规律基本相同,7—8月份适宜水温逐渐升高,8—10月份适宜水温降低,10—12月份适宜水温基本不变。不同水层温度梯度中水温因子的适宜范围随月份的变化规律不尽相同,其中△T0-12.5的变化规律为7—8月份增大,8—10月份减小,10—12月份呈增加趋势;△T12.5-37.5的变化规律为7-9月份不变,9—10月份迅速减小,10—12月份不变;△T37.5-62.5的变化规律为7—11月份大体呈增大趋势,11—12月份减小。

3分析与讨论

3.112.5 m水层水温因子分析

朱清澄等[6]2006年运用灰色关联分析法研究认为,对渔区平均日产量影响较大的有T0、△T0-12.5、△T0-40,本文运用信息增益技术分析得到影响CPUE的水温因子的顺序依次为T12.5、△T0-12.5 、△T12.5-37.5、T0、△T37.5-62.5、T37.5,部分研究结果与之前研究基本相同,并且发现三个新的关键因子:T12.5、△T37.5-62.5、T37.5,尤其是T12.5,本文研究得到T12.5对CPUE的影响最大,孙满昌等[1]认为秋刀鱼适宜于生活在10~20 m的水层范围,本文研究结果与秋刀鱼的生活习性基本相符,在今后的研究中要重点研究12.5 m及其附近水层的水温与秋刀鱼渔场的关系。

3.2水温因子的适宜范围

通过频度分析法得到的T0的适宜范围为10~12 ℃,此结果与国内外的研究结果相似[7-9,17-18],T12.5和T37.5由于之前研究较少,对其适宜范围更没有准确研究,本文研究结果有待于进一步验证。水温垂直梯度中,△T0-12.5和△T12.5-37.5在7—9月份适宜的水温垂直梯度较大,可能的原因是受到温跃层的影响,10—12月份适宜的水温垂直梯度变小,而△T37.5-62.5在10—12月份适宜的水温垂直梯度较大,说明秋刀鱼渔场温跃层的深度范围随月份的增加有变深的趋势,有关温跃层与渔场分布的关系仍需要进一步研究。

3.3信息增益技术(IGT)

IGT适用于对大量数据的信息挖掘[19],在秋刀鱼渔船逐年增加,生产数据大量积累的情况下,IGT很有必要被引进到秋刀鱼渔场与环境因子关系的研究中来,以便于充分利用收集到的生产数据,为准确分析秋刀鱼渔场与环境因子的关系提供帮助。

另外和柔鱼一样,在秋刀鱼渔场利用IGT分析环境因子时会遇到同样的问题,即属性(环境因子)的概化没有严格的标准,本文在参考柔鱼概化方法[20-22]的基础上,结合秋刀鱼渔场研究的经验,对本文所研究的各个属性进行了简单概化,希望在未来的研究中能够更好地解决这个问题,以便得到更准确的结果。

参考文献:

[1] 孙满昌,叶旭昌,张健,等.西北太平洋秋刀鱼渔业探析[J].海洋渔业,2003(3):112-115.

[2] 黄洪亮,张勋,徐宝生,等.北太平洋公海秋刀鱼渔场初步分析[J].海洋渔业,2005,27(3):206-212.

[3] NAKAMURA H,LIN G,YAMAGAWA T.Decadal climate variability in the North Pacific during the recent decades[J]. Bull Am Meteorol SOC,1997,78(1):2215-2225.

[4] TIAN Y J,UENO Y,SUDA M,et al.Decadal variability in the abundance of Pacific saury and its response to climatic/oceanic regime shifts in the northwestern subtropical Pacific during the last half century[J]. Journal of Marine Systems,2004,52(1-4):235-257.

[5] TIAN Y J,UENO Y,SUDA M.Climate-ocean variability and the response of Pacific saury(Cololabis saira)in the northwestern Pacific during the last half century[J]. Fish SCI,2002(68):158-161.

[6] 朱清澄,花传祥,许巍,等.西北太平洋公海7-9月秋刀鱼渔场分布及其与水温的关系[J].海洋渔业,2006,28(3):228-233.

[7] 朱国平,朱清澄,陈锦淘,等.北太平洋秋刀鱼渔场形成与水温之间关系的初步研究[J].海洋科学,2006(7):91-96.

[8] 花传祥,朱清澄,吴永辉,等.2005年西北太平洋公海秋刀鱼渔场分布及其与表温之间的关系[J].中国农业科技指导,2006,8(5):90-94.

[9] 晏磊,朱清澄,张阳,等.2010年北太平洋公海秋刀鱼渔场分布及其与表温的关系[J].上海海洋大学学报,2012,21(4):609-615.

[10] 曾振德.卫星影像应用于台湾秋刀鱼渔业之渔海况变动研究[D].台湾:国立台湾大学海洋研究所,2012.

[11] 松宫羲晴,田中昌.东北北海道海区の表面水温分布の数量化とサンマ渔場との 结[J].水产海洋研究会报,1976(29):30-40.

[12] 宇田道隆.千叶以北の秋刀鱼渔场的の移动につぃて[J].水产物理谈话会报,1930(23):1-43.

[13] 董立岩,李真,周灵艳.特定信息增益决策森林分类器研究[J].计算机工程与应用,2010,46(26):111-113.

[14] 胡智喜,唐学忠.基于信息增益法的决策树构造方法[J].计算机与现代化,2006(3):28-30.

[15] 郭亚宁,馮莎莎.基于决策树方法的数据挖掘分析[J].软件导刊,2010,9(9):103-105.

[16] HAN J W,KAMBER M.数据挖掘:概念与技术[M].范明,孟小峰,译.北京:机械工业出版社,2001:1-3.

[17] TIAN Y J,AKAMINE T, SUDA M.Variations in the abundance of Pacific saury (Cololabis saira) from the northwestern Pacific in relation to oceanic-climate changes[J]. Fisheries Research,2003,60(2-3) :439-454.

[18] WATANABE K,TANAKA E,YAMADA S,et al.Spatial and temporal migration modeling for stock of Pacific saury Cololabis saira (Brevoort),incorporating effect of sea surface temperature[J].FISHERIES SCIENCE,2006,72(6):1153-1165.

[19] 陈文伟,黄金才,赵新星.数据挖掘技术[M].北京:北京工业大学出版社,2002:1-48.

[20] 余为,陈新军,易倩,等.2013西北太平洋柔鱼传统作业渔场资源丰度年间差异及其影响因子[J].海洋渔业,2013,35(4):373-381.

[21] 邓薇,张健,刘必林.基于信息增益技术的影响渔场环境因子的选定[J].上海海洋大学学报,2009,18(1):120-123.

[22] 易倩,陈新军.基于信息增益法选取柔鱼中心渔场的关键水温因子[J].上海海洋大学学报,2012,21(3):425-430.

Relationship between fishing ground of Pacific saury and

vertical temperature structure in the north Pacific Ocean

ZHANG Peichao,ZHANG Xiaomin,CHEN Bingjian,LI Fan

(Shandong Provincial Key Laboratory of Restoration for Marine Ecology,

Shandong Marine Resource and Environment Research Institute,Yantai 264006)

Abstract:Vertical temperature structure has important influence on the Pacific saury fishery distribution.Based on the catch data collected by Chinese Pacific saury fishing vessels from July to December 2019,the relationship between the distribution of fishing ground of Pacific saury and

vertical temperature structure was analyzed. First of all,information gain technology (IGT) was used to analyze the relationship between CPUE and 6 water temperature factors,and identified the six key factors,according to influence size,the key factors is the water tempemture at 12.5 m,the temperature gradient in 0~12.5 m,the temperature gradient in 12.5~37.5 m,the water tempemture at 0 m,the temperature gradient in 37.5~62.5 m,the water tempemture at 37.5 m. Then,the frequency analysis method was used to determine the suitable range of the six key temperature factors,i.e.T12.5 for 7~12 ℃,T0-12.5 for (1~3)×10-2 ℃,T12.5-37.5 for (3~4)×10-2 ℃,T0 for 10~16 ℃,T37.5-62.5 for (2~3)×10-2 ℃,T37.5 for 6~10 ℃.The results showed that 12.5 m water temperature (T12.5) has a greater impact for Pacific saury fishery distribution than the sea surface temperature (T0) ,the research of the relationship between 12.5 m after water layer and water layer near temperature and Pacific saury fishery should be strengthened.

Key words:information gain technology; vertical temperature structure; Pacific saury fishing ground; North Pacific

(收稿日期:2022-02-16)

基金项目:山东省重点研发计划(2018GHY115014);山东省自然科学基金重点项目(ZR2020KE050)。

作者简介:张培超(1964-),男,工程师,研究方向:渔业资源。E-mail:zhangpeichao@shandong.cn。

通信作者:张孝民(1991-),男,硕士,助理研究员,研究方向:渔业资源和生态修复。E-mail:zhangxiaominyt@163.com。DOI:10.3969/j.issn.1004-6755.2022.06.010

猜你喜欢

秋刀鱼渔场
秋刀鱼的悲哀
埃及超大规模养鱼场
秋刀鱼成日本“国民美食”
不吃秋刀鱼,过不了秋天
数学教学要为学生提供“渔场”
基于北斗船位数据的渔具分析方法浅析
鲜美的深海鱼类(六)
“鱼荒”
让课堂成为学生的“渔场”