CN111626467A - 一种扫海面积估算渔业资源量的修正方法及其应用 - Google Patents

一种扫海面积估算渔业资源量的修正方法及其应用 Download PDF

Info

Publication number
CN111626467A
CN111626467A CN202010270161.8A CN202010270161A CN111626467A CN 111626467 A CN111626467 A CN 111626467A CN 202010270161 A CN202010270161 A CN 202010270161A CN 111626467 A CN111626467 A CN 111626467A
Authority
CN
China
Prior art keywords
resource
ssi
sea
amount
fishery
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
CN202010270161.8A
Other languages
English (en)
Inventor
陈新军
胡贯宇
魏广恩
张畅
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 Ocean University
Original Assignee
Shanghai Ocean 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 Ocean University filed Critical Shanghai Ocean University
Priority to CN202010270161.8A priority Critical patent/CN111626467A/zh
Publication of CN111626467A publication Critical patent/CN111626467A/zh
Priority to JP2021011624A priority patent/JP7022456B2/ja
Priority to NL2027467A priority patent/NL2027467B1/en
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

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

Abstract

本发明公开了一种扫海面积估算渔业资源量的修正方法及其应用，步骤为：将调查海域均分为n个调查小区，对m个按照扫海面积调查法开展拖网调查工作，采用标准拖网按规定拖曳规定时间，分别获得m个小区的渔获量和n个小区的海洋环境因子；计算m个小区的资源适应性指数SSI；针对所有的海洋环境因子，依次构建反映单一海洋环境因子与资源适应性指数SSI之间关系的模型；挑选出所有在统计学上是显著的模型，利用这些模型构建TSI模型；结合TSI指数估算n个小区的渔业资源量而后相加。本发明的修正方法，在计算渔业资源量时考虑了环境对资源分布的影响，提出了基于资源适应性指数的修正系数，提高了测算准确度，其适应性好，极具应用前景。

Description

一种扫海面积估算渔业资源量的修正方法及其应用
技术领域
本发明属于海洋渔业资源量预测技术领域，涉及一种扫海面积估算渔业资源量的修正方法及其应用。
背景技术
科学估算渔业资源量是确保资源可持续开发和科学管理的重要基础。为查明渔业资源的种类和数量，通常采用海上调查的方式，使用渔具、水声学设备对指定水域进行试捕或探测，运用数据和统计方法对调查数据进行分析处理，以估算调查海域渔业资源特别是重要经济水产动物的资源量。
渔业资源调查评估方法主要有两种：试捕调查和水声学调查。试捕调查主要使用渔具进行系统试捕，试捕渔具包括拖网、围网、流刺网、钓具和定置渔具等，其中拖网最常用，使用拖网调查并估算资源的方法称为扫海面积法，使用声学仪器调查并估算资源量的方法称为声学调查评估法。早期的渔业资源资源调查评估使用拖网调查并结合“扫海面积法”来估算某一海域的渔业资源的绝对数量或相对丰度指数，目前该方法仍然被世界各国广泛应用。
扫海面积法使用拖网调查试捕，通过单位面积的渔获量来估算整个海域的资源量。该方法有严格的假设条件，单位面积的平均渔获量是资源分布的指数，即假设其与资源丰度成正比。设所有调查站点的平均渔获量为C，X1为在扫海通道上被拖网捕捞的鱼类重量占扫海通道内所有鱼类的总重量的比例，调查海域的面积为A，那么整个调查海域的总资源量B＝CA/aX1。但是由于海洋环境等对鱼类分布的影响，上述假设条件通常是不成立的，因此传统的按照扫海面积估算渔业资源量往往存在测算不准确的缺陷。
因此，开发一种能够对扫海面积估算渔业资源量进行校正的方法极具现实意义。
发明内容
本发明的目的在于克服现有技术测算不准确的缺陷，提供一种能够对扫海面积估算渔业资源量进行校正的方法，同时针对该修正方法提供了一种应用该方法的电子设备。
为实现上述目的，本发明提供如下技术方案：
一种扫海面积估算渔业资源量的修正方法，应用于电子设备，用于对扫海面积估算渔业资源量的结果进行修正，步骤如下：
(1)将调查海域均分为n个调查小区，针对其中m个调查小区(通常由于调查成本的原因，通常按一定比例对其中的m个调查小区就行抽样调查，当然本领域技术人员也可对所有调查小区展开调查)，按照扫海面积调查法开展拖网调查工作，采用标准拖网按规定拖曳规定时间，分别获得m个调查小区的渔获量，并测定n个调查小区的海洋环境因子，n≥1，m≤n；
(2)计算m个调查小区的资源适应性指数SSI，计算公式如下；
SSI＝Catchi/MAX(Catch)；
式中：SSI为资源适应性指数，其值在0-1之间，Catchi为调查小区i的渔获量，i为1～m之间的整数，MAX(Catch)为所有调查小区中最大的渔获量；渔获量与资源适应性即为正相关，即渔获量最高的调查小区，其资源适应性指数为1；其中，资源适应性综合指数TSI直接反映了渔业资源对各种环境因子的适应性程度，因此该指数可以作为计算调查海域资源量的修正系数；
(3)针对所有的海洋环境因子，依次构建反映单一海洋环境因子与资源适应性指数SSI之间关系的模型；
(4)在步骤(3)构建的模型中挑选出所有在统计学上是显著的模型，利用这些模型构建资源适应性综合指数(TSI)模型，资源适应性综合指数模型的公式如下；
TSI＝(SSI1+SSI2+……+SSIj)/j；
式中：TSI为资源适应性综合指数，SSI1、SSI2……、SSIj分别为步骤(3)构建的模型中所有在统计学上是显著的模型，分别对应海洋环境变量1、2、……、j，j为海洋环境因子个数；
即根据调查海域的m个调查小区的数据(包括渔获量及海洋环境因子)构建TSI模型；
(5)根据n个调查小区的海洋环境因子数据通过步骤(4)获取的资源适应性综合指数(TSI)模型分别计算得到n个调查小区的TSI值；
(6)估算渔获量最高的调查小区的渔业资源量，计算公式如下：
BMAX＝C/a；
式中：BMAX为渔获量最高的调查小区的资源量，C为最高渔获量的调查小区的渔获量，a为可捕系数，通常为0-1之间；
(7)计算n个调查小区的渔业资源量，计算公式为：
Bk＝BMAX*TSIk；
式中：Bk为调查小区k的资源量，TSIk为调查小区k的资源适应性综合指数；
(8)将所有n个调查小区的渔业资源量相加即完成调查海域渔业资源总量的估算。
本发明的扫海面积估算渔业资源量的修正方法，具体应用于渔业资源调查评估以及其它水生生物的资源调查评估等，其针对传统扫海面积法估算渔业资源量的不足，在计算渔业资源量时考虑了环境对资源分布的影响，提出了基于资源适应性指数的修正系数(即资源适应性综合指数)，并给出了一种基于资源适应性综合指数对扫海面积估算渔业资源量进行修正的具体方法，其极大地提高了测算准确度，能够为渔业生产提供良好的指导作用，进而提高捕捞效率，降低捕捞成本，极具应用前景，同时，本发明得到的资源适应性综合指数模型并不是一成不变的，可根据实时获取的最新数据重新获取资源适应性综合指数模型，本发明的方法适应性好，应用前景好。
作为优选的技术方案：
如上所述的一种扫海面积估算渔业资源量的修正方法，所述海洋环境因子包括表温SST、盐度SSS、叶绿素-a Chl-a和海面高度SHL等影响渔资源分布的重要因子。本发明的海洋环境因子包括以上各因子，但并不仅限于此，本领域技术人员可根据实际需要选择合适的海洋环境因子。
如上所述的一种扫海面积估算渔业资源量的修正方法，所述调查小区的尺寸相同，其经纬度分别为0.5°*0.5°。本发明的保护范围并不仅限于此，本领域技术人员可根据实际需要设定调查小区的尺寸，当然各调查小区的尺寸应当相同，否则调查小区将不具有可比性。
如上所述的一种扫海面积估算渔业资源量的修正方法，步骤(3)中反映表温与资源适应性指数SSI之间关系的模型为：
SSI1＝exp(-1.3728(XSST-28.70)2)；
式中，XSST为调查小区对应的表温，单位为℃；
该模型的P<0.01，此处的P值是统计上用来判定假设检验结果的一个参数，P值(Pvalue)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，则有理由拒绝原假设，P值越小，则我们拒绝原假设的理由越充分。总之，P值越小，表明结果越显著，此处的P<0.01即代表SSI1在统计学上是显著的，下同。
如上所述的一种扫海面积估算渔业资源量的修正方法，步骤(3)中反映盐度与资源适应性指数SSI之间关系的模型为：
SSI2＝exp(-5.5154(XSSS-33.81)2)；
式中，XSSs为调查小区对应的盐度，单位为psu；
该模型的P<0.01。
如上所述的一种扫海面积估算渔业资源量的修正方法，步骤(3)中反映叶绿素-a与资源适应性指数SSI之间关系的模型为：
SSI3＝exp(-0.5517(ln(XChl-a)+1.378)2)；
式中，XChl-a为调查小区对应的叶绿素-a浓度，单位为mg/m3；
该模型的P<0.01。
如上所述的一种扫海面积估算渔业资源量的修正方法，步骤(3)中反映海面高度与资源适应性指数SSI之间关系的模型为：
SSI4＝exp(-1.3260(XSHL-0.4712)2)；
式中，XSHL为调查小区对应的海面高度，单位为m；
该模型的P<0.01。通常适应性指数与环境因子呈现正态分布或者偏正态分布。本发明的保护范围并不仅限于本发明具体给出的四个单一海洋环境因子与资源适应性指数SSI之间关系的模型，本发明给出的四个模型仅是本发明基于一定数据所得的合理模型而已，本领域技术人员在实际操作中可根据实际需求优化这些模型。
如上所述的一种扫海面积估算渔业资源量的修正方法，步骤(8)中调查海域渔业资源总量B的计算公式为：
B＝B1+B2+.....+Bn。
本发明还提供一种应用如上所述的一种扫海面积估算渔业资源量的修正方法的电子设备，包括一个或多个处理器、一个或多个存储器、一个或多个程序及数据输入装置；
所述数据输入装置用于输入m个调查小区的渔获量及n个调查小区的海洋环境因子，所述一个或多个程序被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如上所述的一种扫海面积估算渔业资源量的修正方法。
有益效果：
(1)本发明的扫海面积估算渔业资源量的修正方法，针对传统扫海面积法估算渔业资源量的不足，在计算渔业资源量时考虑了环境对资源分布的影响，提出了基于资源适应性指数的修正系数(即资源适应性综合指数)，并给出了一种基于资源适应性综合指数对扫海面积估算渔业资源量进行修正的具体方法，其极大地提高了测算准确度，能够为渔业生产提供良好的指导作用，进而提高捕捞效率，降低捕捞成本；
(2)本发明的扫海面积估算渔业资源量的修正方法，资源适应性综合指数模型并不是一成不变的，可根据实时获取的最新数据重新获取资源适应性综合指数模型，适应性好；
(3)本发明的应用扫海面积估算渔业资源量的修正方法的设备，结构简单，成本低廉，能够快速基于扫海面积实现了对渔业资源量的准确估算，极具应用前景。
附图说明
图1为本发明的扫海面积估算渔业资源量的修正方法的流程图；
图2为调查海域划分的示意图；
图3为反映表温与资源适应性指数SSI之间关系的模型的示意图；
图4为反映盐度与资源适应性指数SSI之间关系的模型的示意图；
图5为反映叶绿素-a与资源适应性指数SSI之间关系的模型的示意图；
图6为反映海面高度与资源适应性指数SSI之间关系的模型的示意图；
图7为本发明中资源适应性综合指数计算路线示意图；
图8为本发明的电子设备的结构示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式做进一步阐述。
实施例1
一种扫海面积估算渔业资源量的修正方法，应用于电子设备，用于对扫海面积估算渔业资源量的结果进行修正，步骤如图1所示，具体为：
(1)如图2所示，将调查海域均分为42个调查小区(每个调查小区的尺寸相同，其经纬度分别为0.5°*0.5°)，对其中2/3的区域(即28个调查小区)按照扫海面积调查法开展拖网调查工作，采用标准拖网按规定拖曳规定时间，分别获得28个调查小区的渔获量，并测定42个调查小区的海洋环境因子(表温、盐度、叶绿素-a和海面高度)；
(2)计算28个调查小区的资源适应性指数SSI，计算公式如下；
SSI＝Catchi/MAX(Catch)；
式中：SSI为资源适应性指数，其值在0-1之间，Catchi为调查小区i的渔获量，MAX(Catch)为所有调查小区中最大的渔获量；
(3)(对28个既有渔获量数据又有海洋环境因子数据的调查小区)针对所有的海洋环境因子，依次构建反应单一海洋环境因子与资源适应性指数SSI之间关系的模型，具体为：
反映表温与资源适应性指数SSI之间关系的模型如图3所示，具体为：
SSI1＝exp(-1.3728(XSST-28.70)2)；
式中，XSST为调查小区对应的表温，单位为℃，该模型的P<0.01；
反映盐度与资源适应性指数SSI之间关系的模型如图4所示，具体为：
SSI2＝exp(-5.5154(XSSS-33.81)2)；
式中，XSSs为调查小区对应的盐度，单位为psu，该模型的P<0.01；
反映叶绿素-a与资源适应性指数SSI之间关系的模型如图5所示，具体为：
SSI3＝exp(-0.5517(ln(XChl-a)+1.378)2)；
式中，XChl-a为调查小区对应的叶绿素-a浓度，单位为mg/m3，该模型的P<0.01；
反映海面高度与资源适应性指数SSI之间关系的模型如图6所示，具体为：
SSI4＝exp(-1.3260(XSHL-0.4712)2)；
式中，XSHL为调查小区对应的海面高度，单位为m，该模型的P<0.01；
(4)在以上构建的模型中挑选出所有在统计学上是显著的模型(所有模型均显著)，利用这些模型构建资源适应性综合指数(TSI)模型，其资源适应性综合指数(TSI)计算路线示意图如图7所示，资源适应性综合指数(TSI)模型的公式如下：
TSI＝(SSI1+SSI2+SSI3+SSI4)/4；
式中：TSI为资源适应性综合指数；
(5)根据42个调查小区的海洋环境因子数据通过步骤(4)获取的资源适应性综合指数(TSI)模型分别计算得到42个调查小区的TSI值；
(6)估算渔获量最高的调查小区的渔业资源量，计算公式如下：
BMAX＝C/a；
式中：BMAX为渔获量最高的调查小区的资源量，C为最高渔获量的调查小区的渔获量，a为可捕系数，通常为0-1之间；
(7)计算42个调查小区的渔业资源量，计算公式为：
Bk＝BMAX*TSIk；
式中：Bk为调查小区k的资源量，TSIk为调查小区k的资源适应性综合指数；
(8)将所有调查小区的渔业资源量相加即完成调查海域渔业资源总量的估算，调查海域渔业资源总量B的计算公式为：
B＝B1+B2+.....+B42。
对比例1
一种扫海面积估算渔业资源量的方法，其采用传统的扫海面积估算渔业资源量的方法，具体是采用平均法。
各调查小区采用传统方法及本发明的方法计算得到的资源量如下表所示：
Figure BDA0002442871310000091
Figure BDA0002442871310000101
可以看出，传统方法调查得到的资源总量为1832.64吨，而本发明的方法得到资源量为1685.99吨，其相差146.65吨，误差达到8.7％，可以发现本发明的方法能够对传统方法的不足进行修正，一定程度上提高了测算准确度。
经验证，本发明的扫海面积估算渔业资源量的修正方法，针对传统扫海面积法估算渔业资源量的不足，在计算渔业资源量时考虑了环境对资源分布的影响，提出了基于资源适应性指数的修正系数(即资源适应性综合指数)，并给出了一种基于资源适应性综合指数对扫海面积估算渔业资源量进行修正的具体方法，其极大地提高了测算准确度，能够为渔业生产提供良好的指导作用，进而提高捕捞效率，降低捕捞成本；资源适应性综合指数模型并不是一成不变的，可根据实时获取的最新数据重新获取资源适应性综合指数模型，适应性好，极具应用前景。
实施例2
一种电子设备，如图8所示，包括一个或多个处理器、一个或多个存储器、一个或多个程序及数据输入装置；
数据输入装置用于输入28个调查小区的渔获量及42个调查小区的海洋环境因子，一个或多个程序被存储在存储器中，当一个或多个程序被处理器执行时，使得电子设备执行如实施例1所述的一种扫海面积估算渔业资源量的修正方法。
经验证，本发明的应用扫海面积估算渔业资源量的修正方法的设备，结构简单，成本低廉，能够快速基于扫海面积实现了对渔业资源量的准确估算，极具应用前景。
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该理解，这些仅是举例说明，在不违背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。

Claims (9)

1.一种扫海面积估算渔业资源量的修正方法，应用于电子设备，用于对扫海面积估算渔业资源量的结果进行修正，其特征在于，步骤如下：
(1)将调查海域均分为n个调查小区，针对其中m个调查小区，按照扫海面积调查法开展拖网调查工作，采用标准拖网按规定拖曳规定时间，分别获得m个调查小区的渔获量，并测定n个调查小区的海洋环境因子，n≥1，m≤n；
(2)计算m个调查小区的资源适应性指数SSI，计算公式如下；
SSI＝Catchi/MAX(Catch)；
式中：SSI为资源适应性指数，其值在0-1之间，Catchi为调查小区i的渔获量，i为1～m之间的整数，MAX(Catch)为m个调查小区中最大的渔获量；
(3)针对所有的海洋环境因子，依次构建反映单一海洋环境因子与资源适应性指数SSI之间关系的模型；
(4)在步骤(3)构建的模型中挑选出所有在统计学上是显著的模型，利用这些模型构建资源适应性综合指数模型，资源适应性综合指数模型的公式如下；
TSI＝(SSI1+SSI2+……+SSIj)/j；
式中：TSI为资源适应性综合指数，SSI1、SSI2……、SSIj分别为步骤(3)构建的模型中所有在统计学上是显著的模型，分别对应海洋环境变量1、2、……、j，j为海洋环境因子个数；
(5)根据n个调查小区的海洋环境因子数据通过步骤(4)获取的资源适应性综合指数模型分别计算得到n个调查小区的TSI值；
(6)估算渔获量最高的调查小区的渔业资源量，计算公式如下：
BMAX＝C/a；
式中：BMAX为渔获量最高的调查小区的资源量，C为最高渔获量的调查小区的渔获量，a为可捕系数，通常为0-1之间；
(7)计算n个调查小区的渔业资源量，计算公式为：
Bk＝BMAX*TSIk；
式中：Bk为调查小区k的资源量，TSIk为调查小区k的资源适应性综合指数；
(8)将所有n个调查小区的渔业资源量相加即完成调查海域渔业资源总量的估算。
2.根据权利要求1所述的一种扫海面积估算渔业资源量的修正方法，其特征在于，所述海洋环境因子包括表温、盐度、叶绿素-a和海面高度。
3.根据权利要求2所述的一种扫海面积估算渔业资源量的修正方法，其特征在于，所述调查小区的尺寸相同，其经纬度分别为0.5°*0.5°。
4.根据权利要求2所述的一种扫海面积估算渔业资源量的修正方法，其特征在于，步骤(3)中反映表温与资源适应性指数SSI之间关系的模型为：
SSI1＝exp(-1.3728(XSST-28.70)2)；
式中，XSST为调查小区对应的表温，单位为℃；
该模型的P<0.01。
5.根据权利要求2所述的一种扫海面积估算渔业资源量的修正方法，其特征在于，步骤(3)中反映盐度与资源适应性指数SSI之间关系的模型为：
SSI2＝exp(-5.5154(XSSS-33.81)2)；
式中，XSSs为调查小区对应的盐度，单位为psu；
该模型的P<0.01。
6.根据权利要求2所述的一种扫海面积估算渔业资源量的修正方法，其特征在于，步骤(3)中反映叶绿素-a与资源适应性指数SSI之间关系的模型为：
SSI3＝exp(-0.5517(ln(XChl-a)+1.378)2)；
式中，XChl-a为调查小区对应的叶绿素-a浓度，单位为mg/m3；
该模型的P<0.01。
7.根据权利要求2所述的一种扫海面积估算渔业资源量的修正方法，其特征在于，步骤(3)中反映海面高度与资源适应性指数SSI之间关系的模型为：
SSI4＝exp(-1.3260(XSHL-0.4712)2)；
式中，XSHL为调查小区对应的海面高度，单位为m；
该模型的P<0.01。
8.根据权利要求1所述的一种扫海面积估算渔业资源量的修正方法，其特征在于，步骤(8)中调查海域渔业资源总量B的计算公式为：
B＝B1+B2+.....+Bn。
9.应用如权利要求1～8任一项所述的一种扫海面积估算渔业资源量的修正方法的电子设备，其特征在于，包括一个或多个处理器、一个或多个存储器、一个或多个程序及数据输入装置；
所述数据输入装置用于输入m个调查小区的渔获量及n个调查小区的海洋环境因子，所述一个或多个程序被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如权利要求1～8任一项所述的一种扫海面积估算渔业资源量的修正方法。
CN202010270161.8A 2020-04-08 2020-04-08 一种扫海面积估算渔业资源量的修正方法及其应用 Pending CN111626467A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010270161.8A CN111626467A (zh) 2020-04-08 2020-04-08 一种扫海面积估算渔业资源量的修正方法及其应用
JP2021011624A JP7022456B2 (ja) 2020-04-08 2021-01-28 掃過面積に基づいて推定された漁業資源量の補正方法及びその応用
NL2027467A NL2027467B1 (en) 2020-04-08 2021-02-01 A method for correcting estimated fishery resources in a swept area and applications thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010270161.8A CN111626467A (zh) 2020-04-08 2020-04-08 一种扫海面积估算渔业资源量的修正方法及其应用

Publications (1)

Publication Number Publication Date
CN111626467A true CN111626467A (zh) 2020-09-04

Family

ID=72259626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010270161.8A Pending CN111626467A (zh) 2020-04-08 2020-04-08 一种扫海面积估算渔业资源量的修正方法及其应用

Country Status (3)

Country Link
JP (1) JP7022456B2 (zh)
CN (1) CN111626467A (zh)
NL (1) NL2027467B1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493680A (zh) * 2022-01-06 2022-05-13 中国水产科学研究院南海水产研究所 一种基于流刺网调查的渔业资源统计方法及系统
CN115132054A (zh) * 2022-08-15 2022-09-30 中国科学院水生生物研究所 基于河流食物网的环境水流和栖息地需求模拟模型

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114612260A (zh) * 2022-04-22 2022-06-10 中国水产科学研究院南海水产研究所 一种基于机器学习的南海渔业资源评估体系建模方法及系统
CN115067243B (zh) * 2022-07-07 2024-02-13 武汉很多鱼钓具有限公司 一种基于物联网技术的渔业监测分析方法、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678399A (zh) * 2015-12-29 2016-06-15 中国地质科学院矿产资源研究所 一种区域矿产资源量估算分析方法及其系统
US20160189080A1 (en) * 2014-12-24 2016-06-30 General Electric Company System and method for rule-based analytics of temporal-spatial constraints on noisy data for commercial airlineflight operations
CN106204313A (zh) * 2016-07-22 2016-12-07 上海海洋大学 一种预测茎柔鱼资源空间分布的方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005099450A1 (ja) 2004-03-31 2005-10-27 Fujitsu Limited 魚分布予測図を作成する装置および方法
JP4849797B2 (ja) * 2004-12-03 2012-01-11 喜代志 伊藤 漁場予測装置
JP6570031B2 (ja) * 2015-06-29 2019-09-04 国立研究開発法人海洋研究開発機構 漁場予測装置、漁場予測システム、海洋環境データ共有装置および海洋環境データ共有システム
CN107578125A (zh) * 2017-08-29 2018-01-12 上海海洋大学 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
CN109767040B (zh) * 2019-01-15 2023-09-15 上海海洋大学 基于栖息地指数的秋刀鱼中心渔场预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160189080A1 (en) * 2014-12-24 2016-06-30 General Electric Company System and method for rule-based analytics of temporal-spatial constraints on noisy data for commercial airlineflight operations
CN105678399A (zh) * 2015-12-29 2016-06-15 中国地质科学院矿产资源研究所 一种区域矿产资源量估算分析方法及其系统
CN106204313A (zh) * 2016-07-22 2016-12-07 上海海洋大学 一种预测茎柔鱼资源空间分布的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张亚男、官文江、李阳东: "印度洋长鳍金枪鱼栖息地指数模型的构建与验证", 《上海海洋大学学报》 *
林龙山: "东海区小黄鱼现存资源量分析", 《海洋渔业》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493680A (zh) * 2022-01-06 2022-05-13 中国水产科学研究院南海水产研究所 一种基于流刺网调查的渔业资源统计方法及系统
CN114493680B (zh) * 2022-01-06 2024-05-03 中国水产科学研究院南海水产研究所 一种基于流刺网调查的渔业资源统计方法及系统
CN115132054A (zh) * 2022-08-15 2022-09-30 中国科学院水生生物研究所 基于河流食物网的环境水流和栖息地需求模拟模型

Also Published As

Publication number Publication date
NL2027467A (en) 2021-10-25
JP7022456B2 (ja) 2022-02-18
JP2021166507A (ja) 2021-10-21
NL2027467B1 (en) 2022-02-22

Similar Documents

Publication Publication Date Title
CN111626467A (zh) 一种扫海面积估算渔业资源量的修正方法及其应用
Rudd et al. Accounting for variable recruitment and fishing mortality in length-based stock assessments for data-limited fisheries
Thorson et al. Accounting for spatiotemporal variation and fisher targeting when estimating abundance from multispecies fishery data
Gregg et al. Skill assessment in ocean biological data assimilation
Deriso et al. Variance estimation in integrated assessment models and its importance for hypothesis testing
Bacheler et al. Influence of soak time and fish accumulation on catches of reef fishes in a multispecies trap survey
Mazurkiewicz et al. Assessment of nematode biomass in marine sediments: A semi‐automated image analysis method
CN113484867A (zh) 一种基于成像声呐封闭空间下鱼群密度探测方法
CN107392380A (zh) 一种用于淡水水生生物水质基准预测的系统
Martell et al. Implementing harvest rate objectives by directly monitoring exploitation rates and estimating changes in catchability
Patterson Assessing fish stocks when catches are misreported: model, simulation tests, and application to cod, haddock, and whiting in the ICES area
Chiffard et al. Adaptive niche-based sampling to improve ability to find rare and elusive species: Simulations and field tests
Helidoniotis et al. Growth models for fisheries: The effect of unbalanced sampling error on model selection, parameter estimation, and biological predictions
CN106204313A (zh) 一种预测茎柔鱼资源空间分布的方法
CN115062859B (zh) 一种对长爪沙鼠的密度进行预测的方法和装置
Álvarez-Berastegui et al. Bluefin tuna larval indices in the western Mediterranean, ecological and analytycal sources of uncertainity
Yaremchuk et al. A hybrid background error covariance model for assimilating glider data into a coastal ocean model
Dai et al. Evaluating the Impact of Systematic Error on the Estimation Performance of a Length‐Based Spawning Potential Ratio
CN109409590A (zh) 一种用于淡水水生生物水质基准预测的系统
CN113096027B (zh) 一种基于点云的农田土壤层水平校正及去除方法
Dienes Multi-state analysis of August roadside surveys for monitoring ring-necked pheasant and northern bobwhite populations
CN115191385A (zh) 一种水库鱼类资源声学调查方法
CN114758080A (zh) 海面盐度网格化反演的方法及装置
Upston et al. Orange Roughy (Hoplostethus atlanticus) Eastern Zone stock assessment incorporating data up to 2014
CN111667112A (zh) 一种渔业资源丰度灰色预测模型优化方法及其应用

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