2022 Fiscal Year Annual Research Report
Elucidation of impacts of climate changes on spatio-temporal distributions of marine animals using machine learning approaches
| Project/Area Number |
19K06216
|
|---|
| Research Institution | Fisheries Research and Education Agency |
|---|
Principal Investigator |
岡村 寛 国立研究開発法人水産研究・教育機構, 水産資源研究所(横浜), 主幹研究員 (40371942)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
黒田 寛 国立研究開発法人水産研究・教育機構, 水産資源研究所(札幌), 主任研究員 (30531107)
森田 晶子 国立研究開発法人水産研究・教育機構, 水産資源研究所(札幌), 主任研究員 (40443387)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 加入予測 / 機械学習 / 勾配ブースティング / 資源管理 |
|---|
| Outline of Annual Research Achievements |
本研究課題においては，北海道北部海域の漁業資源であるホッケの資源評価情報と海洋水温の整理を行った．海洋水温については主成分分析を実行して代表的な傾向を抽出した．資源評価情報（親魚量，年齢別漁獲率，加入尾数）と海洋情報（海洋表面水温の主成分分析の第1，第2主成分）から翌年の加入尾数を予測する勾配ブースティングモデルを構築した．勾配ブースティングモデルは，機械学習手法の一種であるが，ホッケの加入尾数予測においては従来の線形回帰モデルやランダムフォレストよりも予測能力に優れ，翌年の加入尾数を精度良く推定することができるものであることが分かった．また，親魚量，高齢の漁獲率が予測のために重要な変数であると推定された．他の特徴変数を固定した場合の親魚量と加入尾数の関係は折れ線的な非線形の形状となり，ある閾値を境に加入尾数が増加し，ある閾値を越えると加入尾数の期待値は一定になると推定された．閾値の中央値は現行の資源評価で限界値として採用されているものと近い値であった．海洋表面水温はシンプルな線形回帰では重要な変数として選ばれたものの，機械学習手法であるランダムフォレストや勾配ブースティングではかなり弱い影響を持つ特徴量であるという結果になった．このことは，親魚資源の保護と高齢の漁獲率を適切な水準に保つことの重要性を示唆し，ホッケースティック再生産曲線を使用している現行の資源管理の提言の有効性を示唆するものであると考えられる．
|
