利用聲吶數(shù)據(jù)提取磷蝦捕撈深度方法研究

王書獻(xiàn)，張勝茂，戴 陽，王永進(jìn)，隋江華，朱文斌

（1. 中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所/農(nóng)業(yè)農(nóng)村部遠(yuǎn)洋與極地漁業(yè)創(chuàng)新重點實驗室，上海 200090；2. 大連海洋大學(xué)航海與船舶工程學(xué)院，遼寧 大連 116023； 3. 浙江省海洋漁業(yè)資源可持續(xù)利用技術(shù)研究重點實驗室/浙江省海洋水產(chǎn)研究所，浙江 舟山 316021）

自20世紀(jì)70年代起，國際上逐漸開始推廣以聲學(xué)方法評估漁業(yè)資源。水聲學(xué)作為聲學(xué)在海洋中的應(yīng)用，目前已經(jīng)廣泛應(yīng)用于漁業(yè)資源探測、漁業(yè)資源評估等領(lǐng)域[1-2]。Simrad EK80 (以下簡稱“EK80”) 設(shè)備是一款現(xiàn)代化高端的分束式科學(xué)回聲測深儀[3]，在漁業(yè)捕撈和資源調(diào)查中應(yīng)用甚為廣泛。

在傳統(tǒng)的捕撈深度確定方法中，通常利用相關(guān)軟件解析EK80等聲吶設(shè)備的輸出文件，并通過肉眼觀察數(shù)據(jù)分布情況，再根據(jù)人工經(jīng)驗估算放網(wǎng)深度。由于EK80等聲吶設(shè)備元數(shù)據(jù)結(jié)構(gòu)較為復(fù)雜，人眼很難觀察出準(zhǔn)確的結(jié)果；并且海下生物分布狀況多變[4-7]，人工判斷會耗費大量時間。因此，傳統(tǒng)的捕撈深度確定方法不但具有極大的主觀性，費時費力，且得出的結(jié)論精度不足且說服力較差。為得到相對精確的捕撈深度，國內(nèi)外學(xué)者對水下生物的垂直分布狀態(tài)做了相應(yīng)研究。由于絕大多數(shù)中上層浮游生物都具有明顯的晝夜垂直移動特性，一些學(xué)者針對某個海域的某種具體生物，利用水聲學(xué)數(shù)據(jù)研究其晝夜垂直移動特性[8-9]。但這些研究在實際生產(chǎn)中的時空局限性十分明顯，只適用于特定時間、特定海域的特定生物。在實際生產(chǎn)中，需求海域及需求生物往往是多變的，因此上述研究成果不能作為確定捕撈深度的直接依據(jù)。

為滿足多變的生產(chǎn)需求，本研究提出一種利用聲吶數(shù)據(jù)提取捕撈深度的方法。從EK80原始水聲學(xué)數(shù)據(jù)構(gòu)建目標(biāo)強(qiáng)度模型計算出每個樣本數(shù)據(jù)的目標(biāo)強(qiáng)度。生產(chǎn)經(jīng)驗與相關(guān)研究表明，在無噪聲環(huán)境下，不同生物的目標(biāo)強(qiáng)度范圍往往是確定的 [如磷蝦 (Euphausia superba) 的目標(biāo)強(qiáng)度范圍為?69.5～?40.8 dB][10]，且彼此之間差距較大[11-13]。本研究設(shè)計出一款計算機(jī)軟件，將海底目標(biāo)資源類型及其強(qiáng)度范圍作為配置文件，選擇目標(biāo)水下生物后，根據(jù)配置文件中的目標(biāo)強(qiáng)度范圍，過濾噪聲數(shù)據(jù)，統(tǒng)計該目標(biāo)資源在各個深度下的資源量，并依據(jù)各個深度下的目標(biāo)資源量推算最佳捕撈深度。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本研究中所有輸入數(shù)據(jù)均源自水聲學(xué)儀器EK80科學(xué)回聲探測儀，其工作頻率分別為38、70和130 kHz；所分析數(shù)據(jù)的聲吶頻率為38 kHz，調(diào)查時間為2016年6月5日14:56:44—15:10:14；調(diào)查區(qū)域為 52°43.61'W—52°39.96'W、52°12.58'S—52°13.12'S。項目中使用 Echoview 軟件 (V 8.0.92)分析元數(shù)據(jù)信息 (聲學(xué)影像分析、回波強(qiáng)度計算、反向體積散射值計算等)，使用 MATLAB R 2016 B(64位) 軟件組件，利用Python 3.8集成開發(fā)，使用的開發(fā)IDE為PyCharm 2020.1。

1.2 目標(biāo)強(qiáng)度設(shè)計

在水聲學(xué)漁業(yè)資源評估領(lǐng)域，通常使用反向體積散射強(qiáng)度[14-15](Sv, dB)和目標(biāo)強(qiáng)度 (Ts, dB) 2個重要參數(shù)評估資源量。目標(biāo)強(qiáng)度是反映生物反射信號強(qiáng)弱的物理量。其定義為公式 (1)，其中σ為生物的散射截面 (m2)。

目標(biāo)強(qiáng)度的影響因素有很多 (包括有無魚鰾、傾斜角度等)，其測量方法也不唯一。通常根據(jù)探測儀數(shù)據(jù)計算出目標(biāo)資源回波積分值，將該積分值輸入適當(dāng)?shù)哪繕?biāo)強(qiáng)度模型，計算出目標(biāo)強(qiáng)度。除上述模型法外，目前國內(nèi)外一些研究還采用現(xiàn)場測定法 (生產(chǎn)現(xiàn)場環(huán)境)、水池測定法 (實驗室環(huán)境) 等其他目標(biāo)強(qiáng)度計算方法[16-18]。目標(biāo)強(qiáng)度計算模型法已有較長的研究歷史。目標(biāo)強(qiáng)度-體長關(guān)系模型[ 公式(2)] 是經(jīng)典的目標(biāo)強(qiáng)度估算模型，其中a、b均為回歸系數(shù)，a為斜率，b為截距，L為體長。

經(jīng)過長時間的研究歷程，目標(biāo)強(qiáng)度計算模型有了進(jìn)一步發(fā)展，除經(jīng)典的目標(biāo)強(qiáng)度-體長關(guān)系模型外，國內(nèi)外學(xué)者相繼提出了球體模型、橢球體模型、變形圓柱體模型、基爾霍夫模型和畸變波玻恩近似模型等多種目標(biāo)強(qiáng)度計算模型[19]。早在1991年，Greene等[20]針對磷蝦提出了經(jīng)典的目標(biāo)強(qiáng)度線性模型。后Demer和Martin[21]對該目標(biāo)強(qiáng)度算法做了進(jìn)一步完善。上述計算模型各有優(yōu)劣，為擴(kuò)大使用范圍，本研究最終采用了當(dāng)前使用較為廣泛的降低噪聲目標(biāo)強(qiáng)度計算模型 [ 公式(3)]，Echoview等水聲學(xué)處理工具軟件使用的也是該模型[22-23]。

式中R表示校正范圍 (m)；Pr表示接收功率(W)；Pt表示傳輸功率 (W)；α表示吸收系數(shù)(dB·m?1)；G0表示傳感器峰值增益 (1)；λ表示波長(m)；r表示未校正范圍 (m)，c表示聲速 (m·s?1)，t表示傳輸脈沖長度 (s)。波長λ由速度v與頻率f的比值得到 [ 公式 (5)]。

1.3 捕撈深度算法設(shè)計

統(tǒng)計各深度下的目標(biāo)漁業(yè)資源量后，還需確定算法評估最佳捕撈深度。判斷某深度是否適合作為最佳捕撈深度主要考慮2個因素：1) 該深度下的目標(biāo)資源量；2) 該深度的某個深度鄰域內(nèi)目標(biāo)資源總量。理想狀態(tài)下，算法得到的捕撈深度應(yīng)是目標(biāo)漁業(yè)資源量最大的，故因素1)是設(shè)計算法時必須考慮的核心因素。但從測試數(shù)據(jù)看，部分?jǐn)?shù)據(jù)存在極端情況：目標(biāo)資源量最大值點處 (最大值點不唯一) 的鄰近深度目標(biāo)資源量表現(xiàn)較差，不適合作為最終確定的捕撈深度，故引進(jìn)因素2)作為補(bǔ)充?；谝陨戏治觯O(shè)計出2種最佳捕撈深度算法。

1.3.1 基礎(chǔ)算法 遍歷解析后的數(shù)據(jù)，找出目標(biāo)資源量最值點，并恢復(fù)目標(biāo)資源量與深度的映射關(guān)系。若目標(biāo)資源量最值點唯一，則基礎(chǔ)算法結(jié)束，該目標(biāo)資源量最值點處映射的深度值即為最終確定的最佳捕撈深度 (此算法中直接目標(biāo)資源量優(yōu)先級最高，深度鄰域目標(biāo)資源量優(yōu)先級次之)；若目標(biāo)資源量最值點不唯一，則計算相鄰兩個最值點所映射深度的深度差。確定一個深度差字典，key為深度值，value為當(dāng)前深度與下一個最值點所映射深度的差值。求出深度差字典中的最小value，若最小值點唯一，則該最小值點對應(yīng)的深度值 (key) 為最佳捕撈深度，基礎(chǔ)算法結(jié)束；若最小值點仍不唯一，則逐個計算相鄰2個深度差最小且目標(biāo)資源量最大的深度差值，構(gòu)成新的深度差字典。以新字典作為輸入，循環(huán)調(diào)用，直至只剩下1個深度值。則該深度值為最佳捕撈深度，基礎(chǔ)算法結(jié)束。此基礎(chǔ)算法處理過程見圖1。

圖1 捕撈深度基礎(chǔ)算法流程圖Figure 1 Flowchart of basic algorithms for fishing depth

1.3.2 擴(kuò)展算法 基礎(chǔ)算法理論上能夠計算出最佳捕撈深度，但是在多組數(shù)據(jù)的反復(fù)試驗中發(fā)現(xiàn)，該算法受目標(biāo)資源量峰值影響較大，并不能反映現(xiàn)實狀態(tài)下的“最佳”。假設(shè)存在這樣一種數(shù)據(jù)狀態(tài)：如圖2 (以分貝范圍內(nèi)的回聲記錄數(shù)作為目標(biāo)資源量)，在區(qū)域①中，深度15 m處取得目標(biāo)資源量峰值，但15 m深度鄰域內(nèi)的其他點 (10～20 m處) 目標(biāo)資源量較小；而區(qū)域②中雖然不存在最值點，但是該區(qū)域內(nèi)的點對應(yīng)的目標(biāo)資源量均接近峰值。在實際生產(chǎn)中，區(qū)域②的捕撈意義顯然高于區(qū)域①。

圖2 一種假設(shè)狀態(tài)Figure 2 A hypothetical state

測試數(shù)據(jù)中即存在類似該種假設(shè)狀態(tài)，由于實際數(shù)據(jù)較密集，不易觀察，因而提出上述假設(shè)。實際生產(chǎn)環(huán)境復(fù)雜多變，且不排除聲吶等硬件設(shè)備造成個別點的數(shù)據(jù)失真 (例如造成孤立最值點)，因此基礎(chǔ)算法結(jié)論不能代表最佳捕撈深度。為規(guī)避上述問題，本研究進(jìn)而提出了基于擴(kuò)展最大資源量區(qū)間的擴(kuò)展算法，該算法屏蔽了孤立最值對最終確定深度的影響，綜合考慮了一個深度鄰域內(nèi)的資源量情況，更符合實際漁業(yè)生產(chǎn)作業(yè)規(guī)律。擴(kuò)展算法提出“擴(kuò)展最大資源量區(qū)間”的概念，即擴(kuò)大了最大資源量的選擇范圍，只要某一深度映射的目標(biāo)資源量在擴(kuò)展最大資源量區(qū)間中 (而非要求取得峰值)，則可將該點深度加入候選最佳捕撈深度。經(jīng)大量數(shù)據(jù)測試，確定了擴(kuò)展最大資源量的區(qū)間范圍。式(6)中，Np表示輸入EK80數(shù)據(jù)的ping數(shù)，Vm表示統(tǒng)計數(shù)據(jù)中目標(biāo)資源量的實際峰值。

除了擴(kuò)大選擇區(qū)間外，擴(kuò)展算法在最終數(shù)據(jù)分析處理的思路上也有不同，主要包括：若循環(huán)執(zhí)行(與基礎(chǔ)算法中循環(huán)相同) 的深度差字典長度大于3，則遞歸計算新的深度差字典；若該字典長度小于3，則逐個計算深度預(yù)測因子Nx(Nx表示第x個候選深度值的預(yù)測因子，Ny同)。式(7)中，ΣCt表示該深度下目標(biāo)資源量總和，Δd表示深度差。指數(shù)模型放大了各數(shù)據(jù)點的差異，為最終決策帶來便利。最后，根據(jù)計算得到的深度預(yù)測因子計算出深度預(yù)測系數(shù)Px[ 式(8)]。

擴(kuò)展算法最終得到的深度可能有1～3個，并能夠得到每個深度值的推薦系數(shù)Px，以提供用戶根據(jù)該系數(shù)并結(jié)合統(tǒng)計圖進(jìn)行綜合研判。

2 結(jié)果

2.1 不同深度資源量統(tǒng)計

按照前文敘述方法，對EK80設(shè)備的若干組實測數(shù)據(jù)進(jìn)行了實驗。數(shù)據(jù)通過處理后，利用統(tǒng)計學(xué)方法統(tǒng)計每個深度下符合當(dāng)前設(shè)定目標(biāo)資源目標(biāo)強(qiáng)度的記錄總值，以該值反映該深度下的目標(biāo)資源量。測試數(shù)據(jù) (累計時長 13 min 30 s) 中含有 405次ping，每次ping包含的樣本數(shù)為8 065，共3 266 325條樣本數(shù)據(jù)。其中符合目標(biāo)資源目標(biāo)強(qiáng)度 (磷蝦，?69.5～?40.8 dB) 的樣本數(shù)據(jù)條數(shù)為1 307 601。

散點圖 (圖 3-a，深度精度為 0.1 m) 顯示，各個深度下均檢測到部分目標(biāo)回聲，但由于散點過多，圖3-a的可讀性較差。為增強(qiáng)統(tǒng)計圖可讀性，在該圖基礎(chǔ)上以顏色深度表示一段鄰域內(nèi)的累計數(shù)量，將散點圖改繪成六邊形圖 (圖3-b)，以更加直觀地反映目標(biāo)資源在各個深度下的分布情況。

圖3 磷蝦數(shù)據(jù)統(tǒng)計情況Figure 3 Statistics of krill data

2.2 最佳捕撈深度計算

本研究采用統(tǒng)計圖展示資源垂直分布情況，并使用數(shù)學(xué)方法構(gòu)造模型計算出最佳捕撈深度。選擇配置資源(如磷蝦)后，點擊“開始計算捕撈深度”按鈕，將依次執(zhí)行繪圖算法、捕撈深度基礎(chǔ)算法、捕撈深度擴(kuò)展算法，并將繪制好的六邊形圖顯示在界面的繪圖區(qū)，基礎(chǔ)算法、擴(kuò)展算法生成的最佳捕撈深度建議值顯示在結(jié)果區(qū)。最佳深度擴(kuò)展算法的最終建議捕撈深度值可能有1～3個，所以用戶界面的右下方“擴(kuò)展算法結(jié)論”框中可能會出現(xiàn)1～3個深度值，并給出對應(yīng)的公式 (8) 預(yù)測因子Px的值。

多段聲吶文件可以解析出多個捕撈深度值，將這些捕撈深度值與聲吶時間相結(jié)合，可以得到不同時間下的最佳捕撈深度，從而更有效地提高捕撈效率。系統(tǒng)最終效果見圖4。

圖4 磷蝦捕撈智能調(diào)控界面效果圖Figure 4 Effect diagram of intelligent control interface of krill fishing

3 討論

本研究采用水聲學(xué)方法提出一種不受時間、海域限制的漁業(yè)資源評估方案。利用一段時間內(nèi)EK80聲吶設(shè)備在某海域內(nèi)探測到的數(shù)據(jù)，研究某種漁業(yè)資源在該海域該時間段內(nèi)的垂直分布情況，快速計算拖網(wǎng)深度，以提高捕撈效率，降低人工成本。

漁業(yè)資源評估既是水產(chǎn)科學(xué)中的傳統(tǒng)研究課題之一[25-26]，也是漁業(yè)捕撈活動中的重要環(huán)節(jié)。相較于漁業(yè)采樣等其他資源評估方法，本研究采用的水聲學(xué)具有速度快、覆蓋范圍廣、探測深度深等突出特點。但與傳統(tǒng)基于漁業(yè)采樣方法實現(xiàn)的漁業(yè)資源評估或捕撈深度確定方法相比，本研究也存在一些弊端，主要體現(xiàn)在研究結(jié)果的廣度上。例如，漁業(yè)采樣方法除提取出捕撈深度與資源量的關(guān)系外，還能基于更多生物學(xué)、生態(tài)學(xué)特征，對生物分布、生長規(guī)律做進(jìn)一步研究[27-28]。因此，本研究更適于快速確定捕撈深度等場景，節(jié)約人力和時間成本，大幅提高捕撈效率。

相較于其他有關(guān)利用水聲學(xué)探測評估水生物性態(tài)的研究，本研究提出了一種擴(kuò)展算法評估最佳捕撈深度。該算法打破了傳統(tǒng)算法對資源量最值的依賴，充分考慮了深度鄰域內(nèi)的總資源量，以最終確定最佳捕撈深度值。另外，本研究利用Python語言編寫了一整套程序，可以根據(jù)實際情況輸入待研究海域的數(shù)據(jù)，快速得出資源分布情況并對最佳捕撈深度提出建議，從而打破一些傳統(tǒng)研究中得出結(jié)論的局限性 (一般研究結(jié)論僅適用于某個時間內(nèi)的某個海域)。但由于重視程序在健壯性上的支持，其結(jié)論的針對性和具體程度要低于一些學(xué)者的研究[24]。

在實現(xiàn)確定捕撈深度的過程中，本研究存在兩點不足：1)生物對應(yīng)的水聲學(xué)目標(biāo)強(qiáng)度范圍難以確定；2)實際捕撈中，拖網(wǎng)深度應(yīng)隨著位置變化隨時變動。本研究結(jié)論中“最佳深度值”僅為1～3個，暫未打破傳統(tǒng)的捕撈方案，難以在復(fù)雜多變的捕撈環(huán)境下為捕撈成果帶來突破。本研究根據(jù)相關(guān)文獻(xiàn)及部分船員經(jīng)驗將磷蝦的目標(biāo)強(qiáng)度范圍確定為?69.5～?40.8 dB。但是，海洋中物種眾多，捕撈作業(yè)中目標(biāo)魚種多樣，當(dāng)前學(xué)術(shù)界暫無完整、權(quán)威的生物強(qiáng)度范圍數(shù)據(jù)，健全的生物強(qiáng)度計算體系也暫未形成。因此，本研究離應(yīng)用于生產(chǎn)尚有一定距離?，F(xiàn)階段，本研究的應(yīng)用依賴于船員豐富的捕撈經(jīng)驗。船員根據(jù)捕撈經(jīng)驗確定捕撈深度的目標(biāo)強(qiáng)度范圍，從而計算出目標(biāo)海域的最佳捕撈深度。

本研究的另一個局限性在于并未突破傳統(tǒng)的捕撈深度計算方案。在實際生產(chǎn)中，漁船的航行周期較長，水域資源狀況多變，僅僅以1～3個確定的深度值作為“最佳捕撈深度”顯然并不足以讓當(dāng)前的捕撈成果產(chǎn)生質(zhì)變。在理想狀態(tài)下，可根據(jù)聲吶設(shè)備數(shù)據(jù)，提取出每一小段時間內(nèi) (如聲吶設(shè)備的一次Ping) 的最佳捕撈深度，由所有時間段內(nèi)的最佳捕撈深度，構(gòu)造出“最佳捕撈曲線”，實際生產(chǎn)拖網(wǎng)深度根據(jù)該曲線動態(tài)調(diào)整。顯然這種方案在理論上可以獲得更佳的捕撈效果，但在實際生產(chǎn)中是否可行仍有待進(jìn)一步研究和探索實踐。