基于深度卷积嵌入式聚类（DCEC）的海洋环境特征提取对渔情预报模型的改进研究-以西南印度洋大眼金枪鱼为例

张天蛟，廖章泽，宋博，袁红春，宋利明，张闪闪

( 1.上海海洋大学 信息学院，上海 201306；2.上海海洋大学 海洋科学学院，上海 201306；3.上海海事大学 中国（上海）自贸区供应链研究院，上海 200135)

1 引言

大眼金枪鱼是我国远洋金枪鱼延绳钓渔业的主要捕捞对象[1]，如何更精准地进行渔情预报是当前研究的热点。近年来，印度洋金枪鱼委员会（Indian Ocean Tuna Commission,IOTC）针对大眼金枪鱼渔业数据进行了系统的收集整理，形成了空间分辨率为1°×1°的详细数据集[2]。根据IOTC最新的资源评估结果可知，目前西南印度洋大眼金枪鱼资源状态良好，逐渐成为多个远洋金枪鱼延绳钓船队竞争目标之一[3]。因此，及时掌握和预测其资源分布状况，对我国今后管理和发展远洋金枪鱼延绳钓渔业具有重要的参考价值。

现有大眼金枪鱼渔情预报模型主要包括统计学模型、机理/过程模型和机器学习类模型。其中，统计学模型如沈智宾等[4]运用一元非线性回归方法建立了基于表温和海面高度的东太平洋大眼金枪鱼栖息地指数综合模型；机理/过程模型如Lehodey等[5]利用种群动力学模型预测印尼地区及邻近海域的大眼金枪鱼空间分布动态；机器学习类模型如Dunn和Curnick[6]采用广义加性模型（Generalized Additive Model,GAM）分析了印度洋大眼金枪鱼时空变动及与表温、盐度及海流之间的非线性关系。Brodie等[7]对比分析了机器学习类模型如增强回归树（Boosted Regression Tree,BRT）、半参数模型如广义加性模型、时空混合效应模型如向量自回归时空模型（Vector Autoregressive Spatiotemporal Model,VAST）等，指出时空与环境特征因子的提取对3种模型的预测精度均有较大影响。……