智利竹筴鱼Trachurus murphyi是一种栖息在大洋中上层的高度集群性鱼类[1]，广泛分布于南太平洋，从智利、秘鲁、厄瓜多尔等国的专属经济区一直到西南太平洋的新西兰外海均有分布[2]。该鱼生长快、生产力高，渔获量多年来一直居于世界前列[3]。2010年后，智利竹筴鱼捕捞产量急剧下降。为了实现该渔业的可持续发展，2012年，在中国和沿岸国等远洋渔业国家的推动下成立了南太平洋区域渔业管理组织[3]，对该渔业资源进行配额管理。因此，为了提高捕捞效率，有必要对智利竹筴鱼渔场进行研究。相关研究中，化成君等[4]利用2005—2008年的数据对智利竹筴鱼渔场年际和季节变化，以及单位捕捞努力量渔获量(CPUE)空间分布与海表面温度的关系进行了研究；张衡等[5]利用2007年3—12月的数据分析了渔场与海表面温度的时空分布；牛明香等[6]利用2005年数据对中心渔场的时空变化及与海洋环境的关系进行了研究；陈春光等[7]利用2003—2011年数据研究了渔场空间分布及与海表面温度之间关系。以上学者均认为，在4—8月，随着时间的变化，渔场重心呈现向西北方向移动的趋势。其他学者也利用2011年前的数据对渔场与浮游生物关系[8]、资源分布[9]、渔场与气象和水文的关系[10]、渔场预报[11-12]等进行过一系列报道。本研究中，利用2011—2018年的海上调查数据和环境数据，将整个渔场划分为若干海区，利用渔场重心分析法分别计算其集群重心，对集群重心与海表面温度异常值的关系进行分析，用BP神经网络模型预测集群海区，并进行产量占比验证,以期为中国智利竹筴鱼渔船生产提供科学参考。
1 材料与方法
1.1 数据来源
智利竹筴鱼捕捞数据由中国远洋渔业协会大型加工拖网项目技术组提供，数据来源于大型拖网渔船“开富号”和“开裕号”。两船船型相同，船长为91.10 m，型深为9.20 m，船宽为20 m，总吨位为7 671 t，主机功率为5 920 kW。作业范围为27°～45°S、75°～95°W，作业时间为2011—2018年的4—8月份，空间分辨率为0.25°×0.25°。
环境数据包括海表面温度(sea surface temperature,SST)、海表面盐度(sea surface salinity,SSS)、叶绿素浓度(chlorophyll concentration,Chl-a)和海表面温度异常值(sea surface temperature anomaly,SSTA)，数据均来源于Ocean-watch网站(http://oceanwatch pifsc.noaa.gov)。
1.2 方法
1.2.1 智利竹筴鱼集群重心 按0.25°×0.25°的空间分辨率逐月统计每个海区的产量，筛选出各月份产量为第一、第二、第三的海区，分别以该海区的渔场重心为圆心，以1°为半径将周围海区纳入其中，定义为智利竹筴鱼的集群海区，计算集群海区渔场重心并定义为智利竹筴鱼的集群重心H1、H2和H3[13]，重叠海区可重复算入集群海区。然后计算3个集群海区内渔获产量占整个渔场总产量的比值，重叠海区只统计一次。利用其比值来判断集群重心的选择是否具有合理性。集群重心计算公式[14]为
(1)
(2)
其中: Xi、Yi分别为集群重心的经、纬度;Mij为i渔区j月的产量; Xij为i渔区j月中心点的经度; Yij为i渔区j月中心点的纬度; k为渔区的总个数。
1.2.2 系统聚类分析 系统聚类法[15-17]是将n个不同的样品作为不同的n类，将相近距离的样品聚成一类,再将这n-1类中距离最近的聚成新的类，直到所有的样品被聚为一类。本研究中,使用最短距离法[18]按照月份和集群重心种类进行聚类。根据聚类分析结果，计算该类别内经纬度的平均值[8]，预测得出每月3个集群重心，定义为固定集群重心H1*、H2*和H3*，并将周围1°范围内的海区定义为该月份的固定集群海区，利用ArcGIS 10.2软件绘制固定集群重心的时空分布图。最短距离计算公式为
(3)
其中：Lij为i年与j年集群重心的距离；MX、MY及NX、NY分别为两个集群重心的经度和纬度。
1.2.3 集群重心偏移与SSTA指数的关系 利用固定集群重心H1*、H2*和H3*与集群重心H1、H2、H3的差值来表示经纬度的偏移程度，用经纬度差值分别与SSTA做相关性分析[13]。SSTA是指逐月SST数据按照时间序列减去其气候态月平均SST，得到的海表面温度异常时间序列[19]。
1.2.4 神经网络模型预测集群重心 误差反向传播网络(error backpropagation network，BP)属于多层前向神经网络[20-22]，其主要特点是信号前向传播，而误差反向传播。本研究中,使用DPS软件进行BP神经网络模型的计算，以2011—2017年的数据作为拟合样本，2018年的样本数据作为预测样本，以海洋环境因子SST、SSS和Chl-a结合固定集群重心H1*、H2*和H3*作为输入因子，隐含层为一层[23-24]，隐含层神经元选取9[13]。以集群重心H1、H2和H3及其产量占比作为输出因子，进行训练。每个月预测得到3个集群重心，并计算预测的集群重心1°海域范围内的实际产量占整个渔场总产量的比值，验证预报的准确性。
神经网络模型采用5-9-3结构(图1)。
图1 BP模型结构
Fig.1 Structure of BP model
2 结果与分析
2.1 集群海区产量占比分析
从图2可见，2011—2017年每个月集群海区的产量与该月整个渔区总产量的比值除个别数为66%和59%外，其余均为70%～97%，集群海区与整个渔区的比值均占绝对优势，这表明用所选的3个集群海区表示整个智利竹筴鱼的集群重心具有代表性。4月集群渔区产量占该月整个渔区总产量的70%～92%；5月占71%～96%，有一半多的月份在90%以上；6月占76%～96%，其中66%和59%的比值分布在这个月；7月占73%～97%；8月占70%～95%(图2)。从月份来看，各月份的产量占比基本趋于稳定，5月份占比较为集中。
图2 2011—2017年各月集群海区产量占比及范围
Fig.2 Monthly production percent and distribution range in aggregation sea area from 2011 to 2017
2.2 集群重心的时空变化
在图3中将H1按时间顺序相连，可以看出，2011—2012年集群重心分布趋势可以归为一类，集群重心4—5月向东北部海域移动，向东移动2°～3°，向北移动1°～2°；5—6月向西北方向推移，向西移动1°左右，向北移动2°～5°；6—7月偏向东北部海域，向东移动1°～2°，向北移动2°～3°；7—8月向西北方向推移且幅度较大，向西移动5°，向北移动2°～7°。
2013—2017年集群重心分布趋势归为另一类，集群重心主要往东北方向移动，2014年6—7月和2016年4—5月集群重心向西北小范围移动，向西移动0.5°～1.0°，向北移动2°～3°；2015年4—5月集群重心向北移动4°左右，向东移动3.5°左右，6—8月向东移动3°左右，向北移动3°左右；2013、2014、2016、2017年4—7月重心向东移动2°～4°，向北移动4°～8°，7—8月的变动范围较大，向东移动4°～6°，向北移动5°～18°(图3)。
图3 2011—2017年4—8月智利竹筴鱼集群重心分布
Fig.3 Distribution of aggregation centre of gravity of Chilean jack mackerel from April to August during 2011—2017
2.3 固定集群重心的时空变化
系统聚类分析从2011—2017年的样本中，将同一月份同一类别集群重心进行了汇总，并求得该类别内集群重心平均值作为未受环境影响下智利竹筴鱼固定集群重心分布。聚类结果如表1所示。经计算2011—2017年相同月份集群重心的平均值，确定出每月3个固定集群重心。各月份固定集群重心H1*、H2*和H3*及其海域范围的分布如图4所示，其中，固定集群重心4月主要集中在43.4°～43.7°S、80.5°～81.3°W海域，5月主要集中在42.4°～42.7°S、79.8°～81.3°W海域，6月主要集中在41°～41.4°S、79.3°～80.7°W海域，7月主要集中在38°～38.4°S、78.9°～79.5°W海域，8月主要集中在28.2°～31°S、77.4°～79.3°W海域。4—7月3个固定集群重心随着时间的增加逐渐向东北方向移动，纬度移动5°左右，经度移动1.7°左右，且重心分布比较集中；8月固定集群重心则向东北方向进行大范围的移动，纬度移动8°左右，经度移动1°左右。
表1 系统聚类分析结果
Tab.1 Results of the hierarchical cluster analysis
月份month集群重心aggregationgravityH1H2H342012、2013、2014、2016、20172013、2014、2016、20172012、2013、2014、2016、201752012、2013、2014、2016、20172013、2014、2015、2016、20172012、2013、2014、2016、201762012、2013、2014、2015、20162012、2013、2014、2015、20162012、2013、2015、2016、201772013、2014、2015、2016、20172013、2014、2015、2016、20172013、2014、2015、2016、201782011、2012、2013、2014、2016、20172011、2012、2013、2014、2016、20172011、2012、2013、2014、2016、2017
图4 固定集群海区时空变化
Fig.4 Spatio-temporal change in the inherent aggregation sea area
2.4 集群重心偏移与海洋环境的关系及产量验证
2.4.1 集群重心偏移与SSTA的关系 集群重心偏移与固定集群重心的差值表示集群重心的偏移。从表2可见，经度上2011—2017年间4—8月的偏移与SSTA相关性分析中，呈现显著的量均呈负相关，纬度上5—8月呈现显著的量均呈正相关，4月无相关性，表明SSTA升高时，集群重心呈现向西北偏移的趋势，SSTA降低时，集群重心呈现向东南偏移的趋势。
表2 2011—2017年4—8月集群重心偏移与SSTA间的关系
Tab.2 Relationship between the shift of the cluster’s center of gravity and SSTA from April to August during 2011—2017
月份month集群重心migrationgravity西经Westlongitude南纬Southlatitude相关性R显著性P相关性R显著性P4H1-0.8380.039-0.1370.760H2-0.6970.0550.0390.927H3-0.3490.3970.2680.5215H1-0.6030.1130.9410.005H2-0.9650.0270.8550.030H3-0.4300.288-0.4410.2756H1-0.260.5340.4790.230H2-0.8070.0410.6650.042H3-0.6740.0670.1450.7317H1-0.8850.036-0.7370.931H2-0.6050.1120.8130.050H3-0.5910.1230.1470.7288H1-0.6740.0670.8780.004H2-0.7430.0350.8950.003H3-0.6900.0580.6310.093
注：加粗字体表示显著相关。
Note: Bold font indicates significantly correlation.
2.4.2 集群海区重心的预测及产量验证 利用BP神经网络模型预测的2018年各月份集群重心与实际站点数据如图5所示。从图5可见：4月预测的集群重心集中在43.2°～43.3°S、79.9°～80.3°W海域；5月纬度向北移动1.0°左右，集中在42.0°～42.5°S、79.5°～80.5°W海域；6月纬度向北移动2°左右，经度向西移动3°左右，集中在40.5°～41.7°S、81.8°～84.9°W海域；7月纬度向北移动4°左右，集中在37.1°S海域附近，经度向东移动2°左右，集中在78.3°～78.9°W海域；8月纬度向北出现较大变化，主要集中在22°～22.8°S海域，经度集中在74.4°W海域附近。4月的实际站点与预测的集群重心大致相同，集中在39.5°～46.2°S、78.4°～82.6°W海域；5月向北移动，集中在41.2°～43.4°S、78.5°～82.2°W海域；6月的实际站点继续向西北方向移动，集中在39.3°～42.8°S、78.2°～88.7°W海域；7月的实际站点向北移动2°左右，集中在37.0°～40.3°S、78°～92°W海域，与预测的集群重心有2°左右的偏差；8月的实际站点向北移动了13°左右，分布在21°～29°S、74°～75.8°W海域。
图5 2018年4—8月集群海区时空分布
Fig.5 Spatio-temporal distribution and range of the aggregation sea area from April to August in 2018
从图6可见，预测的2018年4、5月集群海区范围内的实际产量占该月整个渔场总渔获量的比值分别为82%、79%，6、7、8月分别为60%、56%、48%，从6月份开始占产量比明显降低。
图6 预测的2018年集群海区各月产量占比
Fig.6 Prediction of monthly production percentage in aggregation sea area in 2018
3 讨论
3.1 渔场重心的时空变化
以往学者通常以整个渔场计算得到的渔场重心来表示鱼群的空间变化[4-7,25]，但由于渔场分散较难掌握具体的鱼群分布。本研究中，智利竹筴鱼渔场集群海区产量占比表明，鱼群的集群重心海区可以表征渔场重心的具体分布；各月集群海区占整个渔场渔获产量的比值绝大多数为70%～97%，这表明用所选的3个集群海区表示整个智利竹筴鱼的集群重心具有代表性；从移动方向来看，2011—2012年4—7月集群重心向东移动3°～4°，向北移动5°～6°；7—8月集群重心向西北方向移动，向西移动5°左右，向北移动2°～7°。分析鱼群的移动规律与化成君等[4]、陈春光等[7]得出的中心渔场月间变动较为一致。本研究表明，2013—2017年4—7月鱼群重心向东移动2°～4°，向北移动4°～8°，7—8月集群重心向东北方向进行了长距离的移动，即向东移动4°～6°，向北移动5°～18°，究其原因可能是智利竹筴鱼的渔场出现了新的变动。根据前期研究[7，26-27]，智利竹筴鱼幼鱼在秘鲁和智利被逆流而上的表层育肥，形成成年鱼群后向西移动，呈现高龄竹筴鱼生活在西部海域的分布特性。由此推测智利竹筴鱼集群重心向东移动的原因，可能是成年和高龄竹筴鱼向西洄游，使幼鱼所占比例升高导致[26]。本研究中在系统分析后得出智利竹筴鱼的集群重心海区和渔场的最新变化，可为智利竹筴鱼渔船的生产提供科学参考。
本研究中，通过聚类分析得出，4—7月智利竹筴鱼鱼群的固定集群重心在纬度上由南向北移动，为5°左右，经度上由西向东移动，为1.7°左右；8月鱼群继续向东北方向移动，纬度上移动8°左右，经度上移动1°左右(表1和图4)。此现象的成因可能与智利竹筴鱼的生活史有关，4—5月鱼群开始集群并向北洄游进入越冬期前的索饵洄游期[28]；6—7月智利竹筴鱼集群性增强并继续向北进行越冬洄游，主要在38°～42°S、78°～85°W的海区内形成越冬场[28]；8月鱼群继续向北洄游进入产卵前的索饵洄游期[29]。智利竹筴鱼的这一移动路线主要与西风偏流、秘鲁寒流的流向有关[6]，水温的变化导致鱼群要向北进行索饵集群[6，28-30]。生活史中的索饵洄游、越冬洄游阶段与鱼群的固定集群重心的变化相对应。
3.2 集群重心偏移与SSTA的关系
集群海区的形成是多种海洋环境因子综合作用的结果，但在所有的因素中，一致认为海表温度是最主要的环境因子之一[4，6,9,11,31]。本研究中，分析集群重心H1、H2和H3与固定集群重心H1*、H2*、H3*在经纬度上的差值与SSTA的相关关系可以看出，SSTA在经度和纬度上对智利竹筴鱼集群重心的偏移均有影响，在经度上与SSTA值出现显著的负相关，在纬度上出现显著的正相关，即SSTA升高时，智利竹筴鱼的集群重心存在向西北方向移动的趋势，而SSTA降低时，智利竹筴鱼的集群重心存在向东南方向移动的趋势。本研究结果与杨香帅等[3]的研究结果相符，其主要原因是智利竹筴鱼对温度更为敏感，容易受到温度的影响而发生趋利性洄游[26]。
3.3 集群海区的产量验证
本研究表明，预测的2018年4—8月H1、H2和H3 集群海区重心，随着月份的增长呈现由南向北、由西向东移动的趋势。集群海区产量计算结果显示，4、5月智利竹筴鱼分布海区相对较小且集中，集群海区的实际产量占整个渔场总产量的82%和79%，6月产量占比为60%，明显降低，这与6月鱼群密度降低、集群性变差有关[30]，7、8月智利竹筴鱼开始向北进行分散索饵[28]，分布相对分散，故集群海区产量占比分别为56%、48%。本研究中将神经网络模型与海洋环境因子相结合，能更准确预测出集群海区，从而为实际的渔业生产提供参考依据。
3.4 智利竹筴鱼未来重点研究方向
目前，虽然对智利竹筴鱼渔场和生物学方面已有研究，但由于智利竹筴鱼渔场产生了新的变化，以及在一些研究领域尚存空白，因此，建议后期还要在以下方面重点开展研究：
1)由于数据限制，本研究中选用了空间半径为1°圆形海域，时间上以月为单位对智利竹筴鱼的集群重心进行研究。如果将空间半径改为30′，时间上以周为单位，可以使预测精度进一步提高。
2)智利竹筴鱼是栖息在大洋中上层高度的洄游性鱼类，其洄游路线的研究鲜有报道，利用渔场重心加上生物学数据可进一步对智利竹筴鱼的洄游路线进行研究[32]，有利于提高人们对智利竹筴鱼的认识。
3)根据已知文献和智利竹筴鱼的生活史推测其渔场产生变化的原因是由于鱼群幼鱼所占比例升高，但具体原因尚未有具体数据支持，后期有必要对近几年智利竹筴鱼生物学进行研究，从而为中国智利竹筴鱼渔业的可持续发展提供理论指导。
4)随着全球气候的不断变化，海洋环境也随之发生了新的变化，因此，应对智利竹筴鱼资源量和产量变动与海洋环境因子的关系进行研究，以探究不同海洋环境对资源丰度和渔获产量的影响，为后续的产量配额提供科学依据。
4 结论
1)本研究中利用2011—2018年8年数据将智利竹筴鱼整个渔场筛选出了3个海区并定义为集群重心，相较于以整个渔场计算渔场重心，提升了其精度。研究发现，近年来智利竹筴鱼渔场位置发生新的变化，即从2013年开始渔场随着时间的推移由向西北方向偏移变为向东北方向偏移。
2)在不受环境因子的影响下，鱼群的固定集群重心由西北向东北方向进行移动；SSTA对鱼群集群重心的经度和纬度均有影响，SSTA升高时，智利竹筴鱼的集群重心存在向西北方向移动的趋势，SSTA降低时，集群重心存在向东南方向移动的趋势。
3)结合环境因子利用BP神经网络对2018年各月的集群重心进行预测，并进行产量验证，4、5、6、7、8月集群海区的产量分别占整个渔场总产量的82%、79%、60%、56%、48%。
[1] ARCOS D F,CUBILLOS L A,N
EZ S P.The jack mackerel fishery and El Ni
o 1997-98 effects off Chile[J].Prog Oceanogr,2001,49(1/2/3/4):597-617.
[2] 邹莉瑾,张敏,邹晓荣,等.东南太平洋公海智利竹筴鱼年龄与生长研究[J].上海海洋大学学报,2010,19(1):61-67.
ZOU L J,ZHANG M,ZOU X R,et al.Age and growth of Chilean jack mackerel(Trachurus murphyi)in the high sea waters of Southeast Pacific[J].Journal of Shanghai Ocean University,2010,19(1):61-67.(in Chinese)
[3] 杨香帅,邹晓荣,徐香香,等.ENSO现象对东南太平洋智利竹筴鱼资源丰度及其渔场变动的影响[J].上海海洋大学学报,2019,28(2):290-297.
YANG X S,ZOU X R,XU X X,et al.Effects of El Nio/La Nio a on abundance index and spatial-temporal change of Chilean jack mackerel in the Southeast Pacific Ocean[J].Journal of Shanghai Ocean University,2019,28(2):290-297.(in Chinese)
[4] 化成君,张衡,樊伟.东南太平洋智利竹筴鱼资源和渔场的时空变化[J].生态学报,2011,31(19):5676-5681.
HUA C J,ZHANG H,FAN W.Spatial-temporal patterns of fishing grounds and resource of Chilean jack mackerel(Trachurus murphyi)in the Southeast Pacific Ocean[J].Acta Ecologica Sinica,2011,31(19):5676-5681.(in Chinese)
[5] 张衡,张胜茂.东南太平洋智利竹筴鱼渔场及单位捕捞努力量的时空分布[J].生态学杂志,2011,30(6):1142-1146.
ZHANG H,ZHANG S M.Spatio-temporal distribution pattern of Chilean jack mackerel(Trachurus murphyi)fishing grounds and catch yield per unit effort in Southeast Pacific Ocean[J].Chinese Journal of Ecology,2011,30(6):1142-1146.(in Chinese)
[6] 牛明香,李显森,徐玉成.智利外海竹筴鱼中心渔场时空变动的初步研究[J].海洋科学,2009,33(11):105-109.
NIU M X,LI X S,XU Y C.Preliminary study on spatio-temporal change of central fishing ground of Chilean jack mackerel(Trachurus murphyi)in the offshore waters of Chile[J].Marine Sciences,2009,33(11):105-109.(in Chinese)
[7] 陈春光,张敏,邹晓荣,等.东南太平洋智利竹筴鱼中心渔场的月间变动研究[J].南方水产科学,2014,10(5):60-67.
CHEN C G,ZHANG M,ZOU X R,et al.Investigation on monthly variation in central fishing ground for Chilean jack mackerel(Trachurus murphyi)in the Southeast Pacific Ocean[J].South China Fisheries Science,2014,10(5):60-67.(in Chinese)
[8] 许永久,张敏.东南太平洋智利竹筴鱼渔场浮游生物数量分布及与渔场关系[J].海洋渔业,2007,29(4):289-295.
XU Y J,ZHANG M.Distribution of plankton on Trachurus murphyi fishing grounds of the Southeast Pacific and its relationship with fishing grounds[J].Marine Fisheries,2007,29(4):289-295.(in Chinese)
[9] 李媛洁,陈新军,汪金涛,等.东南太平洋智利竹筴鱼资源渔场时空分布[J].上海海洋大学学报,2019,28(4):616-625.
LI Y J,CHEN X J,WANG J T,et al.Spatio-temporal distribution of mackerel in Southeast Pacific Ocean[J].Journal of Shanghai Ocean University,2019,28(4):616-625.(in Chinese)
[10] 黄洪亮,沈新强.智利竹筴鱼渔场与海洋环境因子的关系分析[J].海洋渔业,2003,25(1):15-18.
HUANNG H L,SHEN X Q.Analysis on the relationship between Chilean jack mackerel Trachurus murphyi fishing grounds and marine environmental factors[J].Marine Fisheries,2003,25(1):15-18.(in Chinese)
[11] 崔雪森,伍玉梅,张晶,等.基于分类回归树算法的东南太平洋智利竹筴鱼渔场预报[J].中国海洋大学学报(自然科学版),2012,42(7/8):53-59；
CUI X S,WU Y M,ZHANG J,et al.Fishing ground forecasting of Chilean jack mackerel(Trachurus murphyi)in the Southeast Pacific Ocean based on CART decision tree[J].Periodical of Ocean University of China(Nature Sciences Edition),2012,42(7/8):53-59.(in Chinese)
[12] 牛明香,李显森,徐玉成.基于广义可加模型和案例推理的东南太平洋智利竹筴鱼中心渔场预报[J].海洋环境科学,2012,31(1):30-33.
NIU M X,LI X S,XU Y C.Prediction of central fishing ground of Chilean jack mackerel(Trachurus murphyi)in the Southeast Pacific Ocean based on generalized additive model and case-based reason[J].Marine Environmental Science,2012,31(1):30-33.(in Chinese)
[13] 魏广恩,陈新军,李纲.西北太平洋柔鱼洄游重心年际变化及预测[J].上海海洋大学学报,2018,27(4):573-583.
WEI G E,CHEN X J,LI G.Interannual variation and forecasting of Ommastrephes bartramii migration gravity in the northwest Pacific Ocean[J].Journal of Shanghai Ocean University,2018,27(4):573-583.(in Chinese)
[14] 汪金涛,陈新军.中西太平洋鲣鱼渔场的重心变化及其预测模型建立[J].中国海洋大学学报(自然科学版),2013,43(8):44-48.
WANG J T,CHEN X J.Changes and prediction of the fishing ground gravity of skipjack(Katsuwonus pelamis)in Western-Central Pacific[J].Periodical of Ocean University of China(Nature Sciences Edition),2013,43(8):44-48.(in Chinese)
[15] 方舟,陈洋洋,陈新军,等.中西太平洋鲣渔场时空分布研究[J].海洋渔业,2019,41(2):149-159.
FANG Z,CHEN Y Y,CHEN X J,et al.Spatial and temporal distribution analysis of high catch fishing ground for Katsuwonus pelamis in the Western and Central Pacific[J].Marine Fisheries,2019,41(2):149-159.(in Chinese)
[16] 邹晨红,袁满.模糊综合评判的系统聚类算法研究[J].吉林大学学报(信息科学版),2018,36(5):441-448.
ZOU C H,YUAN M.Research on fuzzy comprehensive clustering algorithm of evaluation system[J].Journal of Jilin University(Information Science Edition),2018,36(5):441-448.(in Chinese)
[17] 郭均鹏,王梅南,高成菊,等.函数型数据的分步系统聚类算法[J].系统管理学报,2015,24(6):814-820.
GUO J P,WANG M N,GAO C J,et al.Step-by-step hierarchical clustering algorithm for functional data[J].Journal of Systems and Manangement,2015,24(6):814-820.(in Chinese)
[18] 牛明香,李显森,戴芳群,等.智利外海西部渔场智利竹筴鱼资源与海表温度分布特征[J].海洋环境科学,2010,29(3):373-377.
NIU M X,LI X S,DAI F Q,et al.Characteristics of Chilean jack mackerel(Trachurus murphyi)resource and surface temperature in west fishing ground offshore waters of Chile[J].Marine Environmental Science,2010,29(3):373-377.(in Chinese)
[19] 牙韩争,高劲松,董德信.北部湾海表面温度变化特征及其影响因素分析[J].广西科学,2015,22(3):260-265.
YA H Z,GAO J S,DONG D X.Analysis of variaton characteristics and driving factors of sea surface temperature in Beibu Gulf[J].Guangxi Sciences,2015,22(3):26-31.(in Chinese)
[20] 叶婵,邓长辉,曹向南,等.基于BP神经网络的对虾病害防治专家系统[J].大连海洋大学学报,2015,30(3):319-323.
YE C,DENG C H,CAO X N,et al.An expert system for prawn disease diagnose and prevention based on back propagation artificial neural network[J].Journal of Dalian Ocean University,2015,30(3):319-323.(in Chinese)
[21] 杨眉,魏鸿磊,华顺刚.一种基于神经网络的扇贝图像识别方法[J].大连海洋大学学报,2014,29(1):70-74.
YANG M,WEI H L,HUA S G.A scallop image recognition method based on a neural network[J].Journal of Dalian Ocean University,2014,29(1):70-74.(in Chinese)
[22] 袁红春,胡倩倩,沈晓倩,等.基于神经网络的规则提取及其渔业应用研究[J].海洋科学,2014,38(9):79-84.
YUAN H C,HU Q Q,SHEN X Q,et al.Extracting rules based on neural network and its application in fisheries forecasting[J].Marine Sciences,2014,38(9):79-84.(in Chinese)
[23] 常永波.几种人工神经网络模型在智利竹筴鱼渔场渔情预报中的比较研究[D].上海:上海海洋大学,2016.
CHANG Y B.Fishery forecasting comparative study of Trachurus murphyi in the southeast Pacific fishing grounds based on artificial neural network model[D].Shanghai:Shanghai Ocean University,2016.(in Chinese)
[24] 谢斌,汪金涛,陈新军,等.西北太平洋秋刀鱼资源丰度预报模型构建比较[J].广东海洋大学学报,2015,35(6):58-63.
XIE B,WANG J T,CHEN X J,et al.Forecasting model of abundance index for cololabis saira in the Northwest Pacific Ocean[J].Journal of Guangdong Ocean University,2015,35(6):58-63.(in Chinese)
[25] 郭爱,陈新军.ENSO与中西太平洋金枪鱼围网资源丰度及其渔场变动的关系[J].海洋渔业,2005,27(4):338-342.
GUO A,CHEN X J.The relationship between ENSO and tuna purse-seine resource abundance and fishing grounds distribution in the Western and Centra1 Pacific Ocean[J].Marine Fisheries,2005,27(4):338-342.(in Chinese)
[26] 杨嘉樑,黄洪亮,刘健,等.智利竹筴鱼渔场海表温度及叶绿素浓度分布特征[J].中国农业科技导报,2017,19(10):113-120.
YANG J L,HUANG H L,LIU J,et al.Characteristics of Chilean jack mackerel fishing ground distribution and sea surface temperature and chlorophyll-a[J].Journal of Agricultural Science and Technology,2017,19(10):113-120.(in Chinese)
[27] 缪圣赐.东南太平洋公海智利竹筴鱼的开发利用可行性分析(下)[J].远洋渔业,2000(3):19-26.
MIAO S C.The feasibility analysis on exploitation and utilization of Chilean jack mackerel(Trachurus murphyi)in the high sea waters of Southeast Pacific Ocean[J].Pelagic Fisheries,2000(3):19-26.(in Chinese)
[28] 李显森,戴芳群,赵俊,等.智利外海渔场竹筴鱼资源分布特征[J].海洋水产研究,2004,25(1):20-27.
LI X S,DAI F Q,ZHAO J,et al.Resource distribution characteristics of Chilean jack mackerel in the fishing ground off Chile[J].Marine Fisheries Research,2004,25(1):20-27.(in Chinese)
[29] 李显森,陈聚法,周立凯,等.东南太平洋智利竹筴鱼渔业生物学的初步调查研究[J].海洋水产研究,2002,23(2):19-24.
LI X S,CHEN J F,ZHOU L K,et al.Preliminary studies on fishery biology of horse mackerel(Trachurus murphyi)in the Southeast Pacific Ocean[J].Marine Fisheries Research,2002,23(2):19-24.(in Chinese)
[30] 张衡,樊伟.2009年秋冬季东南太平洋智利竹筴鱼的渔业生物学特征[J].海洋渔业,2010,32(3):340-344.
ZHANG H,FAN W.Biological characters of Chilean jack mackerel(Trachurus murphyi)in the Southeast Pacific Ocean[J].Marine Fisheries,2010,32(3):340-344.(in Chinese)
[31] 张衡,崔雪森,樊伟.基于遥感数据的智利竹筴鱼渔场预报系统[J].农业工程学报,2012,28(15):140-144.
ZHANG H,CUI X S,FAN W.Predicting system of Chilean jack mackerel fishing grounds based on remote sening data[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(15):140-144.(in Chinese)
[32] 徐兆礼,陈佳杰.依据大规模捕捞统计资料分析东黄渤海白姑鱼种群划分和洄游路线[J].生态学报,2010,30(23):6442-6450.
XU Z L,CHEN J J.Analysis to population division and migratory routine of populations and migratory routines of Argyrosomus argentatus in the north China waters[J].Acta Ecologica Sinica,2010,30(23):6442-6450.(in Chinese)