近期，中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所漁業(yè)遙感技術(shù)及數(shù)字漁業(yè)創(chuàng)新團(tuán)隊(duì)在環(huán)境科學(xué)、海洋和淡水生物學(xué)領(lǐng)域國際知名期刊《Marine Pollution Bulletin》（JCR 1區(qū)，2023年影響因子為7.001）上發(fā)表題為“Construction of chub mackerel （Scomber japonicus） fishing ground prediction model in the northwestern Pacific Ocean based on deep learning and marine environmental variables”的研究論文，為該期刊首次收錄相關(guān)研究內(nèi)容。

 

　　日本鯖是西北太平洋周邊國家（日本、俄羅斯和中國等）燈光圍網(wǎng)和拖網(wǎng)漁業(yè)的主捕經(jīng)濟(jì)魚種之一，資源量十分豐富但其對環(huán)境極為敏感，為漁場預(yù)報(bào)模型構(gòu)建帶來了極大的挑戰(zhàn)。北太平洋漁業(yè)委員會已將其列為優(yōu)先管理魚種之一，如何在氣候變化背景下深入挖掘不同海洋環(huán)境變量的漁場時(shí)空效應(yīng)以及構(gòu)建高準(zhǔn)確率、即時(shí)性和智能化的漁場精準(zhǔn)預(yù)報(bào)模型是日本鯖的主要研究熱點(diǎn)和難點(diǎn)之一。漁業(yè)遙感技術(shù)及數(shù)字漁業(yè)創(chuàng)新團(tuán)隊(duì)通過研究發(fā)現(xiàn)日本鯖漁場重心自2019年來持續(xù)向東北方向移動(dòng)且具有明顯季節(jié)性的變動(dòng)規(guī)律，并識別出溶解氧（DO）、葉綠素濃度（Chla）和海表鹽度（SSS）是日本鯖中心漁場預(yù)測的關(guān)鍵環(huán)境參考因子。團(tuán)隊(duì)采用統(tǒng)計(jì)分析、2DCNN（2D Convolutional Neural Networks）和3DCNN（3D Convolutional Neural Networks）深度學(xué)習(xí)模型等對日本鯖公海漁場進(jìn)行了預(yù)報(bào)模型構(gòu)建，結(jié)果表明時(shí)間和緯度信息是模型構(gòu)建的重要因素，3DCNN預(yù)測模型優(yōu)于2DCNN模型。上述研究結(jié)果有助于漁業(yè)管理機(jī)構(gòu)和漁業(yè)生產(chǎn)者進(jìn)一步掌握西北太平洋日本鯖漁場變化規(guī)律和影響因素，有利于促進(jìn)相關(guān)漁業(yè)可持續(xù)發(fā)展和減少碳排放，也可為我國在日本鯖漁業(yè)資源管理中增加科學(xué)層面的談判話語權(quán)。

 

　　東海所和上海海洋大學(xué)聯(lián)合培養(yǎng)的2021級碩士研究生韓海斌為第一作者，張衡副研究員和石永闖助理研究員為共同通訊作者。該成果得到了國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2019YFD0901405, 2022YFC2807504）、中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所中央級公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金（2021M06）、上海市揚(yáng)帆人才計(jì)劃、浙江省遠(yuǎn)洋漁業(yè)資源探捕等項(xiàng)目資助。