农业工程学报

作者：杜艳玲,田乐鑫,余为,韩俊哲,贺琪,张溢卓,

关键词：柔鱼, 多环境变量, 深度学习, SHAP可解释, 渔业

基金：42

西北太平洋柔鱼（italic>Ommastrephes bartramii/italic>）作为重要的经济头足类，其分布受多源海洋环境因子协同调控。然而，传统预测模型在应对此类问题时面临显著局限：受限于渔获数据固有的稀疏性与零膨胀问题，导致初始信息失真；模型本身难以准确表达环境与资源间的复杂非线性关系，从而制约了高精度预测与复杂机理解析。为此，该研究构建了一个融合多源环境要素的柔鱼资源预测与智能解析的深度学习框架。采用2015—2019年多源卫星遥感环境数据与渔获数据，提出的框架包括三大核心模块：通过改进TimeXer模型，引入交叉注意力机制对多环境变量和历史渔获数据的复杂关联信息进行协同表达，并通过门控机制实现其自适应融合，提升单位捕捞努力量渔获量（catch per unit effort，CPUE）预测精度；结合LightGBM进行渔获层级分类，在判别渔区基础上实现资源丰度等级的细粒度分类，缓解数据不平衡问题；基于SHAP可解释技术量化环境因子贡献与交互效应，对关键驱动因子进行分析。结果表明，模型对单位捕捞努力量渔获量（CPUE）的预测在测试集上决定系数italic>R/italic>su2/su达styled-content style-type="number">0.9722/styled-content>，均方误差MSE为styled-content style-type="number">0.0308/styled-content>，优于主流深度学习模型；识别出叶绿素italic>a/italic>浓度（0.1～0.5 mg/msu3/su）、盐度（33.0‰～33.5‰）、水温（15.0～22.0 ℃）、溶解氧与海平面高度为核心环境驱动因子；SHAP交互分析进一步揭示了盐度垂直分层与纬度、叶绿素italic>a/italic>与盐度、盐度与溶解氧之间的强协同机制。研究结果为柔鱼资源动态预测与多环境因子协同驱动机制解析提供了可解释、高精度的新范式，为渔业资源可持续管理提供决策支撑。/

来源：2026年第7期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第7期