CN107578125A - 基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法 - Google Patents

基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法 Download PDF

Info

Publication number
CN107578125A
CN107578125A CN201710756994.3A CN201710756994A CN107578125A CN 107578125 A CN107578125 A CN 107578125A CN 201710756994 A CN201710756994 A CN 201710756994A CN 107578125 A CN107578125 A CN 107578125A
Authority
CN
China
Prior art keywords
depth
ssha
sst
chl
fishing ground
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710756994.3A
Other languages
English (en)
Inventor
陈新军
汪金涛
雷林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Maritime University
Shanghai Ocean University
Original Assignee
Shanghai Maritime University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN201710756994.3A priority Critical patent/CN107578125A/zh
Publication of CN107578125A publication Critical patent/CN107578125A/zh
Priority to PCT/CN2018/101111 priority patent/WO2019042162A1/zh
Priority to AU2018325013A priority patent/AU2018325013A1/en
Priority to US16/334,026 priority patent/US20190272598A1/en
Priority to AU2020100306A priority patent/AU2020100306A4/en
Pending legal-status Critical Current

Links

Landscapes

  • Farming Of Fish And Shellfish (AREA)

Abstract

基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法,本发明根据2012‑2015的生产统计数据,结合SST、SSHA、CHL‑a及水深,研究不同权重下摩洛哥头足类栖息地模型。摩洛哥头足类栖息地分布与表温、海面高度距平值、水深等环境因子关系密切,每月适宜的环境因子存在差异;最合适的SST是16~18和19~20℃、SSHA是‑50~‑30cm、叶绿素含量是1.0~5.0mg/m3、水深是30~40和60~70m。模型分析认为,方案5的权重时最适,其SST、SSHA、CHL‑a和水深的权重因子分别为0.4、0.4、0.1和0.1,说明在栖息地指数模型中,SST和SSHA影响最大,水深次之,叶绿素再次之。

Description

基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法
技术领域
本发明涉及头足类渔场预报技术领域,特别是涉及一种基于不同权重的海洋环境因子的摩洛哥头足类渔场预报方法。
背景技术
摩洛哥临北大西洋与地中海,是地中海与大西洋之间相互沟通联系的桥梁。海洋渔业是摩洛哥主要外汇来源,在其国内经济发展中处于关键位置。在摩洛哥的渔业资源中,头足类具有最高经济效益的。在摩洛哥,距离我国渔船第一次开展底拖网作业,已经过去20多年了,但底拖网主要捕捞对象一直以来还都是章鱼、鱿鱼这些头足类。国内的众多专家们曾对摩洛哥的渔业发展、渔具渔法以及水域的中上层鱼类资源等各方面开展了许多的调查与讨论。但是,国内与摩洛哥的头足类渔场分布有关的文献,这方面的研究仍是不多。
发明内容
本发明针对现有技术存在的问题和不足,提供一种基于不同权重的海洋环境因子的摩洛哥头足类渔场预报方法。
本发明是通过下述技术方案来解决上述技术问题的:
本发明提供一种基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法,其特点在于,其包括以下步骤:
S1、获取2012-2015年摩洛哥渔场的渔获生产统计数据,该渔获生产统计数据包括作业时间、经度、纬度、作业水深、作业网次以及作业产量;
S2、获取该渔获生产统计数据对应的海洋环境数据,该海洋环境数据包括海表温度SST、海面高度距平均值SSHA和叶绿素浓度Chl-a,该海洋环境数据以月为时间分辨率、0.5°×0.5°为空间分辨率,统计时间为2012-2015年的1-3月和11-12月;
S3、以作业网次、作业产量所占比率以及每个区间内的平均网次产量作为中心渔场的指标,研究其与SST、SSHA、Chl-a以及水深之间的关系;
S4、建立不同环境因子的适应性指数SI,采用专家赋值法赋予适应性指数SI的值,设定作业网次最高的海域为中心渔场的分布概率最高的海域,则适应性指数SI赋值为1;当没有作业网次则适应性指数SI赋值为0;当作业网次高于均值的海域,则适应性指数SI赋值为0.5;当作业网次低于均值的海域,则适应性指数SI赋值为0.1;
S5、利用公式HSI=XSST*ISI_SST+XSSHA*ISI_SSHA+XCHL-a*ISI-CHL-a+XDEPTH*ISI_DEPTH计算5种不同权重方案下的栖息地综合指数HIS;
式中:ISI_SST表示基于海表温度的适应性指数;ISI_SSHA表示基于海面高度距平均值的适应性指数;ISI-CHL-a表示基于叶绿素浓度的适应性指数;ISI_DEPTH表示基于水深的适应性指数;XSST、XSSHA、XCHL-a、XDEPTH分别表示海表温度、海面高度距平均值、叶绿素浓度、水深所占权重的值;
其中,权重方案1:XSST为0.25,XSSHA为0.25,XCHL-a为0.25,XDEPTH为0.25;
权重方案2:XSST为0,XSSHA为0.9,XCHL-a为0,XDEPTH为0.1;
权重方案3:XSST为0.1,XSSHA为0.1,XCHL-a为0,XDEPTH为0.8;
权重方案4:XSST为0.9,XSSHA为0.1,XCHL-a为0,XDEPTH为0;
权重方案5:XSST为0.4,XSSHA为0.4,XCHL-a为0.1,XDEPTH为0.1;
分别分析5种不同权重方案中HSI值与设定阈值的大小,从而比较得出最佳权重方案,来用于预测摩洛哥头足类渔场的中心渔场。
较佳地,步骤S3包括:
以SST相隔1℃为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场SST的范围;
以SSHA相隔10cm为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场SSHA的范围;
以Chl-a的含量在0.01~1.0、1.0~2.0、2.0~5.0、5.0~20.0、20.0~50.0mg/m3为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场Chl-a的范围;
以水深相隔10m为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场水深的范围。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明通过不同权重对摩洛哥头足类栖息地模型的影响,获得影响头足类栖息地分布的主要环境因子,为后续中心渔场预测提供基础。
附图说明
图1为本发明较佳实施例的摩洛哥头足类渔场预报方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例提供一种基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法,其包括以下步骤:
步骤101、获取2012-2015年摩洛哥渔场的渔获生产统计数据,该渔获生产统计数据包括作业时间、经度、纬度、作业水深、作业网次以及作业产量。
摩洛哥渔场的渔获生产统计数据来源于上海蒂尔远洋渔业公司。
步骤102、获取该渔获生产统计数据对应的海洋环境数据,该海洋环境数据包括海表温度SST、海面高度距平均值SSHA和叶绿素浓度Chl-a,该海洋环境数据以月为时间分辨率、0.5°×0.5°为空间分辨率,统计时间为2012-2015年的1-3月和11-12月。
步骤103、以作业网次、作业产量所占比率以及每个区间内的平均网次产量作为中心渔场的指标,研究其与SST、SSHA、Chl-a以及水深之间的关系。
1)以SST相隔1℃为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场SST的范围;
2)以SSHA相隔10cm为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场SSHA的范围;
3)以Chl-a的含量在0.01~1.0、1.0~2.0、2.0~5.0、5.0~20.0、20.0~50.0mg/m3为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场Chl-a的范围;
4)以水深相隔10m为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场水深的范围。
步骤104、建立不同环境因子的适应性指数SI,采用专家赋值法赋予适应性指数SI的值,设定作业网次最高的海域为中心渔场的分布概率最高的海域,则适应性指数SI赋值为1;当没有作业网次则适应性指数SI赋值为0;当作业网次高于均值的海域,则适应性指数SI赋值为0.5;当作业网次低于均值的海域,则适应性指数SI赋值为0.1。
一般渔船在进行作业对渔场进行判别时,都是根据船长的经验以及探鱼仪的影像,所以作业网次可被看作是发现鱼类的指标,用来表示为栖息地的适应性指数。
表1栖息地适应性指数的确定标准
步骤105、利用公式HSI=XSST*ISI_SST+XSSHA*ISI_SSHA+XCHL-a*ISI-CHL-a+XDEPTH*ISI_DEPTH计算5种不同权重方案下的栖息地综合指数HIS。
计算相关海洋环境因子不同权重下,栖息地综合指数(Habitat suitabilityindex,HSI),HSI在0到1之间变化。一般认为HSI大于0.6的区域为中心渔场分布的海域。
式中:ISI_SST、ISI_SSHA、ISI-CHL-a、ISI_DEPTH分别是各自基于表温、海面高度距平均值、叶绿素浓度、水深的适应性指数。XSST、XSSHA、XCHL-a、XDEPTH分别是表温、海面高度距平均值、叶绿素浓度、水深所占权重的值。总共设有不同权重的5种方案,各方案如下表2。
表2基于中心渔场相关的不同环境因子设定权重值
分别分析5种不同权重方案中HSI值与设定阈值的大小,从而比较得出最佳权重方案,来用于预测摩洛哥头足类渔场的中心渔场。
利用2012年-2015年1-3月、11-12月统计的数据对不同权重方案进行比较,HSI值可分为0-0.2、0.2-0.4、0.4-0.6、0.6-0.8、0.8-1.0,在此基础上分别进行统计分析5种不同权重方案中HSI值>0.6以及HSI值<0.4的大小关系,从而比较得出其中最佳方案,来用于预测中心渔场。
根据上述方法,下面基于具体的统计数据进行分析:
1、生产情况分析
1)渔场分布与表温SST的关系
分析结果表明,头足类渔场分布与表温关系密切,不同月份有不同的适宜SST范围。1月份作业主要分布在SST范围为16~19℃海域,高平均网次产量的适宜SST范围为16~17℃和18~19℃,平均产量为130~153kg。2月份作业主要分布在SST范围为15~19℃海域,高平均网次产量的适宜SST范围为16~17℃和18~19℃,平均产量为122~147kg。3月份作业主要分布在SST范围为15~17℃海域,高平均网次产量的适宜SST范围为15~16℃,平均产量为89.16kg。11月份作业主要分布在SST范围为18~23℃海域,高平均网次产量的适宜SST范围为19~23℃,平均产量为162~185kg。12月份作业主要分布在SST范围为16~21℃海域,高平均网次产量的适宜SST范围为20~21℃,平均产量为457kg。
2)渔场分布与SSHA的关系
分析结果表明,头足类渔场分布与海面高度距平值关系密切,不同月份有不同的适宜SSHA范围。1月份作业主要分布在SSHA范围为-60~-20cm海域,高平均网次产量的适宜SSHA范围为-60~-30cm,平均产量为124~143kg。2月份作业主要分布在SSHA范围为-60~-30cm海域,高平均网次产量的适宜SSHA范围为-60~-40cm,平均产量为123~137kg。3月份作业主要分布在SSHA范围为-60~-30cm海域,高平均网次产量的适宜SSHA范围为-60~-40cm,平均产量为96~101kg。11月份作业主要分布在SSHA范围为-50~10cm海域,高平均网次产量的适宜SSHA范围为-40~-30和-10~0cm,平均产量为189~209kg。12月份作业主要分布在SSHA范围为-50~10cm海域,高平均网次产量的适宜SSHA范围为-50~-40cm,平均产量为558.69kg。
3)渔场分布与叶绿素浓度的关系
分析结果表明,头足类渔场分布与叶绿素浓度关系密切,不同月份有不同的适宜水深范围。1月份作业主要分布在Chl-a范围为0.01~50mg/m3海域,高平均网次产量的适宜Chl-a范围为1.0~5.0mg/m3,平均产量为96~127kg。2月份作业主要分布在Chl-a范围为0.01~20mg/m3海域,高平均网次产量的适宜Chl-a范围为1.0~20.0mg/m3,平均产量为119~128kg。3月份作业主要分布在Chl-a范围为0.01~50mg/m3海域,高平均网次产量的适宜Chl-a范围为1.0~2.0和5.0~50mg/m3,平均产量为99~110kg。11月份作业主要分布在Chl-a范围为0.01~20mg/m3海域,高平均网次产量的适宜Chl-a范围为0.01~5.0mg/m3,平均产量为169~176kg。12月份作业主要分布在Chl-a范围为0.01~50mg/m3海域,高平均网次产量的适宜Chl-a范围为2.0~5.0mg/m3,平均产量为256.24kg。
4)渔场分布与水深的关系
分析结果表明,头足类渔场分布与作业水深关系密切,不同月份有不同的适宜水深范围。1月份作业主要分布在水深范围为20~90m海域,高平均网次产量的适宜水深范围为20~40m,平均产量为131~140kg。1月份作业主要分布在水深范围为20~100m海域,高平均网次产量的适宜水深范围为20~50m和60~70m,平均产量为117~141kg。3月份作业主要分布在水深范围为20~80m海域,高平均网次产量的适宜水深范围为70~80m,平均产量为169kg。11月份作业主要分布在水深范围为30~80m海域,高平均网次产量的适宜水深范围为30~40m,平均产量为246.49kg。12月份作业主要分布在水深范围为20~80m海域,高平均网次产量的适宜水深范围为20~50m,平均产量为217~283kg。
2、适应性指数(SI)建立
依据表1,分别建立各月份间基于SST、SSHA、Chl-a和海底水深的适应性指数(表3)。由表3可知,1月SI最高的SST、SSHA、Chl-a和水深分别为17~18℃、-50~-40cm、2.0~5.0mg/m3、30~40m;2月SI最高的SST、SSHA、Chl-a和水深分别为16~17℃、-50~-40cm、2.0~5.0mg/m3、30~40m;3月SI最高的SST、SSHA、Chl-a和水深分别为16~17℃、-50~-40cm、2.0~5.0mg/m3、20~30m;11月SI最高的SST、SSHA、Chl-a和水深分别为19~20℃、0~10cm、0.01~1.0mg/m3、60~70m;12月SI最高的SST、SSHA、Chl-a和水深分别为18~19℃、-40~-30cm、2.0~5.0mg/m3、60~70m。其最适的SST、SSHA、Chl-a和水深各月有所不同。
表3各月基于SST、SSHA、CHL-a和海底水深的适应性指数
3、基于栖息地综合指数(HSI)相关因子的权重方案比较
通过与中心渔场相关的不同环境因子设定的权重值的栖息地指数(表3),按不同HSI来汇总2012-2015年间1-3月、11-12月间的作业网次、产量所占比率和平均网次产量,得出5种方案的平均值(表4)。
由表4可知,5种方案中,方案3的网次、产量比重都是最小的,分别为42.97%和38.53%,平均网次产量相较于其他方案,只有130.17kg,因此可知,方案3权重的设定是最差的。方案2与方案4所得数值相近且都低于方案1和方案5(表4),因此可知,这两种方案也有所不及。方案1与方案5中HSI大于0.6上的网次、产量比重比较接近,方案1分别为59.69%和60.2%,方案5分别为58.38%和60.96%,但通过表5可以比较发现,平均网次产量以及HSI大于0.8的网次和产量比重相较于方案1更好,因此方案5权重的设定是最佳的。
表4 5种方案中各月作业网次、产量比率以及平均网次产量的平均值
根据2012-2015年间上海某远洋渔业公司的生产统计数据,结合海表温度(SST)、海面高度距平值(SSHA)、叶绿素质量浓度(CHL-a)以及水深资料,研究不同权重下摩洛哥头足类栖息地模型。
研究认为,摩洛哥头足类栖息地分布与表温、海面高度距平值、水深等环境因子关系密切,每月适宜的环境因子存在差异;作业渔场分布海域中SST范围是15~23℃,SSHA范围是-60~10cm,叶绿素浓度是0~50mg/m3,水深范围是20~100m,而其中最合适的SST是16~18和19~20℃,最合适的SSHA是-50~-30cm,最合适的叶绿素含量是1.0~5.0mg/m3,最合适水深是30~40和60~70m。模型分析认为,方案5的权重时最适,其SST、SSHA、CHL-a和水深的权重因子分别为0.4、0.4、0.1和0.1,说明在栖息地指数模型中,SST和SSHA影响最大,水深次之,叶绿素再次之。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。

Claims (2)

1.一种基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法,其特征在于,其包括以下步骤:
S1、获取2012-2015年摩洛哥渔场的渔获生产统计数据,该渔获生产统计数据包括作业时间、经度、纬度、作业水深、作业网次以及作业产量;
S2、获取该渔获生产统计数据对应的海洋环境数据,该海洋环境数据包括海表温度SST、海面高度距平均值SSHA和叶绿素浓度Chl-a,该海洋环境数据以月为时间分辨率、0.5°×0.5°为空间分辨率,统计时间为2012-2015年的1-3月和11-12月;
S3、以作业网次、作业产量所占比率以及每个区间内的平均网次产量作为中心渔场的指标,研究其与SST、SSHA、Chl-a以及水深之间的关系;
S4、建立不同环境因子的适应性指数SI,采用专家赋值法赋予适应性指数SI的值,设定作业网次最高的海域为中心渔场的分布概率最高的海域,则适应性指数SI赋值为1;当没有作业网次则适应性指数SI赋值为0;当作业网次高于均值的海域,则适应性指数SI赋值为0.5;当作业网次低于均值的海域,则适应性指数SI赋值为0.1;
S5、利用公式HSI=XSST*ISI_SST+XSSHA*ISI_SSHA+XCHL-a*ISI-CHL-a+XDEPTH*ISI_DEPTH计算5种不同权重方案下的栖息地综合指数HIS;
式中:ISI_SST表示基于海表温度的适应性指数;ISI_SSHA表示基于海面高度距平均值的适应性指数;ISI-CHL-a表示基于叶绿素浓度的适应性指数;ISI_DEPTH表示基于水深的适应性指数;XSST、XSSHA、XCHL-a、XDEPTH分别表示海表温度、海面高度距平均值、叶绿素浓度、水深所占权重的值;
其中,权重方案1:XSST为0.25,XSSHA为0.25,XCHL-a为0.25,XDEPTH为0.25;
权重方案2:XSST为0,XSSHA为0.9,XCHL-a为0,XDEPTH为0.1;
权重方案3:XSST为0.1,XSSHA为0.1,XCHL-a为0,XDEPTH为0.8;
权重方案4:XSST为0.9,XSSHA为0.1,XCHL-a为0,XDEPTH为0;
权重方案5:XSST为0.4,XSSHA为0.4,XCHL-a为0.1,XDEPTH为0.1;
分别分析5种不同权重方案中HSI值与设定阈值的大小,从而比较得出最佳权重方案,来用于预测摩洛哥头足类渔场的中心渔场。
2.如权利要求1所述的摩洛哥头足类渔场预报方法,其特征在于,步骤S3包括:
以SST相隔1℃为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场SST的范围;
以SSHA相隔10cm为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场SSHA的范围;
以Chl-a的含量在0.01~1.0、1.0~2.0、2.0~5.0、5.0~20.0、20.0~50.0mg/m3为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场Chl-a的范围;
以水深相隔10m为间距,计算出每个间距内的作业网次、作业产量比率以及平均网次产量,并依此得出最适宜的中心渔场水深的范围。
CN201710756994.3A 2017-08-29 2017-08-29 基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法 Pending CN107578125A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710756994.3A CN107578125A (zh) 2017-08-29 2017-08-29 基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法
PCT/CN2018/101111 WO2019042162A1 (zh) 2017-08-29 2018-08-17 基于环境因子的西北非海域头足类渔场预报方法
AU2018325013A AU2018325013A1 (en) 2017-08-29 2018-08-17 Environmental factors-based forecasting method for cephalopod fishing grounds in sea area in north west Africa
US16/334,026 US20190272598A1 (en) 2017-08-29 2018-08-17 Cephalopod fishery forecasting method in northwest african waters based on environmental factors
AU2020100306A AU2020100306A4 (en) 2017-08-29 2020-03-02 Environmental Factors-based Forecasting Method for Cephalopod Fishing Grounds in Sea Area in North West Africa

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710756994.3A CN107578125A (zh) 2017-08-29 2017-08-29 基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法

Publications (1)

Publication Number Publication Date
CN107578125A true CN107578125A (zh) 2018-01-12

Family

ID=61030397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710756994.3A Pending CN107578125A (zh) 2017-08-29 2017-08-29 基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法

Country Status (1)

Country Link
CN (1) CN107578125A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109165766A (zh) * 2018-06-26 2019-01-08 中国水产科学研究院南海水产研究所 一种南海鸢乌贼渔情预报的方法
WO2019042162A1 (zh) * 2017-08-29 2019-03-07 上海海洋大学 基于环境因子的西北非海域头足类渔场预报方法
CN111680844A (zh) * 2020-06-14 2020-09-18 上海海洋大学 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法
NL2027467A (en) * 2020-04-08 2021-10-25 Univ Shanghai Ocean A method for correcting estimated fishery resources in a swept area and applications thereof

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4849797B2 (ja) * 2004-12-03 2012-01-11 喜代志 伊藤 漁場予測装置
CN106157162A (zh) * 2016-07-22 2016-11-23 上海海洋大学 一种北太平洋鱿鱼中心渔场预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4849797B2 (ja) * 2004-12-03 2012-01-11 喜代志 伊藤 漁場予測装置
CN106157162A (zh) * 2016-07-22 2016-11-23 上海海洋大学 一种北太平洋鱿鱼中心渔场预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ALFONSO IGLESIAS 等: "Integration of remote sensing techniques and connectionist models for decision support in fishing catches", 《ENVIRONMENTAL MODELLING AND SOFTWARE》 *
陈程 等: "摩洛哥冬季渔汛底拖网作业渔场时空分布", 《广州海洋大学学报》 *
陈程: "上海市西非底拖网渔业渔场预报初步研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019042162A1 (zh) * 2017-08-29 2019-03-07 上海海洋大学 基于环境因子的西北非海域头足类渔场预报方法
CN109165766A (zh) * 2018-06-26 2019-01-08 中国水产科学研究院南海水产研究所 一种南海鸢乌贼渔情预报的方法
NL2027467A (en) * 2020-04-08 2021-10-25 Univ Shanghai Ocean A method for correcting estimated fishery resources in a swept area and applications thereof
CN111680844A (zh) * 2020-06-14 2020-09-18 上海海洋大学 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法
CN111680844B (zh) * 2020-06-14 2024-01-05 上海海洋大学 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法

Similar Documents

Publication Publication Date Title
CN107578125A (zh) 基于不同权重海洋环境因子的摩洛哥头足类渔场预报方法
US20190272598A1 (en) Cephalopod fishery forecasting method in northwest african waters based on environmental factors
Campos et al. Drivers of home range characteristics across spatiotemporal scales in a Neotropical primate, Cebus capucinus
Hamard et al. Vegetation correlates of gibbon density in the peat‐swamp forest of the Sabangau catchment, Central Kalimantan, Indonesia
CN106990216A (zh) 一种浅水湖泊水华风险分析预警系统及其分析预警方法
Chi et al. Mapping soil total nitrogen in an estuarine area with high landscape fragmentation using a multiple-scale approach
CN109165766A (zh) 一种南海鸢乌贼渔情预报的方法
Li et al. A regression model for the spatial distribution of red-crown crane in Yancheng Biosphere Reserve, China
Roach et al. Managed habitats increase occupancy of black rails (Laterallus jamaicensis) and may buffer impacts from sea level rise
CN111275065A (zh) 一种基于海洋环境多属性的水产养殖空间分区方法
CN107609691A (zh) 基于栖息地指数的毛里塔尼亚头足类渔场预报方法
Floury et al. Climatic and trophic processes drive long‐term changes in functional diversity of freshwater invertebrate communities
CN104834966A (zh) 一种基于蚁群分类算法的渔场预报方法
CN107063210A (zh) 一种土地规划整治项目的测绘方法
Muller-Karanassos et al. Effects of habitat, fishing, and fisheries management on reef fish populations in Palau
CN114118877A (zh) 一种增殖型海洋牧场生态适宜性评价方法
Schröder et al. Statistical classification of terrestrial and marine ecosystems for environmental planning
Mörsdorf Effects of local and regional drivers on plant diversity within tundra landscapes
CN107316145B (zh) 一种水鸟调查地址选择方法
Nurhadiyatna et al. 2D spatial interpolation for water quality parameter distribution in Maninjau Lake
Peng Application of marine remote sensing technology in the development of fishery economy
Itabashi et al. Culm dynamics of dwarf bamboo (Sasa kurilensis Makino & Shibata) in relation to forest canopy conditions in beech forests
CN109523070A (zh) 基于太平洋震荡指数的日本冬生群鱿鱼资源丰度预测方法
CN107688874A (zh) 毛里塔尼亚海域头足类资源丰度预测方法
CN103902833A (zh) 一种近海海洋低氧状况的推测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180112