| 研究課題/領域番号 |
19K06216
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分40030:水圏生産科学関連
|
|---|
| 研究機関 | 国立研究開発法人水産研究・教育機構 |
|---|
研究代表者 |
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)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 水産資源評価 / 漁業管理 / 機械学習 / 頑健推定 / 海面水温 / 予測 / 加入予測 / 勾配ブースティング / 資源管理 / 時空間モデル / 統計的機械学習 / 資源量指標値 / 再生産関係 / 親潮 / 西部亜寒帯循環 / 時空間分布解析 / 海洋環境と密度変化 / 時空間分布予測 / 環境影響 |
|---|
| 研究開始時の研究の概要 |
統計的機械学習手法を活用して，環境変動と海洋生物の資源量指標値の時空間変動の関係を正確に予測するモデルの開発を行い，多魚種を対象とした漁獲データに適用する．さらに，その統計モデルから得られるアウトプットに漁業・生物情報を加え，因果関係推定が可能となるメカニスティックなモデルを適用することにより，時空間的な個体群動態の変化を記述する個体群動態モデルを構築し，それに基づく将来予測から多魚種を対象とする漁業における最適な漁獲戦略を導く方法を探索し，実際の多魚種漁業資源の漁獲データへの適用を図る．
|
| 研究成果の概要 |
魚の時空間モデル解析，再生産関係予測，加入尾数予測を行った．特に，ホッケに対して，統計的機械学習手法を用いて加入予測を行った．線形回帰モデル（LRM），ランダムフォレストモデル（RFM），勾配ブースティングモデル（GBM）を比較したところ，GBMの予測性能が最も高かった．GBMにおいて加入予測に最も影響する要因は親魚量であり，次いで高齢の漁獲率となった．海面水温については少し効果は見られたが，その影響は全体に弱く，温暖化トレンドよりも変動が効いているようであった．一方，LRMの中では水温が影響の強い要因となった．モデル間の違いは非線形性と変数の相互作用の重要性を示唆するものと考えられる．
|
| 研究成果の学術的意義や社会的意義 |
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．
|
