2017-01-012024-05-17https://scholars.lib.ntu.edu.tw/handle/123456789/671986摘要：本研究計劃探討海洋環境因子如何影響秋刀魚在北太平洋的時空分佈。提供即時海洋環境資料及海況預報，與漁業資料整合。以調高漁民的投資報酬率，並提升管理的有效性。最終目標是達到資料整合與漁場即時預報。本年度持續整合並更新環境資料，並加入新開發之環境因子：包括表水溫（Sea Surface Temperature），水溫鋒面 (ocean temperature front)，海面高度(Sea Level Height anomaly)，海洋生產力 (ocean color)，生產力鋒面 (ocean color front)，洋流流向及流速(geostrophic flow)，渦旋動量(eddy kinetic energy) 。 以上漁況資訊，以高解析度圖相，每日更新。並整合過去漁業資料(CPUE)，0.5 X 0.5 度方格解析度，將CPUE的空間分佈，按年月份與上述之各環境參數之歷史資料套疊。提供預報系統給部分秋刀魚漁船實驗性試用。提供兩項資訊：1. 每日更新與即時發佈 (daily)前述之環境資料。２. 提供最相關之歷史資訊。亦即，透過比對歷史和當下環境資料，提供最接近當下之歷史環境資料，並套疊CPUE之分布。實驗漁船可以透過衛星，進入資料庫伺服器，看到這些資訊。執行後續將與漁民討論如何改善此系統。 利用2002-2015 CPUE資料，結合環境資料，以每月0.5 度方格解析度，使用GLM, GAM, 和 Zero-inflated GLM，分析CPUE的時空分佈與環境因子的關係。Zero-inflated GLM只能處理數量級資料，因此要先將CPUE分級化。再者，計算月平均之CPUE，及漁場平均之環境因子量，使用GLM和GAM分析CPUE的月別變動與環境因子的關係。進一步分析生物分佈中心的時間序列以瞭解秋刀魚每年洄游路徑的變化。我們將以GLM和GAM分析生物分佈中心精度和緯度與環境因子的關係。<br> Abstract: This project aims to develop a now-cast system to test the feasibility for using environmental data to predict fishing ground for Pacific saury, in order to provide useful tools for fisheries management and lower the cost of fishery operations. Here, we propose to integrate environmental data, including Sea Surface Temperature, Sea Level Height anomaly, ocean color, and calculate ocean fronts, geostrophic flow velocity and direction, and eddy kenetic energy. We will display the ocean conditions with high-resolution maps and update the information daily. We then integrate CPUE data of Pacific saury with the environmental data (monthly data with 0.5 degree resolution). We will work with saury fishermen to test our now-cast system, using experimental fishing boats. We will provide two sources of information: First, the daily updated environmental data; second, the most relevant historical environmental data associated with CPUE. Fishermen can access the information in our data serve through satellite data transfer. We can then evaluate the performance of our now-cast system. We will develop several forecast models. First, based on the 0.5-degree grid data, we will try GLM, GAM and Zero-inflated GLM, to link CPUE with environmental factor. Second, we will calculate the fishing ground averaged CPUE and environment variables, and employ GLM and GAM. Third, we will estimate centroid of the CPUE distribution, in order to study the migratory trajectory of Pacific saury. We will then link the longitude and latitude with environment variables, using GLM and GAM.