中国铁道科学研究院，中国铁道科学研究院集团有限公司
核心提示：近期，中国水产科学研究院东海水产研究所渔业遥感技术及数字渔业创新团队在环境科学、海洋和淡水生物学领域国际知名期刊《Marine Pollution Bulletin》（JCR 1区，2023年影响因子为7.001）上发表研究论文，为该期刊首次收录相关研究内容。……（世界食品网-www.shijieshipin.com）
近期，中国水产科学研究院东海水产研究所渔业遥感技术及数字渔业创新团队在环境科学、海洋和淡水生物学领域国际知名期刊《Marine Pollution Bulletin》（JCR 1区，2023年影响因子为7.001）上发表题为“Construction of chub mackerel （Scomber japonicus） fishing ground prediction model in the northwestern Pacific Ocean based on deep learning and marine environmental variables”的研究论文，为该期刊首次收录相关研究内容。
日本鲭是西北太平洋周边国家（日本、俄罗斯和中国等）灯光围网和拖网渔业的主捕经济鱼种之一，资源量十分丰富但其对环境极为敏感，为渔场预报模型构建带来了极大的挑战。北太平洋渔业委员会已将其列为优先管理鱼种之一，如何在气候变化背景下深入挖掘不同海洋环境变量的渔场时空效应以及构建高准确率、即时性和智能化的渔场精准预报模型是日本鲭的主要研究热点和难点之一。渔业遥感技术及数字渔业创新团队通过研究发现日本鲭渔场重心自2019年来持续向东北方向移动且具有明显季节性的变动规律，并识别出溶解氧（DO）、叶绿素浓度（Chla）和海表盐度（SSS）是日本鲭中心渔场预测的关键环境参考因子。团队采用统计分析、2DCNN（2D Convolutional Neural Networks）和3DCNN（3D Convolutional Neural Networks）深度学习模型等对日本鲭公海渔场进行了预报模型构建，结果表明时间和纬度信息是模型构建的重要因素，3DCNN预测模型优于2DCNN模型。上述研究结果有助于渔业管理机构和渔业生产者进一步掌握西北太平洋日本鲭渔场变化规律和影响因素，有利于促进相关渔业可持续发展和减少碳排放，也可为我国在日本鲭渔业资源管理中增加科学层面的谈判话语权。
东海所和上海海洋大学联合培养的2021级硕士研究生韩海斌为第一作者，张衡副研究员和石永闯助理研究员为共同通讯作者。该成果得到了国家重点研发计划项目（2019YFD0901405, 2022YFC2807504）、中国水产科学研究院东海水产研究所中央级公益性科研院所基本科研业务费专项资金（2021M06）、上海市扬帆人才计划、浙江省远洋渔业资源探捕等项目资助。
日期：2023-06-28
中国铁道科学研究院(中国铁道科学研究院集团有限公司)