CN111275065B - 一种基于海洋环境多属性的水产养殖空间分区方法 - Google Patents
一种基于海洋环境多属性的水产养殖空间分区方法 Download PDFInfo
- Publication number
- CN111275065B CN111275065B CN201811479101.6A CN201811479101A CN111275065B CN 111275065 B CN111275065 B CN 111275065B CN 201811479101 A CN201811479101 A CN 201811479101A CN 111275065 B CN111275065 B CN 111275065B
- Authority
- CN
- China
- Prior art keywords
- grid
- marine
- attribute
- parameters
- layer
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 244000144974 aquaculture Species 0.000 title claims abstract description 30
- 238000009360 aquaculture Methods 0.000 title claims abstract description 29
- 238000000638 solvent extraction Methods 0.000 title claims abstract description 20
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 26
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000005192 partition Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 abstract description 3
- 238000007418 data mining Methods 0.000 abstract description 2
- 229930002875 chlorophyll Natural products 0.000 abstract 1
- 235000019804 chlorophyll Nutrition 0.000 abstract 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 abstract 1
- 238000013439 planning Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 239000013535 sea water Substances 0.000 description 8
- 241000512259 Ascophyllum nodosum Species 0.000 description 7
- 238000011161 development Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 235000015170 shellfish Nutrition 0.000 description 3
- 241000237509 Patinopecten sp. Species 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000009364 mariculture Methods 0.000 description 2
- 235000020637 scallop Nutrition 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 241001474374 Blennius Species 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000251511 Holothuroidea Species 0.000 description 1
- 241000237502 Ostreidae Species 0.000 description 1
- 241001261506 Undaria pinnatifida Species 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000020636 oyster Nutrition 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于海洋环境多属性的水产养殖空间分区方法。通过水动力模拟和海上采样点参数的空间插值获取海洋区域环境要素,在获取海洋环境参数的基础上,利用空间数据挖掘算法对海域深度、平均流速、平均温度、叶绿素、无机氮等海洋参数进行划分,根据参数的相似性实现了多种参数空间聚类,最后根据参数的聚类结果进一步分区。该发明对海洋水产养殖空间采用海洋环境多参数聚类及分区具有重要的意义,不仅能为渔民及养殖公司的养殖选址提供依据,也能为政府渔业管理提供相应的决策参考。
Description
技术领域
本发明涉及海岸带综合管理领域,特别涉及海洋水产养殖空间规划方法的技术领域,具体的说是一种基于海洋环境多属性的水产养殖空间分区方法。
背景技术
海岸带空间资源的合理开发和利用成为海岸带综合管理关注的热点,根据区域自然、经济、社会特征应用生态系统方式分区来规范海洋资源的开发活动和合理分配海洋空间,不仅可以保护生态过程和生态系统空间,维持生态系社会经济可持续发展的能力,还可以最小化当地利益冲突,获取较高的空间资源配置效率。
海域自然条件的属性分区是水产养殖生态系统类型划分的前提条件。水产养殖空间的海水环境比较复杂,海水温度、盐度、浮游生物、营养盐等参数不仅受到经纬度和季节的影响,而且受海水动力、海流等的影响,有的还受海岸线形状、水深的影响。
根据生产参数进行养殖空间分区是开展渔业生产、选址与管理的依据。渔业养殖种类生长都有一定的参数要求,例如,海带、海参、扇贝等对海水环境参数的要求并不一致。靠近陆地一侧的海区升温较快,海水流速低导致水交换不畅不适合养殖海带,流速过高超出了海带的生长条件或养殖的管理能力,如何按照海洋生态环境的相似性进行划分是海水养殖管理中亟待解决的关键技术问题之一。
目前的海域使用规划、海洋生态红线规划,目前并没有较好的技术方法进行划分,例如梁湘波设计了港口、旅游、养殖三种主要类型功能区的指标体系;借助层次分析法(AHP)计算了各个指标的权重,通过模糊综合评价法进行海洋功能分区。孙伟、陈诚等针对海岸线及海岸带的空间区划指标体系选择和方法应用,在借鉴已有区划方法的基础上,重点评价单元划分、评价指标选择与处理等技术方法,进一步的对海岸带空间功能分区。上述方面大多以海洋管理部门和研究者的定性分析为主,过分依赖于专家的主观感觉,完全基于位置和数据本身差异的定量划分不多。
现有技术中对海洋养殖空间以三维或综合多维属性的聚类分区尚未见到。
发明内容
海洋环境参数的相似性是开展养殖分区的自然环境基础,一种要素的界限可以根据要素的聚合范围进行划分,现有海域使用规划、海洋生态红线规划技术中专家经验评判比重过大,规划界限模糊,而海水环境参数的重心法系统聚类仅限于二种要素的空间聚类,基于多种要素的属性进行海域空间划分综合考虑较少。相比于现有技术,本发明提出了一种基于海洋环境多属性的水产养殖空间分区方法,方法客观且分区界限清晰。利用聚类算法对水产养殖环境参数进行挖掘,寻找空间上多种属性上的近似点,是开展海洋空间规划的基础,为分区选择养殖种类提供了基础。
针对现有技术中的上述不足,本发明提供了一种基于海洋环境多属性的水产养殖空间分区方法。
本发明为实现上述目的所采用的技术方案是:一种基于海洋环境多属性的水产养殖空间分区方法,包括以下步骤:
获取设定海域的海洋环境参数并针对每种参数生成点图层;
将每种参数的点图层进行处理得到栅格图层;
根据海洋环境参数得到栅格图层的网格属性平均值,并提取至网格中心点,使每个点具有多维属性;用空间聚类算法对所有网格中心点进行空间聚类,得到带分类属性的点图层;
将点图层的分类属性值赋值给网格图层中的每个网格,形成具有分类属性的网格图层;将具有分类属性的网格图层,按照其分类属性进行区域划分,使得同一分类属性的区域具有相同标记,形成设定海域的分区显示。
所述海洋环境参数包括温度、流速、深度、无机氮深度。
所述获取设定海域的海洋环境参数并针对每种参数生成点图层具体如下:获取设定海域的海洋环境参数,根据参数种类分别生成矢量图层,并将其转换到同一投影坐标下,最终生成多个具有相同坐标的参数点图层。
所述将每种参数的点图层进行处理得到栅格图层具体如下:
将每种参数的点图层通过插值处理成为栅格图层;所述栅格图层包括栅格坐标以及该坐标对应的海洋环境参数。
所述根据海洋环境参数得到栅格图层的网格属性平均值,并提取至网格中心点,使每个点具有多维属性具体为:
对于每一种栅格图层,设置网格尺寸;在当前图层的每个网格内,计算网格中心点坐标,并将每个网格内的每种海洋环境参数计算平均值作为该网格的属性平均值,得到具有多维属性的网格中心点。
所述用空间聚类算法对所有网格中心点进行空间聚类,得到带分类属性的点图层,具体如下:
在每个网格内,将多维属性作为点聚类的依据,采用空间聚类算法进行空间聚类,最终形成具有分类属性的点图层;所述具有分类属性的点图层中包括:网格中心点坐标、具有分类属性的海洋环境参数。
在设定海域的同一分区内,根据海洋环境参数计算每种参数的平均值、最大值、最小值并显示在当前区域,用于指导水产分区养殖。
本发明具有以下有益效果及优点:
1.采用本发明的方法,养殖公司可通过分区结果根据养殖品种选择相应的海域空间,具有重要的生态和经济效益。
2.采用本发明的方法,海洋和渔业管理部门通过分区结果可以制定科学有效的海域使用空间规划,边界更清晰,从而在业务管理上更科学。
3.采用本发明的方法,可以为海域使用和海洋生态红线等规划部门后续需要提供有效的解决思路,为不同的管理需求选择相应的参数进行海域规划,并提供可视化的空间规划效果。
4.本发明主要针对海水养殖空间区域,考虑了等深线数据,水动力模拟的海水温度、盐度、流速等海洋数据,提出了一套新的的空间分区方法,考虑海水环境参数的物理关联性和影响性以及养殖种类的特性,从海洋环境数据本身出发,采用空间聚类分析算法进行定量的统计聚类分析,该方法可把养殖海域划分为若干个内部关联且相似的小区,从而实现对养殖空间的科学分区。
附图说明
图1是本发明的方法流程图;
图2a是平均流速栅格图层;
图2b是平均温度栅格图层;
图2c是总氮栅格图层;
图2d是水深栅格图层;
图3是水产养殖空间的单元格网图层;
图4是水产养殖空间的单元格网中心点图;
图5根据4种参数空间聚类结果的示意图;
图6是根据聚类进行GIS处理的分区图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
本发明利用数据挖掘的方法对海洋环境多种参数的区域近似性进行分区,可为我国海岸带的海洋养殖空间规划、海域使用规划、海洋生态红线规划等提供技术支持。
一种基于海洋环境多属性的水产养殖空间分区方法,包括以下步骤:
筛选影响水产养殖的主要因素,针对目标海域空间的养殖环境状况,综合考虑包括地形、物理、水质等因素的影响,界定用于海洋空间养殖水域分区的影响因子。
步骤1:通过海上采样并进行水动力模拟获取海洋空间养殖水域的原始海洋环境参数生成矢量图层,并将其转换到同一投影坐标下,最终生成具有相同坐标参数的海洋环境各参数的点图层;所述原始海洋环境参数包括水动力模型数据和海上站位数据;
步骤2:海洋环境参数点图层通过克里金或径向基函数空间插值方法处理成为栅格图层;所述栅格图层中包括空间坐标和对应栅格坐标的海洋环境参数;
步骤3:设置网格大小,将研究区域图层进一步划分网格,形成网格图层;在每个网格内,计算网格中心点坐标,根据每个网格坐标下的每种海洋环境参数计算其平均值,形成网格中心点图层;所述网格中心点图层中包括网格中心点坐标和海洋环境参数平均值;
步骤4:将每个网格对应的栅格图层中海洋环境参数平均值赋值给网格中心点图层;所述点图层中包括栅格坐标和对应栅格坐标的海洋环境所有参数的平均值;
步骤5:在每个网格内,选择多个参数属性作为点聚类的依据,采用k-means或者meanshift算法进行空间聚类,最终形成具有分类属性的点图层;所述具有分类属性的点图层中包括:网格中心点坐标、具有分类属性的海洋环境参数;
步骤6:将点图层的分类属性值赋值给网格图层中的每个网格,形成具有分类属性的网格图层;
步骤7:将具有分类属性的网格图层,按照其分类属性进行区域划分,使得同一分类属性的区域具有相同标记,形成养殖水域的分区显示;
步骤8:在养殖水域的同一分区内,根据原始海洋环境参数计算每种参数的平均值、最大值、最小值并显示在当前区域,用于指导水产分区养殖。
步骤1中的所述水动力模型数据是从水动力模型结果中导出的,包括养殖生物生长季的平均温度、流速、盐度数据;所述海上站位数据为实际测量的数据,包括:多年多季节的总无机氮浓度、透明度、浮游生物含量、深度数据。
步骤2中的空间插值方法为克里金或径向基函数插值方法。利用克里金插值方法用于对等深点数据进行空间插值,所述径向基函数插值方法用于对总氮站位数据插值。
步骤2还包括将水动力模型数据和空间插值方法处理后的海上站位数据进行统一坐标后作为对应栅格坐标的海洋环境参数。
所述网格大小在100m~500m之间。
步骤5中的空间聚类算法是采用K-means或者mean shift聚类算法;
当采用K-means聚类算法,需要预先设定海洋环境参数按属性的分类数目,k值大小选择在5-7之间;步骤如下,从样本点图层中选择k个点作为初始聚类中心;计算其余每个点到聚类中心的欧氏距离,并将每个点分配给与其最相似的每个聚类中心所代表的类;不断重复该过程直到标准测度函数(用均方差作为标准测度函数)开始收敛为止。当采用meanshift聚类算法,步骤如下,①在未被分类的数据点中随机选择一个点作为中心点center;②找出离中心点距离在带宽之内的所有点,记做集合M,认为这些点属于簇c;③计算从中心点center开始到集合M中每个元素的向量,将这些向量相加,得到偏移向量shift;④中心点沿着shift的方向移动,移动距离是偏移向量的模||shift||;⑤重复步骤②③④,直到偏移向量shift的大小满足设定的阈值要求,记住此时的中心点center;⑥重复①②③④⑤直到所有的点都被归类;⑦分类:根据每个类对每个点的访问频率,取访问频率最大的那个类,作为当前点集的所属类。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,而不是全部的实施例。基于本发明中的实施例,对于本领域普通技术人员来讲,本领域普通技术人员在没有作出创造性劳动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。
桑沟湾是我国北方典型的浅海养殖区,其养殖始于1957年的海带筏式养殖实验,经过不断地扩大与发展,养殖品种也由刚开始时的单一筏式海带养殖,逐渐发展到以海带、裙带菜、扇贝、牡蛎等的贝藻立体混合养殖,现已成为我国集约化海水养殖的代表区域。由于桑沟湾增养殖区年产贝类、海藻数万吨,养殖密度高,养殖产出大,近年来,海带养殖业出现了不同程度的病害,海带在收获季节尚未开始就出现了腐烂现象,同时,贝类养殖个体小型化、养殖周期延长、死亡率升高、产品质量出现不同程度的下降。其中,不恰当的养殖环境分区是造成上述损失的重要方面,因此,基于海洋环境参数对桑沟湾养殖种类分区就成为该区水产养殖产业能否可持续发展的关键方面。
如图1所示,具体方法步骤如下:
(1)获取桑沟湾海域的海洋环境参数信息
根据养殖区的主要影响因素,在养殖分区时,考虑了水动力、温度、深度、总氮4个参数,首先利用实测的站位数据利用FVCOM水动力模型并进行精度验证,然后从水动力模型模拟的结果以50m分辨率导出excel格式的养殖生物生长季的平均温度、流速数据,从海图中获取该区的水深点信息同时获取海上大面积调查采样的长期站位数据(如多年多季节的无机氮浓度、透明度、浮游生物含量等参数),分辨率100m,将上述数据导入到地理信息数据库并统一到投影直角坐标(带号为WGS-84-UTM-zone-51N)下,形成每种参数的点图层。
(2)参数进行转换或插值得到栅格图层
在地理信息系统软件中,将50m分辨率的平均温度、平均流速转成栅格数据,利用克里金插值方法将等深点数据进行空间插值,利用径向基函数插值方法将总氮站位数据插值,并转换成统一分辨率的栅格图层(将分辨率100m的站位数据统一成分辨率50m),如图2a、图2b、图2c、图2d所示分别为平均流速、平均温度、总氮、水深的4种参数的栅格图层。
(3)用网格图层获得每一种栅格图层属性平均值
基于桑沟湾的养殖空间特性,选择400m单元网格,利用地理信息系统软件中渔网工具生成网格图层及中心点图层,如图3、图4所示,共获得网格和点的数均为2769个,然后利用地理信息系统软件中的区域统计至表工具获取每个单位网格内每种参数(温度、流速、深度和无机氮深度)的平均值。
(4)参数统一提取至网格中心点
利用地理信息系统软件中的连接工具将网格图层中的参数提取至点图层中每个点,如图4所示,每个点均具有参数的多维属性(如温度、流速、深度、无机氮信息)。
(5)用空间聚类算法对所有网格中心点进行空间聚类
利用地理信息系统软件中的分组分析工具,根据需要选择多种参数,本实例选择K-means算法,对于每一个样点i,计算其应该属于的类
c(i):=arg minj||x(i)-μj||2
x(i)、μj分别表示第i个样本和该样本所在的类j。对于每一个类j,重新计算该类所有样本的平均值。
k是聚类数,c(i)代表样点i与k个类中距离最近的那个类,c(i)的值是1到k中的一个。m表示第j类中所有样本个数上限。
式中,J(C,μ)表示每个样本点到质心的距离平方和,μc(i)表示第i个聚类的均值。各类内的样本越相似,其与该类均值间的误差平方越小。
本实例设定分类数目为7,最后生成带分类属性的点图层(分类属性分别为1,2,3,4,5,6和7),如图5所示。
(6)网格中心点的分类属性赋给网格
利用地理信息系统软件中的连接工具将点的分类属性传给点所在网格,生成具有分类属性的网格图层,分类结果在地图中可以显示,如图5所示。
(7)具有同一属性的网格进行空间融合
利用地理信息系统软件中的融合工具将网格图层中的所有网格按照步骤(6)网格图层中的分类字段进行同一分类属性的网格融合,将具有同一分类属性的多个区域归并,形成分区结果,如图6所示。
(8)桑沟湾海水养殖空间分区结果
在点图层的属性表中统计各分区内的参数的统计信息,如温度、流速等参数的平均值、最大值和最小值(出于保密需要,各小区统计参数不在此列出),将这些参数作为水产种类养殖选择与管理的依据。如表1,统计信息表明,每种要素的相关性R2都大于0.76以上。
附表1基于海洋多参数属性的空间聚类统计信息
注:TEMP-海水表层温度;DEPTH-水深;SPEED-流速;TIN-总无机氮。
Claims (5)
1.一种基于海洋环境多属性的水产养殖空间分区方法,其特征在于,包括以下步骤:
获取设定海域的海洋环境参数并针对每种参数生成点图层;
所述海洋环境参数包括温度、流速、深度、无机氮深度;
将每种参数的点图层进行处理得到栅格图层;
根据海洋环境参数得到栅格图层的网格属性平均值,并提取至网格中心点,使每个点具有多维属性;用空间聚类算法对所有网格中心点进行空间聚类,得到带分类属性的点图层;
将点图层的分类属性值赋值给网格图层中的每个网格,形成具有分类属性的网格图层;将具有分类属性的网格图层,按照其分类属性进行区域划分,使得同一分类属性的区域具有相同标记,形成设定海域的分区显示;
在设定海域的同一分区内,根据海洋环境参数计算每种参数的平均值、最大值、最小值并显示在当前区域,用于指导水产分区养殖。
2.根据权利要求1所述的一种基于海洋环境多属性的水产养殖空间分区方法,其特征在于,所述获取设定海域的海洋环境参数并针对每种参数生成点图层具体如下:获取设定海域的海洋环境参数,根据参数种类分别生成矢量图层,并将其转换到同一投影坐标下,最终生成多个具有相同坐标的参数点图层。
3.根据权利要求1所述的一种基于海洋环境多属性的水产养殖空间分区方法,其特征在于,所述将每种参数的点图层进行处理得到栅格图层具体如下:
将每种参数的点图层通过插值处理成为栅格图层;所述栅格图层包括栅格坐标以及该坐标对应的海洋环境参数。
4.根据权利要求1所述的一种基于海洋环境多属性的水产养殖空间分区方法,其特征在于,所述根据海洋环境参数得到栅格图层的网格属性平均值,并提取至网格中心点,使每个点具有多维属性具体为:
对于每一种栅格图层,设置网格尺寸;在当前图层的每个网格内,计算网格中心点坐标,并将每个网格内的每种海洋环境参数计算平均值作为该网格的属性平均值,得到具有多维属性的网格中心点。
5.根据权利要求1所述的一种基于海洋环境多属性的水产养殖空间分区方法,其特征在于,所述用空间聚类算法对所有网格中心点进行空间聚类,得到带分类属性的点图层,具体如下:
在每个网格内,将多维属性作为点聚类的依据,采用空间聚类算法进行空间聚类,最终形成具有分类属性的点图层;所述具有分类属性的点图层中包括:
网格中心点坐标、具有分类属性的海洋环境参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811479101.6A CN111275065B (zh) | 2018-12-05 | 2018-12-05 | 一种基于海洋环境多属性的水产养殖空间分区方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811479101.6A CN111275065B (zh) | 2018-12-05 | 2018-12-05 | 一种基于海洋环境多属性的水产养殖空间分区方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275065A CN111275065A (zh) | 2020-06-12 |
CN111275065B true CN111275065B (zh) | 2023-08-15 |
Family
ID=71003076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811479101.6A Active CN111275065B (zh) | 2018-12-05 | 2018-12-05 | 一种基于海洋环境多属性的水产养殖空间分区方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275065B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241767A (zh) * | 2020-11-03 | 2021-01-19 | 广州杰赛科技股份有限公司 | 管网水压监测节点布置方法、装置、设备及存储介质 |
CN113660456A (zh) * | 2021-07-12 | 2021-11-16 | 无锡安科迪智能技术有限公司 | 可变焦阵列摄像机协同获取不同分辨率多目标视频方法 |
CN114861558B (zh) * | 2022-07-07 | 2022-09-20 | 中国长江三峡集团有限公司 | 水库温度场的分区方法、装置、计算机设备及介质 |
CN115684037B (zh) * | 2023-01-03 | 2023-03-21 | 海南热带海洋学院崖州湾创新研究院 | 一种基于光谱图像的养殖紫菜生物量估测方法 |
CN116739817B (zh) * | 2023-08-08 | 2024-01-19 | 广州桓乐生态环境科技有限公司 | 一种海洋生物多样性监测系统及数据处理方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6192833B1 (en) * | 1998-03-16 | 2001-02-27 | Clemson University | Partitioned aquaculture system |
CN102867115A (zh) * | 2012-08-29 | 2013-01-09 | 南京农业大学 | 一种基于模糊c均值聚类的农田划分方法 |
CN103235982A (zh) * | 2013-04-16 | 2013-08-07 | 中国水产科学研究院东海水产研究所 | 一种基于贝叶斯网络模型的渔场预报方法 |
JP2015008656A (ja) * | 2013-06-27 | 2015-01-19 | 清水建設株式会社 | 生物種生息適性推定方法及びその方法を用いた生物種生息適性推定システム |
CN104899786A (zh) * | 2015-05-13 | 2015-09-09 | 中国农业大学 | 玉米品种种植适宜性精细区划方法与系统 |
CN105243612A (zh) * | 2015-11-13 | 2016-01-13 | 中国科学院南京地理与湖泊研究所 | 一种湖泊型流域水生态功能四级分区方法 |
CN106845699A (zh) * | 2017-01-05 | 2017-06-13 | 南昌大学 | 一种预测油茶适生区的方法 |
CN107103378A (zh) * | 2016-02-23 | 2017-08-29 | 中国农业大学 | 一种玉米种植环境测试站点布局方法及系统 |
EP3340130A1 (en) * | 2016-12-23 | 2018-06-27 | Hexagon Technology Center GmbH | Method for prediction of soil and/or plant condition |
CN108256534A (zh) * | 2018-01-29 | 2018-07-06 | 中国科学院地理科学与资源研究所 | 一种基于高分遥感影像的筏式海水养殖区域提取方法 |
CN108416686A (zh) * | 2018-01-30 | 2018-08-17 | 中国矿业大学 | 一种基于煤炭资源开发的生态地质环境类型划分方法 |
CN108875659A (zh) * | 2018-06-26 | 2018-11-23 | 上海海事大学 | 一种基于多光谱遥感影像的海图养殖区识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10398096B2 (en) * | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
-
2018
- 2018-12-05 CN CN201811479101.6A patent/CN111275065B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6192833B1 (en) * | 1998-03-16 | 2001-02-27 | Clemson University | Partitioned aquaculture system |
CN102867115A (zh) * | 2012-08-29 | 2013-01-09 | 南京农业大学 | 一种基于模糊c均值聚类的农田划分方法 |
CN103235982A (zh) * | 2013-04-16 | 2013-08-07 | 中国水产科学研究院东海水产研究所 | 一种基于贝叶斯网络模型的渔场预报方法 |
JP2015008656A (ja) * | 2013-06-27 | 2015-01-19 | 清水建設株式会社 | 生物種生息適性推定方法及びその方法を用いた生物種生息適性推定システム |
CN104899786A (zh) * | 2015-05-13 | 2015-09-09 | 中国农业大学 | 玉米品种种植适宜性精细区划方法与系统 |
CN105243612A (zh) * | 2015-11-13 | 2016-01-13 | 中国科学院南京地理与湖泊研究所 | 一种湖泊型流域水生态功能四级分区方法 |
CN107103378A (zh) * | 2016-02-23 | 2017-08-29 | 中国农业大学 | 一种玉米种植环境测试站点布局方法及系统 |
EP3340130A1 (en) * | 2016-12-23 | 2018-06-27 | Hexagon Technology Center GmbH | Method for prediction of soil and/or plant condition |
CN106845699A (zh) * | 2017-01-05 | 2017-06-13 | 南昌大学 | 一种预测油茶适生区的方法 |
CN108256534A (zh) * | 2018-01-29 | 2018-07-06 | 中国科学院地理科学与资源研究所 | 一种基于高分遥感影像的筏式海水养殖区域提取方法 |
CN108416686A (zh) * | 2018-01-30 | 2018-08-17 | 中国矿业大学 | 一种基于煤炭资源开发的生态地质环境类型划分方法 |
CN108875659A (zh) * | 2018-06-26 | 2018-11-23 | 上海海事大学 | 一种基于多光谱遥感影像的海图养殖区识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111275065A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275065B (zh) | 一种基于海洋环境多属性的水产养殖空间分区方法 | |
Godhe et al. | Seascape analysis reveals regional gene flow patterns among populations of a marine planktonic diatom | |
Kružić et al. | The impact of seawater temperature on coral growth parameters of the colonial coral Cladocora caespitosa (Anthozoa, Scleractinia) in the eastern Adriatic Sea | |
Wang et al. | Spatial distribution and physical controls of the spring algal blooming off the Changjiang River Estuary | |
Berntsen et al. | Modelling the transport of particles in the North Sea with reference to sandeel larvae | |
Souissi et al. | A new multivariate mapping method for studying species assemblages and their habitats: example using bottom trawl surveys in the Bay of Biscay (France) | |
CN107992584A (zh) | 一种海洋大数据分类解析与网格化存储方法 | |
Livingstone et al. | Classification of marine bioregions on the east coast of South Africa | |
CN115481810A (zh) | 基于多目标优化的国土空间规划的方法 | |
CN114118877A (zh) | 一种增殖型海洋牧场生态适宜性评价方法 | |
CN113191416B (zh) | 面向大规模地理点数据的空间属性关联维诺图生成方法 | |
Hsieh et al. | Influence of monsoon-driven hydrographic features on siphonophore assemblages in the Taiwan Strait, western North Pacific Ocean | |
CN114037276A (zh) | 一种休闲型海洋牧场生态适宜性评价方法 | |
Volvenko et al. | Updated and extended database of the pelagic trawl surveys in the Far Eastern seas and North Pacific Ocean in 1979–2009 | |
CN109034462A (zh) | 玉米群体种植结构优化方法及装置 | |
Xue et al. | Detection the expansion of marine aquaculture in Sansha Bay by remote sensing | |
Suo et al. | Suitability evaluation on marine ranching in Guangdong, South China | |
CN102004861B (zh) | 鉴别及分类不同特性水团的谱混合分析方法 | |
Gong et al. | The spatial pattern of Scirpus mariqueter expansion and the associated mechanism of self-organization using unmanned aerial vehicles and its significance for coastal wetland restoration | |
Chen et al. | Basic Principles and Methods of Fisheries Forecasting | |
Nguyen et al. | Retention and export of planktonic fish eggs in the northeastern Gulf of Mexico | |
Hermawan | Implementation of decision support system for integrated coastal zone management of sustainable mariculture development industry in Indonesia | |
Li et al. | Introducing tree neighbouring relationship factors in forest pattern spatial analysis: Weighted Delaunay triangulation method | |
CN111582642B (zh) | 一种鱼类最适环境判断方法、电子设备及存储介质 | |
Meng et al. | Spatial Distribution and Differentiation Analysis of Coastal Aquaculture in China Based on Remote Sensing Monitoring |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |