基于深度卷积嵌入式聚类(DCEC)的海洋环境特征提取对渔情预报模型的改进研究——以西南印度洋大眼金枪鱼为例
为提高大眼金枪鱼(Thunnus obesus)延绳钓渔情预报模型的预测能力,本研究提出了一种基于深度卷积嵌入式聚类(DCEC)的海洋环境时空特征提取方法,结合广义可加模型(GAM)对西南印度洋大眼金枪鱼延绳钓渔场进行预报.采用2018年1-12月0.0416°×0.0416°的MODIS-Aqua和MODIS-Terra海表面温度三级反演图像数据(以日为单位)构建DCEC模型,基于Davies-Bouldi指数(DBI)确定最佳聚类数,在此基础上提取各月海表温度(SST)的类别特征值FM;采用美国国家海洋和大气管理局网站2018年1-12月1°×1°的Ch1 a浓度月平均值作为辅助环境特征因子;采用印度洋金枪鱼委员会2018年1-12月1°×1°的大眼金枪鱼延绳钓渔业数据(以月为单位),计算单位捕捞努力量渔获量(CPUE);将SST月类别特征值FM、Ch1 a浓度月平均值与CPUE数据进行时空匹配,构建改进GAM;采用SST月平均值、Ch1 a浓度月平均值与CPUE数据构建基础GAM;采用联合假设检验(F检验)验证模型解释变量对响应变量的影响;采用赤池信息准则(AIC)、均方误差(MSE)、绘制实测值和预测值的散点图并计算相关系数r,分析改进GAM相比于基础GAM的提升效果.实验结果表明:(1)基于DCEC模型提取的FM能够较好地反映西南印度洋海表温度的时空动态特征与规律,并与西南印度洋的气候条件、季风状况和水文特征等相互耦合;(2) FM相比SST平均值的因子解释率更高,对大眼金枪鱼CPUE影响更为显著,高渔获率集中在暖冷流交汇区域;(3)改进GAM相比基础GAM的AIC值降低了9.17％,MSE降低了26.7％,散点图显示改进GAM预测的CPUE对数值与实测CPUE对数值的相关性较显著,r为0.60.本研究证明了DCEC模型在海洋环境特征提取方面的有效性,可为后序大眼金枪鱼延绳钓渔情预报模型的改进研究提供参考.
深度卷积嵌入式聚类;海洋环境特征;大眼金枪鱼;西南印度洋;渔情预报;广义可加模型
43
P714+.5(海洋调查与观测)
国家重点研发计划;国家自然科学基金面上项目;上海市青年科技英才扬帆计划资助项目
2021-10-29（万方平台首次上网日期，不代表论文的发表时间）
共13页
105-117
