CN108960523A - 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法 - Google Patents

一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法 Download PDF

Info

Publication number
CN108960523A
CN108960523A CN201810790883.9A CN201810790883A CN108960523A CN 108960523 A CN108960523 A CN 108960523A CN 201810790883 A CN201810790883 A CN 201810790883A CN 108960523 A CN108960523 A CN 108960523A
Authority
CN
China
Prior art keywords
squid
cpue
model
prediction
models
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
CN201810790883.9A
Other languages
English (en)
Inventor
刘必林
陈新军
马金
李建华
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 CN201810790883.9A priority Critical patent/CN108960523A/zh
Publication of CN108960523A publication Critical patent/CN108960523A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Animal Husbandry (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，所述方法包括如下步骤：CPUE标准化、获取环境数据、建立模型、模型拟合诊断、模型验证、模型预测。通过本发明的方法，能准确的预测大洋性鱿鱼适宜栖息地/索饵场，从而为渔业工作带来巨大的收获。

Description

一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的 方法
技术领域
本发明涉及栖息地预测方法，更具体地，涉及基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法。
背景技术
栖息地/索饵场，是指鱼类和虾类等群集摄食的水域,该水域有机质和营养盐类丰富，饵料生物繁生，鱼类常群集进入索饵、生长、育肥。索饵场是渔业生产的良好作业区。
近年来，统计回归模型被广泛应用于鱼类的栖息地的预测及与环境关系的分析的研究中。GAM模型首先由Hastie和Tibshirani(1990)提出，是最常见的回归模型。国外学者Swartzman等(1992、1994、1995)、Maravelias等(1997)较早地将GAM模型应用到渔业资源的研究中。近年来，国内学者也开始将GAM模型应用到渔业资源与环境关系的研究中。研究认为，GAM模型因其灵活性，要比其它线性和非线性模型更适合用来研究鱼类分布与海洋环境的关系。Two-stage GAM模型作为GAM的扩展，它分两步对渔业资源进行分析，首先分析哪里有或者没有渔业资源的分布，其次再分析有资源分布的地方分布密度是多少。该方法的优点在于能够在建模过程中保留渔业生产中产量为零的数据，因此增加了分析的准确性。
发明内容
(一)要解决的技术问题
本发明旨在提供一种预测大洋性鱿鱼适宜栖息地方法，为大洋性鱿鱼适宜栖息地的预测开辟了新方法。
(二)技术方案
本发明提供了一种基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，包括如下步骤：
S10：单位捕捞努力量渔获量CPUE进行标准化；
S20：获取环境数据，
因子进行相关性分析，对相关性高于0.8的因子，两者当中只选择一个因子放入模型中计算；
S30：建立模型
(1)GAM1利用二项式分布的逻辑连接方程估算茎柔鱼存在的概率(p)，
(2)GAM2利用高斯分布估算取对数后的茎柔鱼CPUE(y)，
(3)最后取对数的综合CPUE(D)等于GAM1和GAM2两者所得概率相乘；
S40：模型拟合诊断，包括：
(1)残差数据点的正太Q-Q图，以评价模型假设的残差结构是否服从正太分布，
(2)标准化残差与拟合值的散点图，以评估模型是否发生误解，
(3)观测值与预测值的散点图，以量化评估解释变量是否减少数据中的方差；
S50：模型验证，
GAMs估算的结果用来预测各捕捞地点的茎柔鱼的丰度，预测的茎柔鱼丰度D′与观察丰度D回归方程如下：
ln(D)＝a+b×ln(D′)
式中：系数a代表系统误差，系数b越接近1表示预测值与观察越接近，预测越准确，系数检验采用two-tail test，H0:a＝0，H0:b＝1；
S60：模型预测：
为了预测适合的栖息地，将生产海区的环境数据带入所建立的GAMs模型，以此生成对应的丰度值，然后绘图。
进一步地，在S10中，CPUE计算公式如下：
式中：∑Catch为0.5°×0.5°范围内所有渔船的产量，∑Fishingdays为0.5°×0.5°范围内所有渔船的总作业天数。
进一步地，在S20中，所述环境数据包括海表温度和海表面高度。
进一步地，在S30中，GAM1和GAM2计算方程如下：
GAM1:logit(p)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，
GAM2:ln(y)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，
ln(D)＝p*ln(y)，
式中：Lon为经度(°)，Lat为纬度(°)，SST为表温(℃)，SSH为海面高度(cm)，Chla为叶绿素a浓度(mg/m3)，Inter为交互相，s为平滑函数。
进一步地，在S60中，利用Marine explore 4.0软件绘图。
优选地，所述鱿鱼类为茎柔鱼。
(三)技术效果
通过本发明的方法，能准确的预测大洋性鱿鱼适宜栖息地/索饵场，从而为渔业工作带来巨大的收获。
附图说明
图1环境因子间相关性分析。
图2春季(A)、夏季(B)、秋季(C)、冬季(D)茎柔鱼CPUE拟合优度的Q-Q诊断图。
图3春季(A)、夏季(B)、秋季(C)、冬季(D)茎柔鱼CPUE拟合优度的残差与期望值关系图。
图4春季(A)、夏季(B)、秋季(C)、冬季(D)茎柔鱼CPUE拟合优度的观察值与期望值关系图。
图5春季索饵场各空间和环境要素对CPUE的相对效应(虚线为95％置信区间，横轴内侧刻度表示数据点相对密度)。
图6夏季索饵场各空间和环境要素对CPUE的相对效应(虚线为95％置信区间，横轴内侧刻度表示数据点相对密度)。
图7秋季索饵场各空间和环境要素对CPUE的相对效应(虚线为95％置信区间，横轴内侧刻度表示数据点相对密度)。
图8冬季索饵场各空间和环境要素对CPUE的相对效应(虚线为95％置信区间，横轴内侧刻度表示数据点相对密度)。
图9预测2006～2010年春季、夏季、秋季和冬季东南太平洋茎柔鱼CPUE分布。
具体实施方式
下面结合具体实施例对本发明进一步说明。实施例中所用试剂和设备均为本领域技术人员熟知，且均为市场上能够购买到或容易获得或制得。
渔业生产数据获取
2006～2010年东南太平洋74°～86°W、8°～30°S海域茎柔鱼鱿钓生产数据由上海海洋大学鱿钓技术组提供，包括生产日期、经度、纬度、产量、作业船数和平均日产量。其时间分辨率为天，空间分辨率为0.5°×0.5°。单位捕捞努力量渔获量(catch per uniteffort,CPUE)计算公式如下：
式中：∑Catch为0.5°×0.5°范围内所有渔船的产量，∑Fishingdays为0.5°×0.5°范围内所有渔船的总作业天数。
环境数据获取
茎柔鱼洄游特性明显，其资源量会发生季节性变化，从而呈现季节性分布，因此本研究按春、夏、秋、冬4个季节研究其分布与主要环境因子的关系。海表温度(sea surfacetemperature,SST)和海表面高度(sea surface height,SSH)是影响茎柔鱼空间分布的重要指标。此外，叶绿素a(chlorophyll a,Chla)代表初级生产力的高低，其含量高的直接影响茎柔鱼幼鱼的丰度，进而影响成鱼的补充量。环境数据取自http:// oceanwatch.pifsc.noaa.gov/las/servlets/dataset:SST时间分辨率为周，空间分辨率0.1°×0.1°；SSH时间分辨率为周，空间分辨率为0.3°×0.3°；Chla时间分辨率为周，空间分辨率为0.05°×0.05°。为了与生产数据相匹配，环境数据按年、月、天的时间分辨率，0.5°×0.5°空间分辨率进行整合。
索饵场推测
(1)模型建立
采用two-stage GAM模型(2-stage Generalized Additive Models)预测和分析春、夏、秋、冬4个季节的茎柔鱼的分布。GAM1利用二项式分布的逻辑连接方程估算茎柔鱼存在的概率(p)，GAM2利用高斯分布估算取对数后的茎柔鱼CPUE(y)。最后取对数的综合CPUE(D)等于GAM1和GAM2两者所得概率相乘。GAM1和GAM2计算方程如下：
GAM1:logit(p)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，
GAM2:ln(y)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，
ln(D)＝p*ln(y)，
式中：Lon为经度(°)，Lat为纬度(°)，SST为表温(℃)，SSH为海面高度(cm)，Chla为叶绿素a浓度(mg/m3)，Inter为交互相，s为平滑函数。
GAM模型估算采用R软件。运用卡方检验和F统计检验对GAM1和GAM2的主效应因子及交互效应因子进行检验。
(2)模型验证
GAMs估算的结果用来预测各捕捞地点的茎柔鱼的丰度。预测的茎柔鱼丰度D′与观察丰度D回归方程如下：
ln(D)＝a+b×ln(D′)
式中：系数a代表系统误差，系数b越接近1表示预测值与观察越接近，预测越准确。系数检验采用two-tail test，H0:a＝0，H0:b＝1。
(3)模型预测
为了预测适合的索饵场，将生产海区的环境数据带入所建立的GAMs模型，以此生成对应的丰度值，然后利用Marine explore 4.0软件绘图。
影响因子的选择
对样本经度、纬度、CPUE、SST、SSH、Chla等6个因子进行相关性分析，结果显示，经度与纬度相关性达到0.82，因此两者当中只选择纬度放入模型中计算(图1)。
春、夏、秋、冬GAM1模型解释茎柔鱼存在概率的离差为24.1％～42.4％，GAM2模型解释茎柔鱼CPUE的离差为23.3％～41.7％。春季，用于GAM1模型分析的所有空间和环境因子都不显著，用于GAM2分析的纬度因子显著(表1)；夏季用于GAM1分析的SST和Chla因子显著，用于GAM2分析的纬度、SST和Chla显著；秋季用于GAM1分析的纬度和SST因子显著，用于GAM2分析的SST、Chla和SSH因子显著；冬季，用于GAM1分析的纬度因子显著，用于GAM2分析的纬度和SSH因子显著。
表1茎柔鱼4个季节存在概率(GAM1模型)和CPUE(GAM2模型)分析结果
模型拟合诊断
模型拟合诊断包括：(1)残差数据点的正太Q-Q图，以评价模型假设的残差结构是否服从正太分布(图2)；(2)标准化残差与拟合值的散点图，以评估模型是否发生误解(图3)；(3)观测值与预测值的散点图，以量化评估解释变量是否减少数据中的方差(图4)。图2、图3和图4揭示了东南太平洋外海茎柔鱼鱿钓CPUE与环境关系的GAM分析的诊断结果。残差的数据点分布在正太Q-Q图上基本上呈线性重合(图2)，图3和图4中的散点分布图比较均匀，表明CPUE数据适合用GAM模型分析。
索饵场栖息环境
春季，空间分布对CPUE影响表明，主要作业渔场位于11°～15°S，随着纬度降低，对CPUE的影响明显下降(p<0.001表1，图5A)。从CPUE与SST关系可以看出，作业水温范围为16.5～20.5℃，SST对CPUE的影响略呈上升趋势(p>0.05；表1，图5B)。CPUE与Chla(0.2～0.4mg/m3段，其它位置由于其95％置信区间较大，其与CPUE的关系存在较大不确定性，常不用于分析，下同)关系显示，Chla对CPUE影响很小(p>0.05；表1，图5C)。SSH对CPUE的影响显示，主要SSH范围为20～30cm，SSH对CPUE的影响很小(p>0.05；表1，图5D)。
夏季，空间分布对CPUE影响表明，主要作业渔场位于12°～17°S，随着纬度的降低，对CPUE的影响逐渐减小(p<0.001；表1，图6A)。从CPUE与SST关系可以看出，主要作业水温范围为20.5～25℃，SST在20.5～21.5℃时对CPUE的影响最大(p<0.001；表1，图6B)。CPUE与Chla关系显示，Chla在0.2～0.3mg/m3，对CPUE的影响呈升高趋势(p<0.05；表1，图6C)。SSH对CPUE的影响显示，主要SSH范围为24～31cm，SSH对CPUE的影响很小(p>0.05；表1，图6D)。
秋季，空间分布对CPUE影响表明，作业渔场范围扩大到12°～30°S，虽然随着纬度的降低，对CPUE的影响逐渐下降，但是由于95％置信区间过大而存在较大的不确定性(p>0.05；表1，图7A)。从CPUE与SST关系可以看出，主要作业水温范围为20.5～26℃，SST对CPUE的明显逐渐下降(p<0.001；表1，图7B)。CPUE与Chla关系显示，Chla对CPUE的影响逐渐升高(p<0.05；表1，图7C)。SSH对CPUE的影响显示，主要SSH范围为20～32cm，SSH在28～32cm时对CPUE的影响最大(p<0.001；表1，图7D)。
冬季，空间分布对CPUE影响表明，虽然主要作业渔场位于12°～18°S，随着纬度的降低，对CPUE的影响呈明显升高的趋势(p<0.001；表1，图8A)。从CPUE与SST关系可以看出，主要作业水温范围为17～20℃，SST对CPUE的影响很小(p>0.05；表1，图8B)。CPUE与Chla关系显示，Chla对CPUE的影响很小(p>0.05；表1，图8C)。SSH对与CPUE关系显示，10～26cm对CPU的影响呈下降趋势，主要SSH范围为20～32cm，对CPUE的影响呈抛物线状，即SSH在20～28cm段对CPUE的影响逐渐减小，在28～32cm对CPUE的影响逐渐升高(p<0.001；表1，图8D)。
索饵场位置预测
春季，大部分海域CPUE都很低，15°S、77°W附近海域CPUE较高，可能是茎柔鱼适合的索饵场；夏季22°S以北海域CPUE低，22°S以南CPUE较高，24°～26°S、75°～78°W海域CPUE最高，是茎柔鱼适合的索饵场；秋季秘鲁沿岸12°～16°S和智利中北部28°S附近海域CPUE较高，是茎柔鱼的适合索饵场；冬季秘鲁沿岸高CPUE海区基本不变，而智利沿岸则消失(图9)。
模型验证
CPUE观察值与预测值回归分析显示，截距接近0，斜率接近1，说明模型预测效果较好(表2)。
表2茎柔鱼4个季节观察CPUE与预测CPUE回归分析结果
索饵场栖息地的分析
近年来，统计回归模型被广泛应用于鱼类的栖息地的预测及与环境关系的分析的研究中。GAM模型首先由Hastie和Tibshirani(1990)提出，是最常见的回归模型。国外学者Swartzman等(1992,1994,1995)、Maravelias等(1997)较早地将GAM模型应用到渔业资源的研究中。近年来，国内学者也开始将GAM模型应用到渔业资源与环境关系的研究中。研究认为，GAM模型因其灵活性，要比其它线性和非线性模型更适合用来研究鱼类分布与海洋环境的关系。Two-stage GAM模型作为GAM的扩展，它分两步对渔业资源进行分析，首先分析哪里有或者没有渔业资源的分布，其次再分析有资源分布的地方分布密度是多少。该方法的优点在于能够在建模过程中保留渔业生产中产量为零的数据，因此增加了分析的准确性。
Two-stage GAM模型分析发现，除了秋季以外，纬度因子对茎柔鱼资源分布的影响比较明显。春季和夏季，随着纬度的降低CPUE逐渐降低；而冬季随着纬度降低而升高。茎柔鱼为大洋性广温种，适宜生存温度15～28℃，所能忍受的极限温度下线为4℃上限为32℃。水温是影响茎柔鱼资源分布的重要因子，以往研究认为，北半球温度24～29℃、南半球温度17～23℃资源密度最高。夏季和秋季作业水温范围主要在20～26℃，GAM分析显示，水温变化对茎柔鱼资源密度影响明显，21℃附近CPUE最高；冬季和春季作业水温范围主要在16～20℃，GAM分析显示，水温变化对茎柔鱼资源密度无明显影响。Chla的高低反应初级生产力状况，因此它被看作是指示茎柔鱼产卵场的重要环境因子，然而对成鱼的分析发现，Chla对CPUE的影响不是特别明显，这是因为作业渔场通常位于索饵场的缘故。GAM对SSH的分析显示，秋季和冬季SSH对CPUE的影响明显。
通过CPUE与海洋环境关系的分析，我们推测春季茎柔鱼的索饵场位于15°S 77°W附近海域，而生产数据表明这一区域正式CPUE最高的海区。过去的研究认为，茎柔鱼在加利福尼亚至智利北部200～250海里范围内的资源密度最为丰富[5]，本文推测茎柔鱼秋季索饵场主要位于秘鲁沿岸12°～16°S和智利中北部沿岸28°S附近，冬季位于秘鲁沿岸13°～18°S，而夏季索饵场位于智利北部的24°～26°S公海海域。
至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (6)

1.一种基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，包括如下步骤：
S10：单位捕捞努力量渔获量CPUE进行标准化；
S20：获取环境数据，
因子进行相关性分析，对相关性高于0.8的因子，两者当中只选择一个因子放入模型中计算；
S30：建立模型
(1)GAM1利用二项式分布的逻辑连接方程估算茎柔鱼存在的概率(p)，
(2)GAM2利用高斯分布估算取对数后的茎柔鱼CPUE(y)，
(3)最后取对数的综合CPUE(D)等于GAM1和GAM2两者所得概率相乘；
S40：模型拟合诊断，包括：
(1)残差数据点的正太Q-Q图，以评价模型假设的残差结构是否服从正太分布，
(2)标准化残差与拟合值的散点图，以评估模型是否发生误解，
(3)观测值与预测值的散点图，以量化评估解释变量是否减少数据中的方差；
S50：模型验证，
GAMs估算的结果用来预测各捕捞地点的茎柔鱼的丰度，预测的茎柔鱼丰度D′与观察丰度D回归方程如下：
ln(D)＝a+b×ln(D′)
式中：系数a代表系统误差，系数b越接近1表示预测值与观察越接近，预测越准确，系数检验采用two-tail test，H0:a＝0，H0:b＝1；
S60：模型预测：
为了预测适合的栖息地，将生产海区的环境数据带入所建立的GAMs模型，以此生成对应的丰度值，然后绘图。
2.根据权利要求1所述的基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，在S10中，CPUE计算公式如下：
式中：∑Catch为0.5°×0.5°范围内所有渔船的产量，∑Fishingdays为0.5°×0.5°范围内所有渔船的总作业天数。
3.根据权利要求1所述的基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，在S20中，所述环境数据包括海表温度和海表面高度。
4.根据权利要求1所述的基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，在S30中，GAM1和GAM2计算方程如下：
GAM1:logit(p)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，
GAM2:ln(y)＝s(Lon)+s(Lat)+s(SST)+s(SSH)+s(Chla)+s(Inter)+ε，
ln(D)＝p*ln(y)，
式中：Lon为经度(°)，Lat为纬度(°)，SST为表温(℃)，SSH为海面高度(cm)，Chla为叶绿素a浓度(mg/m3)，Inter为交互相，s为平滑函数。
5.根据权利要求1所述的基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，在S60中，利用Marine explore 4.0软件绘图。
6.根据权利要求1所述的基于两步加性模型的大洋性鱿鱼适宜栖息地预测方法，其特征在于，所述鱿鱼类为茎柔鱼。
CN201810790883.9A 2018-07-18 2018-07-18 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法 Pending CN108960523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810790883.9A CN108960523A (zh) 2018-07-18 2018-07-18 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810790883.9A CN108960523A (zh) 2018-07-18 2018-07-18 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法

Publications (1)

Publication Number Publication Date
CN108960523A true CN108960523A (zh) 2018-12-07

Family

ID=64496206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810790883.9A Pending CN108960523A (zh) 2018-07-18 2018-07-18 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法

Country Status (1)

Country Link
CN (1) CN108960523A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363386A (zh) * 2019-06-05 2019-10-22 中国水产科学研究院南海水产研究所 一种鸢乌贼渔情数据处理方法、系统、装置和存储介质
CN110555567A (zh) * 2019-09-10 2019-12-10 上海彩虹鱼海洋科技股份有限公司 用于鱼汛预测的方法、系统和装置
CN111583051A (zh) * 2020-05-13 2020-08-25 上海海洋大学 基于生态位模型的太平洋海域大眼金枪鱼栖息地评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049659A (zh) * 2012-12-21 2013-04-17 上海海洋大学 一种秘鲁外海茎柔鱼资源补充量预测方法及其应用方法
US9155291B1 (en) * 2012-05-30 2015-10-13 Mullins Russ Time release bait cannister
CN106056240A (zh) * 2016-05-26 2016-10-26 上海海洋大学 基于sar识别茎柔鱼空间分布及海洋环境影响的方法
CN106228010A (zh) * 2016-07-22 2016-12-14 上海海洋大学 一种北太平洋鱿鱼资源补充量预测方法
CN107341565A (zh) * 2017-06-15 2017-11-10 上海海洋大学 西北太平洋日本鳀鱼资源丰度预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9155291B1 (en) * 2012-05-30 2015-10-13 Mullins Russ Time release bait cannister
CN103049659A (zh) * 2012-12-21 2013-04-17 上海海洋大学 一种秘鲁外海茎柔鱼资源补充量预测方法及其应用方法
CN106056240A (zh) * 2016-05-26 2016-10-26 上海海洋大学 基于sar识别茎柔鱼空间分布及海洋环境影响的方法
CN106228010A (zh) * 2016-07-22 2016-12-14 上海海洋大学 一种北太平洋鱿鱼资源补充量预测方法
CN107341565A (zh) * 2017-06-15 2017-11-10 上海海洋大学 西北太平洋日本鳀鱼资源丰度预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BAI LI等: "Evaluation of Effectiveness of Fixed-Station Sampling for Monitoring American Lobster Settlement", 《NORTH AMERICAN JOURNAL OF FISHERIES MANAGEMENT》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363386A (zh) * 2019-06-05 2019-10-22 中国水产科学研究院南海水产研究所 一种鸢乌贼渔情数据处理方法、系统、装置和存储介质
CN110555567A (zh) * 2019-09-10 2019-12-10 上海彩虹鱼海洋科技股份有限公司 用于鱼汛预测的方法、系统和装置
CN111583051A (zh) * 2020-05-13 2020-08-25 上海海洋大学 基于生态位模型的太平洋海域大眼金枪鱼栖息地评估方法
CN111583051B (zh) * 2020-05-13 2024-01-23 上海海洋大学 基于生态位模型的太平洋海域大眼金枪鱼栖息地评估方法

Similar Documents

Publication Publication Date Title
Mourier et al. Direct genetic evidence for reproductive philopatry and associated fine‐scale migrations in female blacktip reef sharks (Carcharhinus melanopterus) in French Polynesia
Borkman et al. Multidecadal (1959–1997) changes in Skeletonema abundance and seasonal bloom patterns in Narragansett Bay, Rhode Island, USA
Fiechter et al. The role of environmental controls in determining sardine and anchovy population cycles in the California Current: Analysis of an end-to-end model
Manderson et al. Ocean observatory data are useful for regional habitat modeling of species with different vertical habitat preferences
CN108960523A (zh) 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法
Gerrodette Estimates of 2006 dolphin abundance in the eastern tropical Pacific, with revised estimates from 1986-2003
Briscoe et al. Characterizing habitat suitability for a central‐place forager in a dynamic marine environment
Dell'Apa et al. Modeling the habitat distribution of spiny dogfish (Squalus acanthias), by sex, in coastal waters of the northeastern United States
Chiswell et al. Sources and sinks of larval settlement in Jasus edwardsii around New Zealand: where do larvae come from and where do they go?
Lotterhos et al. Evaluation of rockfish conservation area networks in the U nited S tates and C anada relative to the dispersal distance for black rockfish (S ebastes melanops)
Hua et al. Habitat suitability of Pacific saury (Cololabis saira) based on a yield-density model and weighted analysis
Goetz et al. Habitat preference and dive behavior of non‑breeding emperor penguins in the eastern Ross Sea, Antarctica
Koslow et al. A time series of California spiny lobster (Panulirus interruptus) phyllosoma from 1951 to 2008 links abundance to warm oceanographic conditions in southern California
Lauria et al. Contrasting habitat selection amongst cephalopods in the Mediterranean Sea: When the environment makes the difference
Coffin et al. Environmental covariates of sablefish (Anoplopoma fimbria) and Pacific ocean perch (Sebastes alutus) recruitment in the Gulf of Alaska
Ichii et al. Oceanographic factors affecting interannual recruitment variability of Pacific saury (Cololabis saira) in the central and western North Pacific
Han et al. Changes in distribution patterns for larimichthys polyactis in response to multiple pressures in the bohai sea over the past four decades
Rook et al. The spatial scale for cisco recruitment dynamics in Lake Superior during 1978–2007
Cheng et al. Analysis of short-term and local scale variations in fish community structure in Dachen Island waters
Laur et al. Multidecadal dynamics of larval gobies Pomatoschistus spp. in response to environmental variability in a shallow temperate bay
Strickland et al. Effects of hydrology on the movements of a large-bodied predator in a managed freshwater marsh
Danilov et al. Population dynamics of the bream Abramis brama in Lake Peipus
Feng et al. Examining spatiotemporal distribution and CPUE-environment relationships for the jumbo flying squid Dosidicus gigas offshore Peru based on spatial autoregressive model
Nichol et al. Trends in growth of the sea otter (Enhydra lutris) population in British Columbia 1977 to 2017
Zheng et al. The Shandong Peninsula as a geographical barrier: Divergence of the bartail flathead Platycephalus indicus resources and associated environmental factors in the Bohai Sea and Yellow Sea

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: 20181207