초록 |
남동 태평양의 훔볼트 오징어(Dosidicus gigas)는 생명 주기가 짧은 종류이다. 게다가, 그 자원량은 해양 환경 변화의 영향을 매우 쉽게 받는다. 본 논문에서는 남동 태평양에서 2003-2012년 중국 오징어잡이 어선의 생산 통계 자료 및 훔볼트 오징어 서식지의 해수면 온도(SST), 해수면 높이(SSH), 엽록소a 농도(chl a) 자료에 상관분석법을 이용하여, 훔볼트 오징어자원의 풍도 및 가입량과 서식지 해역(20°S-20°N, 110°W-70°W)의 SST, SSH, chl a 농도 사이의 상관성을 분석하는 것으로 상관 계수가 큰 주요 해역 위치를 확보하였다.그리고 훔볼트 오징어 산란장 및 색이장에 가장 적합한 해수면 온도 범위가 총면적에서 차지하는 비율(각각 P S 및 P F 로 표시)을 첨가하여, 3가지 주요 환경 요인 기반의 오차 역전파망(Error Backpropagation Network, EBP) 자원 가입량 예측 모델을 구축하였으며 서로 비교하였다. 그 결과, 훔볼트 오징어자원 풍도와 SST, SSH, chl a 농도 사이 상관 계수가 가장 큰 해역은 7월달의 Point1(13°N, 102°W) 해역, 9월달의 Point3(11°N, 102°W) 해역 및 3월달의 Point5(8°S, 107°W) 해역으로 확인되었다. 자원 가입량과 SST, SSH, chl a 농도의 상관 계수가 가장 큰 해역은 6월달의 Point2(8°N, 103.5°W) 해역, 2월달의 Point4(12°N, 97.5°W) 해역 및 10월달의 Point6(10°S, 93.5°W) 해역으로 확인되었다. EBP 신경망 예측 모델로 확보한 결과로부터 알 수 있는바, 산란 환경에 영향을 미치는 주요 요인 기반의 방안 2(Point2의 SST, Point4의 SSH, Point6의 chl a 농도, P S 를 모델입력인자로 함)와 전반 환경에 영향을 미치는 주요 요인 기반의 방안 3(Point1과 Point2의 SST, Point3과 Point4의 SSH, Point5와 Point6의 chl a 농도, P S , P F 를 모델입력인자로 함)의 2가지 신경망 예측 모델은 평균제곱오차가 작았을 뿐만 아니라 그 정확도가 약 90%에 도달할 수 있었다. |