基于灰色系統(tǒng)的西北太平洋柔魚(yú)冬春生群資源豐度預(yù)測(cè)模型

高雪，陳新軍，2，3*，余為，2，3

(1.上海海洋大學(xué) 海洋科學(xué)學(xué)院，上海 201306；2.國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306；3.上海海洋大學(xué) 大洋漁業(yè)可持續(xù)開(kāi)發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306)

?

基于灰色系統(tǒng)的西北太平洋柔魚(yú)冬春生群資源豐度預(yù)測(cè)模型

高雪1，陳新軍1，2，3*，余為1，2，3

(1.上海海洋大學(xué) 海洋科學(xué)學(xué)院，上海 201306；2.國(guó)家遠(yuǎn)洋漁業(yè)工程技術(shù)研究中心，上海 201306；3.上海海洋大學(xué) 大洋漁業(yè)可持續(xù)開(kāi)發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，上海 201306)

柔魚(yú)(Ommastrephesbartramii)是西北太平洋重要的經(jīng)濟(jì)頭足類之一，科學(xué)預(yù)測(cè)柔魚(yú)資源豐度有利于其合理的開(kāi)發(fā)和利用。研究結(jié)合1998-2008年北太平洋柔魚(yú)生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)和產(chǎn)卵場(chǎng)環(huán)境及其氣候因子，使用灰色關(guān)聯(lián)分析和灰色預(yù)測(cè)建模的方法，對(duì)產(chǎn)卵期內(nèi)(1-4月)影響柔魚(yú)冬春生群體資源豐度(CPUE)的產(chǎn)卵場(chǎng)環(huán)境以及氣候指標(biāo)進(jìn)行分析，并建立柔魚(yú)冬春生群體資源豐度的預(yù)報(bào)模型。結(jié)果表明，產(chǎn)卵期內(nèi)影響柔魚(yú)冬春生群體資源豐度的因子依次是：3月份產(chǎn)卵場(chǎng)平均海表面溫度SST(average sea surface temperature)、1月份太平洋年代際震蕩指數(shù)PDO(Pacific Decadal Oscillatio index)，4月份Nio3.4指標(biāo)和4月份平均葉綠素濃度Chla(average chlorophyllaconcentration)?；疑A(yù)報(bào)模型分析表明，基于3月份SST、1月份PDO和4月份Chla的GM(1，4)模型有著較好的預(yù)測(cè)效果，其預(yù)測(cè)準(zhǔn)確率在80%以上，可用于西北太平洋柔魚(yú)冬春群體資源豐度的預(yù)測(cè)。

柔魚(yú)；西北太平洋；灰色絕對(duì)關(guān)聯(lián)度； GM(1，N)模型

1 引言

柔魚(yú)(Ommastrephesbartramii)是西北太平洋重要的經(jīng)濟(jì)頭足類之一[1]。通?？梢苑殖啥荷后w和秋生群體[2]，其中冬春生群體是我國(guó)遠(yuǎn)洋漁業(yè)的主要捕撈對(duì)象[3]。目前學(xué)者對(duì)其時(shí)空分布與海洋環(huán)境因子的關(guān)系[4—6]、資源量評(píng)估[3，7—8]等方面都有廣泛的研究，同時(shí)也利用實(shí)時(shí)的環(huán)境數(shù)據(jù)對(duì)中心漁場(chǎng)等進(jìn)行預(yù)報(bào)[9—10]。已有研究表明，產(chǎn)卵場(chǎng)的環(huán)境指標(biāo)SST(海表面溫度sea surface temperature)、葉綠素濃度Chla(chlorophyllaconcentration)和氣候指標(biāo)(厄爾尼諾指數(shù)；太平洋年代際震蕩指數(shù)Pacific Decadal Oscillatio， PDO)等都與柔魚(yú)的資源豐度指數(shù)(CPUE)有著顯著的關(guān)系，并基于此建立了柔魚(yú)資源豐度的長(zhǎng)期預(yù)報(bào)模型[11—13]。但是，這些研究通常對(duì)單一海洋環(huán)境或氣候指標(biāo)進(jìn)行分析，這些因子中哪些因子起到了主導(dǎo)作用而哪些因子卻是次要？

灰色系統(tǒng)理論是由我國(guó)科學(xué)家建立的一門(mén)新興學(xué)科，與一般的概率統(tǒng)計(jì)及模糊數(shù)學(xué)方法的優(yōu)點(diǎn)在于，它允許分析的樣本數(shù)據(jù)較少且服從任意的分布，因此在數(shù)據(jù)一般較少的長(zhǎng)期(年間)資源預(yù)報(bào)中會(huì)有較大的應(yīng)用前景[14]，目前該方法已在漁獲量預(yù)測(cè)[15—16]、漁獲豐欠年預(yù)測(cè)[17]、漁場(chǎng)與海洋環(huán)境關(guān)系分析[18]中取得很好的效果。因此，本研究擬采用多年的北太平洋柔魚(yú)生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)和產(chǎn)卵場(chǎng)環(huán)境數(shù)據(jù)，使用灰色系統(tǒng)理論中的灰色關(guān)聯(lián)分析和灰色預(yù)測(cè)建模的方法，對(duì)產(chǎn)卵期影響柔魚(yú)冬春生群體資源豐度的環(huán)境因子進(jìn)行分析，并建立柔魚(yú)冬春生群體資源豐度的灰色預(yù)報(bào)模型，為我國(guó)北太平洋魷釣漁船的科學(xué)生產(chǎn)提供依據(jù)。

2 材料與方法

2.1 數(shù)據(jù)來(lái)源

西北太平洋柔魚(yú)冬春生群資源豐度的數(shù)據(jù)來(lái)自于Yu等[19]的報(bào)告：其根據(jù)上海海洋大學(xué)中國(guó)魷釣技術(shù)組的1998-2008年中國(guó)魷釣船的捕撈漁獲數(shù)據(jù)計(jì)算得到柔魚(yú)冬春生群的單位捕撈努力量的漁獲量(catch per unit effort， CPUE，t/d)，以此作為柔魚(yú)的資源豐度數(shù)據(jù)。氣候指數(shù)包括了Nio3.4距平和PDO數(shù)據(jù)，來(lái)自于美國(guó)國(guó)家海洋大氣局(NOAA) 氣候預(yù)報(bào)中心(http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ensoyears.shtml)，時(shí)間分辨率為月，其中Nio3.4距平的高低代表了厄爾尼諾現(xiàn)象的有無(wú)[11]，PDO的高低代表了太平洋年代際震蕩現(xiàn)象的變化[13]。環(huán)境數(shù)據(jù)為SST(℃)和Chla(mg/m3)，來(lái)自于NOAA的Oceanwatch網(wǎng)站(http://pifsc-oceanwatch.irc.noaa.gov/las/servlets/dataset)，數(shù)據(jù)時(shí)間包括了1997-2008年的1-12月，時(shí)間分辨率為月，其空間范圍包括了前人研究得到的柔魚(yú)冬春生群的產(chǎn)卵場(chǎng)海域(20°～30°N，130°～170°E)[20]，空間分辨率均為0.1°×0.1°。

2.2 數(shù)據(jù)處理及分析

(1)數(shù)據(jù)預(yù)處理。將獲得的產(chǎn)卵場(chǎng)SST和Chla按月進(jìn)行平均，得到各月的產(chǎn)卵場(chǎng)平均SST和平均Chla。

(2)模型因子的選擇。利用灰色關(guān)聯(lián)分析的方法獲得每個(gè)類型因子中最重要的一個(gè)月份。灰色關(guān)聯(lián)分析主要目的就是依據(jù)關(guān)聯(lián)度的計(jì)算得到系統(tǒng)各因素的主次關(guān)系，找出影響系統(tǒng)的最主要的因素[14]。具體做法為：以當(dāng)年的CPUE為母序列，以對(duì)應(yīng)當(dāng)年產(chǎn)卵時(shí)間內(nèi)各月(1-4月[12])的產(chǎn)卵場(chǎng)環(huán)境指標(biāo)及氣候指標(biāo)為子序列，分別計(jì)算各個(gè)子序列與母序列的灰色絕對(duì)關(guān)聯(lián)度，將各月指標(biāo)中灰色關(guān)聯(lián)度最大的一個(gè)為資源量預(yù)報(bào)模型的一個(gè)因子。如1-4月中1月份的Nio3.4距平比其他月份都大，那么就將1月份的Nio3.4距平作為預(yù)報(bào)模型的一個(gè)因子?；疑P(guān)聯(lián)度的具體計(jì)算方法見(jiàn)文獻(xiàn)[14]。

(3)模型的建立。利用離散GM(1，N)模型對(duì)柔魚(yú)資源量進(jìn)行預(yù)測(cè)，式中數(shù)字1表示模型為一階模型，N=i+1(i為因子的個(gè)數(shù))。模型的計(jì)算方法簡(jiǎn)要闡述如下[21]：

?

令

(4)因子重要性分析和模型的有效性分析：因子重要性分析包含2個(gè)方面，第一：根據(jù)前面灰色關(guān)聯(lián)度分析得到的平均值進(jìn)行評(píng)價(jià)；第二：在模型的建立過(guò)程中，考慮多種因子的組合模型，主要包括以下5個(gè)模型，即：

模型1：包含所有因子的GM(1，5)模型，因子包括SST、Chla、Nio3.4距平、PDO。

模型2：不包含SST的GM(1，4)模型，因子包括Chla、Nio3.4距平、PDO。

模型3：不包含Chla的GM(1，4)模型，因子包括SST、Nio3.4距平、PDO。

模型5：不包含PDO的GM(1，4)模型，因子包括SST、Chla、Nio3.4距平。

通過(guò)模型的有效性來(lái)進(jìn)一步檢驗(yàn)因子的重要性，模型有效性分析包含了相對(duì)誤差和相關(guān)分析。(1)相對(duì)誤差：首先利用因子數(shù)據(jù)計(jì)算出CPUE值，與真實(shí)的CPUE值進(jìn)行比較，從而獲得相對(duì)誤差的絕對(duì)值大小，比較包含所有因子的GM(1，5)模型和去除掉某個(gè)因子的GM(1，4)模型的相對(duì)誤差大小，如果去除了某個(gè)因子模型的相對(duì)誤差減小了，可以間接說(shuō)明該環(huán)境因子實(shí)際的重要性不高；其次，在模型的構(gòu)建的過(guò)程中，1998-2007年柔魚(yú)資源豐度數(shù)據(jù)用作于模型構(gòu)建，2008年柔魚(yú)資源豐度數(shù)據(jù)用于模型的驗(yàn)證，通過(guò)相對(duì)誤差絕對(duì)值的大小判斷模型的好壞。由于研究總共的樣本數(shù)量只有11組，因此此次分析只拿出一組樣本進(jìn)行驗(yàn)證。(2)相關(guān)系數(shù)[22]：求得模擬CPUE值序列與實(shí)際CPUE值序列的相關(guān)系數(shù)，相關(guān)系數(shù)越大則模型越好。

3 結(jié)果

3.1 灰色絕對(duì)關(guān)聯(lián)分析

各月產(chǎn)卵場(chǎng)環(huán)境因子和氣候因子序列與CPUE母序列的灰色絕對(duì)關(guān)聯(lián)分析結(jié)果如下：SST的影響程度最大，其灰色關(guān)聯(lián)度的平均值要大于另外3個(gè)環(huán)境因子。按照關(guān)聯(lián)度的平均值排序，各因子重要性從大到小的排序?yàn)椋浩骄鵖ST，PDO，Nio3.4距平和平均Chla(表1)。

在產(chǎn)卵場(chǎng)的平均SST中，3月份平均SST的灰色關(guān)聯(lián)系數(shù)最大，達(dá)到0.80，因此選擇3月的平均SST為后續(xù)預(yù)報(bào)模型的一個(gè)因子；同理，4月份產(chǎn)卵場(chǎng)平均Chla、Nio3.4距平，以及1月份的PDO也作為柔魚(yú)資源豐度預(yù)報(bào)模型的重要因子。

表1 產(chǎn)卵場(chǎng)各環(huán)境因子和氣候因子子序列與當(dāng)年CPUE母序列的灰色關(guān)聯(lián)系數(shù)

3.2 模型的建立和驗(yàn)證

利用1998-2007年的CPUE數(shù)據(jù)和環(huán)境因子數(shù)據(jù)分別建立5種模型，根據(jù)模型預(yù)測(cè)的CPUE結(jié)果見(jiàn)圖1。模型效果分析表明(表2)，從平均相對(duì)誤差絕對(duì)值來(lái)看，不包含Nio3.4距平的模型4要比包含所有因子的模型1精度要高；而其他去除了某些因子的模型，其精度將會(huì)降低，模型相對(duì)誤差由高至低分別為模型3、模型2和模型5。從2008年的預(yù)測(cè)結(jié)果來(lái)看，包含所有因子的模型1預(yù)報(bào)精度是最低的，而不包含SST的模型2精度最高，其次分別是模型5、模型4和模型3。預(yù)測(cè)CPUE序列與CPUE真實(shí)值序列之間的相關(guān)系數(shù)高低排序?yàn)椋耗Ｐ?(0.723)、模型1(0.696)、模型5(0.688)、模型2(0.646)和模型3(0.641)。因此從模型有效性的不同指標(biāo)上分析，各因子的重要性不同；但不包含Nio3.4距平因子的模型4，在總體相對(duì)誤差、與真實(shí)CPUE序列的相關(guān)系數(shù)比較上分析，其模型精度是最高的，2008年預(yù)測(cè)的CPUE誤差也在10%以內(nèi)(表2)，可作為最適的柔魚(yú)資源豐度預(yù)測(cè)模型。

表2 柔魚(yú)資源豐度預(yù)測(cè)模型運(yùn)算得到的CPUE值與其真實(shí)值之間的相對(duì)誤差(%)

注：模型1：包含所有因子的GM(1，5)模型；模型2：不包含SST的GM(1，4)模型；模型3：不包含Chla的GM(1，4)模型；模型4：不包含Nio3.4距平的GM(1，4)模型；模型5：不包含PDO的GM(1，4)模型。

圖1 5種柔魚(yú)資源豐度預(yù)測(cè)模型結(jié)果Fig.1 Results of CPUE forecasting models for Ommastrephes bartramii模型1：包含所有因子的GM(1，5)模型；模型2：不包含SST的GM(1，4)模型；模型3：不包含Chl a的GM(1，4)模型；模型4：不包含Nio3.4距平的GM(1，4)模型；模型5：不包含PDO的GM(1，4)模型Model 1: the GM(1，5) model including all factors; Model 2: the GM(1，4) model not including SST; Model 3: the GM(1，4) model not including Chl a; Model 4: the GM(1，4) model not including nino3.4 anomaly; Model 5: the GM(1，4) model not including PDO

4 討論與分析

本研究利用產(chǎn)卵場(chǎng)環(huán)境因子和氣候因子為指標(biāo)，采用灰色系統(tǒng)理論和方法預(yù)測(cè)了柔魚(yú)冬春生群體的資源豐度?；疑Ｐ徒Y(jié)果表明，不包含Nio3.4距平的模型4對(duì)柔魚(yú)資源豐度有著較好的預(yù)測(cè)效果(表2)。但我們也看到(圖1)，2003年和2006-2007年預(yù)測(cè)數(shù)據(jù)與真實(shí)值之間還是存在著較大的差異，未能準(zhǔn)確反映當(dāng)年CPUE的過(guò)大(或過(guò)小)的變化趨勢(shì)。這可能是由于索餌場(chǎng)及柔魚(yú)洄游路徑的環(huán)境差異所導(dǎo)致的。Cao等[23]和汪金濤[12]都結(jié)合索餌場(chǎng)環(huán)境因子對(duì)CPUE進(jìn)行預(yù)測(cè)，也取得了良好的效果，而本研究只是對(duì)產(chǎn)卵時(shí)間內(nèi)產(chǎn)卵場(chǎng)環(huán)境變化進(jìn)行建模擬合，有可能會(huì)產(chǎn)生一定的誤差，因此今后的研究若將索餌時(shí)間的氣候因子及索餌場(chǎng)的環(huán)境因子進(jìn)行綜合分析，或許能夠獲得更好的柔魚(yú)資源豐度預(yù)報(bào)結(jié)果。此外本研究中，我們采用CPUE作為資源豐度的指標(biāo)，其數(shù)據(jù)來(lái)自生產(chǎn)統(tǒng)計(jì)，作業(yè)漁場(chǎng)及其生產(chǎn)效率差異會(huì)影響到CPUE的大小，實(shí)際上，CPUE只能間接地反映資源豐度的變化情況。因此為了能夠準(zhǔn)確為柔魚(yú)的資源豐度預(yù)報(bào)提供服務(wù)，還需加強(qiáng)海域的資源調(diào)查及CPUE標(biāo)準(zhǔn)化的研究工作。

通過(guò)模型比較得到的環(huán)境因子重要性與灰色關(guān)聯(lián)分析的結(jié)果有所出入。這有可能是因?yàn)槟Ｐ捅旧聿荒芘懦蜃娱g的交互作用導(dǎo)致的，例如厄爾尼諾事件本身就會(huì)使得海表面水溫發(fā)生變化，因此認(rèn)為灰色關(guān)聯(lián)分析的結(jié)果可能更為可信，它得到的是單一因子與CPUE母序列的關(guān)聯(lián)程度，通過(guò)計(jì)算各月的平均值，可以得知在柔魚(yú)產(chǎn)卵期間某個(gè)因子的總體影響(表2)。

環(huán)境因子上，由灰色關(guān)聯(lián)分析可知：產(chǎn)卵場(chǎng)平均SST對(duì)年CPUE的影響最大。Cao等[23]就曾經(jīng)利用了產(chǎn)卵場(chǎng)適宜水溫面積作為其資源預(yù)報(bào)模型中的一個(gè)變量；汪金濤[12]也曾利用產(chǎn)卵場(chǎng)區(qū)水溫作為其預(yù)測(cè)模型的一個(gè)因子。這些都表明，在漁場(chǎng)的早期生活史中，SST是決定柔魚(yú)補(bǔ)充量的最重要的一個(gè)因素。Chla的大小代表著海域生產(chǎn)力的高低，決定了海域攝食條件的好壞，產(chǎn)卵場(chǎng)平均Chla對(duì)年CPUE影響最小，但這并不能表明其攝食條件不是決定柔魚(yú)補(bǔ)充量的一個(gè)重要的因素。已有的研究表明[23]，柔魚(yú)的秋生群的產(chǎn)卵位置大約在亞熱帶的鋒區(qū)其位置接近于葉綠素鋒區(qū)(0.2 mg/m3)，而冬春生群產(chǎn)卵場(chǎng)則一般在亞熱帶海域，生產(chǎn)力一般較低，夏秋季才開(kāi)始向葉綠素較高的海域洄游；此外，有研究發(fā)現(xiàn)[24]，產(chǎn)卵場(chǎng)位置隨著葉綠素濃度的變化而變化，然而本研究中只是將整個(gè)產(chǎn)卵場(chǎng)海域的Chla進(jìn)行平均，可能會(huì)弱化Chla對(duì)CPUE的影響。此外，很多研究都已經(jīng)得到了柔魚(yú)產(chǎn)卵場(chǎng)最適的溫度和鹽度范圍[25]，但對(duì)于最適的葉綠素濃度范圍研究較少，今后的研究應(yīng)加強(qiáng)這方面的研究工作。

氣候因子上，Chen等研究發(fā)現(xiàn)[26]，厄爾尼諾事件的發(fā)生可促使柔魚(yú)的資源豐度升高，而拉尼娜發(fā)生時(shí)則情況相反；Yu等[27]對(duì)PDO冷暖時(shí)期與柔魚(yú)漁場(chǎng)及資源作了相關(guān)的研究，研究認(rèn)為，暖的PDO時(shí)期柔魚(yú)漁場(chǎng)水溫較低(低SST距平)，使得漁場(chǎng)位置偏南，冷的PDO時(shí)期則相反。本研究中，不管是灰色關(guān)聯(lián)分析還是灰色系統(tǒng)預(yù)測(cè)效果，PDO都比厄爾尼諾事件更為重要，這可能是由于PDO為年代際的變化，相對(duì)于厄爾尼諾現(xiàn)象持續(xù)時(shí)間更長(zhǎng)，因此可能在整個(gè)柔魚(yú)生活史階段都會(huì)對(duì)其造成影響。

總的來(lái)說(shuō)，模型的良好效果表明，灰色系統(tǒng)的模型能夠突破數(shù)據(jù)樣本太少的限制，對(duì)時(shí)間序列較短的數(shù)據(jù)也能起到良好的預(yù)測(cè)和分析的效果，這對(duì)于數(shù)據(jù)過(guò)于缺乏的漁業(yè)科學(xué)是很有意義的，如根據(jù)氣候因素預(yù)測(cè)較長(zhǎng)時(shí)期內(nèi)的資源量的變化趨勢(shì)。但是也可以看到它的不足，例如無(wú)法具體分析因子的交互效應(yīng)、滯后效應(yīng)也需要靠人為的經(jīng)驗(yàn)所設(shè)定，今后的分析中，該模型還是要依靠經(jīng)驗(yàn)和其他模型分析作為輔助，才能發(fā)揮出它的最大作用。

綜上所述，產(chǎn)卵期間的環(huán)境及氣候條件共同作用了西北太平洋柔魚(yú)資源豐度的年間變化。在今后的分析中，建議通過(guò)量化柔魚(yú)整個(gè)生活史(洄游和索餌)的其他生物和非生物海洋環(huán)境和氣候指標(biāo)，結(jié)合物理海洋學(xué)建立基于魚(yú)類個(gè)體的生態(tài)模型，為更精確地預(yù)測(cè)柔魚(yú)資源豐度提供支撐。

[1] Chen Xinjun， Liu Bilin， Chen Yong. A review of the development of Chinese distant-water squid jigging fisheries[J]. Fisheries Research， 2008， 89(3): 211-221.

[2] 陳芃， 方舟， 陳新軍. 基于角質(zhì)顎外部形態(tài)學(xué)的柔魚(yú)種群判別[J]. 海洋漁業(yè)， 2015， 37(1): 1-9.

Chen Peng， Fang Zhou， Chen Xinjun. Population identification ofOmmastrephesbartramiibased on beak’s external morphological characters[J]. Marine Fisheries， 2015， 37(1): 1-9.

[3] 陳新軍， 錢衛(wèi)國(guó)， 劉必林， 等. 利用衰減模型評(píng)估柔魚(yú)西部冬春生群體資源[J]. 海洋湖沼通報(bào)， 2008(2): 130-140.

Chen Xinjun， Qian Weiguo， Liu Bilin， et al. An assessment of western winter-spring stock of neon flying sqid，Ommastrephesbartramiiin the northwest Pacific Ocean using the depletion model[J]. Transations of Oceanology and Limnology， 2008(2): 130-140.

[4] 唐峰華， 靳少非， 張勝茂， 等. 北太平洋柔魚(yú)漁場(chǎng)時(shí)空分布與海洋環(huán)境要素的研究[J]. 中國(guó)環(huán)境科學(xué)， 2014， 34(8): 2093-2100.

Tang Fenghua， Jin Shaofei， Zhang Shengmao， et al. Study for marine environmental elements on spatio-temporal distribution of fishing ground for neon flying squid in the north Pacific[J]. China Environmental Science， 2014， 34(8): 2093-2100.

[5] 范江濤， 陳新軍， 曹杰， 等. 西北太平洋柔魚(yú)漁場(chǎng)變化與黑潮的關(guān)系[J]. 上海海洋大學(xué)學(xué)報(bào)， 2010， 19(3): 378-384.

Fan Jiangtao， Chen Xinjun， Cao Jie， et al. The variation of fishing ground ofOmmastrephesbartramiiin the northwest Pacific concerning with Kuroshio Current[J]. Journal of Shanghai Ocean University， 2010， 19(3): 378-384.

[6] 田思泉， 陳新軍， 馮波， 等. 西北太平洋柔魚(yú)資源豐度與棲息環(huán)境的關(guān)系及其時(shí)空分布[J]. 上海海洋大學(xué)學(xué)報(bào)， 2009， 18(5): 586-592.

Tian Siquan， Chen Xinjun， Feng Bo， et al. Spatio-temporal distribution of abundance index forOmmastrephesbartramiiand its relationship with habitat environment in the Northwest Pacific Ocean[J]. Journal of Shanghai Ocean University， 2009， 18(5): 586-592.

[7] 陳新軍， 曹杰， 劉必林， 等. 基于貝葉斯Schaefer模型的西北太平洋柔魚(yú)資源評(píng)估與管理[J]. 水產(chǎn)學(xué)報(bào)， 2011， 35(10): 1572-1581.

Chen Xinjun， Cao Jie， Liu Bilin， et al. Stock assessment and management ofOmmartrephesbartramiiby using a Bayesian Schaefer model in the northwestern Pacific Ocean[J]. Journal of Fisheries of China， 2011， 35(10): 1572-1581.

[8] 劉金立， 陳新軍， 李綱， 等. 西北太平洋柔魚(yú)資源綜合配置模型及管理策略探討[J]. 海洋與湖沼， 2014， 45(5): 1016-1022.

Liu Jinli， Chen Xinjun， Li Gang， et al. Management strategy and comprehensive allocation model ofOmmastrephesbartramiiin the northwestern Pacific Ocean[J]. Oceanologia et Limnologia Sinica， 2014， 45(5): 1016-1022.

[9] 徐潔， 陳新軍， 楊銘霞. 基于神經(jīng)網(wǎng)絡(luò)的北太平洋柔魚(yú)漁場(chǎng)預(yù)報(bào)[J]. 上海海洋大學(xué)學(xué)報(bào)， 2013， 22(3): 432-438.

Xu Jie， Chen Xinjun， Yang Mingxia. Forecasting on fishing ground of red flying squid (Ommastrephesbartramii) in the north Pacific Ocean based on artificial neural net[J]. Journal of Shanghai Ocean University， 2013， 22(3): 432-438.

[10] 陳新軍， 錢衛(wèi)國(guó)， 許柳雄， 等. 北太平洋150°～165°E海域柔魚(yú)魷釣漁場(chǎng)及其預(yù)報(bào)模型研究[J]. 海洋水產(chǎn)研究， 2003， 24(4): 1-6.

Chen Xinjun， Qian Weiguo， Xu Liuxiong， et al. Study onOmmastrephebartramifishing ground and forecasting model from 150°to 165°E in the North Pacific Ocean[J]. Marine Fisheries Research， 2003， 24(4): 1-6.

[11] 曹杰. 西北太平洋柔魚(yú)資源評(píng)估與管理[D]. 上海: 上海海洋大學(xué)， 2010.

Cao Jie. Stock assessment and risk analysis of management strayegies for neon flying squid (Ommastrephesbartramii) in the Northwest Pacific Ocean[D]. Shanghai: Shanghai Ocean University， 2010.

[12] 汪金濤. 大洋性經(jīng)濟(jì)柔魚(yú)類漁情預(yù)報(bào)與資源量評(píng)估研究[D].上海: 上海海洋大學(xué)， 2015.

Wang Jintao. Fishery forecasting and stock assessment for commercial oceanic ommastrephid squid[D]. Shanghai: Shanghai Ocean University， 2015.

[13] 余為， 陳新軍. 西北太平洋柔魚(yú)棲息地環(huán)境因子分析及其對(duì)資源豐度的影響[J]. 生態(tài)學(xué)報(bào)， 2015， 35(15): 5032-5039.

Yu Wei， Chen Xinjun. Analysis of environmental conditions and their influence on the abundance of neon flying squid in the Northwest Pacific Ocean[J]. Acta Ecologica Sinica， 2015， 35(15): 5032-5039.

[14] 陳新軍. 灰色系統(tǒng)理論在漁業(yè)科學(xué)中的應(yīng)用[M]. 北京: 中國(guó)農(nóng)業(yè)出版社， 2003: 1-32．

Chen Xinjun. Grey System Theory in Fisheries Science[M]. Beijing: China Agriculture Press， 2003: 1-32．

[15] 潘澎. 灰色預(yù)測(cè)模型在山東漁業(yè)產(chǎn)量預(yù)測(cè)中的應(yīng)用研究[J]. 齊魯漁業(yè)， 1997(3): 37-39.

Pan Peng. Studies on application of the Grey Prediction Model to fishery output in shandong[J]. Shandong Fisheries， 1997(3): 37-39.

[16] 丁娟， 汪易易. 基于灰色系統(tǒng)模型的山東省漁業(yè)產(chǎn)量增長(zhǎng)預(yù)測(cè)分析[J]. 中國(guó)漁業(yè)經(jīng)濟(jì)， 2010(6): 92-98.

Ding Juan， Wang Yiyi. Prediction analysis of fishery yield in Shandong based on Grey System Model[J]. Chinese Fisheries Economics， 2010(6): 92-98.

[17] 謝駿， 肖學(xué)錚， 黃樟翰， 等. 臺(tái)灣鰻鱺苗種豐欠的灰色年災(zāi)變預(yù)測(cè)[J]. 水利漁業(yè)， 1998(1): 21-22.

Xie Jun， Xiao Xuezheng， Huang Zhanghan， et al. Taiwan eel fry peak year owe Grey Disaster Prediction[J]. Reservoir Fisheries， 1998(1): 21-22.

[18] 陳新軍， 許柳雄， 田思泉. 北太平洋柔魚(yú)資源與漁場(chǎng)的時(shí)空分析[J]. 水產(chǎn)學(xué)報(bào)， 2003， 27(4): 334-342.

Chen Xinjun， Xu Liuxiong， Tian Siquan. Spatial and temporal analysis ofOmmastrephesbartramiiresources and its fishing ground in North Pacific Ocean[J]. Journal of Fisheries of China， 2003， 27(4): 334-342.

[19] Yu Wei， Chen Xinjun， Yi Qian， et al. Spatio-temporal distributions and habitat hotspots of the winter-spring cohort of neon flying squidOmmastrephesbartramiiin relation to oceanographic conditions in the Northwest Pacific Ocean[J]. Fisheries Research， 2016， 175: 103-115.

[20] 余為， 陳新軍， 易倩. 西北太平洋海洋凈初級(jí)生產(chǎn)力與柔魚(yú)資源量變動(dòng)關(guān)系的研究[J]. 海洋學(xué)報(bào)， 2016， 38(2): 64-72.

Yu Wei， Chen Xinjun， Yi Qian. Relationship between spatio-temporal dynamics of neon flying squidOmmastrephesbartramiiand net primary production in the northwest Pacific Ocean[J]. Haiyang Xuebao， 2016， 38(2): 64-72.

[21] 劉思峰， 楊英杰， 吳利豐， 等. 灰色系統(tǒng)理論及其應(yīng)用[M]. 7版. 北京: 科學(xué)出版社， 2014: 198-205.

Liu Sifeng， Yang Yingjie， Wu Lifeng， et al. Grey System Theory and Its Application[M]. 7th ed. Beijing: Science Press， 2014: 198-205．

[22] 湯銀才. R語(yǔ)言與統(tǒng)計(jì)分析[M]. 北京: 高等教育出版社， 2008: 260-264.

Tang Yincai. Statistics Analysis with R[M]. Beijing: Higher Education Press， 2008: 260-264.

[23] Cao Jie， Chen Xinjun， Chen Yong. Influence of surface oceanographic variability on abundance of the western winter-spring cohort of neon flying squidOmmastrephesbartramiiin the NW Pacific Ocean[J]. Marine Ecology Progress Series， 2009， 381: 119-127.

[24] 余為， 陳新軍， 易倩， 等. 北太平洋柔魚(yú)早期生活史研究進(jìn)展[J]. 上海海洋大學(xué)學(xué)報(bào)， 2013， 22(5): 755-762.

Yu Wei， Chen Xinjun， Yi Qian， et al. Review on the early life history of neon flying squidOmmastrephesbartramiiin the North Pacific[J]. Journal of Shanghai Ocean University， 2013， 22(5): 755-762.

[25] Ichii T， Mahapatra K， Sakai M， et al. Life history of the neon flying squid: effect of the oceanographic regime in the North Pacific Ocean[J]. Marine Ecology Progress Series， 2009， 378: 1-11.

[26] Chen Xinjun， Zhao Xiaohu， Chen Yong. Influence of El Nio/La Nia on the western winter-spring cohort of neon flying squid (Ommastrephesbartramii) in the northwestern Pacific Ocean[J]. ICES Journal of Marine Science， 2007， 64(6): 1152-1160.

[27] Yu Wei， Chen Xinjun， Yi Qian， et al. Impacts of climatic and marine environmental variations on the spatial distribution ofOmmastrephesbartramiiin the Northwest Pacific Ocean[J]. Acta Oceanologica Sinica， 2016， 35(3): 108-116.

Forecasting model of the abundance index of winter-spring cohort of neon flying squid (Ommastrephesbartramii) in the Northwest Pacific Ocean based on grey system theory

Gao Xue1，Chen Xinjun1，2，3， Yu Wei1，2，3

(1.CollegeofMarineScience，ShanghaiOceanUniversity，Shanghai201306，China; 2.NationalEngineeringResearchCenterforOceanicFisheries，Shanghai201306; 3.TheKeyLaboratoryofSustainableExploitationofOceanicFisheriesResources，MinistryofEducation，ShanghaiOceanUniversity，Shanghai201306，China)

Neon flying squid (Ommastrephesbartramii) is one of the most important economic cephalopods in the Northwest Pacific Ocean. Building scientific forecast model of abundance index to this squid is beneficial for its exploitation and utilization. In this study， based on the fishing data of this squid in Northwest Pacific Ocena from 1998 to 2008， we analyzed the relationship between the environmental and climatic factors and the catch per unit effort (CPUE) of the winter-spring cohort in its spawning grounds. Therefore， a CPUE forecast model of winter-spring cohort of neon flying squid was built. The grey correlation analysis showed that the most important factors affecting this squid CPUE included average sea surface temperature (SST) in March， Pacific Decadal Oscillatio index (PDO) in January， Nio3.4 index in April and average chlorophyllaconcentration (Chla) in April. Results suggested that the GM (1，4) model which did not include the Nio3.4 anomaly had the best model effects. And its average absolute error was 19.2%. Therefore， we suggested that this model can be used to forecast the CPUE of winter-spring cohort of neon flying squid.

neon flying squid (Ommastrephesbartramii); Northwest Pacific Ocean; grey absolute correlation index; GM(1，N) model

10.3969/j.issn.0253-4193.2017.06.006

2016-08-10；

2016-12-26。

海洋局公益性行業(yè)專項(xiàng)(20155014)；上海市科技創(chuàng)新計(jì)劃(15DZ1202200)資助。

高雪(1991—)，男，山東省肥城市人，主要從事漁業(yè)資源研究。

*通信作者：陳新軍，男，教授，博士生導(dǎo)師，主要研究領(lǐng)域?yàn)闈O業(yè)資源學(xué)。E-mail：xjchen@shou.edu.cn

S931

A

0253-4193(2017)06-0055-07

高雪，陳新軍，余為. 基于灰色系統(tǒng)的西北太平洋柔魚(yú)冬春生群資源豐度預(yù)測(cè)模型[J].海洋學(xué)報(bào)，2017，39(6)：55—61，

Gao Xue，Chen Xinjun， Yu Wei. Forecasting model of the abundance index of winter-spring cohort of neon flying squid (Ommastrephesbartramii) in the Northwest Pacific Ocean based on grey system theory[J]. Haiyang Xuebao，2017，39(6)：55—61， doi：10.3969/j.issn.0253-4193.2017.06.006