技术领域
[0001] 本
发明涉及头足类资源丰度预测技术领域，特别是涉及一种毛里塔尼亚 海域头足类资源丰度预测方法。
背景技术
[0002] 毛里塔尼亚海域位于大西洋中东部，海岸线从布兰科海峡(20°36′N) 到圣路易(16°04′N)，全长约754km，200海里专属经济区面积达到23.4 万km2，大陆架海域(200m等深线以内)面积约为3.4万km2，北部大陆架 宽度较大，其中努瓦迪布湾和阿尔金浅滩处最宽达80海里，而从提米里斯
角向南的大陆架宽度仅有30海里，最重要的海流是加那利寒流自北向南走 向，带来冷
水，另外几内亚暖流相对较弱，但是其自南向北流动，与加那利 寒流在布兰科海峡区域混合，形成显著的涌升流，其中含有大量的浮游
生物， 极适合渔业资源的栖息繁殖，形成世界著名的
渔场之一。头足类是毛里塔尼 亚海域最有经济价值的渔业资源，其近海均有分布。头足类产量占经济渔获 种类的75％，尤以章鱼数量最多，产量最大，经济价值最高。
[0003] 中国自20世纪80年代末期开始参与毛里塔尼亚海域头足类捕捞作业， 积累了大量的生产经验，由于近海捕捞能
力过剩，导致渔业资源的不断衰退， 加之世界各国沿岸渔业管理和入渔条件日趋严格，因此开发毛里塔尼亚海域 头足类资源对于促进我国远洋渔业的发展具有十分重要的意义。
[0004] 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，
气候变化、 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极为重要，利用环境因子建立 在统计学上有意义的资源丰度
预测模型，能够科学指导在毛里塔尼亚海域头 足类的生产，也为中国相关企业在毛里塔尼亚海域进行高效捕捞生产提供指 导。
发明内容
[0005] 本发明针对
现有技术存在的问题和不足，提供一种毛里塔尼亚海域头足 类资源丰度预测方法。
[0006] 本发明是通过下述技术方案来解决上述技术问题的：
[0007] 本发明提供一种毛里塔尼亚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：
[0008] S1、获取1982-2015年毛里塔尼亚的捕捞生产数据，获取1982-2015年 北大西洋各月北极涛动指数NAO数据，以及获取16°-22°N、16°W-20°W海 域表温距平均值SSTA数据；
[0009] 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；
[0010] 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16.5°N、17.5°N、18.5°N、19.5°N、20.5°N和21.5°N为基准，计 算各纬度断面的16°-20°W海域第i年度的平均SSTAi；
[0011] S3、获取7个海洋气候与环境因子，分别为：
[0012] 气候因子：NAOi指数，环境因子：16.5°N和16°-20°W海域年平均SSTAi记为SSTA1、17.5°N和16°-20°W海域年平均SSTAi记为SSTA2、18.5°N和 16°-20°W海域年平均SSTAi记为SSTA3、19.5°N和16°-20°W海域年平均 SSTAi记为SSTA4、20.5°N和16°-20°W海域年平均SSTAi记为SSTA5、21.5°N 和16°-20°W海域年平均SSTAi记为SSTA6；
[0013] S4、各年度乌贼类捕捞产量除以1982-2015年间乌贼类捕捞产量的最高 产量以获得各年度乌贼类资源丰度指数RA1，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RA2，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RA3；
[0014] S5、7个海洋气候与环境因子分别与乌贼类资源丰度指数RA1、章鱼类 丰度指数RA2和头足类资源丰度总指数RA3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0.329；
[0015] S6、根据获得的影响因子，分别与对应的乌贼类资源丰度指数RA1、章 鱼类丰度指数RA2和头足类资源丰度总指数RA3利用一元线性模型建立资 源丰度预测模型。
[0016] 较佳地，在步骤S6中，对乌贼类资源丰度指数RA1影响最大的环境因 子为SSTA5、气候因子为NAO，基于环境因子建立乌贼类资源丰度指数RA1 的资源丰度预测模型：RA1＝a1+b1*SSTA5，采用各年度乌贼类对应的RA1 值和SSTA5值对乌贼类资源丰度预测模型进行样本训练以获得a1和b1值；
[0017] 基于气候因子建立乌贼类资源丰度指数RA1的资源丰度预测模型： RA1＝a2+b2*NAO，采用各年度乌贼类对应的RA1值和NAO值对乌贼类资 源丰度预测模型进行样本训练以获得a2和b2值；
[0018] 对章鱼类资源丰度指数RA2影响最大的环境因子为SSTA4、气候因子 为NAO，基于环境因子建立章鱼类资源丰度指数RA2的资源丰度预测模型： RA2＝a3+b3*SSTA4，采用各年度章鱼类对应的RA2值和SSTA4值对章鱼类 资源丰度预测模型进行样本训练以获得a3和b3值；
[0019] 基于气候因子建立章鱼类资源丰度指数RA2的资源丰度预测模型：RA2＝a4+b4*NAO，采用各年度章鱼类对应的RA2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a4和b4值；
[0020] 对头足类资源丰度总指数RA3影响最大的环境因子为SSTA4、气候因 子为NAO，基于环境因子建立头足类资源丰度总指数RA3的资源丰度预测 模型：RA3＝a5+b5*SSTA4，采用各年度头足类对应的RA3值和SSTA4值对 头足类资源丰度预测模型进行样本训练以获得a5和b5值；
[0021] 基于气候因子建立头足类资源丰度总指数RA3的资源丰度预测模型： RA3＝a6+b6*NAO，采用各年度头足类对应的RA3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a6和b6值。
[0022] 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。
[0023] 本发明的积极进步效果在于：
[0024] 本发明利用海洋气候与环境因子建立在统计学上有意义的资源丰度预 测模型，能够科学指导在毛里塔尼亚海域头足类的生产，也为中国相关企业 在毛里塔尼亚海域进行高效捕捞生产提供指导。
附图说明
[0025] 图1为1980-2015年毛里塔尼亚海域乌贼类产量分布图。
[0026] 图2为1980-2015年毛里塔尼亚海域章鱼类产量分布图。
[0027] 图3为1980-2015年毛里塔尼亚海域头足类产量分布图。
[0028] 图4为本发明较佳
实施例的毛里塔尼亚海域头足类资源丰度预测方法的
流程图。
具体实施方式
[0029] 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。
[0030] 1、材料收集
[0031] (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年毛里塔尼亚的捕捞生产数据，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。
[0032] (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下载获得北大西洋涛动 NAO指数，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16°-22°N、 16°W-20°W海域。
[0034] (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。
[0035] (2)SSTA数据处理：以纬度为基准，即分别为16.5°N、17.5°N、18.5°N、 19.5°N、20.5°N和21.5°N，计算某一纬度断面的16°-20°W海域第i年度的 平均SSTAi。
[0036] 通过上述分析，一共获得7个海洋气候与环境因子，它们分别是NAOi指数、16.5°N和16°-20°W海域年平均SSTAi(SSTA1)、17.5°N和16°-20°W 海域年平均SSTAi(SSTA2)、18.5°N和16°-20°W海域年平均SSTAi(SSTA3)、 19.5°N和16°-20°W海域年平均SSTAi(SSTA4)、20.5°N和16°-20°W海域 年平均SSTAi(SSTA5)、21.5°N和16°-20°W海域年平均SSTAi(SSTA6)。
[0037] (3)头足类资源丰度指数：由于毛里塔尼亚海域头足类主要为乌贼类 和章鱼类，因此头足类资源丰度指数包括了乌贼类资源丰度指数(RA1)、 章鱼类丰度指数(RA2)和头足类资源丰度总指数(RA3)。资源丰度指数经 过标准化处理，即各年度的产量分别除以1982-2015年间的最高产量，即分 别除以7873、38607和44237。
[0038] 3、分析方法
[0039] 考虑到毛里塔尼亚海域处在加那利海流形成的上升流海域。加纳利海流 属于东部边界流，其海流在南下过程中由于离岸
风的作用，形成了上升流， 因此其水温偏低，底层丰富的营养盐被带入到上层，形成良好的渔场，并头 足类等资源提供丰富的饵料。因此，本发明
专利选择了6个表温均平均值的 指标，以及1个表示
气候变化的指标。
[0040] 7个海洋气候与环境因子分别与乌贼类资源丰度指数(RA1)、章鱼类丰 度指数(RA2)和头足类资源丰度总指数(RA3)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0.329。
[0041] 根据上述获得的影响因子，分别与乌贼类资源丰度指数(RA1)、章鱼 类丰度指数(RA2)和头足类资源丰度总指数(RA3)建立资源丰度预测模 型。
[0042] 4、分析结果
[0043] (1)乌贼类资源丰度指数(RA1)的影响因子选择
[0044] 分析表明，与乌贼类资源丰度指数(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有NAO、SSTA3、SSTA4、SSTA5和 SSTA6等5个因子，其中，相关系数最大的因子为SSTA5。
[0045] 表1相关系数统计表
[0046]因子 NAO SSTA1 SSTA2 SSTA3 SSTA4 SSTA5 SSTA6
相关系数 0.344 -0.289 -0.309 -0.348 -0.370 -0.371 -0.355 显著性 P＜0.05 P＞0.05 P＞0.05 P＜0.05 P＜0.05 P＜0.05 P＜0.05 [0047] (2)章鱼类资源丰度指数(RA2)的影响因子选择
[0048] 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NAO，其中以NAO的相关 系数为最大。
[0049] 表2相关系数统计表
[0050]因子 NAO SSTA1 SSTA2 SSTA3 SSTA4 SSTA5 SSTA6
相关系数 0.375 -0.272 -0.299 -0.328 -0.337 -0.328 -0.264 显著性 P＜0.05 P＞0.05 P＞0.05 P＞0.05 P＜0.05 P＞0.05 P＞0.05 [0051] (3)头足类资源丰度指数(RA3)的影响因子选择
[0052] 分析表明，与头足类资源丰度指数(RA3)的相关系数如下表3。由表 3可知，在统计学上显著相关的因子有NAO、SSTA3、SSTA4、SSTA5和 SSTA6等5个因子，其中，相关系数最大的因子为SSTA4。
[0053] 表3相关系数统计表
[0054]因子 NAO SSTA1 SSTA2 SSTA3 SSTA4 SSTA5 SSTA6
相关系数 0.345 -0.263 -0.292 -0.329 -0.346 -0.343 -0.293 显著性 P＜0.05 P＞0.05 P＞0.05 P＜0.05 P＜0.05 P＜0.05 P＞0.05 [0055] (4)资源丰度预测模型建立
[0056] 利用上述影响最大的海洋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：
[0057] 1)乌贼类资源丰度指数(RA1)预测模型
[0058] 基于环境因子的预测模型：
[0059] RA1＝a+b*SSTA5
[0060] 其中，a＝0.57027，b＝-0.14133；a的95％置信区间为[0.19405，0.64649]；b的95％置信区间为[-0.2686,-0.01406]。相关系数为0.3713(P＝0.0306<0.05)。
[0061] 基于气候因子的预测模型：
[0062] RA1＝a+b*NAO
[0063] 其中，a＝0.51886，b＝0.161244；a的95％置信区间为[0.45576,0.58197]； b的95％置信区间为[0.002821,0.31967]。相关系数为0.3441 (P＝0.0463<0.05)。
[0064] 2)章鱼类资源丰度指数(RA2)预测模型
[0065] 基于环境因子的预测模型：
[0066] RA2＝a+b*SSTA4
[0067] 其中，a＝0.56359，b＝-0.13398；a的95％置信区间为[0.48009,0.647102]； b的95％置信区间为[-0.26877,-0.00812]。相关系数为0.3370 (P＝0.0496<0.05)。
[0068] 基于气候因子的预测模型
[0069] RA2＝a+b*NAO
[0070] 其中，a＝0.49558，b＝0.19803；a的95％置信区间为[0.42748,0.56367]； b的95％置信区间为[0.02785,0.36820]。相关系数为0.3758(P＝0.0238<0.05)。
[0071] 3)头足类资源丰度指数(RA3)预测模型
[0072] 基于环境因子的预测模型：
[0073] RA3＝a+b*SSTA4
[0074] 其中，a＝0.610839，b＝-0.1351；a的95％置信区间为[0.52898,0.69269]； b的95％置信区间为[-0.26723,-0.00297]。相关系数为0.3455 (P＝0.0453<0.05)。
[0075] 基于气候因子的预测模型
[0076] RA3＝a+b*NAO
[0077] 其中，a＝0.558493，b＝0.169413；a的95％置信区间为[0.492406,0.62458]； b的95％置信区间为[0.003506,0.335321]。相关系数为0.3451 (P＝0.0456<0.05)。
[0078] 总结，如图4所示，本实施例提供的毛里塔尼亚海域头足类资源丰度预 测方法，其包括以下步骤：
[0079] 步骤101、获取1982-2015年毛里塔尼亚的捕捞生产数据，获取1982-2015 年北大西洋各月北极涛动指数NAO数据，以及获取16°-22°N、16°W-20°W 海域表温距平均值SSTA数据。
[0080] 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。
[0081] 步骤102、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16.5°N、17.5°N、18.5°N、19.5°N、20.5°N和21.5°N为 基准，计算各纬度断面的16°-20°W海域第i年度的平均SSTAi。
[0082] 步骤103、获取7个海洋气候与环境因子，分别为：
[0083] 气候因子：NAOi指数，环境因子：16.5°N和16°-20°W海域年平均SSTAi (SSTA1)、17.5°N和16°-20°W海域年平均SSTAi(SSTA2)、18.5°N和 16°-20°W海域年平均SSTAi(SSTA3)、19.5°N和16°-20°W海域年平均SSTAi (SSTA4)、20.5°N和16°-20°W海域年平均SSTAi(SSTA5)、21.5°N和 16°-20°W海域年平均SSTAi(SSTA6)。
[0084] 步骤104、各年度乌贼类捕捞产量除以1982-2015年间乌贼类捕捞产量 的最高产量以获得各年度乌贼类资源丰度指数RA1，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RA2，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RA3。
[0085] 步骤105、7个海洋气候与环境因子分别与乌贼类资源丰度指数RA1、 章鱼类丰度指数RA2和头足类资源丰度总指数RA3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0.329。
[0086] 步骤106、根据获得的影响因子，分别与对应的乌贼类资源丰度指数 RA1、章鱼类丰度指数RA2和头足类资源丰度总指数RA3利用一元线性模 型建立资源丰度预测模型。
[0087] 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。
