技术领域
[0001] 本
发明涉及头足类资源丰度预测技术领域，特别是涉及一种摩洛哥海域头足类资源丰度预测方法。
背景技术
[0002] 摩洛哥王国位于非洲西北端，西濒大西洋，是地中海连接大西洋的
门户，摩洛哥海岸线长2983km，其中大西洋一侧为2446km，地中海一侧为537km，200m等深线以内的大陆架面积为6万km2，大陆架宽度一般为20～30m，
渔场水域面积为100多km2，以中上层的沙丁鱼、底层的章鱼等头足类产品闻名于世，是世界上少有的优良渔场之一。其中头足类的产量占摩洛哥渔业总产量的15～20％，仅次于沙丁鱼产量。
[0003] 20世纪70年代初期摩洛哥头足类渔业发展较为缓慢，年产量较低，一直到80年代年产量开始大幅度增加，1980年产量达到15000t以上，随后逐年增加，整个80年代中后期年产量都维持在50000t左右，进入20世纪90年代，年产量又大幅度增加，90年代末期突破到100000t以上，一直到2000年，年产量最高，接近150000t，进入21世纪后年产量开始降低，
2003年和2004年的年产量相对较低，仅有2000多吨，其余年份年产量均在5000t至10000t之间。
[0004] 在摩洛哥的捕捞产量中，章鱼是主要的种类。根据历年统计数据，20世纪70年代摩洛哥海域章鱼资源开发处于较低水平，年产量较低。到80年代初开始，年产量大幅度提高，80年代的平均年产量在26000t左右，而到90年代，年产量进一步得到提升，这段时间内年平均产量突破60000t，21世纪初章鱼年产量依然处于较高水平，随后年产量开始降低，2004年年产量跌倒20000t以下，2005年开始年产量恢复到40000t以上，随后几年产量都保持在
30000t以上，而到2012年年产量又出现滑坡，仅有18000t左右，不过在2013年产量得到提升，达到50000t以上。整体来看摩洛哥海域的章鱼的年产量80年初开始发展，经过20世纪90年代的高峰期之后有下降趋势。
[0005] 中国自20世纪80年代末期开始参与摩洛哥海域头足类捕捞作业，积累了大量的生产经验。由于头足类为一年的种类，其资源丰度与海洋环境关系密切，海洋环境的差异直接影响到头足类的资源丰度，进而影响到渔业生产和科学管理。因此，选择影响其资源丰度的环境因子、建立资源丰度
预测模型极为重要，如果能够建立统计学上有意义的资源丰度预测模型，可科学指导在摩洛哥海域头足类的生产，也为中国相关企业在摩洛哥海域进行高效捕捞提供科学参考。
发明内容
[0006] 本发明针对
现有技术存在的问题和不足，提供一种摩洛哥海域头足类资源丰度预测方法。
[0007] 本发明是通过下述技术方案来解决上述技术问题的：
[0008] 本发明提供一种摩洛哥海域头足类资源丰度预测方法，其特点在于，其包括以下步骤：
[0009] S1、获取1982-2015年摩洛哥的捕捞生产数据，获取1982-2015年北大西洋各月北极涛动指数NAO数据，以及获取30°-34°N、8°W-12°W海域表温距平均值SSTA数据；
[0010] 其中，该捕捞生产数据包括乌贼类捕捞产量、章鱼类捕捞产量和头足类捕捞总产量；
[0011] S2、将各年度各月的NAO数据进行平均化以获得对应年度的NAOi指数，分别以30.5°N、31.5°N、32.5°N、33.5°N和34.5°N为基准，计算各纬度断面的8°-12°W海域第i年度的平均SSTAi；
[0012] S3、获取6个海洋
气候与环境因子，分别为：
[0013] 气候因子：NAOi指数，环境因子：30.5°N和8°-12°W海域年平均SSTAi(SSTA1)、31.5°N和8°-12°W海域年平均SSTAi(SSTA2)、32.5°N和8°-12°W海域年平均SSTAi(SSTA3)、33.5°N和8°-12°W海域年平均SSTAi(SSTA4)、34.5°N和8°-12°W海域年平均SSTAi(SSTA5)；
[0014] S4、各年度章鱼类捕捞产量除以1982-2015年间章鱼类捕捞产量的最高产量以获得各年度章鱼类资源丰度指数RA1，各年度头足类捕捞总产量除以1982-2015年间头足类捕捞总产量的最高产量以获得各年度头足类资源丰度总指数RA2；
[0015] S5、6个海洋气候与环境因子分别与章鱼类丰度指数RA1和头足类资源丰度总指数RA2进行相关性分析，选择获得在统计学上有意义(P<0.05)的影响因子，选择标准为相关系数的绝对值大于等于0.413；
[0016] S6、根据获得的影响因子，分别与章鱼类丰度指数RA1和头足类资源丰度总指数RA2利用一元线性模型建立资源丰度预测模型。
[0017] 较佳地，在步骤S6中，对章鱼类资源丰度指数RA1影响最大的环境因子为SSTA5、气候因子为NAO，基于环境因子建立章鱼类资源丰度指数RA1的资源丰度预测模型：RA1＝a1+b1*SSTA5，采用各年度章鱼类对应的RA1值和SSTA5值对章鱼类资源丰度预测模型进行样本训练以获得a1和b1值；
[0018] 基于环境和气候因子建立章鱼类资源丰度指数RA1的资源丰度预测模型：RA1＝a2+b2*SSTA5+b3*NAO，采用各年度章鱼类对应的RA1值、SSTA5值和NAO值对章鱼类资源丰度预测模型进行样本训练以获得a2、b2和b3值；
[0019] 对头足类资源丰度总指数RA2影响最大的水温因子为SSTA5、气候因子为NAO，基于环境因子建立头足类资源丰度总指数RA2的资源丰度预测模型：RA2＝a3+b4*SSTA5，采用各年度头足类对应的RA2值和SSTA5值对头足类资源丰度预测模型进行样本训练以获得a3和b4值；
[0020] 基于环境和气候因子建立头足类资源丰度总指数RA2的资源丰度预测模型：RA2＝a4+b5*SSTA5+b6*NAO，采用各年度头足类对应的RA2值、SSTA5值和NAO值对头足类资源丰度预测模型进行样本训练以获得a4、b5和b6值。
[0021] 在符合本领域常识的
基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
[0022] 本发明的积极进步效果在于：
[0023] 本发明建立了统计学上有意义的资源丰度预测模型，可科学指导在摩洛哥海域头足类的生产，也为中国相关企业在摩洛哥海域进行高效捕捞提供科学参考。
附图说明
[0024] 图1为1980-2015年摩洛哥海域乌贼类产量分布图。
[0025] 图2为1980-2015年摩洛哥海域章鱼类产量分布图。
[0026] 图3为1980-2015年摩洛哥海域头足类产量分布图。
[0027] 图4为本发明较佳
实施例的摩洛哥海域头足类资源丰度预测方法的
流程图。
具体实施方式
[0028] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0029] 1、材料收集
[0030] (1)生产统计数据。在联合国粮农组织全球渔业生产统计
数据库中下载获得1982-2015年摩洛哥的捕捞生产数据，其中，捕捞生产数据包括乌贼类、章鱼类和头足类的捕捞产量，单位为吨，见图1-3。
[0031] (2)海洋气候与环境因子数据。在美国NOAA下属的National Weather Service，National Centers for Environmental Prediction下载获得北大西洋北极涛动指数NAO数据，时间序列为1982-2015年。在哥伦比亚大学
网站http://iridl.ldeo.columbia.edu/SOURCES/.IGOSS/.nmc/.Reyn_SmithOIv2/.mont hly/.ssta/下载海洋遥感获得表温距平均值SSTA数据，范围为30°-34°N、8°W-12°W海域。
[0033] (1)NAO数据处理：将某i年度各月NAO数据进行平均化，获得某年度的NAOi指数。
[0034] (2)SSTA数据处理：以纬度为基准，即分别为30.5°N、31.5°N、32.5°N、33.5°N、34.5°N，计算某一纬度断面的8°-12°W海域第i年度的平均SSTAi。
[0035] 通过上述分析，一共获得6个气候与海洋环境因子，分别是：NAOi指数、30.5°N和8°W-12°W海域年平均SSTAi(SSTA1)、31.5°N和8°W-12°W海域年平均SSTAi(SSTA2)、32.5°N和8°W-12°W海域年平均SSTAi(SSTA3)、33.5°N和8°W-12°W海域年平均SSTAi(SSTA4)、34.5°N和8°W-12°W海域年平均SSTAi(SSTA5)。
[0036] (3)头足类资源丰度指数：由于摩洛哥海域头足类主要为章鱼类和乌贼类，以章鱼为主体，因此头足类资源丰度指数包括了章鱼类丰度指数(RA1)和头足类资源丰度总指数(RA2)。资源丰度指数经过标准化处理，即各年度章鱼类和头足类的产量分别除以1995-2015年间的最高产量，即分别除以100606和150131。
[0037] 3、分析方法
[0038] 考虑到摩洛哥海域地处高纬度海域，正好处在加那利海流形成的上升流海域，因此起劲的上升流把丰富的底层营养盐被带入到上层，形成良好的渔场，并为头足类等资源提供丰富的饵料。因此，本发明
专利选择了5个表温均平均值的指标，以及1个表示
气候变化的指标。由于乌贼类的产量所占比重不如章鱼类，因此只考虑章鱼类和头足类资源丰度预测。
[0039] 6个气候和环境因子分别与章鱼类丰度指数(RA1)和头足类资源丰度总指数(RA2)进行相关性分析，选择获得在统计学上有意义(P＜0.05)的影响因子，选择标准为相关系数的绝对值要大于等于0.413(样本为21个的情况下)。
[0040] 根据上述获得的影响因子，分别与章鱼类丰度指数(RA1)和头足类资源丰度总指数(RA2)建立资源丰度预测模型。
[0041] 4、分析结果
[0042] (1)章鱼类资源丰度指数(RA1)的影响因子选择
[0043] 分析表明，与章鱼类资源丰度指数(RA1)的相关系数如下表1。由表1可知，在统计学上显著相关的因子为SSTA5，NAO与资源丰度的相关系数为0.3208。
[0044] 表1相关系数统计表
[0045]因子 SSTA1 SSTA2 SSTA3 SSTA4 SSTA5 NAO
相关系数 -0.3306 -0.3568 -0.3766 -0.4111 -0.4260 0.3208
显著性 P＞0.05 P＞0.05 P＞0.05 P＞0.05 P＜0.05 P＞0.05
[0046] (2)头足类类资源丰度指数(RA2)的影响因子选择
[0047] 分析表明，与章鱼类资源丰度指数(RA2)的相关系数如下表2。由表2可知，在统计学上显著相关的因子为SSTA4和SSTA5，NAO与资源丰度的相关系数为0.2942。
[0048] 表2相关系数统计表
[0049]因子 SSTA1 SSTA2 SSTA3 SSTA4 SSTA5 NAO
相关系数 -0.2836 -0.3221 -0.3642 -0.4156 -0.4306 0.2942
显著性 P＞0.05 P＞0.05 P＞0.05 P＜0.05 P＜0.05 P＞0.05
[0050] (3)资源丰度预测模型建立
[0051] 利用上述影响最大的环境因子和气候因子，利用一元线性模型分别建立资源丰度预测模型。其模型分别为：
[0052] 1)基于环境因子的章鱼类资源丰度指数(RA1)预测模型
[0053] RA1＝a+b*SSTA5
[0054] 其中，a＝0.8178，b＝-0.50349；a的95％置信区间为[0.48417，1.15144]；b的95％置信区间为[-1.1016，0.00999]，相关系数为0.4260(P＝0.0496＜0.05)。
[0055] 2)基于环境因子的头足类资源丰度指数(RA2)预测模型
[0056] RA2＝a+b*SSTA5
[0057] 其中，a＝0.79721，b＝-0.45374；a的95％置信区间为[0.50051，1.09392]；b的95％置信区间为[-0.9104，-0.00291]，相关系数为0.4310(P＝0.0453＜0.05)。
[0058] 3)基于气候和环境因子的预测模型
[0059] 章鱼类资源丰度指数(RA1)预测模型：
[0060] RA1＝a+b1*SSTA5+b2*NAO
[0061] 其中，a＝0.8647，b1＝-0.5351，b2＝0.1942；a的95％置信区间为[0.5434，1.1861]；b1的95％置信区间为[-1.0238，-0.04635]；b2的95％置信区间为[-0.03209，
0.42058]，相关系数为0.5538(P＝0.0370＜0.05)。
[0062] 头足类资源丰度指数(RA2)预测模型：
[0063] RA2＝a+b1*SSTA5+b2*NAO
[0064] 其中，a＝0.8359，b1＝-0.47983，b2＝0.16029；a的95％置信区间为[0.5466,1.1253]；b1的95％置信区间为[-0.91991,-0.03975]；b2的95％置信区间为[-0.04351,
0.364088]，相关系数为0.5410(P＝0.0443<0.05)。
[0065] 总结，如图4所示，本实施例提供的摩洛哥海域头足类资源丰度预测方法，其包括以下步骤：
[0066] 步骤101、获取1982-2015年摩洛哥的捕捞生产数据，获取1982-2015年北大西洋各月北极涛动指数NAO数据，以及获取30°-34°N、8°W-12°W海域表温距平均值SSTA数据；
[0067] 其中，该捕捞生产数据包括乌贼类捕捞产量、章鱼类捕捞产量和头足类捕捞总产量；
[0068] 步骤102、将各年度各月的NAO指数数据进行平均化以获得对应年度的NAOi指数，分别以30.5°N、31.5°N、32.5°N、33.5°N和34.5°N为基准，计算各纬度断面的8°-12°W海域第i年度的平均SSTAi；
[0069] 步骤103、获取6个海洋气候与环境因子，分别为：
[0070] 气候因子：NAOi指数，环境因子：30.5°N和8°-12°W海域年平均SSTAi(SSTA1)、31.5°N和8°-12°W海域年平均SSTAi(SSTA2)、32.5°N和8°-12°W海域年平均SSTAi(SSTA3)、33.5°N和8°-12°W海域年平均SSTAi(SSTA4)、34.5°N和8°-12°W海域年平均SSTAi(SSTA5)；
[0071] 步骤104、各年度章鱼类捕捞产量除以1982-2015年间章鱼类捕捞产量的最高产量以获得各年度章鱼类资源丰度指数RA1，各年度头足类捕捞总产量除以1982-2015年间头足类捕捞总产量的最高产量以获得各年度头足类资源丰度总指数RA2；
[0072] 步骤105、6个海洋气候与环境因子分别与章鱼类丰度指数RA1和头足类资源丰度总指数RA2进行相关性分析，选择获得在统计学上有意义(P<0.05)的影响因子，选择标准为相关系数的绝对值大于等于0.413；
[0073] 步骤106、根据获得的影响因子，分别与章鱼类丰度指数RA1和头足类资源丰度总指数RA2利用一元线性模型建立资源丰度预测模型。
[0074] 虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附
权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或
修改，但这些变更和修改均落入本发明的保护范围。
