(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111426843.4 (22)申请日 2021.11.28 (71)申请人 上海海洋大学 地址 201306 上海市浦东 新区沪城环路9 99 号 (72)发明人 方舟　温利红　刘思源　俞骏　 李楠　 (74)专利代理 机构 上海申浩 律师事务所 31280 代理人 张洁 (51)Int.Cl. G06F 30/20(2020.01) G06Q 50/02(2012.01) (54)发明名称 基于栖息地指数模型的印度洋鸢乌贼渔情 预报方法 (57)摘要 本发明公开了一种基于栖息地指数模型的 印度洋鸢乌贼渔情预报方法， 包括以下步骤： (1) 用单位捕捞努力量渔获量(catch  per unit  effort,CP UE)作为表征 鸢乌贼资源密度的指标； (2)建立单因子适宜性指数(suitability   index， SI)模型； (3)建立综合栖息地适宜性指数 (habitat suitability  index,HSI)； (4)HSI模 型筛选、 验证。 由于不同环境因子对栖息地的影 响程度不一样， 本申请通过赋予环境因子SI值不 同的权重比值， 比较分析出最优权重方案， 构建 最佳HSI模型。 权利要求书2页 说明书8页 附图1页 CN 114021389 A 2022.02.08 CN 114021389 A 1.一种基于栖息地指数模型的印度洋鸢乌贼渔情预报方法， 其特征在于， 包括以下步 骤： (1)用单位捕捞努力量渔获量(catch  per unit effort,CPUE)作为表征鸢乌贼资源密 度的指标； (2)建立单因子适宜性指数(suitabi lity index， SI)模型； (3)建立综合 栖息地适宜性指数(habitat  suitability index,HSI)； (4)HSI模型筛 选、 验证。 2.根据权利要求1所述的一种基于栖息地指数模型的印度洋鸢乌贼渔情预报方法， 其 特征在于， 所述步骤(1)中， 根据印度洋鸢乌贼主要作业时间， 选择1—3月和10—12月的渔 业数据， 统计0.5 ° ×0.5°范围内的渔获量和作业次数， 计算单位捕捞努力量渔获量， 计算公 式如下： 式中： CPUE单位为t/次， C表示一艘渔船一天的产量， E表示其对应的作业次数， 灯光敷 网和灯光罩网以网次计算、 鱿钓是按照每天作业位置的变化次数来计算， 将分辨率为0.5 ° ×0.5°的环境数据和渔业数据， 利用克里金插值法与渔业数据(时间、 经纬度、 产量、 CPUE) 进行匹配， 使得环境数据与渔业数据一 一对应。 3.根据权利要求1所述的一种基于栖息地指数模型的印度洋鸢乌贼渔情预报方法， 其 特征在于， 所述步骤(2)中， 利用2017—2018年1 ‑3月和10‑12月的CPUE分别与SST、 WS和PAR 建立单因子适宜性指数(suitab le index， SI)模型， 研究假定在每一经纬度相对应的月份 中最高单位捕捞努力量渔获量为 鸢乌贼资源分布最多的海域， 设SI值为 1； 单位捕捞努力量 渔获量为0时， 则认为是鸢乌贼资源分布最少的区域， 设SI值为0， 根据CPUE建立SI模型， SI 计算公式如下： 式中， CPUEi指i区间的单位捕捞努力量渔获量； CPUEi， max指i区间单位捕捞努力量渔获 量的最大值， 利用SPSS以最小二乘法将SI值与不同环境因子(SST、 WS和PAR)作为输入值进行拟合， 其拟合公式为： SIx＝exp[a×(X‑b)2]  (3) 式中， a、 b为应用最小二乘法估计的模型参数， 使观测值与预测值的残差最小； X为环境 变量值； SIX范围在0～1之间。 4.根据权利要求3所述的一种基于栖息地指数模型的印度洋鸢乌贼渔情预报方法， 其 特征在于， 所述步骤(2)中， 利用SPSS以最小二乘法拟合的SI与环境变量的关系， 当R2大于 0.6， 越接近于1时， SI与环境变量的关系符合正态分布； P值小于0.01时SI与环境变量为极 显著关系， 小于0.05为显著关系， 研究结果表明， 大部分SI模型的R2＞0.6， 模型拟合效果较 好， 且模型拟合 通过显著性检验(P值＜0.0 5)， 可用于 HSI模型的构建。 5.根据权利要求1所述的一种基于栖息地指数模型的印度洋鸢乌贼渔情预报方法， 其 特征在于， 统计各模型的HSI区间(0～0.2， 0.2～0.6， 0.6～1)内的产量、 捕捞努力量和CPUE 占比， 如果HSI值0.6～1区间的捕捞努力量占比越大， 且CPUE值在区间内呈递增趋势， 则代权　利　要　求　书 1/2 页 2 CN 114021389 A 2表模型的预测性能越好， 研 究结果表 明， 2017‑2018年不同权重方案中方案3最符合捕捞努 力量占比在0.6～1区间越大， 且CPUE值在HSI不同区间(0～0.2， 0.2～0.6， 0.6～1)内呈递 增变化规律， 因此最优权重方案为方案3， 即基于方案3权重的HSI模 型为最佳HSI模 型， 对应 的SST、 WS、 PAR权重比例为0.2 5∶0.5∶0.2 5， 所占比例最高的环境因子是WS， 其次SST和PAR所 占权重比例均等。 6.根据权利要求1所述的一种基于栖息地指数模型的印度洋鸢乌贼渔情预报方法， 其 特征在于， 所述步骤(3)中， 根据建立好的单一环境因子SI模型， 在此基础上赋予环境因子 以不同的权重， 建立不同权重模型下的综合栖息地适宜性指数(HSI)模型， 比较分析， 选出 最优HSI模型， HSI计算公式如下： HSI＝kSST×SISST+kWS×SIWS+kPAR×SIPAR  (4) 式中， kSST、 kWS、 kPAR分别为海表面温度、 风速、 流速SI模型的权重值， SISST、 SIWS、 SIPAR分别 为海表面温度、 风速、 光 合有效辐射的SI 值。 7.根据权利要求1所述的一种基于栖息地指数模型的印度洋鸢乌贼渔情预报方法， 其 特征在于， 所述步骤(4)中， 根据建立的不同权重下的HSI模型， 分别计算2017 ‑2018年1‑3月 和10‑12月的HSI值， 范围在0～1之间， 将HSI≤0.2、 0.2＜HSI＜0.6、 HSI≥0.6分别定义为印 度洋北部鸢乌贼种群的不适宜栖息地， 普通栖息地与适宜栖息地， 并计算三种类型栖息地 的产量占比、 捕捞努力量占比、 CPUE占比， 综合比较产量、 捕捞努力量所占比例(0.6～1范围 之间所占比例越大， 模型预测效果越优)， CPUE值(在0～0.2、 0.2～0.6、 0.6～1区间CPUE值 逐渐增大且0.6～1之间的CPUE值越大， 模型预测效果越优)， 选取最优权重方案获得最佳 HSI模型。 8.根据权利要求1所述的一种基于栖息地指数模型的印度洋鸢乌贼渔情预报方法， 其 特征在于， 所述步骤(4)中， 利用2017—2018年数据建立最优HSI模型， 预测2019年印度洋北 部鸢乌贼适宜栖息地分布， 并利用当年渔业数据进行验证和筛选， 将2019年的渔业数据与 环境数据带入基于权重方案3的HSI模型， 汇总不同HSI区间(0～0.2， 0.2～0.6， 0.6～1)内 的产量、 捕捞努力量的占比以及CPUE值， 研究结果显示， 1—3月和10—12月在HSI区间0.6～ 1的产量和捕捞努力量占比均超过60％， 3、 10和11月超80％； CPUE值在HSI不同区间(0～ 0.2， 0.2～0.6， 0.6～1)符合递增趋势， 进行模型建立的2017—2018年(图1)与进行预测的 2019年(图2)的CPUE值大部分集中分布在较高HSI值区间内， 说明HSI模型可以较好的评估 和预测印度洋北部鸢乌贼的栖息地状况， 且风速的SI值在模型构建中占据 的权重比例最 大， 结果表明， 风速对印度洋北部鸢乌贼栖息地的影响较大。权　利　要　求　书 2/2 页 3 CN 114021389 A 3