近期，中國水產(chǎn)科學研究院東海水產(chǎn)研究所漁業(yè)遙感技術及數(shù)字漁業(yè)創(chuàng)新團隊在環(huán)境科學、海洋和淡水生物學領域國際知名期刊《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，為漁場預報模型構(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)境變量的漁場時空效應以及構(gòu)建高準確率、即時性和智能化的漁場精準預報模型是日本鯖的主要研究熱點和難點之一。漁業(yè)遙感技術及數(shù)字漁業(yè)創(chuàng)新團隊通過研究發(fā)現(xiàn)日本鯖漁場重心自2019年來持續(xù)向東北方向移動且具有明顯季節(jié)性的變動規(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測的關鍵環(huán)境參考因子。團隊采用統(tǒng)計分析、2DCNN（2D Convolutional Neural Networks）和3DCNN（3D Convolutional Neural Networks）深度學習模型等對日本鯖公海漁場進行了預報模型構(gòu)建，結(jié)果表明時間和緯度信息是模型構(gòu)建的重要因素，3DCNN預測模型優(yōu)于2DCNN模型。上述研究結(jié)果有助于漁業(yè)管理機構(gòu)和漁業(yè)生產(chǎn)者進一步掌握西北太平洋日本鯖漁場變化規(guī)律和影響因素，有利于促進相關漁業(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層面的談判話語權。

 

　　東海所和上海海洋大學聯(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研發(fā)計劃項目（2019YFD0901405, 2022YFC2807504）、中國水產(chǎn)科學研究院東海水產(chǎn)研究所中央級公益性科研院所基本科研業(yè)務費專項資金（2021M06）、上海市揚帆人才計劃、浙江省遠洋漁業(yè)資源探捕等項目資助。