tinroИзвестия ТИНРОIzvestiya TINRO1606-99192658-5510ТИНРО10.26428/1606-9919-2019-199-193-213tinro-520Research ArticleУСЛОВИЯ ОБИТАНИЯ ПРОМЫСЛОВЫХ ОБЪЕКТОВENVIRONMENTS OF FISHERIES RESOURCESМОДЕЛИРОВАНИЕ РАСПРЕДЕЛЕНИЯ УЛОВОВ САЙРЫ В СВЯЗИ С ФАКТОРАМИ ОКРУЖАЮЩЕЙ СРЕДЫMODELING DISTRIBUTION OF SAURY CATCHES IN RELATION WITH ENVIRONMENTAL FACTORSКуликВ. В.KulikV. V.

Кулик Владимир Владимирович, кандидат биологических наук, начальник отдела

В.В. Кулик разработал постановку проблемы и вероятные пути решения, проводил теоретические расчеты и обработку данных

Все авторы участвовали в написании текста статьи и в обсуждении результатов.

Kulik Vladimir V., Ph.D., head of department

vladimir.kulik@tinro-center.ruБайталюкА. А.BaitaliukA. A.

Байталюк Алексей Анатольевич, кандидат биологических наук, заместитель директора ВНИРО — руководитель

А.А. Байталюк разработал постановку проблемы и вероятные пути решения

Все авторы участвовали в написании текста статьи и в обсуждении результатов.

 

Baitaliuk Aleksey A., Ph.D., deputy head

aleksei.baitaliuk@tinro-center.ruКатугинО. Н.KatuginO. N.

Катугин Олег Николаевич, кандидат биологических наук, начальник отдела

О.Н. Катугин участвовал в предварительном отборе исходных данных

Все авторы участвовали в написании текста статьи и в обсуждении результатов.

Katugin Oleg N., Ph.D., head of department

oleg.katugin@tinro-center.ruУстиноваЕ. И.UstinovaE. I.

Устинова Елена Ивановна, кандидат географических наук, ведущий научный сотрудник

Е.И. Устинова участвовал в предварительном отборе исходных данных

Все авторы участвовали в написании текста статьи и в обсуждении результатов.

Ustinova Elena I., Ph.D., leading researcher

elena.ustinova@tinro-center.ruТихоокеанский филиал ВНИРО (ТИНРО)РоссияPacific branch of VNIRO (TINRO)Russian FederationТихоокеанский филиал ВНИРО (ТИНРО)РоссияVNIRO — head of Pacific branch of VNIRO (TINRO)Russian Federation2019301220191994193213Copyright © Кулик В.В., Байталюк А.А., Катугин О.Н., Устинова Е.И., 20192019Кулик В.В., Байталюк А.А., Катугин О.Н., Устинова Е.И.Kulik V.V., Baitaliuk A.A., Katugin O.N., Ustinova E.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://izvestiya.tinro-center.ru/jour/article/view/520

При моделировании использовали ежедневную информацию, полученную из многомерной системы вариационной оценки океана (MOVE), доступную для области между 140 и 159о в.д. В эту область попадает около 95 % всех уловов, предоставленных Комиссии по рыболовству в северной части Тихого океана (NPFC), и 100 % российских уловов в 1994–2017 гг. Позиции судов на лову и в поиске сайры интерполированы с разрешением в 1 км из Отраслевой системы мониторинга, а температура поверхности моря (SST) — из многомасштабного анализа сверхвысокого разрешения. Общее пространственное разрешение для моделей приведено в соответствие самому грубому — в системе MOVE (0,1о по широте и долготе). Сначала мы оценили вклад в вероятность нахождения вида и значение на перестановках 184 предикторов из возможных комбинаций ежедневных продуктов SST и MOVE с задержкой от 0 до 7 дней и окном скользящей средней от 0 до 7 дней в MaxEnt. SST, температура воды (WT) и ее градиент (WTG) на глубине 50 м для текущего дня вылова и до 2 предыдущих дней для SST и от 3 до 7 дней для WT и WTG на глубине 50 м имели самые высокий вклад и значения на перестановках. Затем мы испытали более универсальные методы — обобщенные аддитивные модели (GAM) и случайного леса (Random forest) с этими предикторами. Последний превзошел MaxEnt и GAM по различным показателям прогностической точности. Его точность достигла 0,86 c площадью под кривой ошибок AUC = 0,7. Годовая сумма площадей с условиями, предпочитаемыми сайрой согласно случайному лесу в ИЭЗ, показывает значительную (p < 0,05) корреляцию (0,96) с общими уловами сайры в последние экстремальные годы ее вылова (максимальный вылов сайры в ИЭЗ в 2008 г., максимальный вылов сайры всеми участниками NPFC в 2014 г., минимальный вылов сайры в ИЭЗ в 2017 г. и максимальный вылов сайры всеми участниками NPFC в Конвенционном районе в 2018 г.).

Pacific saury Cololabis saira is widely distributed in the North Pacific, with commercial harvesting in the area between 140–172о E. Relationship of its commercial catches distribution with environmental factors is investigated using the daily SST data, the daily data set of multivariate ocean variational estimation system (MOVE) produced by Meteorological Research Institute (Japan) for the area between 140–159о E (about 95 % of all catches and 100 % of the Russian catches of saury were landed in this area in 1994–2017), and the daily set of saury catches position with 1 km resolution collected by the Russian vessel monitoring system. Spatial resolution for all data sets is upscaled to the resolution of MOVE system (0.1 x 0.1 degree). Contribution and permutation importance for the catch distribution are estimated for 184 possible combinations of SST and MOVE products with the lags of 0–7 days and moving average window from 0 to 7 days using the method of maximum entropy (MaxEnt). For synchronic relationships, the best results are found for SST, water temperature at 50 m depth and its spatial gradient, moreover, SST provides high contribution with the lag up to 2 days and the temperature at 50 m and its gradient — with the lag 3–7 days. The same sets of environmental parameters are used for the catches distribution modeling with GAMs and Random Forest techniques; the latter method shows better accuracy and other indices of the confusion matrix. Year-to-year changes of the total area with predicted conditions favorable for the saury fishery within the EEZ of Russia and Japan correlate strongly (r = 0.96, p < 0.05) with the total annual catch of saury, in particular for the extreme years (high catches in 2008, 2014, and 2018, low catch in 2017).

тихоокеанская сайравыловТихий океанмодель распределения видаSSTмаксимальная энтропияобобщенная аддитивная модельслучайный лесpacific saurycatchNorth PacificSDM software (species distribution modeling)sea surface temperature (SST)method of maximum entropy (MaxEnt)generalized additive model (GAM)Random Forest techniqueВыражаем благодарность И.И. Шевченко и Е.А. Мирзазянову за выделение ресурсов в центре хранения и обработки данных ТИНРО, а также их настройку и поддержку в режиме онлайн и удалённого доступа, что позволило обработать терабайты исходных данных. Финансирование работы Работа выполнена в рамках государственного задания № 076-00005-19-00 ФГБНУ «ВНИРО» на 2019 г. и при финансовой поддержке Российского научного фонда (проект № 19-17-00006).ReferencesБайталюк А.А., Давыдова С.В. Распределение и пассивные миграции сайры в северной части Тихого океана // Вопр. рыб-ва. — 2002. — Т. 3, № 3(11). — С. 402–420.Baitaliuk, A.A. and Davydova, S.V., Distribution and passive migration of Pacific saury Cololabis saira Brevoort in the northern part of the Pacific Ocean, Vopr. Rybolov., 2002, vol. 3, no. 3(11), pp. 402–420.Бочаров Л.Н. Информационная технология краткосрочного промыслового прогнозирования : дис. ... д-ра техн. наук в форме научного доклада. — Владивосток : ИАПУ ДВО РАН, 1993. — 68 с.Bocharov, L.N., Information technology of short-term field forecasting, Dr. Tech. Sci. Dissertation in the form of a scientific report, Vladivostok: IAPU DVO RAN, 1993.Истоки Ойясио : моногр. / под ред. В.Р.Фукса, А.Н. Мичурина. — СПб. : СПбГУ, 1997. — 248 с.Istoki Oyyasio (The origins of Oyyashio), Fuchs, V.R., Michurina, A.N., Ed., St. Petersburg: S.-Peterb. Gos. Univ., 1997.Кулик В.В. Использование температуры поверхности океана при оценке запаса тихоокеанской сайры (Cololabis saira) в Комиссии по рыболовству в северной части Тихого океана // Процессы в геосредах. — 2018. — Т. 3, № 17. — С. 76–77.Kulik, V.V., The sea-surface temperature usage during stock assessment of pacific saury (Cololabis saira) in the North Pacific fisheries commission, Protsessy v geosredakh, 2018, vol. 3, no. 17, pp. 76–77.Кулик В.В., Катугин О.Н., Зуев М.А. Вероятное сокращение ареала северного кальмара (Boreoteuthis borealis) в северо-западной части Тихого океана при различных сценариях климатических изменений // Комплексные исследования Мирового океана : мат-лы 2-й всерос. науч. конф. мол. ученых [Электронный ресурс]. — М. : ИО РАН, 2017. — С. 362–363.Kulik, V.V., Katugin, O.N., and Zuev, M.A., Likely reduction of the range of northern squid (Boreoteuthis borealis) in the northwestern part of the Pacific Ocean under various scenarios of climatic changes, in Mater. 2 Vseross. nauchn. konf. molodykh uch. “ Kompleksnyye issledovaniya Mirovogo okeana” (Integrated Studies of the World Ocean) [Elektronnyy resurs], Moscow: Inst. Okeanol. RAN, 2017, pp. 362–363.Парин Н.В. Ареал сайры (Cololabis saira Brev. — Scombresocidae, Pisces) и значение океанографических факторов для ее распространения // ДАН СССР. — 1960. — Т. 130, № 3. — С. 649–652.Parin, N.V., The range of saury (Cololabis saira Brev. — Scombresocidae, Pisces) and the importance of oceanographic factors for its distribution, Dokl. Akad. Nauk SSSR, 1960, vol. 130, no. 3, pp. 649–652.Филатов В.Н. Миграции и формирование скоплений массовых пелагических гидробионтов (на примере тихоокеанской сайры) : моногр. — Ростов н/Д : ЮНЦ РАН, 2015. — 168 с.Filatov, V.N., Migratsii i formirovaniye skopleniy massovykh pelagicheskikh gidrobiontov (na primere tikhookeanskoy sayry) (Migrations and the formation of clusters of massive pelagic aquatic organisms (on the example of Pacific saury)), Rostov-on-Don: Yuzhn. Nauchn. Tsentr, Ross. Akad. Nauk, 2015.Филатов В.Н. Определение перспективных для промысла сайры участков по данным полигонных съемок в Южно-Курильском районе // Изв. ТИНРО. — 1984. — Т. 109. — С. 35–40.Filatov, V.N., Determination of the promising saury fishery regions based on the polygon surveys in the South-Kuril area, Izv. Tikhookean. Nauchno–Issled. Inst. Rybn. Khoz. Okeanogr., 1984, vol. 109, pp. 35–40.Филатов В.Н., Старцев А.В., Устинова Е.И., Еремин Ю.В. Тихоокеанская сайра. Научно-информационное обеспечение промысловой экспедиции : моногр. — Ростов н/Д : ЮНЦ РАН, 2011. — 120 с.Filatov, V.N., Startsev, A.V., Ustinova, E.I. and Eremin, Yu.V., Tikhookeanskaya sayra. Nauchno-informatsionnoye obespecheniye promyslovoy ekspeditsii (Pacific saury. Scientific and informational support of a fishing expedition), Rostov-on-Don: Yuzhn. Nauchn. Tsentr, Ross. Akad. Nauk, 2011.Baitaliuk A.A., Orlov A.M., Ermakov Yu.K. Characteristic features of ecology of the Pacific saury Cololabis saira (Scomberesocidae, Beloniformes) in open waters and in the northeast Pacific ocean // J. Ichthyol. — 2013. — Vol. 53, № 11. — P. 899–913. DOI: 10.1134/S0032945213110027.Baitaliuk, A.A., Orlov, A.M., and Ermakov, Yu.K., Characteristic features of ecology of the Pacific saury Cololabis saira (Scomberesocidae, Beloniformes) in open waters and in the northeast Pacific ocean, J. Ichthyol., 2013, vol. 53, no. 11, pp. 899–913. doi 10.1134/S0032945213110027Belkin I.M., O’Reilly J.E. An algorithm for oceanic front detection in chlorophyll and SST satellite imagery // J. Mar. Syst. — 2009. — Vol. 78, № 3. — P. 319–326. DOI: 10.1016/j.jmarsys.2008.11.018.Belkin, I.M. and O’Reilly, J.E., An algorithm for oceanic front detection in chlorophyll and SST satellite imagery, J. Mar. Syst., 2009, vol. 78, no. 3, pp. 319–326. doi 10.1016/j. jmarsys.2008.11.018Breiman L. Random forests // Mach. Learn. — 2001. — Vol. 45, Iss. 1. — P. 5–32. DOI: 10.1023/A:1010933404324.Breiman, L. Random forests, Mach. Learn., 2001, vol. 45, no. 1, pp. 5–32. Doi 10.1023/A:1010933404324Chang Y.-J., Lan K.-W., Walsh W.A. et al. Modelling the impacts of environmental variation on habitat suitability for Pacific saury in the Northwestern Pacific Ocean // Fish. Oceanogr. — 2019. — Vol. 28, № 3. — P. 291–304. DOI: 10.1111/fog.12408.Chang Y.-J., Lan K.-W., Walsh W.A., Hsu J., Hsieh C.-H. Modelling the impacts of environmental variation on habitat suitability for Pacific saury in the Northwestern Pacific Ocean, Fish. Oceanogr., 2019, vol. 28, no. 3, pp. 291–304. doi 10.1111/fog.12408Chin T.M., Vazquez-Cuervo J., Armstrong E.M. A multi-scale high-resolution analysis of global sea surface temperature // Remote Sens. Environ. — 2017. — Vol. 200, № 7. — P. 154–169. DOI: 10.1016/j.rse.2017.07.029.Chin, T.M., Vazquez-Cuervo, J., and Armstrong, E.M., A multi-scale high-resolution analysis of global sea surface temperature, Remote Sens. Environ., 2017, vol. 200, no. 7, pp. 154–169. Doi 10.1016/j.rse.2017.07.029Cohen J. A Coefficient of Agreement for Nominal Scales // Educ. Psychol. Meas. — 1960. — Vol. 20, № 1. — P. 37–46. DOI: 10.1177/001316446002000104.Cohen, J., A Coefficient of Agreement for Nominal Scales, Educ. Psychol. Meas.,1960, vol. 20, no. 1, pp. 37–46. doi 10.1177/001316446002000104Guillera-Arroita G., Lahoz-Monfort J.J., Elith J. Maxent is not a presence-absence method: a comment on Thibaud et al. // Methods Ecol. Evol. — 2014. — Vol. 5, № 11. — P. 1192–1197. DOI: 10.1111/2041-210X.12252.Guillera-Arroita, G., Lahoz-Monfort, J.J., and Elith, J., Maxent is not a presence-absence method: a comment on Thibaud et al., Methods Ecol. Evol., 2014, vol. 5, no. 11, pp. 1192–1197. Doi 10.1111/2041-210X.12252He S., Li Y., Feng Y. et al. Learning to predict the cosmological structure formation // Proc. Nat. Acad. Sci. — 2019. — Vol. 116, № 28. — P. 13825–13832. DOI: 10.1073/pnas.1821458116.He, S., Li, Y., Feng, Y., Ho, S., Ravanbakhsh, S., Chen, W., and Póczos, B., Learning to predict the cosmological structure formation, Proceedings of the National Academy of Sciences, 2019, vol. 116, no. 28, pp. 13825–13832. doi 10.1073/pnas.1821458116Kawai H. Hydrography of the Kuroshio and the Oyashio (in Japanese) // Physical Oceanography II, Fundamental Lectures of Oceanography. — Japan : Tokai Univ. Press, 1972. — P. 129–320.Kawai, H., Statistical estimation of isotherms indicative of the Kuroshio axis, Deep-Sea Res., 1969, vol. 16, pp. 109–115.Kawai H. Statistical estimation of isotherms indicative of the Kuroshio axis // Deep-Sea Res. — 1969. — Vol. 16. — P. 109–115.Kawai, H., Hydrography of the Kuroshio and the Oyashio (in Japanese), Physical Oceanography II, Fundamental Lectures of Oceanography, Japan: Tokai Univ. Press, 1972, pp. 129–320.Kobayashi T., Wako M., Naito M. Studies on the life of the Pacific saury, Cololabis saira (Brevoort). I. Aggregative characteristics of adult of the autumn-spawning population // Sci. Rep. Hokkaido Fish. Exp. Stn. — 1968. — Vol. 9. — P. 1–45.Kobayashi, T., Wako, M., and Naito, M., Studies on the life of the Pacific saury, Cololabis saira (Brevoort). I. Aggregative characteristics of adult of the autumn-spawning population, Sci. Rep. Hokkaido Fish. Exp. Stn., 1968, vol. 9, pp. 1–45.Kulik V.V., Katugin O.N., Zuev M.A. Climate change impacts on distribution patterns of boreopacific gonate squid (Boreoteuthis borealis) in the Northwest Pacific // Proceedings of the 25 Year of PICES: Celebrating the Past, Imagining the Future. — San Diego, CA, USA : North Pacific Marine Science Organization, 2016. — P. 148.Kulik, V.V., Katugin, O.N., and Zuev, M.A., Climate change impacts on distribution patterns of boreopacific gonate squid (Boreoteuthis borealis) in the Northwest Pacific, Proceedings of the 25 Year of PICES: Celebrating the Past, Imagining the Future, San Diego, CA, USA: North Pacific Marine Science Organization, 2016, pp. 148.Lee B., Shin M., Oh Y. et al. Identification of protein functions using a machine-learning approach based on sequence-derived properties // Proteome Sci. — 2009. — Vol. 7, № 1. — P. 27. DOI: 10.1186/1477-5956-7-27.Lee, B., Shin, M., Oh, Y., Oh, H., and Ryu, K., Identification of protein functions using a machine-learning approach based on sequence-derived properties, Proteome Sci., 2009, vol. 7, no. 1, pp. 27. doi 10.1186/1477-5956-7-27Li W., Guo Q. How to assess the prediction accuracy of species presence-absence models without absence data? // Ecography. — 2013. — Vol. 36, № 7. — P. 788–799. DOI: 10.1111/j.1600-0587.2013.07585.x.Li, W. and Guo, Q., How to assess the prediction accuracy of species presence-absence models without absence data?, Ecography, 2013, vol. 36, no. 7, pp. 788–799. doi 10.1111/j.1600-0587.2013.07585.xMichalsky J.J. The Astronomical Almanac’s algorithm for approximate solar position (1950–2050) // Solar Energy. — 1988. — Vol. 40, № 3. — P. 227–235. DOI: 10.1016/0038-092X(88)90045-X.Michalsky, J.J., The Astronomical Almanac’s algorithm for approximate solar position (1950–2050), Solar Energy, 1988, vol. 40, no. 3, pp. 227–235. doi 10.1016/0038-092X(88)90045-XOgawa Y. Variation of the southern end latitude of the first Oyashio intrusion (in Japanese with English abstract and captions) // Bull. Tohoku Reg. Fish. Lab. — 1989. — Vol. 51. — P. 1–9.Ogawa, Y., Variation of the southern end latitude of the first Oyashio intrusion, Bull. Tohoku Reg. Fish. Lab., 1989, vol. 51, pp. 1–9.Olofsson P., Foody G.M., Herold M. et al. Good practices for estimating area and assessing accuracy of land change // Remote Sensing of Environment. — 2014. — Vol. 148. — P. 42–57. DOI: 10.1016/j.rse.2014.02.015.Olofsson, P., Foody, G.M., Herold, M., Stehman, S.V., Woodcock, C.E., and Wulder, M.A., Good practices for estimating area and assessing accuracy of land change, Remote Sensing of Environment, 2014, vol. 148, pp. 42–57. doi 10.1016/j.rse.2014.02.015Phillips S.J., Anderson R.P., Schapire R.E. Maximum entropy modeling of species geographic distributions // Ecol. Modell. — 2006. — Vol. 190, № 3–4. — P. 231–259. DOI: 10.1016/j.ecolmodel.2005.03.026.Phillips, S.J., Anderson R.P., and Schapire R.E., Maximum entropy modeling of species geographic distributions, Ecol. Modell., 2006, vol. 190, no. 3–4, pp. 231–259. doi 10.1016/j.ecolmodel.2005.03.026Pontius R.G., Millones M. Death to Kappa: Birth of quantity disagreement and allocation disagreement for accuracy assessment // Int. J. Remote Sens. — 2011. — Vol. 32, № 15. — P. 4407–4429. DOI: 10.1080/01431161.2011.552923.Pontius, R.G. and Millones M., Death to Kappa: Birth of quantity disagreement and allocation disagreement for accuracy assessment, Int. J. Remote Sens., 2011, vol. 32, no. 15, pp. 4407–4429. Doi 10.1080/01431161.2011.552923Sakamoto Y., Ishiguro M., Kitagawa G. Akaike Information Criterion Statistics : Mathematics and its Applications. — Springer Netherlands, 1986. — 290 p.Sakamoto, Y., Ishiguro, M., and Kitagawa, G., Akaike Information Criterion Statistics, Mathematics and its Applications, Springer Netherlands, 1986.Shotton J., Sharp T., Kipman A. et al. Real-time human pose recognition in parts from single depth images // Commun. ACM. — 2013. — Vol. 56, № 1. — P. 116–124. DOI: 10.1145/2398356.2398381.Shotton, J., Sharp, T., Kipman, A., Fitzgibbon, A., Finocchio, M., Blake, A., Cook, M., and Moore, R., Real-time human pose recognition in parts from single depth images, Commun. ACM, 2013, vol. 56, no. 1, pp. 116–124. doi 10.1145/2398356.2398381Syah A.F., Saitoh S.-I., Alabia I.D., Hirawake T. Detection of potential fishing zone for Pacific saury (Cololabis saira) using generalized additive model and remotely sensed data // IOP Conf. Ser.: Earth Environ. Sci. — 2017. — Vol. 54. — P. 012074. DOI: 10.1088/1755-1315/54/1/012074.Syah, A.F., Saitoh, S.-I., Alabia, I.D., and Hirawake, T., Detection of potential fishing zone for Pacific saury (Cololabis saira) using generalized additive model and remotely sensed data, IOP Conf. Ser.: Earth Environ. Sci., 2017, vol. 54, pp. 012074. doi 10.1088/1755-1315/54/1/012074Syah A.F., Saitoh S.-I., Alabia I., Hirawake T. Habitat model development of Pacific saury (Cololabis saira) using satellite remotely sensed data in the Northwestern North Pacific // 12th Biennial Conference of Pan Ocean Remote Sensing Conference (PORSEC 2014). — Bali, Indonesia, 2014. — P. 1–10.Syah, A.F., Saitoh, S.-I., Alabia, I., and Hirawake, T., Habitat model development of Pacific saury (Cololabis saira) using satellite remotely sensed data in the Northwestern North Pacific, 12th Biennial Conference of Pan Ocean Rmote Sensing Conference (PORSEC 2014), Bali, Indonesia, 2014, pp. 1–10.Syah A.F., Saitoh S.-I., Alabia I.D., Hirawake T. Predicting potential fishing zones for Pacific saury (Cololabis saira) with maximum entropy models and remotely sensed data // Fish. Bull. — 2016. — Vol. 114, № 3. — P. 330–342. DOI: 10.7755/FB.114.3.6.Syah, A.F., Saitoh, S.-I., Alabia, I.D., and Hirawake, T., Predicting potential fishing zones for Pacific saury (Cololabis saira) with maximum entropy models and remotely sensed data, Fish. Bull., 2016, vol. 114, no. 3, pp. 330–342. doi 10.7755/FB.114.3.6Takasugi S., Yasuda I. Index temperature at 100 m depth of the Oyashio front in the Iwate coastal region (in Japanese with English abstract and captions) // Japan J. Fish. Oceanogr. — 1993. — Vol. 57. — P. 333–344.Takasugi, S. and Yasuda, I., Index temperature at 100 m depth of the Oyashio front in the Iwate coastal region (in Japanese with English abstract and captions), Japan J. Fish. Oceanogr., 1993, vol. 57, pp. 333–344.Taylor K.E. Summarizing multiple aspects of model performance in a single diagram // J. Geophys. Res. Atmos. — 2001. — Vol. 106, № D7. — P. 7183–7192. DOI: 10.1029/2000JD900719.Taylor, K.E., Summarizing multiple aspects of model performance in a single diagram, J. Geophys. Res. Atmos., 2001, vol. 106, no. D7, pp. 7183–7192. doi 10.1029/2000JD900719Uda M. Fishing centre of “Sanrna” (Cololabis saira, Brevoort) correlated with the head of Oyashio cold current (In Japanese with English summary) // Bull. Jap. Soc. Sci. Fish. — 1936. — Vol. 5. — P. 236–238.Uda, M., Fishing centre of “Sanrna” (Cololabis saira, Brevoort) correlated with the head of Oyashio cold current (In Japanese with English summary), Bull. Jap. Soc. Sci. Fish., 1936, vol. 5, pp. 236–238.Usui N., Ishizaki S., Fujii Y. et al. Meteorological Research Institute multivariate ocean variational estimation (MOVE) system: Some early results // Adv. Sp. Res. — 2006. — Vol. 37, № 4. — P. 806–822. DOI: 10.1016/j.asr.2005.09.022.Usui, N. Ishizaki, S., Fujii, Y., Tsujino, H., Yasuda, T., and Kamachi, M. Meteorological Research Institute multivariate ocean variational estimation (MOVE) system: Some early results, Adv. Sp. Res., 2006, vol. 37, no. 4, pp. 806–822. doi 10.1016/j.asr.2005.09.022Usui N., Wakamatsu T., Tanaka Yu. et al. Four-dimensional variational ocean reanalysis: a 30-year high-resolution dataset in the western North Pacific (FORA-WNP30) // J. Oceanogr. — 2017. — Vol. 73, Iss. 2. — P. 205–233. DOI: 10.1007/s10872-016-0398-5.Usui, N., Wakamatsu, T., Tanaka, Yu., Hirose, N., Toyoda, T., Nishikawa, S., Fujii, Y., Takatsuki, Y., Igarashi, H., Nishikawa, H., Ishikawa, Y., Kuragano, T., Kamachi, M., Fourdimensional variational ocean reanalysis: a 30-year high-resolution dataset in the western North Pacific (FORA-WNP30), J. Oceanogr., 2017, vol. 73, no. 2, pp. 205–233. doi 10.1007/s10872-016-0398-5Werner F.E., Ito S.-I., Megrey B.A., Kishi M.J. Synthesis of the NEMURO model studies and future directions of marine ecosystem modeling // Ecol. Modell. — 2007. — Vol. 202, № 1–2. — P. 211–223. DOI: 10.1016/j.ecolmodel.2006.08.019.Werner, F.E., Ito, S.-I., Megrey, B.A., and Kishi, M.J., Synthesis of the NEMURO model studies and future directions of marine ecosystem modeling, Ecol. Modell., 2007, vol. 202, no. 1–2, pp. 211–223. doi 10.1016/j.ecolmodel.2006.08.019Wood S.N. Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models // J. R. Statist. Soc. B (Statistical Methodology). —2011. — Vol. 73, № 1. — P. 3–36. DOI: 10.1111/j.1467-9868.2010.00749.x.Wood, S.N., Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models, J. R. Statist. Soc. B (Statistical Methodology), 2011, vol. 73, no. 1, pp. 3–36. doi 10.1111/j.1467-9868.2010.00749.xWood S.N. Generalized Additive Models: An Introduction with R. — N.Y. : Chapman and Hall/ CRC, 2017. 2nd ed. — 476 p.Wood, S.N., Generalized Additive Models: An Introduction with R, New York: Chapman and Hall/CRC, 2017, second edition.Wood S.N. Thin plate regression splines // J. R. Statist. Soc. B (Statistical Methodology). — 2003. — Vol. 65, № 1. — P. 95–114. DOI: 10.1111/1467-9868.00374.Wood, S.N., Thin plate regression splines, J. R. Statist. Soc. B (Statistical Methodology), 2003, vol. 65, no. 1, pp. 95–114. doi 10.1111/1467-9868.00374Wright M.N., Ziegler A. ranger : A Fast Implementation of Random Forests for High Dimensional Data in C++ and R // J. Stat. Softw. — 2017. — Vol. 77, № 1. — P. 1–17. DOI: 10.18637/jss.v077.i01.Wright, M.N. and Ziegler, A., ranger : A Fast Implementation of Random Forests for High Dimensional Data in C++ and R, J. Stat. Softw., 2017, vol. 77, no. 1, pp. 1–17. doi 10.18637/jss.v077.i01Yasuda I., Watanabe Y. On the relationship between the Oyashio front and saury fishing grounds in the north western Pacific: A forecasting method for fishing ground locations // Fish. Oceanogr. — 1994. — Vol. 3, № 3. — P. 172–181. DOI: 10.1111/j.1365-2419.1994.tb00094.x.Yasuda, I. and Watanabe, Y., On the relationship between the Oyashio front and saury fishing grounds in the north western Pacific: A forecasting method for fishing ground locations, Fish. Oceanogr., 1994, vol. 3, no. 3, pp. 172–181. doi 10.1111/j.1365-2419.1994.tb00094.xYoshida T. Climatological seasonal variations of the distribution of Oyashio cold water // Umi to Sora. — 1992. — Vol. 68, № 2. — P. 79–88 (in Japanese with English abstract).Yoshida, T., Climatological seasonal variations of the distribution of Oyashio cold water, Umi to Sora, 1992, vol. 68, no. 2, pp. 79–88 (in Japanese with English abstract).

The authors declare that there are no conflicts of interest present.