Elucidation of impacts of climate changes on spatio-temporal distributions of marine animals using machine learning approaches

2022 Fiscal Year Final Research Report

• Project/Area Number: 19K06216
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 40030:Aquatic bioproduction science-related
• Research Institution: Fisheries Research and Education Agency
• Principal Investigator: Okamura Hiroshi 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: 水産資源評価 / 漁業管理 / 機械学習 / 頑健推定 / 海面水温 / 予測

Outline of Final Research Achievements

Spatiotemporal model analysis of fish, prediction of stock-recruitment relationship, and prediction of fish recruitment were conducted. In particular, we used statistical machine learning methods to predict recruitment for arabesque greenling. The linear regression model (LRM), random forest model (RFM), and gradient boosting model (GBM) were compared, and GBM had the best prediction performance; the most influential factor on recruitment in GBM was spawning stock biomass, followed by catch rates of older fish. SST had a small effect, but the overall effect was weak, and the variability seemed to be more effective than the warming trend. On the other hand, in LRM, SST was the most influential factor. The differences between the models suggest the importance of nonlinearities and variable interactions.

Free Research Field

水産資源学

Academic Significance and Societal Importance of the Research Achievements

複数の海面水温データを取得し，北海道周辺の海面水温データセットを整備した．整備した海面水温データセットは，様々な解析に利用可能である．また，再生産関係を頑健に推定する統計手法の開発を行った．従来の頑健推定手法に比較して，外れ値の影響を軽減しつつ，自己相関を正確に推定することが可能な手法となっている．さらに，機械学習手法を活用して，加入尾数を精度良く予測する手法の開発を行った．これらは，水産資源の持続的利用に大きく貢献するものと考えられ，社会的な意義が大きい．また，手法をさらに発展・一般化させることにより，他分野のデータにも利用可能なものと考えられ，学術的な意義も大きい．