東南太平洋莖柔魚資源豐度灰色預測研究*

閆永斌 陳新軍 汪金濤 雷 林 程起群

東南太平洋莖柔魚資源豐度灰色預測研究*

閆永斌1,3陳新軍1,2汪金濤1,2①雷 林1,2程起群3

(1. 上海海洋大學海洋科學學院 上海 201306；2. 農業農村部大洋漁業開發重點實驗室 國家遠洋漁業工程技術研究中心 大洋漁業資源可持續開發教育部重點實驗室 農業農村部大洋漁業資源環境科學觀測實驗站 上海 201306；3. 中國水產科學研究院東海水產研究所 上海 200090)

莖柔魚()是東南太平洋頭足類中個體最大、資源最豐富的種類之一，經濟價值高，已成為我國遠洋漁業的重要組成部分。準確的資源豐度預測有利于資源的合理開發和利用。本研究基于2003~2015年東南太平洋莖柔魚生產統計數據以及其產卵場環境、氣候因子資料，使用相關性分析和灰色系統方法，建立東南太平洋莖柔魚資源豐度的預報模型。結果顯示，2月產卵場海表面溫度(Sea surface temperature, SST)、3月產卵場葉綠素濃度(Chl)、12月太平洋年代氣候震蕩(Pacific decadal oscillation, PDO)和10月厄爾尼諾指數(Oceanic Nino index, ONI)與莖柔魚資源豐度具有較好的相關性。比較多種預報模型發現，基于2月SST、12月PDO和10月ONI的GM(1, 4)模型有較好的預測效果，其準確率達到85%以上，可用于東南太平洋莖柔魚資源豐度的預測。

東南太平洋；莖柔魚；灰色預測；資源豐度

莖柔魚()廣泛分布于東太平洋的加利福尼亞(37°N)到智利(47°S)的海域中，在赤道附近可向西至125°W (Anatolio, 2001; Nigmatullin, 2001)，是頭足類中個體最大、資源最豐富的種類之一(王堯耕, 2005)，具有極高的經濟價值，為中國、日本、韓國、秘魯和智利等各國主要捕撈對象之一(Liu, 2015)。自2001年我國對秘魯海區莖柔魚資源進行探捕以來，莖柔魚資源逐漸成為我國頭足類產量的重要組成部分，約占我國頭足類產量的30% (陳新軍等, 2006; 貢藝等, 2018)。

資源量預報屬于中長期漁情預報的一種，對資源補充量進行精確的預報是確保漁業資源科學管理、合理開發的關鍵。科學預測資源量或者資源豐度，首先，必須要了解預測對象的生活史過程、棲息環境及其洄游分布。以總漁獲量和單位捕撈努力量漁獲量為基礎進行分析預報的具體步驟：(1)篩選漁情預報指標，影響魚群行動規律的生物性或非生物性因素等均可成為預報指標；(2)建立預報模型，以生態位(Ecological niche)或資源選擇函數(Resource selection function, RSF)為理論基礎，主要通過頻率分析和回歸等統計學方法分析目標魚種的生態位或者對于關鍵環境因子的響應函數，從而建立漁情預報模型。主要漁情預報模型有線性回歸模型、廣義回歸模型、貝葉斯方法和時間序列分析等(陳新軍, 2004)。

在東南太平洋海域，關于莖柔魚資源補充量的研究多集中在單因子影響方面。如陳新軍等(2006)研究指出，莖柔魚資源狀況與海洋環境關系密切，特別是厄爾尼諾和拉尼娜事件。徐冰(2012)利用典型相關性分析，分析了海表面溫度(Sea surface temperature, SST)、表溫距平均值(Sea surface temperature anomaly, SSTA)、莖柔魚產卵場、索餌場最適表層水溫范圍占總面積的比例與資源豐度、補充量相關性，并建立了基于SST因子的資源豐度線性預報模型。Ichii等(2002)指出，水溫并非影響莖柔魚資源豐度和補充量的主要限制性因子。這些研究通常是分析單一海洋環境或氣候指標對莖柔魚資源量的影響，沒有綜合研究環境及氣候因子對莖柔魚資源量的影響。

灰色系統理論是由鄧聚龍教授于1982年創立的一種研究少數據、貧信息、不確定性問題的新方法。以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統為研究對象，通過對“部分”已知信息的生成、開發，提取有價值的信息，實現對系統運行行為、演化規律的正確描述和有效監控(何盛明, 1990)，與一般的概率統計及模糊數學方法相比的優點在于它允許分析的樣本數據較少且服從任意的分布。因此，在數據一般較少的長期(年間)資源預報中會有較大的應用前景(陳新軍, 2003)。目前，該方法已在諸多領域取得成果，如方舟等(2018)利用灰色關聯分析和灰色預測模型預測了中西太平洋鰹魚()的資源豐度，朱文濤等(2018)利用灰色系統預測了西北太平洋秋刀魚()的資源豐度。

本研究擬采用東南太平洋莖柔魚生產統計數據和海洋環境與氣候數據，使用灰色預測模型，分析影響莖柔魚資源豐度變化因子，并建立多種資源豐度預報模型，以此反映該種類的資源豐度動態，為我國東南太平洋魷釣漁船的科學生產與管理提供參考依據。

1 材料與方法

1.1 漁業數據

東南太平洋莖柔魚生產統計資料來自上海海洋大學中國遠洋漁業數據中心，時間為2003~2015年，數據包括日期、總產量和總作業漁船數。

單位捕撈努力量漁獲量(Catch per unit effort, CPUE)可以作為表征莖柔魚資源密度的指標(汪金濤等, 2013; 陳洋洋等, 2017)，因此，計算年平均CPUE作為資源豐度的指標：

1.2 環境數據

本研究采用4種環境及氣候因子，包括太平洋年代氣候震蕩(Pacific decadal oscillation, PDO)數據，厄爾尼諾指數(Oceanic Nino index, ONI)，莖柔魚產卵場海表面溫度(Sea surface temperature, SST)，葉綠素濃度(Chl)(余為等, 2015; 魏聯等, 2017; 魏廣恩等, 2018; 官文江等, 2017)。PDO和ONI來自美國國家海洋和氣象管理局網站(https://www.esrl.noaa.gov/ psd/data/climateindices/list)。因PDO和ONI現象對莖柔魚產卵及發育階段產生影響，反應在莖柔魚成體上有一定的滯后，所以PDO和ONI數據的時間范圍為2001~2013年，時間分辨率為月。SST和Chl來自美國國家海洋和氣象管理局網站(https://oceanwatch. pifsc.noaa.gov)，時間為2003~2015年的1~12月，空間范圍為莖柔魚的產卵場海域(5°~7°S, 84°~86°E)，時間分辨率為月，空間分辨率均為0.1°×0.1°。

1.3 關鍵環境因子的選擇

利用相關性分析選取顯著影響東南太平洋莖柔魚資源豐度環境因子：

1.4 灰色預報模型的建立

灰色預測建模是以灰色模塊概念為基礎。灰色系統理論認為，一切隨機量都是在一定范圍內、一定時段上變化的灰色量及灰色過程。對于灰色量的處理，是從無規律的原始數據中找出規律，即對數據通過一定方式處理后，使其成為較有規律的時間序列數據，再建立模型。灰色GM建模實際上是生成數據模型，CPUE序列為系統的特征數據序列，各個環境因子序列為相關因素序列，模型細節及具體建模過程參照陳新軍(2003)的方法。本研究利用離散GM(1, N)模型，考慮多種關鍵環境因子的不同組合，建立東南太平洋莖柔魚資源豐度預測模型。利用相對誤差和均方誤差(MSE)檢驗模型的精度與穩定性(湯銀才, 2008)。

1.5 預測驗證

利用2016及2017年的環境氣候因子數據和漁業生產數據對所建立的灰色預測模型進行驗證。

2 結果

2.1 CPUE的變化趨勢

2003~2015年，東南太平洋莖柔魚CPUE的年間波動劇烈，最高值出現在2004年，最低值發生在2012年，CPUE均值在1200 t/V上下波動(圖1)。

圖1 2003~2015年東南太平洋莖柔魚CPUE

2.2 關鍵環境因子

相關性分析顯示，2月產卵場(5°~7°S, 84°~86°E) SST、3月產卵場Chl、12月PDO和10月ONI均與其資源豐度呈顯著相關性(表1)。因此，選用這幾個月的環境因子構建灰色系統預測模型。

表1 2003~2015年東南太平洋莖柔魚CPUE與環境、氣候因子相關性分析

Tab.1 Correlation analysis between CPUE ofand environmental-climatic factors in Southeast Pacific Ocean during 2003~2015

2.3 灰色模型

根據選定的4種關鍵環境因子，以CPUE為因變量，建立5種預測模型(表2)。5種模型中相對誤差由低到高依次為模型3、模型5、模型4、模型1和模型2 (表3)；而模型均方誤差由小到大分別為模型3、模型5、模型4、模型1和模型2(表3)。因此，綜合考慮這2種模型指標，選用模型3作為東南太平洋莖柔魚資源豐度預測模型。

2.4 驗證結果

對模型3的驗證結果見表4，由表4可知，2016年的相對誤差較大，但在30%以內，2017年的相對誤差較小，預測結果較為準確。

表2 5種灰色預報模型

Tab.2 Five gray forecast models

3 討論與分析

2003~2015年，東南太平洋莖柔魚年漁獲量和CPUE變化趨勢有差異(圖1)，年漁獲量由于捕撈技術、捕撈規模等影響較大，并不能反映莖柔魚資源相對豐度真實情況，因此，選用CPUE作為莖柔魚資源豐度指標(魏聯等, 2017)。莖柔魚作為短生命周期機會主義魚種，其資源量極易受氣候和海洋環境變化的影響(Rodhouse, 2001)。所以，預測其資源豐度必須要考慮莖柔魚棲息地的氣候和海洋環境因素。

本研究使用東南太平洋莖柔魚產卵場的環境因子和氣候因子為自變量，建立多種灰色系統資源豐度預測模型。其中，不包含產卵場Chl的模型3的預測精度高，但該模型未能準確預測2005年CPUE(圖2)。因為灰色系統是一種基于貧數據的分析方法(何盛明, 1990)，所以，在基于少量數據構建的模型中，預測模型會受到前列數據的影響，在各組的結果間傾向于表達出相對平緩的變化趨勢，對突變情況的響應能力比較差，導致模型存在一定的不確定性，在2005年的預測結果上有較大的誤差，可能是因為當年捕撈作業區域發生了變化所導致的。另外，模型2自變量不包括產卵場SST，其預測誤差大，說明產卵場SST與莖柔魚資源豐度有較為密切的關系。汪金濤(2015)曾利用產卵場區水溫作為其預測模型的一個因子，Cao等(2009)也利用了產卵場適宜水溫面積作為資源預報模型中的一個變量，均取得較好的預測效果，表明莖柔魚早期生活棲息環境因子，尤其是SST，很大程度上決定柔魚資源豐度。

表3 莖柔魚資源豐度灰色預測模型相對誤差及均方誤差(%)

Tab.3 Relative errors (%) and MSE of grey models for D. gigas in the Southeast Pacific Ocean

注：*為選擇的最優模型

Note: *: The best model chosen

表4 預測驗證結果

Tab.4 Predictive verification result

圖2 莖柔魚資源豐度灰色模型預測結果

本研究去除了產卵場Chl數據的模型3在相對誤差和均方誤差分析中都有較為精確的預測結果，且高于不包含部分氣候因子的模型4和模型5。這說明在不包含所有環境因子且加入氣候因子的情況下，建立的模型效果好于包含所有環境因子且不包含部分氣候因子所建立的模型效果，一定程度上反映了氣候對莖柔魚資源量的影響高于環境對莖柔魚資源量的影響。Anatolio等(2001)的研究表明，莖柔魚資源量與全球性氣候條件有關，特別是厄爾尼諾和拉尼娜現象。厄爾尼諾現象將導致秘魯外海的莖柔魚資源量減少，捕撈產量下降(Anderson, 2001)。高雪等(2017)的研究也表明，莖柔魚資源量與PDO和厄爾尼諾事件有關，且PDO比厄爾尼諾事件更為重要。但也有研究表明，PDO是作用于整個太平洋的一種氣候現象，而本研究的莖柔魚是棲息于東南太平洋的一種魚類，與PDO定義[北太平洋北緯20°N以北區域SST距平的經驗正交函數的第一分量(余為, 2016)]的作用區域有所不同，關聯性較弱，且為年代際的一種變動，年度間變動較小，因此，對莖柔魚的影響較厄爾尼諾事件弱(段丁毓等, 2018)。許駱良等(2015)通過構建廣義線性模型和廣義加性模型，認為只有葉綠素濃度對莖柔魚資源量有顯著性影響，而通常認為，對漁場起到決定作用的水溫因素則為非顯著因子。汪金濤等(2014)基于神經網絡模型認為，海表面溫度、葉綠素和海面高度這3個因子對莖柔魚資源量都具有顯著影響，并構建了基于以上因子莖柔魚資源豐度的預測模型。這可能是由于各研究所選取的環境因子的地理位置不同，導致結果出現差異，本研究中，可能由于只選取了產卵場Chl并采用平均的方式進行研究，在一定程度上淡化了Chl對莖柔魚資源量的影響。

綜上所述，本研究建立的5種預測模型均能較好地預測東南太平洋莖柔魚資源豐度，模型3精度最高，且驗證結果較為準確，選定為最終模型。同時，本研究也存在一些不足，如無法具體分析各因子之間的交互效應，例如，PDO的變化會導致SST的變化、相對貢獻率，沒有考慮環境、氣候因子的滯后效應等。在今后的研究中，應更加精細和量化東南太平洋莖柔魚整個生活史氣候因子和環境因子，并與其他模型進行綜合比較，選擇全局最優的資源豐度預測模型。

Anatolio T, Carmen Y, Mariategui L,. Distribution and concentrations of Jumbo flying squid () off the Peruvian coast between 1991 and 1999. Fisheries Research, 2001, 54(1): 21–32

Anderson CIH, Rodhouse PG. Life cycles, oceanography and variability: Ommastrephid squid in variable oceanographic environments. Fisheries Research(Amsterdam), 2001, 54(1): 1–143

Cao J, Chen XJ, Chen Y. Influence of surface oceanographic variability on abundance of the western winter-spring cohort of neon flying squidin the NW Pacific Ocean. Marine Ecology Progress, 2009, 381(12): 119–127

Chen XJ, Zhao XH. Preliminary study on the catch distribution ofand its relationship with sea surface temperature in the offshore waters of Peru. Journal of Shanghai Ocean University, 2006, 15(1): 65–70 [陳新軍, 趙小虎. 秘魯外海莖柔魚產量分布及其與表溫關系的初步研究. 上海海洋大學學報, 2006, 15(1): 65–70]

Chen XJ. Fishery resources and fisheries. Beijing: China Ocean Press, 2004, 169–192 [陳新軍. 漁業資源與漁場學. 北京: 海洋出版社, 2004, 169–192]

Chen XJ. Grey system theory in fisheries science. Beijing: China Agriculture Press, 2003, 1–32 [陳新軍. 灰色系統理論在漁業科學中的應用. 北京: 中國農業出版社, 2003, 1–32]

Chen YY, Chen XJ. Influence of El Nino/La Nina on the abundance index of skipjack in the Western and Central Pacific Ocean. Journal of Shanghai Ocean University, 2017, 26(1): 113–120[陳洋洋, 陳新軍. 厄爾尼諾/拉尼娜現象對中西太平洋鰹資源豐度的影響. 上海海洋大學學報, 2017, 26(1): 113–120]

Duan DY, Chen P, Chen XJ,. The construction of biomass forecasting model for the anchoveta () by the grey system model. Journal of Shanghai Ocean University, 2018, 27(2): 284–290 [段丁毓, 陳芃, 陳新軍, 等. 基于灰色系統的秘魯鳀資源量預測模型的構建. 上海海洋大學學報, 2018, 27(2): 284–290]

Fang Z, Chen YY, Chen XJ,. The grey predict model construction of abundance forecasting for skipjack tuna () in the Western and Central Pacific Ocean based on different environmental factors. Journal of Marine Sciences, 2018(4): 60–67 [方舟, 陳洋洋, 陳新軍, 等. 基于不同環境因子的中西太平洋鰹魚資源豐度灰色預測模型構建. 海洋學研究, 2018(4): 60–67]

Gao X, Chen XJ, Xu W. Forecasting model of the abundance index of winter-spring cohort of neon flying squid () in the Northwest Pacific Ocean based on grey system theory. Acta Oceanologica Sinica, 2017, 39(6): 55–61 [高雪, 陳新軍, 余為. 基于灰色系統的西北太平洋柔魚冬春生群資源豐度預測模型. 海洋學報(中文版), 2017, 39(6): 55–61]

Gong Y, Li YK, Chen L,. A comparative analysis of fatty acid profiles in muscle offrom different harvest locations in the Eastern Pacific Ocean. Progress in Fishery Sciences, 2018, 39(6): 149–156 [貢藝, 李云凱, 陳玲, 等. 東太平洋不同海區莖柔魚肌肉脂肪酸組成分析與比較. 漁業科學進展, 2018, 39(6): 149–156]

Guan WJ, Gao F, Chen XJ. Review of the applications of satellite remote sensing in the exploitation,management and protection of marine fisheries resources. Journal of Shanghai Ocean University, 2017, 26(3): 440–449 [官文江, 高峰, 陳新軍. 衛星遙感在海洋漁業資源開發、管理與保護中的應用. 上海海洋大學學報, 2017, 26(3): 440–449]

He SM. Finance and economics dictionary. Beijing: China Financial and Economic Publishing House, 1990 [何盛明. 財經大辭典. 北京: 中國財政經濟出版社, 1990]

Ichii T, Mahapatra K, Watanabe T,. Occurrence of jumbo flying squidaggregations associated with the counter current ridge off the Costa Rica Dome during 1997 El Ni?o and 1999 La Ni?a. Marine Ecology-Progress Series, 2002, 231(1): 151–166

Liu B, Zhou F, Chen X,. Spatial variations in beak structure to identify potentially geographic populations ofin the Eastern Pacific Ocean. Fisheries Research, 2015, 164: 185–192

Nigmatullin CM, Nesis KN, Arkhipkin AI. A review of the biology of the Jumbo squid(Cephalopoda: Ommastrephidae). Fisheries Research, 2001, 54(1): 9–19

Rodhouse PG. Managing and forecasting squid fisheries in variable environments. Fisheries Research, 2001, 54(1): 3–8

Taipe A, Yamashiro C, Mariategui L,. Distribution and concentrations of jumbo flying squid () off the Peruvian coast between 1991 and 1999. Fisheries Research (Amsterdam), 2001, 54(1): 1–32

Tang YC. Statistical analysis with R. Beijing: Higher Education Press, 2008, 260–264 [湯銀才. Ｒ語言與統計分析. 北京: 高等教育出版社, 2008, 260–264]

Wang JT, Chen XJ, Gao F,. Fish recruitment forecasting forbased on multi-environmental factors in the Southeastern Pacific. Oceanologia et Limnologia Sinica, 2014, 45(6): 1185–1191 [汪金濤, 陳新軍, 高峰, 等. 基于環境因子的東南太平洋莖柔魚資源補充量預報模型研究. 海洋與湖沼, 2014, 45(6): 1185–1191]

Wang JT, Chen XJ. Changes and prediction of the fishing ground gravity of skipjack () in Western- Central Pacific. Periodical of Ocean University of China (Natural Science), 2013, 43(8): 48–52 [汪金濤, 陳新軍. 中西太平洋鰹魚漁場的重心變化及其預測模型建立. 中國海洋大學學報(自然科學版), 2013, 43(8): 48–52]

Wang JT. Fishery forecasting and stock assessment for commercial oceanic ommastrephid squid. Doctoral Dissertation of Shanghai Ocean University, 2015 [汪金濤. 大洋性經濟柔魚類漁情預報與資源量評估研究. 上海海洋大學博士研究生學位論文, 2015]

Wang YG, Chen XJ. World oceanic economic soft fish resources and their fisheries. Beijing: China Ocean Press, 2005, 240–264 [王堯耕, 陳新軍. 世界大洋性經濟柔魚類資源及其漁業. 北京: 海洋出版社, 2005, 240–264]

Wei GN, Chen XJ, Li G. Interannual variation and forecasting ofmigration gravity in the Northwest Pacific Ocean. Journal of Shanghai Ocean University, 2018, 27(4): 573–583 [魏廣恩, 陳新軍, 李綱. 西北太平洋柔魚洄游重心年際變化及預測. 上海海洋大學學報, 2018, 27(4): 573–583]

Wei L, Chen XJ, Lei L,. Comparative study on the forecasting models of squid fishing ground in the northwest Pacific Ocean based on BP artificial neural network. Journal of Shanghai Ocean University, 2017, 26(3): 450–457 [魏聯, 陳新軍, 雷林, 等. 西北太平洋柔魚BP神經網絡漁場預報模型比較研究. 上海海洋大學學報, 2017, 26(3): 450–457]

Xu B. Spatial and temporal distribution of fishing ground forand the relationship between recruitment and environment in the offshore waters of Peru North west Pacific Ocean. Master′s Thesis of Shanghai Ocean University, 2012 [徐冰. 秘魯外海莖柔魚漁場時空分布及資源補充量與環境的關系. 上海海洋大學碩士研究生學位論文, 2012]

Xu LL, Chen XJ, Wang JT. Inter-annual variation in abundance index ofoff Peru during 2003 to 2012. Journal of Shanghai Ocean University, 2015, 24(2): 280– 286 [許駱良, 陳新軍, 汪金濤. 2003–2012年秘魯外海莖柔魚資源豐度年間變化分析. 上海海洋大學學報, 2015, 24(2): 280–286]

Yu W, Chen XJ. Analysis of environmental conditions and their influence on the abundance of neon flying squid in the Northwest Pacific Ocean. Acta Ecologica Sinica, 2015, 35(15): 5032–5039 [余為, 陳新軍. 西北太平洋柔魚棲息地環境因子分析及其對資源豐度的影響. 生態學報, 2015, 35(15): 5032–5039]

Yu W. Response mechanism of winter-spring cohort of neon flying squid to the climatic and environmental variability in the Northwest Pacific Ocean. Doctoral Dissertation of Shanghai Ocean University, 2016 [余為. 西北太平洋柔魚冬春生群對氣候與環境變化的響應機制研究. 上海海洋大學博士研究生學位論文, 2016]

Zhu WT, Chen XJ, Wang JT,. Predicting the abundance of Pacific saury based on grey system in the Northwest Pacific. Journal of Guangdong Ocean University, 2018, 38(6): 13–17 [朱文濤, 陳新軍, 汪金濤, 等. 基于灰色系統的西北太平洋秋刀魚資源豐度預測. 廣東海洋大學學報, 2018, 38(6): 13–17]

Prediction of Abundance Index of the Humboldt Squid () in the Southeast Pacific Ocean Based on a Grey System-Based Model

YAN Yongbin1,3, CHEN Xinjun1,2, WANG Jintao1,2①, LEI Lin1,2, CHENG Qiqun3

(1. College of Marine Science, Shanghai Ocean University, Shanghai 201306; 2. Key Laboratory of Oceanic Fisheries Exploration, Ministry of Agriculture and Rural Affairs; National Engineering Research Center for Oceanic Fisheries; Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources, Ministry of Education; Scientific Observing and Experimental Station of Oceanic Fishery Resources, Ministry of Agriculture and Rural Affairs, Shanghai 201306; 3. East China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Shanghai 200090)

The Humboldt squid () is one of the most abundant fisheries resource in the Southeast Pacific Ocean. It has become an important component of China's offshore fisheries due to its high economic value. Accurate abundance index prediction is important to the rational development and utilization of. In this study, the correlation analysis and grey system method were used to establish a model (GM) for predicting the abundance of squid in the southeastern Pacific based on fishery data as well as environmental and climatic factors, including Sea Surface Temperature (SST), Pacific Decadal Oscillation (PDO), Oceanic Nino Index (ONI), and Chlorophyll concentration(Chl). The results showed that the SST of the spawning ground in February, the Chlof the spawning ground in March, the PDO in December, and the ONI in October had significant correlations with the abundance of squid. The GM (1, 4) model with SST, PDO, and ONI as independent variables had the highest accuracy (> 85%), which could be used to accurately predict the abundance ofin the Southeast Pacific.

Southeast Pacific Ocean;; Grey system; Abundance index

WANG Jintao, E-mail: jtwang@shou.edu.cn

S932

A

2095-9869(2020)05-0006-06

10.19663/j.issn2095-9869.20190525001

http://www.yykxjz.cn/

閆永斌, 陳新軍, 汪金濤, 雷林, 程起群. 東南太平洋莖柔魚資源豐度灰色預測研究. 漁業科學進展, 2020, 41(5): 46–51

Yan YB, Chen XJ, Wang JT, Lei L, Cheng QQ. Prediction of abundance index of the humboldt squid () in the Southeast Pacific Ocean based on a grey system-based model. Progress in Fishery Sciences, 2020, 41(5): 46–51

* 國家自然科學基金(NSFC31702343; NSFC41876141)和自然資源衛星遙感業務支持服務體系項目(202001004)共同資助 [This work was supported by National Natural Science Foundation of China (NSFC31702343; NSFC41876141), and Demonstration of Natural Resources Satellite Remote Sensing Technology System Construction and Application (202001004)]. 閆永斌，E-mail: 15653831687@163.com

汪金濤，E-mail: jtwang@shou.edu.cn

2019-05-25,

2019-06-21

(編輯 馮小花)