【摘要】本文基于监督式学习算法的BP神经网络模型，综合多源卫星遥感观测获取得到的海表温度（sea surface temperature；SST）、叶绿素a质量浓度（chlorophyll-a concentration；Chl.a）、海表面高度距平（sea surface height anomaly；SSHA）、海水质量变化和地转流等海洋环境因子，对西北太平洋柔鱼资源丰度的时空分布进行了模拟和预测。以上海海洋大学中国远洋渔业数据中心2004—2017年的西北太平洋海域的柔鱼历史渔业捕捞数据为参考值，对基于多源卫星遥感观测的多海洋环境因子的柔鱼资源丰度的模拟和预测结果进行了精度评定。结果表明，与仅采用SST、Chl.a和SSHA等进行柔鱼资源丰度时空分布预测的传统方案相比，进一步加入海水质量变化和地转流后，可有效提高利用BP神经网络对西北太平洋柔鱼资源丰度进行模拟和预测的精度：改进方法模拟的标准差（standard deviation; STD）和均方根误差（root mean square error; RMSE）均提高了22%；且预测的STD提高了31%，RMSE减少了26%。