根据2011年、2013—2016年春季在海州湾进行的渔业资源调查数据,应用结构化加性回归(structured additive regression,STAR)模型框架,结合delta方法,根据对空间数据的不同处理方式构建了5种物种分布模型,并比较各模型对出现概率和资源量2种数据类型的拟合效果、残差空间独立性和预测性能.结果显示,加入空间项后模型拟合效果提升,残差空间自相关性显著降低,且正态模型和delta模型的提升较二项模型明显.空间加性模型(geoadditive models)的AIC值在二项模型和正态模型中均为最低,较无空间项广义可加模型(generalized additive model,GAM)分别下降7.60和144.90.模型拟合上,变系数模型(varying coefficient models,VCM)的决定系数和AUC均最高,分别为0.68和0.94.预测性能上,空间加性模型交叉验证的AUC值为(0.793±0.100)最高,均方根误差(RMSE)值为(21.65±4.83)最低,表明对小黄鱼出现概率和资源密度的估计均最准确.在最优模型的基础上,根据无结构网格、有限体积、自由表面三维原始方程的海洋环流模型(FVCOM)模拟环境数据,利用delta空间加性模型预测海州湾小黄鱼春季资源的空间分布.研究表明,小黄鱼资源分布主要集中于海州湾南部和东部近岸水域(34.0°N～34.5°N,121.0°E～121.5°E),随着水深的增加而逐渐减少,且年间变动明显.本研究旨在为海州湾小黄鱼渔业资源的开发和保护提供科学依据.

小黄鱼;结构化加性回归;空间效应;交叉验证;模型比较;海州湾

赵伟;任一平;徐宾铎;薛莹;张崇良

中国海洋大学水产学院,山东青岛 266003;海州湾渔业生态系统教育部野外科学观测研究站,山东青岛 266003;青岛海洋科学与技术试点国家实验室,海洋渔业科学与食物产出过程功能实验室,山东青岛 266237

水产学报

[1]赵伟;任一平;徐宾铎;薛莹;张崇良-.应用STAR模型研究海州湾小黄鱼春季资源量的时空分布)[J].水产学报,2022(12):2330-2339

结构化加性回归,geoadditive

STAR,海州湾,小黄鱼,资源量,渔业资源调查,structured,regression,模型框架,delta,空间数据,不同处理方式,物种分布模型,出现概率,数据类型,拟合效果,预测性能,模型拟合,效果提升,空间自相关性,二项模型,加性模型,models,AIC,广义可加模型,generalized,GAM,别下,变系数模型,varying,coefficient,VCM,决定系数,交叉验证,RMSE,资源密度,最优模型,无结,有限体积,自由表面,海洋环流,环流模型,FVCOM,模拟环境,环境数据,测海,资源分布,近岸,水域,水深,空间效应,模型比较

0.347869