摘要
黄鳍金枪鱼是广泛分布于各大洋热带和亚热带海域的中上层名贵洄游鱼类，在金枪鱼渔业中的产量较高，是我国海洋渔业的重要组成部分。近年来，因捕捞装备落后、资源评估调查研究不足、捕捞海域分布不均、过度捕捞、渔业管理及海洋环境污染等问题，我国渔业资源逐渐衰退，渔场的时空分布稳定性降低。准确合理的渔场预报可以为远洋渔业企业提供有效的作业安排和指导，减少渔业花费，提高渔业效率，对黄鳍金枪鱼的可持续资源利用具有重要作用。 本研究依据2008-2019年南太平洋黄鳍金枪鱼延绳钓的渔业数据，分析了黄鳍金枪鱼的渔获量、CPUE及渔场重心的年际、月际以及经纬度方向的变化。选取了包括海表面高度异常、涡动能、叶绿素a浓度、叶绿素a浓度梯度、叶绿素a浓度距平、海表温度梯度、海表温度距平以及0-500m水层的垂直温度和盐度以及月、经纬、维度共32个特征指标，选用基于Bagging、Boosting和Stacking的集成思想，通过特征筛选建立了LR、CART、KNN、AdaBoost、GBDT、XGBoost、RF和XGBRF渔场预报模型，模型的时间分辨率为月，空间分辨率为0.5°×0.5°。通过对比分析模型的优势以及存在的问题，提出了一种基于ADASYN采样和stacking结合的A-Stacking渔场预报模型，将模型的预测结果与不同的模型对比并结合不同的数据集进行验证。研究结果如下： 1）南太平洋黄鳍金枪鱼渔获量及渔场时空分布特征，结果显示：2008-2019年各年的渔获量主要经度分布在160°E-170°E和170°E-180°的范围内，纬度方向上在0-30°S海域均有分布，10°S-15°S和15°S-20°S海域是重点分布海域，占据了总渔获的80%以上；2008-2019年南太平洋黄鳍金枪鱼年平均CPUE呈现先上升再下降的循环波动趋势，总体呈现波动上升趋势；南太平洋黄鳍金枪鱼月均CPUE呈现先上升后下降再上升的趋势。12月到次年3月月均CPUE较稳定，4至6月逐渐上升，6月份为最高点，6至10月逐渐下降，之后开始缓慢上升直至稳定。总体来看，4-8月黄鳍金枪鱼月平均CPUE较高，为盛产期，其余月份CPUE较低为低产期；2008-2019年南太平洋黄鳍金枪鱼的渔场重心大致分布在165°E-170°E，13°S-17°S范围内。从纬度范围来看，整体呈现向南移动的趋势。从经度方向上来看，2008-2011年渔场重心西移，2011-2016年向东移动，此后呈现波动向东的趋势。 2）基于XGBRF渔场预报模型的性能对比分析，结果显示，XGBRF模型在总查准率、准确率、AUC值上的表现上均最高，分别为70.57%、77.19%、76.54%，在总召回率方面，KNN的模型表现最优,为67.57%，XGBRF模型次之。对于“渔场”和“非渔场”而言，八种模型的渔场召回率和查准率相对于非渔场均较高，可以看出所有模型对于“渔场”的识别均要好于“非渔场”。XGBRF模型的非渔场召回率低于KNN、XGBoost和RF，但其非渔场的查准率和F1得分均最高，综合来看XGBRF模型在“非渔场”的表现上最好。实验结果显示，从“渔场”和“非渔场”的预报效果来看，XGBRF模型的性能表现较其他模型更好。 3）基于A-Stacking渔场预报模型的性能对比分析，结果显示，相较于单一模型，XGBRF集成模型拥有更高的准确率、召回率、F1-score、G-mean值和AUC值，表示模型的分类精度较单一模型高。A-Stacking集成模型在XGBRF模型的基础上有了进一步的提高，相较于XGBRF模型，A-Stacking模型的各项指标分别高出4.91%、10.48%、12.73%、12.65%和0.0694。相较于单一模型，XGBRF集成模型的ROC曲线更靠近左上方，PR曲线更靠近右上方，表示模型的分类精度高。而A-Stacking集成模型的ROC曲线和PR曲线均能很好的包含住XGBRF模型，表示A-Stacking集成模型可以进一步提高XGBRF模型的性能。将原始数据集按照CPUE的不同标准进行划分得到8个不同数据集，实验结果表明相较于XGBRF算法，A-Stacking模型准确率在大部分数据集上都有提高，且当样本数据不均衡时，传统模型的预测往往偏向多数类而造成少数类样本的分类损失，XGBRF集成模型的表现性能优于一般的单一算法，能更多照顾到少数样本，而A-stacking算法能更进一步提升XGBRF模型的性能，是一种行之有效的方法。
NETL