東南太平洋智利竹筴魚漁場時空分析與資源豐度的預測

丁鵬，鄒曉榮，2，3，4，5*，白思琦，張鵬

(1.上海海洋大學 海洋科學學院，上海 201306；2.遠洋漁業創新中心，上海 201306；3.大洋漁業資源可持續開發教育部重點實驗室，上海 201306；4.國家遠洋漁業工程技術研究中心，上海 201306；5.農業農村部大洋漁業資源環境科學觀測試驗站，上海 201306)

智利竹筴魚Trachurusmurphyi是一種棲息在大洋中上層的高度集群性魚類[1]，廣泛分布于南太平洋，從智利、秘魯、厄瓜多爾等國的專屬經濟區一直到西南太平洋的新西蘭外海均有分布[2]。該魚生長快、生產力高，漁獲量多年來一直居于世界前列[3]。2010年后，智利竹筴魚捕撈產量急劇下降。為了實現該漁業的可持續發展，2012年，在中國和沿岸國等遠洋漁業國家的推動下成立了南太平洋區域漁業管理組織[3]，對該漁業資源進行配額管理。因此，為了提高捕撈效率，有必要對智利竹筴魚漁場進行研究。相關研究中，化成君等[4]利用2005—2008年的數據對智利竹筴魚漁場年際和季節變化，以及單位捕撈努力量漁獲量(CPUE)空間分布與海表面溫度的關系進行了研究；張衡等[5]利用2007年3—12月的數據分析了漁場與海表面溫度的時空分布；牛明香等[6]利用2005年數據對中心漁場的時空變化及與海洋環境的關系進行了研究；陳春光等[7]利用2003—2011年數據研究了漁場空間分布及與海表面溫度之間關系。以上學者均認為，在4—8月，隨著時間的變化，漁場重心呈現向西北方向移動的趨勢。其他學者也利用2011年前的數據對漁場與浮游生物關系[8]、資源分布[9]、漁場與氣象和水文的關系[10]、漁場預報[11-12]等進行過一系列報道。本研究中，利用2011—2018年的海上調查數據和環境數據，將整個漁場劃分為若干海區，利用漁場重心分析法分別計算其集群重心，對集群重心與海表面溫度異常值的關系進行分析，用BP神經網絡模型預測集群海區，并進行產量占比驗證,以期為中國智利竹筴魚漁船生產提供科學參考。

1 材料與方法

1.1 數據來源

智利竹筴魚捕撈數據由中國遠洋漁業協會大型加工拖網項目技術組提供，數據來源于大型拖網漁船“開富號”和“開裕號”。兩船船型相同，船長為91.10 m，型深為9.20 m，船寬為20 m，總噸位為7 671 t，主機功率為5 920 kW。作業范圍為27°～45°S、75°～95°W，作業時間為2011—2018年的4—8月份，空間分辨率為0.25°×0.25°。

環境數據包括海表面溫度(sea surface temperature,SST)、海表面鹽度(sea surface salinity,SSS)、葉綠素濃度(chlorophyll concentration,Chl-a)和海表面溫度異常值(sea surface temperature anomaly,SSTA)，數據均來源于Ocean-watch網站(http://oceanwatch pifsc.noaa.gov)。

1.2 方法

1.2.1 智利竹筴魚集群重心 按0.25°×0.25°的空間分辨率逐月統計每個海區的產量，篩選出各月份產量為第一、第二、第三的海區，分別以該海區的漁場重心為圓心，以1°為半徑將周圍海區納入其中，定義為智利竹筴魚的集群海區，計算集群海區漁場重心并定義為智利竹筴魚的集群重心H1、H2和H3[13]，重疊海區可重復算入集群海區。然后計算3個集群海區內漁獲產量占整個漁場總產量的比值，重疊海區只統計一次。利用其比值來判斷集群重心的選擇是否具有合理性。集群重心計算公式[14]為

(1)

(2)

其中:Xi、Yi分別為集群重心的經、緯度;Mij為i漁區j月的產量;Xij為i漁區j月中心點的經度;Yij為i漁區j月中心點的緯度;k為漁區的總個數。

1.2.2 系統聚類分析 系統聚類法[15-17]是將n個不同的樣品作為不同的n類，將相近距離的樣品聚成一類,再將這n-1類中距離最近的聚成新的類，直到所有的樣品被聚為一類。本研究中,使用最短距離法[18]按照月份和集群重心種類進行聚類。根據聚類分析結果，計算該類別內經緯度的平均值[8]，預測得出每月3個集群重心，定義為固定集群重心H1*、H2*和H3*，并將周圍1°范圍內的海區定義為該月份的固定集群海區，利用ArcGIS 10.2軟件繪制固定集群重心的時空分布圖。最短距離計算公式為

(3)

其中：Lij為i年與j年集群重心的距離；MX、MY及NX、NY分別為兩個集群重心的經度和緯度。

1.2.3 集群重心偏移與SSTA指數的關系 利用固定集群重心H1*、H2*和H3*與集群重心H1、H2、H3的差值來表示經緯度的偏移程度，用經緯度差值分別與SSTA做相關性分析[13]。SSTA是指逐月SST數據按照時間序列減去其氣候態月平均SST，得到的海表面溫度異常時間序列[19]。

1.2.4 神經網絡模型預測集群重心 誤差反向傳播網絡(error backpropagation network，BP)屬于多層前向神經網絡[20-22]，其主要特點是信號前向傳播，而誤差反向傳播。本研究中,使用DPS軟件進行BP神經網絡模型的計算，以2011—2017年的數據作為擬合樣本，2018年的樣本數據作為預測樣本，以海洋環境因子SST、SSS和Chl-a結合固定集群重心H1*、H2*和H3*作為輸入因子，隱含層為一層[23-24]，隱含層神經元選取9[13]。以集群重心H1、H2和H3及其產量占比作為輸出因子，進行訓練。每個月預測得到3個集群重心，并計算預測的集群重心1°海域范圍內的實際產量占整個漁場總產量的比值，驗證預報的準確性。

神經網絡模型采用5-9-3結構(圖1)。

圖1 BP模型結構

2 結果與分析

2.1 集群海區產量占比分析

從圖2可見，2011—2017年每個月集群海區的產量與該月整個漁區總產量的比值除個別數為66%和59%外，其余均為70%～97%，集群海區與整個漁區的比值均占絕對優勢，這表明用所選的3個集群海區表示整個智利竹筴魚的集群重心具有代表性。4月集群漁區產量占該月整個漁區總產量的70%～92%；5月占71%～96%，有一半多的月份在90%以上；6月占76%～96%，其中66%和59%的比值分布在這個月；7月占73%～97%；8月占70%～95%(圖2)。從月份來看，各月份的產量占比基本趨于穩定，5月份占比較為集中。

圖2 2011—2017年各月集群海區產量占比及范圍

2.2 集群重心的時空變化

在圖3中將H1按時間順序相連，可以看出，2011—2012年集群重心分布趨勢可以歸為一類，集群重心4—5月向東北部海域移動，向東移動2°～3°，向北移動1°～2°；5—6月向西北方向推移，向西移動1°左右，向北移動2°～5°；6—7月偏向東北部海域，向東移動1°～2°，向北移動2°～3°；7—8月向西北方向推移且幅度較大，向西移動5°，向北移動2°～7°。

2013—2017年集群重心分布趨勢歸為另一類，集群重心主要往東北方向移動，2014年6—7月和2016年4—5月集群重心向西北小范圍移動，向西移動0.5°～1.0°，向北移動2°～3°；2015年4—5月集群重心向北移動4°左右，向東移動3.5°左右，6—8月向東移動3°左右，向北移動3°左右；2013、2014、2016、2017年4—7月重心向東移動2°～4°，向北移動4°～8°，7—8月的變動范圍較大，向東移動4°～6°，向北移動5°～18°(圖3)。

2.3 固定集群重心的時空變化

系統聚類分析從2011—2017年的樣本中，將同一月份同一類別集群重心進行了匯總，并求得該類別內集群重心平均值作為未受環境影響下智利竹筴魚固定集群重心分布。聚類結果如表1所示。經計算2011—2017年相同月份集群重心的平均值，確定出每月3個固定集群重心。各月份固定集群重心H1*、H2*和H3*及其海域范圍的分布如圖4所示，其中，固定集群重心4月主要集中在43.4°～43.7°S、80.5°～81.3°W海域，5月主要集中在42.4°～42.7°S、79.8°～81.3°W海域，6月主要集中在41°～41.4°S、79.3°～80.7°W海域，7月主要集中在38°～38.4°S、78.9°～79.5°W海域，8月主要集中在28.2°～31°S、77.4°～79.3°W海域。4—7月3個固定集群重心隨著時間的增加逐漸向東北方向移動，緯度移動5°左右，經度移動1.7°左右，且重心分布比較集中；8月固定集群重心則向東北方向進行大范圍的移動，緯度移動8°左右，經度移動1°左右。

表1 系統聚類分析結果

圖4 固定集群海區時空變化

2.4 集群重心偏移與海洋環境的關系及產量驗證

2.4.1 集群重心偏移與SSTA的關系 集群重心偏移與固定集群重心的差值表示集群重心的偏移。從表2可見，經度上2011—2017年間4—8月的偏移與SSTA相關性分析中，呈現顯著的量均呈負相關，緯度上5—8月呈現顯著的量均呈正相關，4月無相關性，表明SSTA升高時，集群重心呈現向西北偏移的趨勢，SSTA降低時，集群重心呈現向東南偏移的趨勢。

表2 2011—2017年4—8月集群重心偏移與SSTA間的關系

2.4.2 集群海區重心的預測及產量驗證 利用BP神經網絡模型預測的2018年各月份集群重心與實際站點數據如圖5所示。從圖5可見：4月預測的集群重心集中在43.2°～43.3°S、79.9°～80.3°W海域；5月緯度向北移動1.0°左右，集中在42.0°～42.5°S、79.5°～80.5°W海域；6月緯度向北移動2°左右，經度向西移動3°左右，集中在40.5°～41.7°S、81.8°～84.9°W海域；7月緯度向北移動4°左右，集中在37.1°S海域附近，經度向東移動2°左右，集中在78.3°～78.9°W海域；8月緯度向北出現較大變化，主要集中在22°～22.8°S海域，經度集中在74.4°W海域附近。4月的實際站點與預測的集群重心大致相同，集中在39.5°～46.2°S、78.4°～82.6°W海域；5月向北移動，集中在41.2°～43.4°S、78.5°～82.2°W海域；6月的實際站點繼續向西北方向移動，集中在39.3°～42.8°S、78.2°～88.7°W海域；7月的實際站點向北移動2°左右，集中在37.0°～40.3°S、78°～92°W海域，與預測的集群重心有2°左右的偏差；8月的實際站點向北移動了13°左右，分布在21°～29°S、74°～75.8°W海域。

圖5 2018年4—8月集群海區時空分布

從圖6可見，預測的2018年4、5月集群海區范圍內的實際產量占該月整個漁場總漁獲量的比值分別為82%、79%，6、7、8月分別為60%、56%、48%，從6月份開始占產量比明顯降低。

圖6 預測的2018年集群海區各月產量占比

3 討論

3.1 漁場重心的時空變化

以往學者通常以整個漁場計算得到的漁場重心來表示魚群的空間變化[4-7,25]，但由于漁場分散較難掌握具體的魚群分布。本研究中，智利竹筴魚漁場集群海區產量占比表明，魚群的集群重心海區可以表征漁場重心的具體分布；各月集群海區占整個漁場漁獲產量的比值絕大多數為70%～97%，這表明用所選的3個集群海區表示整個智利竹筴魚的集群重心具有代表性；從移動方向來看，2011—2012年4—7月集群重心向東移動3°～4°，向北移動5°～6°；7—8月集群重心向西北方向移動，向西移動5°左右，向北移動2°～7°。分析魚群的移動規律與化成君等[4]、陳春光等[7]得出的中心漁場月間變動較為一致。本研究表明，2013—2017年4—7月魚群重心向東移動2°～4°，向北移動4°～8°，7—8月集群重心向東北方向進行了長距離的移動，即向東移動4°～6°，向北移動5°～18°，究其原因可能是智利竹筴魚的漁場出現了新的變動。根據前期研究[7，26-27]，智利竹筴魚幼魚在秘魯和智利被逆流而上的表層育肥，形成成年魚群后向西移動，呈現高齡竹筴魚生活在西部海域的分布特性。由此推測智利竹筴魚集群重心向東移動的原因，可能是成年和高齡竹筴魚向西洄游，使幼魚所占比例升高導致[26]。本研究中在系統分析后得出智利竹筴魚的集群重心海區和漁場的最新變化，可為智利竹筴魚漁船的生產提供科學參考。

本研究中，通過聚類分析得出，4—7月智利竹筴魚魚群的固定集群重心在緯度上由南向北移動，為5°左右，經度上由西向東移動，為1.7°左右；8月魚群繼續向東北方向移動，緯度上移動8°左右，經度上移動1°左右(表1和圖4)。此現象的成因可能與智利竹筴魚的生活史有關，4—5月魚群開始集群并向北洄游進入越冬期前的索餌洄游期[28]；6—7月智利竹筴魚集群性增強并繼續向北進行越冬洄游，主要在38°～42°S、78°～85°W的海區內形成越冬場[28]；8月魚群繼續向北洄游進入產卵前的索餌洄游期[29]。智利竹筴魚的這一移動路線主要與西風偏流、秘魯寒流的流向有關[6]，水溫的變化導致魚群要向北進行索餌集群[6，28-30]。生活史中的索餌洄游、越冬洄游階段與魚群的固定集群重心的變化相對應。

3.2 集群重心偏移與SSTA的關系

集群海區的形成是多種海洋環境因子綜合作用的結果，但在所有的因素中，一致認為海表溫度是最主要的環境因子之一[4，6,9,11,31]。本研究中，分析集群重心H1、H2和H3與固定集群重心H1*、H2*、H3*在經緯度上的差值與SSTA的相關關系可以看出，SSTA在經度和緯度上對智利竹筴魚集群重心的偏移均有影響，在經度上與SSTA值出現顯著的負相關，在緯度上出現顯著的正相關，即SSTA升高時，智利竹筴魚的集群重心存在向西北方向移動的趨勢，而SSTA降低時，智利竹筴魚的集群重心存在向東南方向移動的趨勢。本研究結果與楊香帥等[3]的研究結果相符，其主要原因是智利竹筴魚對溫度更為敏感，容易受到溫度的影響而發生趨利性洄游[26]。

3.3 集群海區的產量驗證

本研究表明，預測的2018年4—8月H1、H2和H3 集群海區重心，隨著月份的增長呈現由南向北、由西向東移動的趨勢。集群海區產量計算結果顯示，4、5月智利竹筴魚分布海區相對較小且集中，集群海區的實際產量占整個漁場總產量的82%和79%，6月產量占比為60%，明顯降低，這與6月魚群密度降低、集群性變差有關[30]，7、8月智利竹筴魚開始向北進行分散索餌[28]，分布相對分散，故集群海區產量占比分別為56%、48%。本研究中將神經網絡模型與海洋環境因子相結合，能更準確預測出集群海區，從而為實際的漁業生產提供參考依據。

3.4 智利竹筴魚未來重點研究方向

目前，雖然對智利竹筴魚漁場和生物學方面已有研究，但由于智利竹筴魚漁場產生了新的變化，以及在一些研究領域尚存空白，因此，建議后期還要在以下方面重點開展研究：

1)由于數據限制，本研究中選用了空間半徑為1°圓形海域，時間上以月為單位對智利竹筴魚的集群重心進行研究。如果將空間半徑改為30′，時間上以周為單位，可以使預測精度進一步提高。

2)智利竹筴魚是棲息在大洋中上層高度的洄游性魚類，其洄游路線的研究鮮有報道，利用漁場重心加上生物學數據可進一步對智利竹筴魚的洄游路線進行研究[32]，有利于提高人們對智利竹筴魚的認識。

3)根據已知文獻和智利竹筴魚的生活史推測其漁場產生變化的原因是由于魚群幼魚所占比例升高，但具體原因尚未有具體數據支持，后期有必要對近幾年智利竹筴魚生物學進行研究，從而為中國智利竹筴魚漁業的可持續發展提供理論指導。

4)隨著全球氣候的不斷變化，海洋環境也隨之發生了新的變化，因此，應對智利竹筴魚資源量和產量變動與海洋環境因子的關系進行研究，以探究不同海洋環境對資源豐度和漁獲產量的影響，為后續的產量配額提供科學依據。

4 結論

1)本研究中利用2011—2018年8年數據將智利竹筴魚整個漁場篩選出了3個海區并定義為集群重心，相較于以整個漁場計算漁場重心，提升了其精度。研究發現，近年來智利竹筴魚漁場位置發生新的變化，即從2013年開始漁場隨著時間的推移由向西北方向偏移變為向東北方向偏移。

2)在不受環境因子的影響下，魚群的固定集群重心由西北向東北方向進行移動；SSTA對魚群集群重心的經度和緯度均有影響，SSTA升高時，智利竹筴魚的集群重心存在向西北方向移動的趨勢，SSTA降低時，集群重心存在向東南方向移動的趨勢。

3)結合環境因子利用BP神經網絡對2018年各月的集群重心進行預測，并進行產量驗證，4、5、6、7、8月集群海區的產量分別占整個漁場總產量的82%、79%、60%、56%、48%。