陳曉，劉志亮，王旭，薛力園，袁曉博

（1.河北科技師范學(xué)院 海洋科學(xué)研究中心，河北 秦皇島 066004；2.中國科學(xué)院海洋研究所，山東 青島 266071；3.河北省海洋動(dòng)力過程與資源環(huán)境重點(diǎn)實(shí)驗(yàn)室，河北 秦皇島 066004）

由于人類活動(dòng)導(dǎo)致的海洋污染、過度捕撈和全球氣候變暖等問題，致使海洋生態(tài)系統(tǒng)受損、生態(tài)災(zāi)害頻發(fā)（李永琪 等，2020；唐學(xué)璽等，2019；Zhang et al，2017）。其中，水母爆發(fā)作為一種典型的海洋生態(tài)災(zāi)害（孫松 等，2012；孫婷婷等，2018；L俟skow et al，2020），已經(jīng)對許多海域的漁業(yè)、工業(yè)和旅游業(yè)等造成了巨大威脅（段妍等，2020，2021；Slater et al，2020）。秦皇島地處渤海西岸，其近岸海域具有海流平緩、風(fēng)浪較小、溫度和鹽度適中、河流入?？诙嗲覡I養(yǎng)鹽豐富和海岸工程密集等適合水母繁殖和生存的特征（劉婧美等，2016）。在秦皇島海域，每年都存在游泳者被蜇傷的報(bào)道（張明良等，1993；鄭向榮等，2014；霍書花 等，2017），特別是在1978 年、2013 年、2014—2016 年的蜇傷人數(shù)分別超過3000 人、1000人和3600 人?？梢?，秦皇島海域已經(jīng)成為水母爆發(fā)的重災(zāi)區(qū)之一。

隨著水母生態(tài)災(zāi)害數(shù)量和影響因素復(fù)雜性的不斷增加，迫切需要一種更科學(xué)有效的方法挖掘出數(shù)據(jù)中潛在的關(guān)系和知識。決策樹（Decision Tree）（王磊等，2021）作為數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)（許立兵等，2020；薛明等，2019）中經(jīng)典的分類/預(yù)測模型（李明等，2018；趙丹楓等，2020），在赤潮預(yù)測與預(yù)警（柴永強(qiáng)等，2012；李海濤等，2019；沈菲等，2003）、海霧預(yù)報(bào)（黃健等，2011；高榮珍等，2016）、漁場預(yù)報(bào)（崔雪森等，2012；高峰等，2015）、海冰分析與反演（王姝力 等，2019；張娜等，2014）、海洋環(huán)境特征分析（陳峰等，2019；張瑩等，2019；向先全等，2013）等領(lǐng)域已得到廣泛應(yīng)用，并取得了較好的效果。

因此，本研究以秦皇島海域2020 年4 月下旬海月水母碟狀體和海洋環(huán)境因子的數(shù)據(jù)作為研究對象，采用ID 3 決策樹模型，在多種粒度下對海月水母碟狀體分布與環(huán)境因子的關(guān)系進(jìn)行定量分析與研究。通過發(fā)現(xiàn)水母密度分布中潛在的規(guī)律，為秦皇島近岸海域水母災(zāi)害的監(jiān)測預(yù)警提供決策支撐。

1 研究現(xiàn)狀

秦皇島近岸海域大型水母主要包括海蜇（Rhopilema esculenta）、 沙 海 蜇 （Nemopilema nomurai）、海月水母（Aurelia aurita） 和白色霞水母（Cyanea nozakii）等4 種水母，致災(zāi)屬種主要為海月水母和沙海蜇（鄭向榮等，2014）。其中，海月水母為本文的研究對象。

目前，國內(nèi)外學(xué)者已有一些關(guān)于海月水母的研究。海月水母隸屬于缽水母綱（Lucas et al，2012），其生命周期主要包括底棲和浮游兩個(gè)階段（Herrmann et al，2020），具有明顯的世代交替特性（李惠玉等，2010）。每年7—9 月，成熟海月水母體通過有性繁殖產(chǎn)生浮浪幼蟲，1～8 天后，浮浪幼蟲變態(tài)發(fā)育成早期的螅狀體（Chen et al，1986；Dong et al，2006；Kawahara et al，2006）。每年11月至翌年4—5 月份，螅狀體通過無性繁殖或橫裂生殖產(chǎn)生碟狀體（Sun et al，2006）。每年6 月，當(dāng)水溫上升到15 益以上時(shí)，海月水母碟狀體迅速生長發(fā)育成水母體。每年9—10 月海月水母體逐漸消亡。由此可見，在次年春季，海月水母種群大小取決于螅狀體的繁衍率和碟狀體的成活率。因此，研究海月水母幼體（如螅狀體和碟狀體等）種群的大小、存活率和動(dòng)力學(xué)過程等，有助于更好地掌握海月水母的生長規(guī)律和暴發(fā)機(jī)理。深入研究溫度、鹽度和溶解氧等關(guān)鍵因素對海月水母幼體生長繁殖和旺發(fā)等方面的影響，掌握其關(guān)鍵過程、規(guī)律與機(jī)理，也具有重要的科學(xué)意義和社會價(jià)值。

在秦皇島海域，已有一些水母的相關(guān)研究（和振武，1985；劉婧美等，2015，2016；張萬磊等，2015；張海松，2015；趙志紅等，2018；鄭向榮等，2014；Wu et al，2016），主要是對水母種群特征和水母暴發(fā)危害等方面的概述；并從海域特征、環(huán)境因素、人文環(huán)境、海洋工程及其他海域的影響等方面，分析水母暴發(fā)的原因；最后給出水母暴發(fā)的防治對策。上述研究中所采用的方法主要是，對每年6—9 月期間巡航監(jiān)測與捕撈獲取的水母體數(shù)據(jù)，進(jìn)行數(shù)據(jù)表象和定性的分析與研究。然而，每年6—9 月已到水母種群的暴發(fā)時(shí)間，此時(shí)僅能采取捕撈措施，且治標(biāo)不治本。若對水母幼體數(shù)據(jù)進(jìn)行研究，建立水母爆發(fā)的預(yù)測模型與預(yù)警機(jī)制，更有利于防御水母暴發(fā)災(zāi)害。

綜上，通過ID 3 決策樹模型研究秦皇島海域2020 年4 月下旬海月水母碟狀體與環(huán)境因子之間的定量關(guān)系，對預(yù)測海月水母碟狀體密度分布具有重要意義。因此，本研究首先基于平均值、標(biāo)準(zhǔn)差和正態(tài)分布等對各環(huán)境因子特征進(jìn)行離散化處理。其次，將特征分為海洋表層、底層、以及表層和底層（簡稱為表底層）三個(gè)層面，在多種粒度下分析其與海月水母碟狀體密度分布的關(guān)系。最后，采用查準(zhǔn)率（Precision）、召回率（Recall）和F1_scores 指標(biāo)對構(gòu)建決策樹模型進(jìn)行評價(jià)。本研究是對秦皇島海域水母分布與環(huán)境因子進(jìn)行數(shù)據(jù)挖掘分析的有益嘗試，可以為該海域水母災(zāi)害監(jiān)測預(yù)警提供技術(shù)支撐。

2 調(diào)查區(qū)域與數(shù)據(jù)

2.1 調(diào)查區(qū)域及站位

本研究的調(diào)查區(qū)域位于河北省秦皇島沿岸海域，范圍為119毅50憶E—119毅85憶E，39毅75憶N—39毅95憶N；調(diào)查時(shí)間為2020 年4 月19—23 日。

調(diào)查海域內(nèi)各站位及其水深分布情況如圖1 所示。圖中黑色實(shí)心圓點(diǎn)和數(shù)字分別代表調(diào)查站位和名稱，共設(shè)置了35 個(gè)站位。其中，對應(yīng)河流入海口設(shè)計(jì)了6 條斷面，每條斷面5 個(gè)站位；對應(yīng)人工島（金夢海灣蓮花島）增設(shè)了5 個(gè)加密站位。在調(diào)查期間，由于站位1-1 水位過淺，調(diào)查船難以到達(dá)，未采集到該站位的相關(guān)數(shù)據(jù)，因此，研究中共涉及34 個(gè)站位的相關(guān)數(shù)據(jù)信息。

圖1 中黑色曲線上數(shù)字為水深，單位為m，水深數(shù)據(jù)來源于船載LOWRANCE HDS-7 聲吶探測儀。其中，站位5-1 水深最淺，為2.20 m；站位1-5 最深，為15.90 m；各站位平均水深約為8.70 m。由于秦皇島近岸水深較淺，因此調(diào)查海域內(nèi)水深梯度總體較小。

圖1 秦皇島海域調(diào)查站位與水深分布圖

2.2 調(diào)查船及數(shù)據(jù)采集方法

調(diào)查船為“冀秦漁運(yùn)66666”，船長為18 m，船寬為4 m，總噸位為51 t，主機(jī)功率為280 馬力。在秦皇島海域大面觀測站位過程中，現(xiàn)場采集海洋環(huán)境因子和水母豐度等數(shù)據(jù)。其中，海洋環(huán)境因子數(shù)據(jù)來源于美國YSI Professional Plus 多參數(shù)水質(zhì)分析儀；采集到海洋表層/底層溫度、鹽度、溶解氧和pH 等相關(guān)數(shù)據(jù)，分別簡記為：SST/SBT、SSS/SBS、SSDO/SBDO 和SSpH/SBpH。水母數(shù)據(jù)來源于標(biāo)準(zhǔn)的淺水域型浮游生物網(wǎng)采集裝置。采用全水柱拖網(wǎng)（由海底至海表垂直拖網(wǎng)）取樣，獲取到水母種類及豐度數(shù)據(jù)。其中，網(wǎng)口內(nèi)徑31.6 cm，網(wǎng)衣孔徑160 滋m。

2.3 數(shù)據(jù)

2.3.1 海洋環(huán)境因子數(shù)據(jù) 海洋環(huán)境因子的分布信息，如圖2 所示。在溫度圖中（圖2（a）），SST介于9.90～12.90 益之間，平均值約為11.29 益；SBT 介于9.20～11.50 益之間，平均值約為10.66 益。在鹽度圖中（圖2（b）），SSS 介于31.49～32.04之間，平均值約為31.82；SBS 介于31.48～32.04之間，平均值約為31.85。在溶解氧圖中（圖2（c）），SSDO 介于7.41～10.00 mg/L 之間，平均值約為8.93 mg/L；SBDO 介于7.98～9.11 mg/L 之間，平均值約為8.63 mg/L。在pH 圖中（圖2（d）），SSpH 介于7.98～8.25 之間，平均值約為8.15；SBpH 介于8.13～8.38 之間，平均值約為8.27。海洋表層與底層環(huán)境因子相比，SST 高于SBT，SSDO 略高于SBDO；而SSS 略低于SBS，SSpH 低于SBpH。近岸與遠(yuǎn)海相比，SST 和SBT 呈現(xiàn)出近岸海域溫度高，離岸海域溫度低；而SSS 和SBS、SSDO 和SBDO、SSpH 和SBpH 呈現(xiàn)出近岸海域含量低，離岸海域含量高的趨勢。

圖2 秦皇島海域各站位環(huán)境因子分布

2.3.2 海月水母碟狀體豐度與密度數(shù)據(jù) 海月水母碟狀體分布情況如圖3 所示。34 個(gè)站位的海月水母碟狀體豐度介于0～40 之間，平均豐度約為5；其中在11 個(gè)站位中發(fā)現(xiàn)海月水母碟狀體，最高豐度（40）出現(xiàn)在站位a-1 和a-4。

由于水母屬于浮游類動(dòng)物，具有晝夜垂直遷移的特性。當(dāng)采用全水柱拖網(wǎng)取樣時(shí)，通常采用密度法來評估生物體種群的豐度（劉婧美等，2016），即水母密度為每立方米的個(gè)數(shù)，記為籽（ind./m3），籽的估算方法如式（1）所示。其中，N 表示水母豐度，V 表示拖網(wǎng)水柱體積，r 表示網(wǎng)口內(nèi)徑，h 表示水深。

34 個(gè)站位的海月水母碟狀體密度介于0～95ind./m3之間，平均值約為11.33 ind./m3。由圖3 可見，各站位中海月水母碟狀體的密度分布不均勻。其中，1、2、3 和6 斷面的海月水母碟狀體密度很低，幾乎為零；4 和5 斷面的海月水母碟狀體密度有所提高，但僅有5-1 站位的密度高于平均值；5 個(gè)加密站位（站位a-1 至a-5）中海月水母碟狀體密度均顯著高于平均值。由此可見，海月水母碟狀體密度分布中心為金夢海灣蓮花島海域。

圖3 秦皇島海域各站位海月水母碟狀體豐度與密度分布

在海月水母碟狀體的高密度區(qū)域，各環(huán)境因子的范圍分別是：SST 為11.30 ～ 11.70 益、SBT 為11.10 ～ 11.50 益、SSS 為31.63～ 31.78、SBS 為31.66～31.78、SSDO 為9.20～9.44 mg/L、SBDO 為8.82 ～ 9.08 mg/L、SSpH 為8.12～ 8.16 和SBpH 為8.20～8.22。由圖2 可見，海水溫度（SST 和SBT）和溶解氧（SSDO 和SBDO）均高于其對應(yīng)的平均值；鹽度（SSS 和SBS）均低于其對應(yīng)的平均值；而pH 有所差異，SBpH 低于其對應(yīng)的平均值，SSpH 介于其平均值左右。因此，本文推測該調(diào)查區(qū)域內(nèi)海月水母碟狀體喜好聚集在高溫、富氧和低鹽的區(qū)域。

3 研究方法

3.1 ID 3 決策樹

決策樹作為一種經(jīng)典的監(jiān)督學(xué)習(xí)模型，通常采用自頂向下的遞歸劃分方式構(gòu)造一顆判定樹。其中，ID 3 是經(jīng)典的決策樹模型之一，具體步驟描述如下。

Step 1：讀取數(shù)據(jù)集并將其記為S，數(shù)據(jù)集S是s 個(gè)數(shù)據(jù)樣本的集合。

Step 2：將數(shù)據(jù)集S 按類標(biāo)號，計(jì)算總的期望信息。假定類標(biāo)號具有m 個(gè)不同的屬性值Ci（i=1，…，m），設(shè)si是類Ci中的樣本數(shù)。對一個(gè)給定的樣本類別的數(shù)據(jù)集，計(jì)算所需的期望信息為：

其中，pi是任意樣本屬于Ci的概率，并用si/s 估計(jì)。

Step 3：計(jì)算每個(gè)屬性（特征） 在類標(biāo)號下的信息熵。設(shè)屬性（特征）A 具有v 個(gè)不同的屬性值{a1，…，av}，用A 將S 劃分為v 個(gè)子集{S1，…，Sv}，其中，Sj表示S 中具有值aj的樣本。若選擇A為測試屬性（特征），A 的v 個(gè)子集需要根據(jù)類標(biāo)號繼續(xù)劃分。此時(shí)，sij是子集Sj中類Ci的樣本數(shù)。根據(jù)A 劃分子集的信息熵為：

Step 5：選擇信息增益值最大的屬性（特征），作為劃分節(jié)點(diǎn)，對數(shù)據(jù)集進(jìn)行劃分。

Step 6：遞歸地處理被劃分后的所有數(shù)據(jù)子集。從未被選擇的屬性（特征） 繼續(xù)重復(fù)上述步驟，直到得到一棵決策樹。

決策樹遞歸的結(jié)束條件主要分為兩類：一類是所有屬性（特征）均用完；另一類是劃分后的信息增益值為零，或足夠小。

ID 3 決策樹模型的主要優(yōu)點(diǎn)是，易于理解和實(shí)現(xiàn)，可行性強(qiáng)；對數(shù)據(jù)的準(zhǔn)備要求簡單，且可以處理大規(guī)模數(shù)據(jù)；易于通過靜態(tài)測試對模型的效果進(jìn)行評測。主要缺點(diǎn)是，無法處理連續(xù)性的屬性（特征）；當(dāng)屬性（特征）很多時(shí)，會降低處理速度或準(zhǔn)確性；僅能處理一個(gè)屬性（特征）做類標(biāo)號的數(shù)據(jù)。

3.2 K-折交叉驗(yàn)證法

當(dāng)決策樹構(gòu)建完后，需要對決策樹的準(zhǔn)確性和有效性等進(jìn)行驗(yàn)證。通常采用K-折交叉驗(yàn)證法，該方法首先將數(shù)據(jù)集平均分為K 份，其中K-1 份作為訓(xùn)練集，1 份作為測試集；其次，采用訓(xùn)練集構(gòu)建決策樹模型；最后，通過測試集進(jìn)行測試。重復(fù)K 次，即將每份均作為測試集1 次，為一次K-折交叉驗(yàn)證的結(jié)果。

3.3 評價(jià)指標(biāo)

在分類與預(yù)測任務(wù)中通常選用查準(zhǔn)率、召回率和F1 分?jǐn)?shù)作為評價(jià)指標(biāo)，各指標(biāo)的計(jì)算方法如下。

（1）查準(zhǔn)率（Precision）為被預(yù)測為正例中的正樣本數(shù)量所占的比例，表示為：

（2）召回率（Recall）為被預(yù)測為正例的數(shù)量占總正樣本數(shù)量的比例，表示為：

其中，涉及4 個(gè)概念。（1）真正例（TP）：表示預(yù)測為正例，實(shí)際也為正例的數(shù)量；（2）假正例（FP）：表示預(yù)測為正例，實(shí)際為負(fù)例的數(shù)量；（3）假負(fù)例（FN）：表示預(yù)測為負(fù)例，實(shí)際為正例的數(shù)量；（4）真負(fù)例（TN）：表示預(yù)測為負(fù)例，實(shí)際也為負(fù)例的數(shù)量。本研究中正例和負(fù)例分別為海月水母碟狀體密度高（值為1）和密度低（值為0）的樣本。

（3）F1 分?jǐn)?shù)（F1-socres）為Precision 和Recall的一種加權(quán)平均，表示為：

上述三個(gè)指標(biāo)的最大值均為1，最小值均為0，值越大說明模型的效果越好。

3.4 數(shù)據(jù)分析處理軟件與環(huán)境

實(shí)驗(yàn)采用Python 3.6.3 在Anaconda 3 （64 bit）和PyCharm Community Edition 2020.2.3 x64 環(huán)境下進(jìn)行ID 3 決策樹的算法編寫與實(shí)現(xiàn)。采用Excel 2010 進(jìn)行數(shù)據(jù)處理。采用SPSS 22.0 軟件對海洋環(huán)境因子與海月水母碟狀體密度之間的Pearson 相關(guān)性進(jìn)行雙尾驗(yàn)證；并標(biāo)記顯著性，P<0.05 為差異顯著，P<0.01 為差異極顯著。

4 基于海洋環(huán)境因子構(gòu)建海月水母碟狀體密度分布的ID 3 決策樹

4.1 數(shù)據(jù)預(yù)處理

4.1.1 確定數(shù)據(jù)的屬性和類標(biāo)號2020 年4 月秦皇島海域34 個(gè)站位海月水母碟狀體密度和海洋環(huán)境因子相關(guān)數(shù)據(jù)，如圖4 所示。該數(shù)據(jù)集有8 個(gè)屬性特征，分別為：海洋表層/底層的溫度、鹽度、溶解氧和pH；上述屬性均為海洋環(huán)境因子的重要特征，故未做刪減，一起進(jìn)行分析。該數(shù)據(jù)集有1個(gè)分類特征，為海月水母碟狀體密度，符合ID 3決策樹僅能處理有一種類標(biāo)號的特點(diǎn)。

圖4 數(shù)據(jù)屬性（特征）與類別

4.1.2 數(shù)據(jù)離散化ID 3 算法只能處理離散型數(shù)據(jù)，不能直接處理連續(xù)型數(shù)值數(shù)據(jù)。因此，需要對上述海月水母碟狀體密度、溫度、鹽度、溶解氧和pH 等特征進(jìn)行離散化處理，如表1 所示。表1 中，第1—2 行為特征名及其取值范圍，第3—20 行為三種離散化標(biāo)準(zhǔn)，又分為表層和底層兩方面。例如，溫度（表層和底層）在34 個(gè)站位的范圍介于9.00～13.00 益之間；若對SSS 采用平均值（11.29 益）進(jìn)行離散化，則將其分為9.00～11.29 益和11.29～13.00 益兩部分，再分別記為0 和1。

表1 各屬性特征的多粒度離散化標(biāo)準(zhǔn)

由于數(shù)據(jù)離散化的質(zhì)量會影響到?jīng)Q策樹模型性能的好壞，為了更好地分析海月水母碟狀體密度分布與海洋環(huán)境因子的關(guān)系，本研究對各屬性特征數(shù)據(jù)提出了三種離散化的粒度，具體情況如下。（1）基于平均值將溫度、鹽度、溶解氧和pH 的粒度細(xì)化為兩類：其中，小于平均值記為0，表示低；大于等于平均值記為1，表示高。（2）基于平均值和標(biāo)準(zhǔn)差將四類屬性特征的粒度細(xì)化為三類：其中，0 表示低，1 表示中，2 表示高。（3）基于正態(tài)分布和等差數(shù)列的思想將四類屬性特征的粒度細(xì)化為四類：其中，0 和3 為正態(tài)分布的尾端，分別表示低和高，1 和2 為正態(tài)分布的中間部分并基于數(shù)值等差劃分兩份，分別表示較低和中。在三種情況中，海月水母碟狀體密度的粒度均細(xì)化為兩類，采用平均值進(jìn)行劃分。當(dāng)小于11.33 ind./m3時(shí)，用0表示，認(rèn)為密度低；否則，用1 表示，認(rèn)為密度高。

4.2 實(shí)例

為了便于理解數(shù)據(jù)預(yù)處理和決策樹構(gòu)建時(shí)的計(jì)算過程，下面通過實(shí)例進(jìn)行介紹。為了簡化計(jì)算過程，選用34 個(gè)站位的海洋表層溫度、鹽度、溶解氧和pH，以及海月水母碟狀體的密度，并采用平均值對數(shù)據(jù)進(jìn)行離散化；原始數(shù)據(jù)和離散化后的數(shù)據(jù)，如表2 所示?；谠摂?shù)據(jù)集的計(jì)算和構(gòu)建決策樹的過程如下。

表2 原始數(shù)據(jù)和離散化數(shù)據(jù)

（1）數(shù)據(jù)集S 中包含34 個(gè)樣本，根據(jù)密度高低分為兩類，類別個(gè)數(shù)即m = 2。類別特征值0（低）與1（高）對應(yīng)的樣本個(gè)數(shù)分別為s1=28 和s2=6。

（2）根據(jù)式（2）計(jì)算海月水母碟狀體密度總的期望信息為：

（4） 根據(jù)式（4）計(jì)算每個(gè)屬性的信息增益。以SST 為例，SST 的信息增益為：Gain（SST）=I（s1，s2）-E（SST）=0.672-0.573=0.099。同理可以計(jì)算其他3 個(gè)屬性信息增益值分別為：Gain（SSS）=0.267、Gain（SSDO）=0.170、Gain（SSpH）=0.000。

（5）選取最大信息增益值對應(yīng)的屬性作為劃分節(jié)點(diǎn)。由此可見，SSS 具有最大的信息增益值0.267，即SSS 被選作決策樹的根節(jié)點(diǎn)。此時(shí)，基于SSS 將34 個(gè)樣本分為兩部分：SSS 大于等于平均值的20 個(gè)樣本和SSS 小于平均值的14 個(gè)樣本。

（6）在兩部分?jǐn)?shù)據(jù)集中重復(fù)執(zhí)行步驟（1）—（5）。其中，20 個(gè)樣本的期望值為0，且均為低密度樣本，因此無須繼續(xù)劃分；14 個(gè)樣本的期望為0.985屹0，需要繼續(xù)劃分，通過計(jì)算可知，SSDO的信息增益值最大，因此選SSDO 作為下一個(gè)劃分節(jié)點(diǎn)。依次遞歸，即可得到該實(shí)例的決策樹，如圖5（a）所示。

4.3 ID 3 決策樹模型

為了更好地研究秦皇島海域海月水母碟狀體密度分布與海洋環(huán)境因子之間的關(guān)系。從海洋表層、底層和表底層特征三個(gè)方面，分別采用三種細(xì)化粒度下的離散化后的數(shù)據(jù)，基于2020 年春季4 月秦皇島海域34 個(gè)站位的全部數(shù)據(jù)，構(gòu)建了九種情況下的ID 3 決策樹模型，如圖5 所示。

圖5 決策樹模型

圖5 中的決策樹是一種樹形結(jié)構(gòu)，由葉子節(jié)點(diǎn)、非葉子節(jié)點(diǎn)和分支三部分組成。每個(gè)節(jié)點(diǎn)中均包含三個(gè)要素，entropy 表示信息期望、samples 表示樣本總數(shù)、value 表示不同類別樣本的組成個(gè)數(shù)。其中，每個(gè)葉子節(jié)點(diǎn)對應(yīng)一個(gè)類標(biāo)簽，非葉子節(jié)點(diǎn)為當(dāng)前待劃分的屬性，分支為屬性上的不同取值。

5 結(jié)果與分析

5.1 基于ID 3 決策樹模型的分析

圖5 給出了三種離散化方法，圖5（a）、（b）和（c）為基于平均值的方法，簡記為情況1；圖5（d）、（e）和（f）為基于平均值和標(biāo)準(zhǔn)差的方法，簡記為情況2；圖5（g）、（h）和（i）為基于正態(tài)分布和四分位法的方法，簡記為情況3。每種方法又分別為海洋表層、底層、表底層環(huán)境因子三類情況?；诰欧N情況下ID 3 決策樹模型的相關(guān)分析與結(jié)論如下。

（1）在三種細(xì)化粒度下，決策樹層數(shù)主要分為兩種：圖5（a）、5（c）和5（g）為4 層，其余為3 層。在4 層決策樹中，存在屬性離散化粒度不合理的現(xiàn)象。如情況1 中圖5（a）的SSpH，由于高密度區(qū)的SSpH 介于均值左右，該離散化方法是基于均值劃分的。因此，SSpH 又將高密度樣本劃分為兩部分，從而導(dǎo)致決策樹層數(shù)增加，并影響模型的預(yù)測效果。與此相比，在3 層決策樹中，基于情況2 構(gòu)建的各種決策樹模型的預(yù)測效果較好。說明情況2中對各種特征的細(xì)化粒度更合理。

（2）在三類環(huán)境因子下（圖5 中三列相比），基于海洋表層（第1 列）、表底層（第3 列）環(huán)境因子構(gòu)建的決策樹中存在1 個(gè)預(yù)測錯(cuò)誤；然而，基于海洋底層（第2 列）環(huán)境因子構(gòu)建的決策樹，在三種情況下，預(yù)測錯(cuò)誤數(shù)分別為3、1 和2，可見該類模型誤差較大，不合適選作預(yù)測模型。表層（4 個(gè)環(huán)境因子特征）、表底層（8 個(gè)環(huán)境因子特征）與底層相比，其預(yù)測效果均較好。此時(shí)，若少量特征即可完成預(yù)測，則無須選擇多的特征。因此，適合選取海洋表層環(huán)境因子構(gòu)建決策樹模型。

（3）九棵決策樹中均至少存在1 個(gè)預(yù)測錯(cuò)誤，即一個(gè)負(fù)例（海月水母碟狀體密度為0 的樣本）被預(yù)測為正例（海月水母碟狀體密度為1 的樣本），該負(fù)例對應(yīng)的站位為5-2。由圖2 可見，站位5-2中SST 為11.30 益、SBT 為11.10 益、SSS 為31.78、SBS 為31.73、SSDO 為9.21mg/L、SBDO 為8.87mg/L、SSpH 為8.14、SBpH 為8.21；與站位a-1 至a-5和5-1 相比，各種環(huán)境因子均在海月水母碟狀體高密度站位的取值范圍內(nèi)，成為模型的干擾項(xiàng)。

（4）在九棵決策樹中，由各環(huán)境因子出現(xiàn)的頻數(shù)可見，與海月水母碟狀體密度關(guān)系的緊密度由高到低依次為：鹽度、溶解氧、pH 和溫度。

5.2 基于評價(jià)指標(biāo)的結(jié)果與分析

采用3-折交叉驗(yàn)證法，在實(shí)驗(yàn)中，先采用2/3的訓(xùn)練集構(gòu)建決策樹模型，再通過1/3 測試集進(jìn)行測試，最后計(jì)算三種評價(jià)指標(biāo)值；重復(fù)實(shí)驗(yàn)10 次，取指標(biāo)的平均值作為實(shí)驗(yàn)結(jié)果。如圖6 所示，橫坐標(biāo)為各環(huán)境因子在三種粒度的離散化方法下與評價(jià)指標(biāo)組合的九種情況，其中，P、R 和F1 分別表示Precision、Recall 和F1-socres 三種評價(jià)指標(biāo)，S 和B 分別表示海洋表層和底層；縱坐標(biāo)為評價(jià)指標(biāo)的得分值。通過對圖6 中各種情況的分析，得到結(jié)論如下。

圖6 各種情況下評價(jià)指標(biāo)的對比圖

（1）從三種粒度下的離散化方面看，三種評價(jià)指標(biāo)的值基本呈現(xiàn)出先增加后減小的趨勢。說明增加離散化的粒度可以提高模型預(yù)測的效果，但過度細(xì)化會降低模型的預(yù)測效果。

（2）從三種海洋環(huán)境因子方面看，三種評價(jià)指標(biāo)的最優(yōu)值均出現(xiàn)在海洋表層環(huán)境因子特征中。說明適合采用海洋表層環(huán)境因子構(gòu)建決策樹預(yù)測海月水母碟狀體密度高低。

（3） 從三種評價(jià)指標(biāo)方面看，Recall 躍F1-socres躍Precision。在情況2 的表層環(huán)境因子模型下的Recall 指標(biāo)值達(dá)到1，說明在該模型下海月水母碟狀體密度高（值為1）的樣本全部預(yù)測正確。在各種模型下的Precision 指標(biāo)值均最小，該指標(biāo)統(tǒng)計(jì)了被預(yù)測的真實(shí)正樣本占預(yù)測樣本總數(shù)的比例，說明存在一些海月水母碟狀體密度低（值為0）的樣本被預(yù)測為密度高（值為1），其原因是，在離散化后，負(fù)樣本（站位5-2）與正樣本的環(huán)境因子在同一范圍，與基于ID 3 決策樹模型分析的結(jié)論（3）類似。F1-socres 為Recall 和Precision 指標(biāo)值的加權(quán)和，因此，F(xiàn)1-socres 的值介于Recall 和Precision 之間是合理的。在綜合比較各種情況下，基于平均值和標(biāo)準(zhǔn)差的三分法細(xì)化粒度的情況2 中的海洋表層環(huán)境因子的評價(jià)指標(biāo)值最優(yōu)。最優(yōu)情況下，Precision、Recall 和F1-socres 三種評價(jià)指標(biāo)的值分別為0.80、1.00 和0.87；分別優(yōu)于其他情況1.00%～17.33%、3.33%～15.28%和2.15%～14.54%。

從最優(yōu)情況下看，三種評價(jià)指標(biāo)值雖然均超過80%，但綜合Recall 和Precision 的F1-socres 指標(biāo)的分?jǐn)?shù)值并沒有達(dá)到95%及以上。這是由于數(shù)據(jù)集規(guī)模較小，特別是海月水母碟狀體密度高（值為1）的正樣本數(shù)量非常少；同時(shí)，又采用了3-折交叉驗(yàn)證法，會使訓(xùn)練集中包含的海月水母碟狀體密度高的正樣本數(shù)更少。這些均會影響決策樹模型的預(yù)測效果。后期，當(dāng)積累了更多的數(shù)據(jù)時(shí)，模型的預(yù)測效果會進(jìn)一步提升。

5.3 相關(guān)性結(jié)果與分析

由上文決策樹實(shí)驗(yàn)可得如下結(jié)論：（1）基于平均值和標(biāo)準(zhǔn)差的方法對各海洋環(huán)境因子的離散化效果最佳；（2）適合采用海洋表層環(huán)境因子構(gòu)建決策樹，該決策樹對海月水母碟狀體密度的預(yù)測效果最佳；（3）基于決策樹中各環(huán)境因子出現(xiàn)的頻率得出，與海月水母碟狀體密度的相關(guān)性由高到低依次為：鹽度、溶解氧、pH 和溫度。

為了進(jìn)一步驗(yàn)證上述結(jié)論的正確性和有效性，采用Pearson 相關(guān)性對原始數(shù)據(jù)和離散化后的海洋表層環(huán)境因子與海月水母碟狀體密度數(shù)據(jù)進(jìn)行相關(guān)性分析，結(jié)果如圖7 所示。結(jié)果表明，兩者的相同點(diǎn)為：海月水母碟狀體密度均與溫度、溶解氧正相關(guān)，與鹽度、pH 負(fù)相關(guān)；均與鹽度、溶解氧的相關(guān)性較高，與溫度和pH 的相關(guān)性較低。不同點(diǎn)為：與原始數(shù)據(jù)中的相關(guān)性相比，離散化后的鹽度和溶解氧較高，且呈現(xiàn)P<0.01 的極顯著相關(guān)性；離散化后的溫度顯著降低，相關(guān)性最弱。

圖7 Pearson 相關(guān)性分析

對于離散化后的數(shù)據(jù)，它基本保持了原始數(shù)據(jù)的相關(guān)性特征。雖然增加了鹽度和溶解氧的相關(guān)性，降低了溫度的相關(guān)性；這是由于數(shù)據(jù)離散化不僅可以將連續(xù)數(shù)據(jù)進(jìn)行分段，使其滿足決策樹算法的需求；還具有提高系統(tǒng)對樣本預(yù)測/分類和抗噪聲的能力。在本文中，基于平均值和標(biāo)準(zhǔn)差離散化后構(gòu)建決策樹的評價(jià)指標(biāo)均較高，可見該離散化方法可行且有效。

對于海洋表層環(huán)境因子，與海月水母碟狀體密度的Pearson 相關(guān)性差異顯著，其中，與鹽度和溶解氧的相關(guān)性較強(qiáng)，決策樹也主要由這兩個(gè)因子構(gòu)成，可見，基于海洋表層環(huán)境因子構(gòu)建的決策樹對其密度分布的辨識度較高，且效果最佳。同時(shí)，鄭向榮等（2014）指出，每年4—5 月，隨著溫度的升高，海月水母碟狀體由海洋底層向表層移動(dòng)。本研究采用的數(shù)據(jù)為2020 年春季4 月中下旬的數(shù)據(jù)，此時(shí)海月水母碟狀體會向海洋表層移動(dòng)。因此，采用海洋表層環(huán)境因子構(gòu)建的決策樹正確且可行。

離散化后的相關(guān)性與決策樹的分析結(jié)果均顯示，與海月水母碟狀體密度分布關(guān)系的相關(guān)性由高到低依次均為：鹽度、溶解氧、pH 和溫度。與原始數(shù)據(jù)間的相關(guān)性分析相比，主要差別為溫度。

對于海水溫度，劉婧美等（2016）指出溫度是海月水母水螅體橫列生殖重要影響因素。Treible等（2019）指出在實(shí)驗(yàn)室條件下，海月水母螅狀體在10～14 益時(shí)進(jìn)行橫裂生殖。Purcell 等（2007）發(fā)現(xiàn)，在北太平洋的海月水母（Aurelia labiata）螅狀體在10 益時(shí)進(jìn)行橫裂生殖的數(shù)量比在7 益時(shí)多4倍。溫度也對碟狀體的生存生長速度有顯著影響。Widmer（2005） 指出溫度低于8 益時(shí)，碟狀體生長衰退，個(gè)體變小；溫度高于30 益時(shí)，碟狀體死亡；且指出東北太平洋海域的海月水母碟狀體的最適生長溫度為12～21 益。付志璐等（2011）試驗(yàn)證明，10～25 益時(shí)，溫度越高，海月水母碟狀體的生長速度越快。然而，本文中海月水母碟狀體密度分布與溫度關(guān)系為正、相關(guān)性最低且不顯著。其可能原因?yàn)椋海?）在2020 年春季4 月下旬秦皇島海域的相關(guān)數(shù)據(jù)中，海月水母碟狀體密度的高值區(qū)對應(yīng)的溫度均已超過11 益，適宜海月水母幼體繁殖與生長。（2）水溫年度變化梯度較大，但調(diào)查期間水溫變化梯度較小。因此，決策樹模型中未體現(xiàn)出溫度對海月水母碟狀體密度分布的影響。

對于pH，Spangenberg 等（1967） 指出，在pH 為6.5～10.0 時(shí)，全部海月水母螅狀體均能進(jìn)行橫裂生殖，但當(dāng)pH 為6 時(shí)，大部分螅狀體解體。Winans 等（2010）指出海月水母（Aurelia sp.）碟狀幼體在pH 為6.896 的海水中暴露96 h 后發(fā)育畸形，pH 為6.366 時(shí)停止發(fā)育。王雷等（2021）指出海洋酸化條件（pH抑7.5 和7.3） 對海月水母（Aurelia labiata）螅狀幼體和碟狀幼體的生存或無性繁殖沒有顯著影響，但酸化海水會抑制碟狀幼體發(fā)育。季軒梁等（2013）指出，當(dāng)pH 在6～9 之間時(shí)，均可適應(yīng)海月水母碟狀體的生存。該研究海域中pH 的范圍介于7.98～8.38 之間，對海月水母碟狀體密度分布無顯著影響，與現(xiàn)有文獻(xiàn)結(jié)論一致。因此，過度細(xì)化pH 會干擾預(yù)測效果。

現(xiàn)有文獻(xiàn)指出，當(dāng)鹽度為27～34、溶解氧含量大于2.68 mg/L 時(shí)，適合海月水母螅狀體橫裂生殖與碟狀體的生存（Duarte et al，2012；Treible et al，2019；Purcell et al，2007；Ishii et al，2008）。本次調(diào)查的高密度區(qū)域中，鹽度為31.63～31.78，溶解氧含量為8.82～9.44 mg/L，低鹽富氧的蓮花島海域?yàn)楹Ｔ滤傅鸂钣左w的大量聚集提供了有利條件。本研究構(gòu)建的決策樹模型與此得到的結(jié)論一致。

6 結(jié)論

采用ID 3 決策樹，對2020 年4 月秦皇島海域（119毅50憶E—119毅85憶E、39毅75憶N—39.95毅N）34 個(gè)站位海月水母碟狀體密度分布與海洋環(huán)境因子進(jìn)行多粒度定量分析與研究。數(shù)據(jù)分析與實(shí)驗(yàn)結(jié)果如下。

（1）在離散化方法中，基于平均值和標(biāo)準(zhǔn)差的粒度三分類的效果最佳；在決策樹模型中，基于海洋表層環(huán)境因子的預(yù)測效果最佳。表明2020 年4月下旬的海月水母碟狀體密度分布，適合采用海洋表層環(huán)境因子構(gòu)建的決策樹進(jìn)行預(yù)測。

（2）基于決策樹模型的分析表明，海月水母碟狀體密度分布，與各環(huán)境因子的相關(guān)性由高到低依次為：鹽度、溶解氧、pH 和溫度；與海洋表層環(huán)境因子之間的定量關(guān)系為：當(dāng)SSS沂[31.49，31.79）、

SSDO沂[9.18 mg/L，9.50 mg/L）、SSpH沂[8.12，8.21) 和SST沂[11.29 益，11.71 益）時(shí)，海月水母碟狀體密度被預(yù)測為高。即可通過決策樹，根據(jù)鹽度低、溶解氧高預(yù)測出海月水母碟狀體高密度區(qū)域，對應(yīng)為a-1 至a-5 和5-1 的6 個(gè)站位。

（3）基于平均值和標(biāo)準(zhǔn)差三分法細(xì)化粒度下的海洋表層環(huán)境因子構(gòu)建決策樹模型，在Precision、Recall 和F1-socres 三種評價(jià)指標(biāo)中，指標(biāo)值分別為0.80、1.00 和0.87；與其他情況相比，分別最多提高了17.33%、15.28%和14.54%。

在2020 年4 月對秦皇島海域進(jìn)行大面巡航過程中，現(xiàn)場僅采集到海水溫度、鹽度、溶解氧和pH 的相關(guān)數(shù)據(jù)。因此，僅分析了海月水母碟狀體密度分布與溫度、鹽度、溶解氧和pH 等環(huán)境因子之間的關(guān)系。在后續(xù)研究中，將會考慮浮游動(dòng)物豐度/生物量（餌料背景）、研究海域的類型（發(fā)源地）和研究區(qū)域海流的流向（運(yùn)動(dòng)及分布的軌跡、范圍）等因素對水母密度分布的影響；會增加4 月航次的觀測頻數(shù)、獲取更多海月水母碟狀體相關(guān)數(shù)據(jù)來進(jìn)一步驗(yàn)證本文的研究成果。

致謝：感謝“冀秦漁運(yùn)66666”號全體船員為現(xiàn)場樣品的采集所付出的艱辛努力。