【摘要】蓝点马鲛(Scomberomorusniphonius)是中国近海重要的大型中上层经济鱼类,精准预测蓝点马鲛渔场分布对渔业资源评估与管理有重要意义。本研究利用蓝点马鲛捕捞数据与卫星遥感海表温度(sea surface temperature, SST)和海表叶绿素浓度(chlorophyll-aconcertation,Chla)数据,构建了基于自动机器学习的蓝点马鲛CPUE预测模型,通过与XGBoost模型、随机森林模型和广义加性模型(generalized addictive models, GAM)对比,自动机器学习模型的确定系数(coefficientofdetermination,R~2)分别提高了51%、107%和117%,均方根误差(rootmeansquarderror,RMSE)分别降低了15%、28%和32%。通过模型预测的蓝点马鲛CPUE,开发了渔场丰度指数,分析了渔场丰度时空变动规律。结果显示:蓝点马鲛渔场丰度高值区在春季由于受到SST的影响较大,呈现向北及向近岸移动的趋势,这种现象与蓝点马鲛索饵及产卵洄游路线一致;同时,蓝点马鲛渔场丰度高值区纬度重心的北移,也与气候变暖影响下蓝点马鲛索饵和产卵的适宜温度区变动有关。通过气候事件指数分析发现, Ni?o 3.4指数与蓝点马鲛渔场丰度高值区面积呈显著相关。结合RCP2.6、RCP4.5、RCP6.0、RCP8.5 4种情景,分别预测了2100年蓝点马鲛的CPUE分布变动,发现随着全球变暖,蓝点马鲛CPUE高值产区北移,并相比2010—2015年蓝点马鲛CPUE预测平均值, 4种RCP情景下分别上升了0.1、2.2、2.41和17.3 kg/h。本研究结果可为中国近海经济鱼种的渔情预报研究提供参考。