基于二值型数据的荣成天鹅湖菲律宾蛤仔空间分布与环境因子关系研究OA北大核心CSTPCD
为了利用简化的二值型渔业数据研究物种空间分布与环境因子之间的关系。基于2017年四个季度山东半岛荣成天鹅湖的菲律宾蛤仔(Ruditapes philippinarum)实地调查数据,比较了广义加性模型(GAM)和广义线性模型(GLM)在处理二值型菲律宾蛤仔渔业数据的表现,并利用GAM模型研究了天鹅湖的菲律宾蛤仔空间分布与环境因子之间的关系。研究显示:GAM模型在偏差解释率、模型评估效果和预测性能方面均优于GLM模型;水深、总有机质含量和叶绿素a浓度显著影响菲律宾蛤仔的空间分布(P<0.05)。菲律宾蛤仔的出现概率随叶绿素a浓度增加逐渐上升,随总有机质含量和水深的增加逐渐下降。研究结果表明,二值型简化数据能够有效地揭示菲律宾蛤仔空间分布与环境因子的关系。
董建宇;胡成业;王学锋;杨晓龙;张秀梅;
广东海洋大学水产学院,广东湛江524088浙江海洋大学水产学院,浙江舟山316022
水产学
菲律宾蛤仔广义加性模型(GAM)广义线性模型(GLM)环境因子空间分布
《中国海洋大学学报（自然科学版）》 2024 (004)
P.51-59 / 9
国家重点研究发展计划“蓝色粮仓科技创新”重点专项(2019YFD0901303)资助。
评论