西北太平洋柔鱼渔场非参数栖息地适宜性指数模型

崔雪森，周 灿，唐峰华，伍玉梅，吴祖立，范秀梅

西北太平洋柔鱼渔场非参数栖息地适宜性指数模型

崔雪森1，周 灿2，唐峰华3，伍玉梅1，吴祖立3，范秀梅1

（1. 中国水产科学研究院东海水产研究所/农业农村部远洋与极地渔业创新重点实验室，上海 200090；2. Department of Wildlife and Fisheries Sciences, Texas A&M University, College Station, TX 77801；3. 中国水产科学研究院东海水产研究所/农业农村部东海渔业资源开发利用重点实验室，上海 200090）

【】建立西北太平洋柔鱼（）渔场非参数的栖息地适宜性指数(HSI，habitat suitability index )模型，为提高柔鱼渔场预报精度提供参考。利用西北太平洋海域的柔鱼生产数据和海表温度、叶绿素a浓度、表温梯度强度以及水深100 m的Argo浮标水温等海洋环境因子的适宜度指数值(SI, suitability index)，使用随机分类粒子算法，构建非参数的栖息地适宜性指数模型，估算西北太平洋柔鱼渔场各环境因子在不同月份中适宜度指数系数的空间分布。随着空间位置不同，各月份不同环境因子适宜度指数系数分布具有较大差异，其中SST的SI系数的高值区大面积出现在11月份，叶绿素浓度SI系数的高值区出现8月份南部渔场和10月份北部渔场，次表层（100 m）温度的高值SI系数在7－9月份均有较大面积分布，而Grad的SI系数在整个渔汛期均处于较低水平。基于该模型，本研究对2014年7－11月渔获产量进行预报检验，预报结果与实际渔场在空间分布一致，曲线下面积（AUC，Area Under Curve）月平均为0.791，高于算术平均HSI(arithmetic mean HSI, AM HSI)模型。非参数的HSI模型的渔场预报能力在一定程度上优于AM HSI模型。

柔鱼；西北太平洋；非参数栖息地适宜性指数

柔鱼()属于外洋性、季节性南北洄游的头足类，广泛分布于西北太平洋海域，同时也是该海域重要的经济头足类资源[1-2]。该海域柔鱼渔场最早由日本于1974 年开发，中国自1993年开始捕捞生产，其规模呈逐步扩大趋势，2007年捕获产量达12.6万t，近年来虽有下降趋势，但2017年仍达3.9万t左右，在整个中国远洋渔业中占据着重要地位[1,3-4]。

有研究表明[3,5-9]，柔鱼渔场分布与海表面温度、叶绿素浓度、海洋锋面以及次表层温度等具有很高的相关性。栖息地适宜性指数模型（HSI，habitat suitability index）可以用来模拟生物体对其周围栖息环境因子的反应，是渔场环境分析与渔场预报当中被广泛应用的一种方法[6-7,10]。在柔鱼相关研究中，利用各个环境因子适宜度指数，通过算术平均法(AM)构建的模型通常比其他方法能更好地定义最适栖息地适宜性指数[7]。近年来渔业HSI的相关研究当中，不同因子对栖息地影响的差异性开始得到重视，通常是利用专家知识赋予各个变量不同的权重，或采用对不同环境因子的适宜度指数权重的组合来提高模型分析和预报渔场的准确性[11-13]。考虑到适宜度因子权重的确定或多或少都具有一定主观性，有学者利用约束条件的线性回归，得出不同环境栖息地适宜性指数的权重最优值组合，以增强SI系数确定的客观性[14]。但以上HSI方法多为全局性模型，且包含大量模型假设，未考虑各适宜度指数系数在空间上的变化。而有研究表明[15-16]，由于栖息环境与生物学变量会随着时空发生改变，建立局部回归模型更有利于对渔业资源空间分布的深入理解。

有鉴于此，本研究拟在AM法构建HSI模型的基础上，利用随机分类粒子算法，建立非参数的栖息地适宜性指数模型。由于该方法属于非参数建模，因此具有较高灵活性，且不需要对模型结构做任何具体假设[17]。利用该模型可得出各环境适宜指数权重在不同地理位置上的最优值组合，考察西北太平洋柔鱼渔场各环境因子适宜度指数权重值的空间分布，为提高柔鱼渔场预报精度提供参考。

1 材料与方法

1.1 数据来源与处理

历史渔获数据由上海海洋大学鱿钓技术组提供，空间范围为145°E–165°E、35°N–47°N(如图1)，时间范围为2002－2014年，数据集包括生产日期、作业空间位置、产量、作业次数等，按1°×1°网格分月进行统计。根据TIAN等[18]提供的方法计算出每个月份各个渔区网格的CPUE，公式可表示为

其中∑Catch为1个月网格内总产量，∑Fishingdays为该月网格内总作业船天数，CPUE单位为t·boat-1·day-1。

本研究中环境数据包括海表温度与叶绿素a浓度、次表层100 m水层水温以及SST梯度强度数据，具体情况如表1所示。

表1 环境数据种类与时空属性

其中海表温度与叶绿素a浓度数据均由NASA网站(http://oceancolor.gsfc.nasa.gov/)下载得到，并抽取成1°×1°网格点数据，并根据Pi等[19]提供的方法计算SST梯度强度。次表层100 m水层水温数据为日本海洋地球科技机构（JAMSTEC）提供Argo(Array for Real-Time Geostrophic Oceanography)月平均数据。

对上述4个环境因子进行D'Agostino检验（表2），发现均存在一定程度的偏度（< 0.001），且Chl-a统计值大于1，属于高度偏态分布。经取自然对数处理后，检验结果显示4个环境因子中仅叶绿素浓度分布的偏度不再显著（> 0.05），而其它3个因子偏度均有所增加，因此只对叶绿素变量进行取以10为底的log值处理，记为lg(Chl)。

表2 4个环境因子的偏度检验结果

1.2 模型的构建

HSI模型是定量研究生物对栖息地适应程度与栖息地生境因子之间关系的经典方法，模型所得指数高低，则预示栖息地质量好坏，指数取值范围在0 ~ 1之间[20]。基于该模型原理，本研究将CPUE与包括SST、lg(Chl)、Grad、100的4个环境因子按日期与地理位置进行匹配，建立HSI模型。

首先将某环境因子划分为个区段，区段（1≤≤）所对应的得分为该区段平均观测CPUE（如公式2）

同理，对训练数据集，不同地理位置所对应的综合栖息地适宜性指数

HSI=（CPUE- CPUEmin）/（CPUEmax-CPUEmin）, （4）

其中为该记录在总数据集中的索引号。

利用各环境因子的适宜度指数，可得AM HSI模型[7]为

其中是海洋环境要素集合，即(SST, Grad, lg(Chl),100)，|·|表示某集合中元素个数。

与以上传统方法相比，本研究考虑了系数的地理加权。由于参数分布未知，因此称其为非参数栖息地适宜性指数模型，公式如下：

其中，(,)表示地理坐标，系数β(,)限制条件为

假设数据集的总记录数为，当前记录索引号为对应的渔区中心点为(,)，将模型的损失函数定义为平方损失，则

整体的经验风险函数（RMSE）为

求解最优模型的系数，就是求解最优化问题

此处为决策函数的集合：

1.3 模型系数的求解

由于p(,,)与β(,)的限制条件相同（公式7），因此可利用逐步迭代优化p(,,)，代替β(,)。

迭代优化的思路如下：

根据以上伪代码思路，在开源软件R i385 3.2.5平台下，借助其内置统计函数，实现了该优化算法。

1.4 搜索半径d的选择

为获得模型最佳的搜索半径值，本研究分别将不同的搜索半径值（50, 100, 150, 200, 250, 300, 350, 400 km）代入模型，得出不同值下 RMSE的变化。同时，为使得到的值更为可靠，本研究采用5折交叉验证方法，即将数据集分成5份，利用其中4份作为训练数据，其中1份作为测试数据，最后将5次得到的误差结果进行平均作为预测误差的估计[21]。

1.5 模型预报结果的评价

利用ROC(receiver operating characteristic)曲线下面积(area under curve，AUC)值的大小可以对实际预报渔场效果进行评价[22]，AUC 值越大，表明分类模型的性能越好，最理想分类模型，AUC 值为 1，而对于随机分类模型， AUC 值为 0.5，此时ROC曲线为一条从左下到右上对角线[22]。

2 结果

2.1 最佳搜索半径d

利用5折交叉验证方法，得到模型不同月份在不同搜索半径的RMSE（图2）。由图可发现，随着搜索半径增加，各月份模型验证数据集的RMSE均相应下降；当半径达到200 km时，各月份RMSE的值开始趋于稳定。因此本研究将最佳搜索半径确定为200 km。

2.2 各月份不同环境SI系数空间分布

在确定最优搜索半径（200 km）情况下，模型在各月份的平均整体经验风险函数RMSE值为0.149，最小值和最大值分别为0.107（8月）和0.206（9月）；验证数据集各月份平均RMSE为0.184，最小值和最大值分别为0.133（8月）和0.231（9月）（如图3），同时得到更新后随机粒子集合。利用公式（12），求得7－11月份不同环境SI系数的空间分布（图4）和统计箱线图（图5）。从图4和5可发现，SST的SI系数的高值区域主要出现在9－11月份，特别是在11月份，面积较大且分布在主要作业渔场位置。叶绿素浓度SI系数在8和10月份较高，高值集中区域分别分布在南部和北部渔场，而11月整个渔场的系数最弱（图4）。T100的SI系数在7－9月份均有较大面积分布，其中7月份位于渔场偏东南位置，而9月份分布位置向北偏移，且高值区面积较大。与上述3个环境因子的系数值相比，Grad的SI系数在整个渔汛期均较低（图4、5）。

图2 西北太平洋柔鱼渔场7－11月在不同搜索半径下模型RMSE的变化

图3 最佳索半径(200 km)下模型的训练误差与验证误差

β值，即权重值

圆圈为SI系数平均值

2.3 2014年渔场预测验证

利用2014年7－11月的海表温度、叶绿素浓度、表温梯度以及100 m水温数据以及图4中各环境因子的SI系数分布，根据公式（6）计算西北太平洋在不同月份柔鱼的HSI，其分布如图6所示。同时利用AM HSI方法公式（5）计算了相同时期的HSI。利用ROC曲线分别验证预报的效果，并计算AUC值。结果显示，非参数HSI方法和AM HSI方法得到的全年平均AUC值分别0.791和0.764（表3）。除10月份外，利用非参数方法得到模型精度均高于利用AM HSI方法得到的结果（图7）。

图6 2014年7－11月份预测的西北太平洋柔鱼HSI与实际渔场叠加

实线为非参数模型的ROC曲线，虚线为传统方法得到的ROC曲线

表3 两种模型在不同月份预报结果的AUC值

3 讨论

3.1 各环境因子对栖息地适宜性指数影响力时空差异

柔鱼是短生命周期头足类，其资源丰度和分布情况在很大程度上受到环境影响，在不同月份以及西北太平洋海域的不同位置，其适宜环境因子的变化范围也有所不同[6,23-24]。因此，在构建柔鱼栖息地适宜性指数模型时，在不同季节，每个环境因子SI的系数不应是一个固定值。由于不同作业渔场柔鱼最适宜环境（如水温）是不一致的，并存在较大差异[25]，因此本研究根据地理位置对环境因子的适宜度进行加权处理，应是一种更为合理的方法。

有研究表明，在西北太平洋主要作业海域，柔鱼渔场的主要类型为流界渔场[26]。在渔汛前期，柔鱼随黑潮(暖水)向北索饵洄游，此时柔鱼停留在冷暖水的暖水一侧；而10月份后柔鱼开始南下产卵洄游，南下的冷水促使柔鱼南下移动，因此柔鱼总是停留在冷暖水交汇区的冷水一侧[6]。在这种流场的时空变化当中，水温可视为反映流场的一种重要指标。有研究表明，柔鱼在7－8、9和10－11月的最适宜表层温度分别为16 ~ 21℃，14 ~ 19℃，11 ~ 17℃，而在空间差异方面，155°E以西和155°E以东海域形成渔场的表层最适宜水温分别为20 ~ 23℃和17 ~ 18℃[6,27]。同时，西北太平洋170°E以西海域的主要分布水域，6－9月100 m水深的海水温度与柔鱼渔场有关密切关系[28]。从本研究中模型的适宜度指数系数看，水温（包括SST和100）在7、9和11月对HSI的影响均较显著，体现了这2个环境要素与渔场的密切关系。这与过去研究结果基本一致。在本研究中，在渔汛早期（7月）和中期（9月），100 m水深的温度的SI系数高值区在空间上主要集中在渔场东部，区域广泛且集中。这与渔汛早期实际生产当中，渔船多在东部进行深海鱿钓作业有关。而到了渔汛晚期，SST的SI系数增大，表明SST对HSI的影响变得明显，而次表层的水温影响力在整个海域开始变弱。海表温度与次表层温度对渔场影响力在时空上的交替变化，可能与黑潮与亲潮势力的季节性变化有关。

有研究发现，西北太平洋叶绿素浓度大小与柔鱼饵料密切相关[29]。因此，从食物链角度看，叶绿素a可作为鱿鱼中心渔场分析中的一个重要参考指标[30]。有研究表明[5]，随着季节变化，西北太平洋柔鱼渔场的适宜叶绿素浓度也会发生变化，其中8月份为0.1 ~ 0.2 mg/m3，而10月份为0.2 ~ 0.3 mg/m3。本研究中叶绿素浓度的SI系数值在8月和10月均处于相对较高水平，而9月相对其它月份对HSI的影响力较弱，在主要作业海域出现了较大范围的低值区（图4、5），这可能是由于9月渔场处于从暖水团边缘向冷水团边缘进行转换过程，从而减弱了饵料对渔场影响力。在叶绿素适宜度指数权重的空间变化方面，7－8月高值区位于渔场东南部，而9－10月大致位于渔场西北部，反映柔鱼渔场与叶绿素浓度的间接相关关系在空间上发生了变化。而到了11月份，整个海域叶绿素SI的系数均处于较低水平（图4）。有学者对该海域柔鱼渔场构建HSI模型时发现，7－10月与Chl-a相关的SI变量系数均表现为显著(< 0.05)，而到了11月份，随着水温降低，模型中与Chl-a浓度相关的SI变量系数则变得不显著[14]。这一结论与本研究结果基本一致。同时，也有研究表明[31]，进入11月后，西北太平洋叶绿素平均浓度达到整个渔汛期的最高水平。由此推断，在渔汛后期，饵料可能已经不是影响渔场分布的主要因子，从而导致11月份叶绿素浓度SI的权重在整个海区都处于较低状态。另外，也有学者认为，11月份随着海水混合的增加和层化的减弱，影响渔场位置的主要因子将不再是食物，而是生理忍耐温度，这可能也是导致11月份模型中叶绿素浓度SI系数偏弱的一个重要原因[32]。

海洋锋面是由海洋环境的生物、物理以及化学属性特征定义的，其中海洋温度锋面营造出适宜柔鱼所需的栖息环境条件，对柔鱼具有很好的聚集作用[33-35]。陈新军等[6]研究发现，海洋锋面在西北太平洋165°E以西海域较为明显，这使得柔鱼栖息的范围减小，从而导致资源密度增大。也有研究表明[36-37]，柔鱼中心渔场分布与冷水锋面、冷暖水切变锋面和暖水舌锋的变动密切相关，柔鱼通常位于表温梯度0.01 ~ 0.02 ℃/nm的海域，而不是位于锋面最强处。在本研究中，利用SST水平梯度变化反映海洋锋面的强弱，但SST锋面强度仅限于表征表层的锋面情况，而次表层的锋面位置不能得到准确体现。另一方面，本研究中SST受Argo再分析数据空间分辨率的限制，只能采用较大的空间尺度，从而导致部分锋面细节特征消失，最终也使得Grad的SI对综合栖息地适宜性指数的影响力降低。

3.2 非参数HSI的优点与存在不足

由于各环境SI系数在空间上存在着变化，因此无法利用明确的参数确定其分布形式。非参数方法对于总体分布不做任何假设，本研究利用随机粒子法对于各环境因子SI的系数进行估算，在不能确定其总体分布的情况下，通过单纯迭代得到了不同环境因子SI对柔鱼栖息地影响力的空间分布，达到了构建非参数HSI模型的目的，是一种简单易行的方法。但实际应用当中，也发现了以下2方面不足：（1）模型的效率。从模型的代码中可以发现，模型要预设大量的随机分类粒子，经过多层迭代才可以最终确定渔场空间范围内的各因子SI权重，并且只能通过不断枚举方法筛选出最佳粒子搜索半径，这些步骤计算量较大，影响到算法的效率。以后可考虑用并行运算提高模型训练的运行效率。（2）预报精度提升程度不明显。从2014年的实际预报结果看，非参数HSI较AM HSI的AUC值仅提高了0.026（表3），这可能与该年用于验证的实际生产数据量偏少有关。另外，有研究表明，采用捕捞努力量比CPUE能更好地表征资源丰度，对于以月为单位的商业捕捞数据来说，捕捞努力量可作为一个潜在的资源丰度指标[18]。今后将尝试采用捕捞努力替代CPUE构建模型，进一步提高柔鱼渔场的预报精度。

[1] CHEN X J，LIU B L, CHEN Y. A review of the development of Chinese distant-water squid jigging fisheries[J]. Fisheries Research, 2008, 89(3): 211-221.

[2] 陈新军.资源开发现状及我国远世界头足类洋鱿钓渔业发展对策[J]. 上海海洋大学学报, 2019, 28(3): 321-330.

[3] 陈新军, 陈峰, 高峰, 等. 基于水温垂直结构的西北太平洋柔鱼栖息地模型构建[J]. 中国海洋大学学报(自然科学版), 2012, 42(6): 52-60.

[4] 阿保純一，巣山哲，若林敏江.アカイカ北太平洋[EB/OL]．（2019-8-15）[2019-10-11] http://kokushi.fra.go.jp/H30/H30_68.pdf.

[5] Fan W, Wu Y, Cui X. The study on fishing ground of neon flying squid,, and ocean environment based on remote sensing data in the Northwest Pacific Ocean[J]. Chinese Journal of Oceanology and Limnology. 2009, 27(2): 408-414.

[6] 陈新军, 田思泉. 西北太平洋海域柔鱼的产量分布及作业渔场与表温的关系研究[J]. 中国海洋大学学报(自然科学版), 2005, 35(1): 101-107.

[7] 陈新军, 刘必林, 田思泉, 等. 利用基于表温因子的栖息地模型预测西北太平洋柔鱼()渔场[J]. 海洋与湖沼, 2009, 40(6): 707–713.

[8] YATSU A, WATANABE T. Interannual variability in neon flying squid abundance and oceanographic conditions in the central North Pacific, 1982–1992[R]. Bull Nat Res Inst Far Seas Fish,1996, 33:123–138.

[9] 陈新军. 渔业资源与渔场学[M]. 北京: 海洋出版社, 2015.

[10] VINAGRE C, FONSECA V F, CABRAL H N, et al. Habitat suitability index models for the juvenile soles,and, in the Tagus estuary: Defining variables for species management[J]. Fisheries Research, 2006, 82(1): 140-149.

[11] 蒋瑞, 陈新军, 雷林, 等. 秋冬季智利竹荚鱼栖息地指数模型比较[J]. 水产学报, 2017, 41(2): 240-249.

[12] 胡贯宇, 陈新军, 汪金涛. 基于不同权重的栖息地指数模型预报阿根廷滑柔鱼中心渔场[J]. 海洋学报(中文版), 2015, 37(8): 88-95.

[13] 王易帆, 陈新军. 中西太平洋鲣栖息地指数预报模型比较研究[J]. 上海海洋大学学报, 2017, 26(5): 743-750.

[14] 崔雪森, 周为峰, 唐峰华, 等. 基于约束线性回归的柔鱼栖息地指数渔场预报模型构建[J]. 渔业科学进展, 2018, 39(1): 64-72.

[15] 赵杨, 张学庆, 卞晓东. 基于地理加权回归的渤海沙氏下鱵鱼仔稚鱼栖息地指数[J]. 应用生态学报, 2018, 29(1): 293-299.

[16] WINDLE M J S, ROSE G A, DEVILLERS R, et al. Exploring spatial non-stationarity of fisheries survey data using geographically weighted regression (GWR): an example from the Northwest Atlantic[J]. ICES Journal of Marine Science, 2010, 67(1): 145-154.

[17] 孙静. 若干非参数和半参数模型的稳健估计和特征筛选[D]. 济南: 山东大学, 2013.

[18] TIAN S Q, CHEN X J, CHEN Y, et al. Evaluating habitat suitability indices derived from CPUE and fishing effort data forin the northwestern Pacific Ocean[J]. Fisheries Research, 2009, 95(2): 181-188.

[19] PI Q L, HU J Y. Analysis of sea surface temperature fronts in the Taiwan Strait and its adjacent area using an advanced edge detection method[J]. Science China Earth Sciences, 2010, 53(7): 1008-1016.

[20] BAIN M B, BAIN J L. Habitat suitability index models: Coastal stocks of striped bass[Z]. U.S. Fish and Wildlife Service, Office of Biological Services, 1982.

[21] 范永东. 模型选择中的交叉验证方法综述[D]. 太原: 山西大学, 2013.

[22] 蒋帅. 基于AUC的分类器性能评估问题研究[D]. 长春: 吉林大学, 2016.

[23] TIAN S Q, CHEN X J, CHEN Y, et al. StanZHULUdardizing cpue offor Chinese squid-jigging fishery in northwest Pacific ocean[J]. Chinese Journal of Oceanology and Limnology, 2009, 27(4): 729-739.

[24] FENG Y J, LIU Y, CHEN X J. Modeling monthly spatial distribution ofCPUE in the northwest Pacific and its spatially nonstationary relationships with the marine environment[J]. Journal of Ocean University of China, 2018, 17(3): 647-658.

[25] 陈新军, 钱卫国, 刘必林, 等. 主要经济大洋性鱿鱼资源渔场生产性调查与渔业概况[J]. 上海海洋大学学报, 2019, 28(3): 344-356.

[26] 王尧耕，陈新军，世界大洋性经济柔鱼类及其渔业[M]．北京：海洋出版社，2005.

[27] 陈新军. 关于西北太平洋的柔鱼渔场形成的海洋环境因子的分析[J]. 上海水产大学学报，1997(4): 263-267.

[28] 村田守, 石井正, 新宮千臣. アカイカの釣漁場の位置と水温の季節変化、並びに回遊と漁場形成に関する若干の考察[R]. 水産庁北海道区水産研究所研究報告, 1983(48): 53-77.

[29] 余为, 陈新军. 西北太平洋柔鱼栖息地环境因子分析及其对资源丰度的影响[J]. 生态学报, 2015, 35(15): 5032-5039.

[30] 沈新强，王云龙，袁骐，等. 北太平洋鱿鱼渔场叶绿素a分布特点及其与渔场的关系[J]. 海洋学报(中文版). 2004, 26(6): 118-123.

[31] WANG W, ZHOU C H, SHAO Q Q, et al. Remote sensing of sea surface temperature and chlorophyll-a: implications for squid fisheries in the north-west Pacific Ocean[J]. International Journal of Remote Sensing, 2010, 31(17/18): 4515-4530.

[32] SAITOH S I, KOSAKA S, IISAKA J. Satellite infrared observations of Kuroshio warm-core rings and their application to study of Pacific saury migration[J]. Deep Sea Research Part A Oceanographic Research Papers, 1986, 33(11/12): 1601-1615.

[33] BELKIN I M, CORNILLON P C, SHERMAN K. Fronts in large marine ecosystems[J]. Progress in Oceanography, 2009, 81(1/2/3/4): 223-236.

[34] ZAINUDDIN M. Detection of potential fishing ground for albacore tuna using synoptic measurements of ocean color and thermal remote sensing in the northwestern North Pacific[J]. Geophysical Research Letters, 2004, 31(20): L20311.

[35] YU W, CHEN X J, YI Q. Fishing ground distribution offlying squid () in relation to oceanographic conditions in the Northwest Pacific Ocean[J]. Journal of Ocean University of China, 2017, 16(6): 1157-1166.

[36] 沈新强, 樊伟, 崔雪森. 西北太平洋柔鱼渔场分布与水温关系的研究[J]. 海洋水产研究, 2004(3): 10-14.

[37] CHEN X J, TIAN S Q, GUAN W J. Variations of oceanic fronts and their influence on the fishing grounds ofin the Northwest Pacific[J]. Acta Oceanologica Sinica, 2014, 33(4): 45-54.

Nonparametric Habitat Suitability Index Model forFishing Ground in the Northwest Pacific Ocean

CUI Xue-sen1, ZHOU Can2, TANG Feng-hua3, WU Yu-mei1, WU Zu-li3, FAN Xiu-mei1

（1.,/,200090,2,,,77801,3.,/,200090,）

To establish the nonparametric Habitat Suitability Index (HSI) model of neon flying squid () and provide a reference for improving the forecast accuracy of fishing ground in the Northwest Pacific.Based on the production data of neon flying squid and marine environmental factors including sea surface temperature, chlorophyll-a concentration, surface temperature gradient intensity and Argo buoy water temperature at 100 m depth underthe sea surface,nonparametric HSI model was constructed and the spatially distributed suitability index (SI) coefficients of environmental factors were estimated from July to November with the help of random particle classification algorithm.SI coefficients of environmental factors varied considerably in different seasons and regions.Among them, high SI coefficients of SST occupied a large area in November and high SI coefficients of chlorophyll-a concentration in the southern fishing area in August and northern fishing area in October. High SI coefficients of T100were distributed in a large area from July to September. In the meanwhile, SI coefficients of Grad were at a low level during the whole fishing season. It showed that the predicted fishing grounds in 2014 from July to November were consistent with the spatial distribution of the production data. The monthly average Area Under Curve (AUC) value of the nonparametric HSI is 0.791 and higher than that of arithmetic mean HSI (AM HSI).The fishing ground forecast capacity of the non-parametric HSI model of neon flying squid fishing ground is superior to that of the AM HSI.

; Northwest Pacific; nonparametric HSI model

Q958.8

A

1673-9159（2020）06-0053-10

10.3969/j.issn.1673-9159.2020.06.007

崔雪森，周灿，唐峰华，等. 西北太平洋柔鱼渔场非参数栖息地适宜性指数模型[J]. 广东海洋大学学报，2020，40（6）：53-62.

2020-05-12

国家重点研发计划（2019YFD0901405）；上海市自然科学基金项目（17ZR1439700）；中央级公益性科研院所基本科研业务费专项资助项目(2019T08)

崔雪森（1973－），男，副研究员，研究方向为渔场预报模型的构建。Email: cui1012@sh163.net

（责任编辑：刘岭）