机器学习方法在舟山渔场主要经济蟹类生物量估算中的应用

扫海面积法因其操作简单、计算方便,被广泛应用于渔业生物量评估工作中。但该方法需假设资源均匀分布,若要提高生物量评估的准确性,则须增加站位数量,进而增加经费预算。本研究基于2006年8月和2007年1月、5月、11月在舟山渔场海域开展渔业资源底拖网调查所获得的多种经济蟹类数据资料,模拟分析扫海面积法与机器学习模型(随机森林(RF)、梯度提升回归树模型(GBRT)、极限梯度提升(XGBoost))对舟山渔场海域三疣梭子蟹(Portunus trituberculatus)、双斑鲟(Charybdis bimaculata)、日本鲟(Charybdis japonica)、细点圆趾蟹(Ovalipes punctatus)4种主要经济蟹类生物量的对比评估效果。结果显示,随着投入站点数目的减少,在数据不集中、波动较大的秋、冬季节XGBoost方法对生物量的评估效果明显优于扫海面积法,误差降低7.49%~21.34%;而在较为均匀的春、夏两季,扫海面积法与机器学习方法两者结果的差异不显著(P<0.05)。本研究以几种经济蟹类为例,探索使用机器学习方法评估其生物量,达到了提高评估准确性并节省资源调查成本的效果,可在其他渔业资源种类生物量评估中推广应用。

增殖放流影响下东海北部海域三疣梭子蟹(Portunus trituberculatus)最大可持续产量评估

当渔业资源出现衰退时,加强资源增殖放流以养护渔业资源、提高渔业产量对于渔业资源可持续利用具有重要意义;与此同时,增殖放流的实施会对基于资源开发与管理的评估的结果产生影响。基于2001~2015年间东海北部海域三疣梭子蟹(Portunus trituberculatus)渔业数据,采用增殖剩余产量模型,对东海北部海域三疣梭子蟹的最大可持续产量(MSY)及取得MSY时所需捕捞努力量(EMSY)和原存生物量(B_(MSY))进行了评估,并与传统Schaefer模型评估结果进行了比较。结果表明,当年增殖放流量约在3×10^(6)~95×10^(6)尾之间时,三疣梭子蟹年产量逐渐增加,MSY在14.2×10^(4)t和14.6×10^(4)t之间,EMSY基本在15×10^(4)吨位左右。增殖放流量增加,其对应的MSY也越高,能承受的EMSY也越高(从15×10^(4)~15.4×10^(4)吨位之间),相反B_(MSY)则减小(从188.4×10^(4)t降至186.6×10^(4)t)。与传统的Schaefer模型评估结果相比,增殖剩余产量模型由于考虑了增殖放流生物量的因素,得到了MSY和EMSY有所增加,而B_(MSY)有所下降的结论。研究结果有望为该研究海域三疣梭子蟹可持续地捕捞、放流与管理提供科学依据。

基于两种机器学习方法分析东海北部海域三疣梭子蟹(Portunus trituberculatus)时空分布

为了解东海北部海域三疣梭子蟹(Portunus trituberculatus)资源时空分布规律,探索更适合三疣梭子蟹资源量预测的模型方法,根据2006-2007年共四个季度在东海北部海域的底拖网调查数据,运用梯度提升回归树(gradient boosting regression tree,GBRT)和支持向量机(support vector machine,SVM)这两种机器学习方法,分析了三疣梭子蟹时空分布与环境因子之间的关系,同时使用方差解释率(VE)、相对均方根误差(RMSE)以及决定系数R2等指标对不同模型的拟合效果、预测性能以及稳定性等进行了比较,选择其中最佳模型对东海北部海域三疣梭子蟹资源分布进行预测。结果显示,GBRT模型的拟合效果相对优于SVM模型,两种模型的拟合结果均显示底层海水盐度(SBS)为影响三疣梭子蟹资源分布最为显著的环境因子。GBRT模型的预测性能较高且模型较为稳定,其预测结果显示夏季的资源量高于其他三个季节,且各季节所研究海域的东南部均存在一个资源分布的低值区。研究结果预期可为三疣梭子蟹资源分布及资源量预测新方法的探索和分析提供技术指导。