[發明專利]一種中西太平洋鰹魚中心漁場預報方法

在審

• 申請號: 201710364172.0
• 申請日: 2017-05-22
• 公開（公告）號: CN107330541A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 陳新軍;汪金濤;陳洋洋
• 申請（專利權）人: 上海海洋大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06N3/04;G06N3/08
• 代理公司: 上海順華專利代理有限責任公司31203
• 代理人: 陸林輝

技術領域

本發明涉及一種漁情預報方法，特別是涉及一種中西太平洋海域的鰹魚中心漁場預報方法。

背景技術

鰹魚(Katsywonus pelamis)廣泛分布于三大洋中低緯度海域，其中中西太平洋為主要分布海域。近年來，中西太平洋的鰹魚年產量平均在150萬噸左右，約占世界鰹魚總產量的60％以上。捕撈鰹魚的主要方式為圍網、竿釣等，其中圍網作業最為重要。

金槍魚圍網漁業是一項利用巨大網片捕撈密集于中表層鰹魚資源的主動性漁具，所使用的網具長度超過2000米，下網深度可達到300米，是一種瞄準性的捕撈方法。在金槍魚圍網作業中，尋找魚群是圍網作業中最為關鍵的步驟，也是捕撈作業的第一步，根據美國金槍魚圍網作業統計，通常尋找中心漁場和魚群的時間約占總作業時間的75－80％，因此，如何準確尋找中心漁場是金槍魚圍網生產中極為重要的內容。

研究認為，中西太平洋鰹魚與海洋環境關系密切，如南方濤動ENSO、水溫等波動均能顯著影響鰹魚漁場分布。Hampton等(1999)研究認為，鰹魚資源波動、漁場分布變化不論在季節還是在年間都非常明顯；標志放流結果表明，鰹魚會隨厄爾尼諾－南方濤動(ENSO)現象的發生而產生相應遷移，這表明鰹魚對水溫的敏感性非常強烈(Hampton，1997)；Lehodey等(1997)對金槍魚圍網漁業受ENSO的影響作了分析，認為ENSO現象會引起鰹魚漁場的移動，已證實當厄爾尼諾現象發生時，鰹魚魚群會往東遷移；反之，當拉尼娜現象發生時，則會向西遷移，兩者間的東西距離可達4000km。這一現象是Lehodey等(1997)根據1988－1995年美國鰹魚圍網船在西赤道太平洋捕撈作業數據分析得出的。同時，Lehodey等(1997)還證實了鰹魚中心漁場位置會隨著29℃暖池邊緣在經度線的變化而移動。

在漁情預報服務系統方面，目前國內外金槍魚圍網漁船通常使用法國CATSAT(凱撒)漁業遙感系統，該系統能夠提供近實時的水溫、葉綠素、海面高度以及不同水層水溫狀況，為金槍魚圍網漁船提供了海洋環境信息保障。但是，該系統無法提供鰹魚漁場預報分析。

隨著中西太平洋鰹魚資源的進一步開發和利用，南太平洋島國已加強對鰹魚等金槍魚資源的管理和有效控制，除實施配額管理制度外，還實行了更為嚴格的作業天數限制等措施，這對金槍魚圍網漁船來說是一個嚴重考驗和挑戰。科學準確尋找中心漁場成為一個重要的課題。然后，傳統漁場預報方法，如頻度分布、棲息地指數等方法，進行中心漁場預報的精度通常在70％左右，

發明內容

本發明提供一種利用海洋遙感獲得海域的海表溫度、海面高度、葉綠素濃度數據，計算海表溫度梯度數據，構建6-10-1的神經網絡模型預測中西太平洋鰹魚中心漁場的方法以滿足需求。

本發明的技術方案如下：

一種中西太平洋鰹魚中心漁場預報方法，其特征在于，包括以下步驟：

(1)收集連續14年1-12月各月的海表溫度(SST)、海面高度(SSH)、和葉綠素濃度(CHL)；(2)利用SST數據計算各月的海表溫度梯度(GSST)；(3)利用BP神經網絡構建6-10-1的神經網絡預報模型，輸入因子為6個，包括經度、緯度、SST、SSH、CHL、GSST，隱含層為1層、節點為10個，輸出層為1個，為單位網次產量，單位為t/網次；(4)將所得到6個影響因素，即經度、緯度、SST、SSH、CHL、GSST，輸入神經網絡模型進行中西北太平洋鰹魚中心漁場預報。

本發明的有益效果是：本神經網絡6-10-1的預報模型可以解釋鰹魚中心漁場變化的86％以上，比傳統預報方法的預報精度(70-75％)提高10％以上。中心太平洋鰹魚中心漁場的預報結果及時提供給用戶及相關部門，以供漁業生產與安排的科學參考，今后可作為一種產品進行實時發布。

具體實施方式

中西太平洋鰹魚為中上層魚類，其中心漁場的形成與海洋環境有密切的關系。適宜的海洋環境條件下易形成鰹魚集群。鰹魚的漁場廣泛，本預報模型適用的海域范圍為120°－180°E、10S°－10°N。

一種中西太平洋鰹魚中心漁場預報方法，其特征在于，包括以下步驟：(1)收集1997-2010年間1-12月各月的海表溫度(SST)、海面高度(SSH)、和葉綠素濃度(CHL)；(2)利用SST數據計算海表溫度梯度(GSST)；(3)利用BP神經網絡構建6-10-1的神經網絡預報模型；(4)將所得到6個影響因素，即經度、緯度、SST、SSH、CHL、GSST，輸入神經網絡模型進行中西太平洋鰹魚中心漁場預報。本方法比傳統預報方法的預報精度提高10％以上。